肩胛骨折在1805年首次被Desault,研究肩胛骨折的特点。肩胛骨折骨折占全身的1%和5%的总肩骨折( 1]。它通常是车祸等意外事故造成的或从高处跌落。大多数的年轻人和中年男子占64%到90% ( 2]。肩胛骨折如痛苦的骨折和骨折(疲劳损伤)是罕见的。肩胛骨折通常是多个创伤和常常被忽视的一部分。随着社会的发展,科学和技术,和运输,其发病率逐渐增加( 3]。体格检查、x线或CT检查通常可以确诊的肩膀和脚骨折。目前,大多数的外科治疗肩胛骨折集中在肩膀、肾脏、和颈部,包括关节表面,需要尽可能减少解剖。然而,术后并发症的发生率,如关节痛,不稳定,冲击相对较高( 4]。

局部神经阻滞主要用于手术麻醉的肩膀和手腕。局部神经阻滞的要求对病人的全身生理功能和硬件设备较低与全身麻醉相比,和术后疼痛是相对较少的 5]。此外,当地的神经阻滞能减少全身麻醉。地区当地的神经分布相对集中,局部神经阻滞主要形式各种块路径,包括肌肉槽,锁骨下、锁骨下纵向渗透,锁骨下多态的过程,和腋窝路径( 6]。传统神经骨折手术的操作要求病人应该清醒,可以协助报告的感受,和神经干的穿刺针在很短的时间内联系,这将引起病人的主观不适,在穿刺过程中可能会导致神经损伤 7]。神经骨折手术的成功的关键是周围神经的位置的正确性。它需要外科医生的临床经验高,有一个伟大的对病人的各种解剖变化的影响,因此,成功率不高。神经骨折手术往往伴随着血管病变或重要的组织和器官,这可能会导致严重并发症或后遗症。神经刺激设备的发展和应用增加了神经骨折手术的成功率。然而,穿刺会增加病人的不适,和静脉注射止痛剂和镇静剂的使用逐渐增加( 8]。近年来,随着医疗技术的进步和人类医疗的进步,需求快速发作,长期维护,成功率高,简单的神经断裂手术也增加。的帮助下解剖定位的神经刺激器,外周神经阻滞变得越来越广泛。近几十年来,超声技术的出现使肩胛骨折手术更安全、更有效,并进一步扩大了适用范围( 9]。这项技术迅速改变了临床麻醉的方式,和局部麻醉可以以可视化的方式进行。超声波是动态的,实时的,可记录的、无辐射、超声引导下神经阻滞技术发展和成熟在过去的十年里 10]。超声引导下神经阻滞与传统的技术不同。传统方法确定目标通过寻找神经感觉异常的方法通过体表解剖位置或诱导神经肌肉收缩的神经刺激器,但传统方法无法实现可视化的穿刺点( 11]。超声波成像可以想象需要屏蔽的神经,以及伴随的血管和周围重要组织神经。通过可视化的神经和神经周围的重要结构,可以保证准确的扩散在神经阻滞麻醉药物目标周围的神经。它还避免了损伤血管和周围重要组织结构,减少不良事件的发生率,如鞘内注射和血管内注射( 12]。

深入学习是机器学习领域的一个新的研究方向。不像传统的机器学习,深度学习神经网络包含许多隐藏层。机器可以自动学习每个级别的数据,完全的特征分析和处理数据信息。深度学习的优秀结果技术在医学领域主要体现在医学图像的处理与分析 13]。它不需要手动提取函数或图像进行预处理。它可以提取图像中的信息和深度图像的特征,从而导致疾病诊断和诊断。目前,研究和应用领域的深入学习麻醉是相对罕见,全身麻醉后,病人死亡的风险可以预测在手术过程中基于数据提取。此外,深度学习有广阔的应用前景在麻醉研究它的性能和可伸缩性。

本研究的目的是探讨以下三个问题:首先,图像精度之间的差异和普通超声波图像深度学习超声波图像;其次,采用人工智能超声波优化麻醉穿刺路径;第三,超声成像的有效性指导肩胛区域神经阻滞治疗骨折的手术痛苦。这是希望为其他区域神经阻滞麻醉操作提供参考。

凹陷是一个全新的深度完全卷积神经网络模型(语义pixel-wise神经网络模型)提出的三个深度学习专家(Yadri-narayanan、Kcndall Cipolla) 2010年从剑桥大学能够进行图像pixel-wise语义分割和图像标记( 15]。SegNet模型主要由编码器,译码器,oft-max层。编码器和解码器成对出现的图像特征提取和优化。其结构如图 2。

SegNet模型将图像分为低频部分,这是通过低通滤波(平滑和模糊)的形象,高频部分,通过减去原始图像的低频部分( 16]。该算法的目标是提高高频部分代表细节,也就是说,高频部分乘以一定的增益值,然后将它们结合起来获得一个增强的图像。因此,SegNet模型的核心是计算高频增益系数的一部分。一种解决方案是将增益设置为一个固定值,和其他的解决方案是表达增益值方差相关数量,这将在稍后解释附加方程。

