Osamah TY -的A2思•易卜拉欣AU - Wang Tao盟——陈住AU - Du, Hangxiang盟——刘,永安盟——张Lidi盟——孟、梅PY - 2021 DA - 2021/12/15 TI -监测神经内分泌变化的严重颅脑损伤急性期经颅多普勒超声图像特征基于人工智能算法的SP - 3584034六世- 2021 AB -本研究旨在探索的应用价值,基于人工智能算法的经颅多普勒(TCD)监测重型颅脑损伤患者的神经内分泌变化在急性期;80例严重脑损伤患者纳入本研究作为研究对象,他们被随机分为对照组(常规TCD)和实验组(algorithm-optimized TCD),每组40例。浴室的人工智能社区分割算法图像设计,全面评估该算法通过测量应用价值为核心图像区域分割错误,该算法的运行时间。此外,格拉斯哥昏迷评分(GCS)和每个神经内分泌激素水平被用来评估患者的神经内分泌状态。结果表明,人工智能社区分割算法的运行时间为核心 3.14 ± 1.02 年代 ,这是明显短于 32.23 ± 9.56 年代 传统的卷积神经网络(CNN)算法( P < 0.05 )。浴室的错误拒绝率(FRR)图像区域分割算法显著降低,和错误接受率(远)和真正的录取率(TAR)显著增加( P < 0.05 )。的一致率GCS评分和多普勒超声成像诊断结果实验组为93.8%,这是明显高于对照组的80.3% ( P < 0.05 )。多普勒超声成像诊断结果的一致性比率水平异常的实验组患者的促卵泡激素(FSH),催乳素(PRL)、生长激素(GH)、促肾上腺皮质激素(ACTH)和促甲状腺激素(TSH)明显高于对照组( P < 0.05 )。总之,人工智能社区分割算法可以显著缩短处理时间的TCD形象和减少图像的分割误差区域,大大提高了患者的TCD监测水平严重的颅脑损伤,具有良好的临床应用价值。SN - 1748 - 670 - 2021/3584034 / 10.1155 x你——https://doi.org/10.1155/2021/3584034——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER