Технология радиомики с автоматической сегментацией на основе ультразвука при диабетической болезни почек

Ультразвуковое исследование – удобный, дешевый и неинвазивный метод исследования почек. Однако способность обычного ультразвука отличить диабетическую болезнь почек от нормальной почки ограничена, и трудно точно отличить диабетическую болезнь почек от нормальной почки только невооруженным глазом. В последние годы информатика стремительно развивалась, и искусственный интеллект непрерывно развивался. Большой прогресс был достигнут в применении искусственного интеллекта в анализе данных. Машинное обучение - это направление обобщенного искусственного интеллекта, его основная характеристика - сделать машину автономным предсказанием и создать алгоритм, чтобы добиться автономного обучения. болезнь почек и глубокое обучение — два разных подхода в области машинного обучения. В этом исследовании для анализа изображений использовались омика изображений и глубокое обучение. Image omics извлекает традиционные характеристики изображения, включая форму, оттенки серого, текстуру и т. д., и использует модели машинного обучения (распознавание образов) для классификации и прогнозирования, такие как метод опорных векторов, случайный лес, XGBoost и т. д. Глубокое обучение напрямую использует сверточная сеть CNN для извлечения признаков и завершения классификации и прогнозирования в сочетании с полным уровнем соединения и т. д.

Это исследование направлено на изучение выявления диабетической болезни почек и ее патологической степени на основе технологии автоматической сегментации на основе радиомики, извлечения внутренней информации ультразвуковых изображений, а также формирование комплекса систем неинвазивного мониторинга развития осложнений диабетической болезни почек, особенно в первичных лечебных учреждениях, имеет широкую перспективу клинического применения.