假设图像中的像素表示为<我talic> x(<我talic> 我,<我talic> j);然后用(<我talic> 我,<我talic> j)为中心,在该地区的窗口大小(2<我talic> n(2 + 1)∗<我talic> n+ 1),其本地意味着总和和方差可以表示为如下方程: (1) 米 x 我 , j = 1 2 n + 1 2 ∑ k = 我 − n 我 + n ∑ l = j − n j + n x k , l , σ X 2 我 , j = 1 2 n + 1 2 ∑ k = 我 − n 我 + n ∑ 我 = j − n j + n x k , l − 米 x 我 , j 2 。

中值<我talic> mx可近似视为背景部分,在这个时间吗<我talic> x m高频细节部分,获得高频产品是以下方程: (2) f 我 , j = 米 x 我 , j + G 我 , j x 我 , j − 米 x 我 , j 。

为获得<我talic> G,第一个选项是一个常数大于1,达到增强的效果,这是以下方程: (3) f 我 , j = 米 x 我 , j + C x 我 , j − 米 x 我 , j 。

选择两个是表示为一个变化值成反比当地的均方误差,这是以下方程: (4) f 我 , j = 米 x 我 , j + D σ x 我 , j x 我 , j − 米 x 我 , j 。

当地的均方误差大的高频区域形象,和增益值很小,所以结果不会太亮。然而,当地的均方误差非常小的平滑区域形象,和增益值很大,这可能会放大噪声信号。因此,有必要限制的最大增益,从而获得更好的结果。

采用超声波技术在区域神经阻滞已成为近年来研究的热点问题。超声波技术产生了革命性的进步神经区块,包括脊柱区域神经阻滞的发展( 17]。然而,很少有报道使用超声波在胸脊椎旁区域神经阻滞。如今,超声波技术在临床的应用区域神经阻滞有收获好的结果和积累的经验与实时指导parathoracic区域神经阻滞( 18]。在超声波,矢状切面扫描块,斜剖面扫描块使用两种模式。病人可以选择的位置坐和卧位的位置,以及临床麻醉区域或坐姿。超声波检测的选择主要取决于穿刺的深度目标和病人的体型,和病人的体重已被证明在很多研究中是一个重要的因素影响胸腔穿刺的深度( 19]。超声波探头必须选择适当的频率扫描的网站。高频线性检测用于胸侧脊髓区域神经阻滞( 20.]。超声成像的物理性质是由频率和波长检测的超声波辐射。超声波频率单位相关决议。人耳能感觉到在20 Hz-20 kHz,声波的频率和医疗诊断超声波是外墙面MHz的频率。超声波检测的频率越高,横向分辨率越好。超声波波长是指相邻的粒子之间的距离在两个振动区域,允许更清晰的神经和周围的组织之间的区别。波长越长,透光率越高。线性探针是6-13 MHz的频率,适合拍摄人体表面的组织结构。大部分的检测频率是2 - 7日MHz,可用于深层组织结构成像( 21]。因此,选择合适的探头根据病人的体型和网站的深度麻醉。在这项研究中,患者的体重不到30公斤/米²和良好的使用高频线性探针成像结果。发出的超声波探针表面渗透和传播到室内,反映出反应引起障碍时遇到的。各种障碍可以产生不同的回声,收集并显示在屏幕上的实时视图内部器官的各个部分。此外,结合彩色多普勒模型,这是特别敏感的流动液体。因此,可以更好地观察到血管彩色多普勒光谱和流动和扩散可以观察到局部麻醉注射,可使医生更好地进行下一个操作( 22]。

总的来说,传统穿刺在硬膜外穿刺麻醉缺乏突破的感觉,所以成功率很低,并发症高。一种安全、有效指导穿刺方法是急需的诊所。结果表明,断裂的网站中没有明显的图像增强和优化之前,它是容易误判nonfracture网站,影响医生的判断。增强的声波图清晰地显示骨折的位置。传统超声波的定位区域和人工智能超声大大重叠,和人工智能的面积内超声定位为36%以上。算法组穿刺针渠道少,不良反应少,和破碎的操作时间,表明超声定位算法的效果优于传统的穿刺。后的可视化和实时性能人工智能超声被用于两个对照组,应用超声图像引导区域神经阻滞的可行性基于深度学习肩胛骨骨折麻醉了。

深上优于超声影像成像在肩胛骨折手术与区域神经阻滞麻醉与传统穿刺麻醉剂的使用。证明,在这项研究中提出的方法比传统方法更有效,无论穿刺准确性评价或评价的方法使用的麻醉效果。这种方法大大缩短穿刺所需的时间和减少并发症与传统穿刺相比。在未来,我们需要验证的性能构造模型在更多的情况下,更多的疾病类型。此外,统计数据的基础上形成的各种参数病人使用这种方法,其临床诊断和预后预测效果需要进一步研究。