Key points are not available for this paper at this time.
مع اكتشاف العديد من العقيدات الدرقية بشكل عرضي، من المهم تحديد أكبر عدد ممكن من العقيدات الخبيثة مع استبعاد تلك التي من المرجح بشدة أن تكون حميدة من خزعات إبرة دقيقة (FNA) أو العمليات الجراحية. تعرض هذه الورقة نظام تشخيص مدعوم بواسطة الحاسوب (CAD) لتصنيف العقيدات الدرقية في صور الموجات فوق الصوتية. نحن نستخدم نهج التعلم العميق لاستخراج الميزات من صور الموجات فوق الصوتية للغدة الدرقية. يتم إعداد صور الموجات فوق الصوتية مسبقًا لمعايرة مقياسها وإزالة العيوب. ثم يتم تعديل نموذج GoogLeNet المدرب مسبقًا باستخدام عينات الصور المعدلة مسبقًا، مما يؤدي إلى استخراج ميزات أفضل. تُرسل الميزات المستخرجة من صور الموجات فوق الصوتية للغدة الدرقية إلى مصنف غابة عشوائية حساسة للتكلفة لتصنيف الصور إلى حالات "خبيثة" و "حميدة". تُظهر النتائج التجريبية أن نموذج GoogLeNet المعدل المقترح يحقق أداءً ممتازًا في التصنيف، حيث يصل إلى دقة تصنيف تبلغ 98.29%، وحساسية 99.10%، وخصوصية 93.90% للصور في قاعدة بيانات مفتوحة الوصول (Pedraza et al. 16)، بينما تبلغ دقة التصنيف 96.34%، وحساسية 86%، وخصوصية 99% للصور في قاعدة بيانات منطقتنا الصحية المحلية.
درس تشي وآخرون (Mon,) هذا السؤال.