Ultraschallbasierte Radiomics-Technologie zur automatischen Segmentierung bei diabetischer Nierenerkrankung

Die Ultraschalluntersuchung ist eine bequeme, kostengünstige und nicht-invasive Methode zur Nierenuntersuchung. Die Fähigkeit des konventionellen Ultraschalls, eine diabetische Nierenerkrankung von einer normalen Niere zu unterscheiden, ist jedoch begrenzt, und es ist schwierig, nur mit bloßem Auge genau zwischen einer diabetischen Nierenerkrankung und einer normalen Niere zu unterscheiden. In den letzten Jahren hat sich die Informatik rasant weiterentwickelt und die künstliche Intelligenz entwickelt sich kontinuierlich weiter. Bei der Anwendung künstlicher Intelligenz in der Datenanalyse wurden große Fortschritte erzielt. Maschinelles Lernen ist eine Richtung der verallgemeinerten künstlichen Intelligenz. Ihr Hauptmerkmal besteht darin, der Maschine autonome Vorhersagen zu ermöglichen und Algorithmen zu erstellen, um autonomes Lernen zu erreichen. Nierenerkrankungen und Deep Learning sind zwei unterschiedliche Ansätze im Bereich des maschinellen Lernens. In dieser Studie wurden Bild-Omics und Deep Learning zur Analyse der Bilder eingesetzt. Image Omics extrahiert traditionelle Bildmerkmale, einschließlich Form, Graustufen, Textur usw., und verwendet Modelle des maschinellen Lernens (Mustererkennung) zur Klassifizierung und Vorhersage, z. B. Support Vector Machine, Random Forest, XGBoost usw. Deep Learning verwendet direkt Das Faltungsnetzwerk CNN extrahiert Merkmale und vervollständigt die Klassifizierung und Vorhersage in Kombination mit der vollständigen Verbindungsschicht usw.

Ziel dieser Studie ist es, die Erkennung einer diabetischen Nierenerkrankung und ihres pathologischen Ausmaßes auf der Grundlage der automatischen Segmentierung der ultraschallbasierten Radiomics-Technologie, der Gewinnung interner Informationen von Ultraschallbildern und der Bildung einer Reihe von nicht-invasiven Überwachungssystemen für die Entwicklung von Komplikationen bei diabetischen Nierenerkrankungen zu untersuchen. insbesondere in primärmedizinischen Einrichtungen, hat eine breite klinische Anwendungsperspektive.