El rendimiento de un modelo de medición automática basado en aprendizaje profundo para medir la relación cardio-torácica en radiografías de tórax
Autores: Kim, Donguk; Lee, Jong Hyuk; Jang, Myoung-jin; Park, Jongsoo; Hong, Wonju; Lee, Chan Su; Yang, Si Yeong; Park, Chang Min
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
El rendimiento de un modelo de medición automática basado en aprendizaje profundo para medir la relación cardio-torácica en radiografías de tórax
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Aprendizaje profundo
índice cardiotorácico
Radiólogos
Radiografías de tórax
Sensibilidad
VPN
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
Objetivo: Los estudios previos sobre modelos basados en aprendizaje profundo (DL) y la medición de la relación cardio-torácica (CTR) en radiografías de tórax han carecido de análisis rigurosos de acuerdo con radiólogos o pruebas de lectores. Validamos el rendimiento de un modelo de medición de CTR basado en DL disponible comercialmente con diversas patologías torácicas, y realizamos análisis de acuerdo con radiólogos torácicos y pruebas de lectores utilizando una referencia basada en probabilidades.
Descripción
Objetivo: Los estudios previos sobre modelos basados en aprendizaje profundo (DL) y la medición de la relación cardio-torácica (CTR) en radiografías de tórax han carecido de análisis rigurosos de acuerdo con radiólogos o pruebas de lectores. Validamos el rendimiento de un modelo de medición de CTR basado en DL disponible comercialmente con diversas patologías torácicas, y realizamos análisis de acuerdo con radiólogos torácicos y pruebas de lectores utilizando una referencia basada en probabilidades.