Red neuronal de convolución de gráficos espaciotemporales de valor complejo optimizada con algoritmo de optimización...

Área de la Ciencia:

• Imágenes médicas
• Inteligencia artificial
• Endocrinología

Sus antecedentes:

• Los trastornos de la tiroides afectan significativamente el metabolismo, lo que plantea desafíos de diagnóstico.
• La clasificación precisa de los nódulos tiroideos es crucial para el tratamiento eficaz del paciente.
• Los métodos de diagnóstico existentes requieren una mejora para mejorar la precisión.

Objetivo del estudio:

• Desarrollar un modelo avanzado de IA para la clasificación precisa de nódulos tiroideos en imágenes de ultrasonido.
• Para mejorar la detección temprana de nódulos tiroideos malignos.
• Reducir las tasas de clasificación errónea y ayudar a la toma de decisiones clínicas.

Principales métodos:

• Utilizó una red neuronal de convolución de gráficos espaciotemporales de valor complejo (CSGCNN) optimizada con el algoritmo de optimización de patadas de jirafa (GKOA).
• Filtro de doble orden bilineal (BDOF) empleado para el preprocesamiento de imágenes y agrupación difusa adaptativa profunda (DAFC) para la segmentación de la región de interés (RoI).
• Características geométricas y morfológicas extraídas utilizando la transformación de chirplet de compresión sincronizada multiobjetivo (MMSSCT).

Principales resultados:

• El modelo propuesto CSGCNN-GKOA-TNC-UI demostró un rendimiento superior en comparación con los métodos existentes.
• Se lograron mejoras significativas en la puntuación f y en la precisión de la clasificación de nódulos tiroideos.
• El modelo mostró una mayor precisión en la distinción entre nódulos benignos y malignos.

Conclusiones:

• El modelo CSGCNN-GKOA-TNC-UI ofrece un avance prometedor en la clasificación de los nódulos tiroideos.
• El enfoque ayuda a los radiólogos y endocrinólogos al mejorar la precisión del diagnóstico.
• La detección temprana de tumores malignos y la reducción de las biopsias innecesarias son beneficios clave de este modelo de IA.