Tecnología radiómica basada en ultrasonido de segmentación automática en la enfermedad renal diabética

El examen de ultrasonido es un método conveniente, económico y no invasivo para el examen renal. Sin embargo, la capacidad de la ecografía convencional para distinguir la enfermedad renal diabética del riñón normal es limitada, y es difícil distinguir con precisión entre la enfermedad renal diabética y el riñón normal solo a simple vista. En los últimos años, la informática se ha desarrollado rápidamente y la inteligencia artificial se ha desarrollado continuamente. Se ha avanzado mucho en la aplicación de la inteligencia artificial en el análisis de datos. El aprendizaje automático es una dirección de la inteligencia artificial generalizada, su característica principal es hacer que la máquina prediga de forma autónoma y cree un algoritmo para lograr un aprendizaje autónomo. la enfermedad renal y el aprendizaje profundo son dos enfoques diferentes en el campo del aprendizaje automático. En este estudio, se utilizaron ómicas de imágenes y aprendizaje profundo para analizar las imágenes. La ómica de imágenes extrae las características tradicionales de la imagen, incluida la forma, la escala de grises, la textura, etc., y utiliza modelos de aprendizaje automático (reconocimiento de patrones) para clasificar y predecir, como la máquina de vectores de soporte, el bosque aleatorio, XGBoost, etc. El aprendizaje profundo utiliza directamente el red convolucional CNN para extraer características, y completa la clasificación y predicción en combinación con la capa de conexión completa, etc.

Este estudio tiene como objetivo explorar la detección de la enfermedad renal diabética y su grado patológico basado en la tecnología radiómica basada en ultrasonido de segmentación automática, la extracción de información interna de las imágenes de ultrasonido y formar un conjunto de monitoreo no invasivo del sistema de desarrollo de complicaciones de la enfermedad renal diabética, especialmente en instituciones médicas primarias, tiene una amplia perspectiva de aplicación clínica.