Tecnologia de radiômica baseada em ultrassom de segmentação automática na doença renal diabética

O exame de ultrassom é um método conveniente, barato e não invasivo para exame renal. No entanto, a capacidade do ultrassom convencional de distinguir a doença renal diabética do rim normal é limitada, e é difícil distinguir com precisão entre a doença renal diabética e o rim normal apenas a olho nu. Nos últimos anos, a ciência da computação se desenvolveu rapidamente e a inteligência artificial vem se desenvolvendo continuamente. Muito progresso foi feito na aplicação de inteligência artificial na análise de dados. O aprendizado de máquina é uma direção da inteligência artificial generalizada, sua principal característica é tornar a previsão autônoma da máquina e criar algoritmos, de modo a alcançar o aprendizado autônomo. doença renal e aprendizado profundo são duas abordagens diferentes no campo do aprendizado de máquina. Neste estudo, imagens ômicas e aprendizado profundo foram usadas para analisar as imagens. Image omics extrai recursos de imagem tradicionais, incluindo forma, escala de cinza, textura, etc., e usa modelos de aprendizado de máquina (reconhecimento de padrão) para classificar e prever, como máquina de vetor de suporte, floresta aleatória, XGBoost, etc. O aprendizado profundo usa diretamente o rede convolucional CNN para extrair recursos e concluir a classificação e previsão em combinação com a camada de conexão completa, etc.

Este estudo tem como objetivo explorar a detecção da doença renal diabética e seu grau patológico com base na tecnologia de radiômica baseada em ultrassom de segmentação automática, mineração de informações internas de imagens de ultrassom e formar um conjunto de monitoramento não invasivo do sistema de desenvolvimento de complicações da doença renal diabética, especialmente em instituições médicas primárias, tem uma ampla perspectiva de aplicação clínica.