文摘
应用价值的研究旨在探讨腰椎磁共振成像(MRI)图像处理人工智能算法在评价chinkuei shin chewan汤的功效(滋养肾的中药)治疗腰椎管狭窄症(LSS)。具体地说,110年LSS住院的患者被选为研究对象。他们被随机分为对照组(n= 55)和实验组(n= 55)根据不同的治疗方法。对照组用传统医学治疗,实验组另外把chinkuei shin chewan汤的基础。基于U-net传统U-net算法,基于人工智能的注册算法通过引入信息熵理论,设计和算法应用于腰椎MRI图像评价LSS病人。与传统U-net算法相比,基于人工智能的U-net注册算法降低噪音水平 ,Jaccard (J)值(0.84)和骰子值(0.93)显著增加对传统算法(J= 0.63,骰子= 0.81)和图像的特征更准确。在治疗之前,得以残疾指数(ODI)实验组和对照组的成绩分别为44.32±6.45,43.32±5.45,分别。治疗后,两组的ODI评分分别为10.21±5.05,17.09±5.23,分别。都有了明显的改善,而实验组的改善更明显比对照组 。两组患者的整体有效的利率分别为96.44%和82.47%,分别,实验组明显高于对照组 。U-net下注册算法基于人工智能,实验组的腰椎MRI诊断的准确性为94.45%,明显高于67.5%的引入算法 。总之,chinkuei shin LSS chewan汤治疗是有效的,基于人工智能和腰椎MRI U-net注册算法可以评估LSS的疗效好,值得推广。
1。介绍
腰椎狭窄(LSS)是一种综合症的下腰痛,下肢疼痛、麻木、无力、间歇性跛行起源于骨或纤维椎管狭窄,压迫脊髓、马尾或神经根(1,2]。LSS是发病率仅次于腰椎间盘突出症在椎管疾病(3]。主要分为发展狭窄和退行性狭窄和退行性脊椎狭窄是更常见的临床3]。根据其症状,它可分为中央腰椎狭窄,神经根管腰椎狭窄,腰椎狭窄。根据原因,它可以分为初级腰椎狭窄和继发性腰椎狭窄(3]。LSS的主要症状是腰痛、下肢疼痛、麻木、无力、间歇玻璃线,马尾症状等等(4]。
当前对LSS成像诊断方法包括x射线胶片,计算机断层扫描(CT)检查,磁共振成像(MRI)检查(5),其中x光检查措施的横向直径椎管矢状径的椎管通过侧面图和横向直径小于18毫米和矢状径小于13毫米是脊髓狭窄(6]。腰椎CT成像是一个很好的检验方法和脊髓疾病与临床结果一致性率高。MRI检查可以清楚地显示椎管硬膜外的脂肪,硬膜囊,脑脊液、脊髓和其他结构。它有一个更高的分辨率比CT的软组织。除了横断面扫描,它还可以执行矢状扫描。因此,在LSS的临床诊断,MRI是最广泛使用的检测方法7,8]。近年来,人工智能算法被广泛用于医学成像(9]。广泛使用的U-network算法是一种常见的医学图像分割算法。它采用卷积神经网络,可以完成进行像素级图像分割,展示良好的对小数据集分割的影响。然而,有许多问题,如过度冗余、网络培训、缓慢和不兼容的敏感领域和定位精度10]。有许多报告U-net磁共振成像的算法,但没有关于LSS智能优化算法的MRI检查的报告。在这项研究中,一种优化算法,即人工智能U-net注册算法,被纳入LSS的核磁共振成像,这是传统U-net算法的基础上进行了优化。
作为一种中药制剂,chinkuei shin chewan汤已经被许多报道证实对LSS[有很好的影响11]。根据传统医学的基础研究,和理疗按摩和其他治疗方法,引入chinkuei shin chewan汤非常有利于改善LSS患者的条件(12]。在这项研究中,腰椎MRI图像的处理是人工智能算法评价中医临床疗效的chinkuei shin chewan汤治疗LSS。
在这项研究中,创新提出了基于人工智能的U-net配准算法实现的智能处理腰椎MRI图像和MRI图像处理是用来评估的临床疗效chinkuei shin chewan汤在治疗LSS。本研究将提供一个参考为提高临床的诊断效率评估腰椎MRI图像和数据依据的功效chinkuei shin chewan汤在治疗LSS。
2。材料和方法
2.1。研究对象
110年LSS住院的患者从2018年4月到2021年4月被选为研究对象,其中包括67名男性和43个女性。他们是34岁至76岁,平均年龄为42.31±6.25年。所有病人的平均持续时间为49.21±11.02个月,包括34个简单的间歇性跛行患者52例下腰痛和间歇性跛行,14病人并发下肢放射性疼痛,10位病人复杂化括约肌功能障碍。该病主要发生在L2/3、L3/4 L4/5和L5 / S1。110例,有5例3段,在双段48例,57例中在一个段。所有患者接受腰椎MRI检查:入选标准:(i)患者的临床表现了LSS的诊断标准;(2)药物的病人没有禁忌症;和(3)病人高遵守治疗和没有异常的心理系统。排除标准:(i)患者研究中使用的药物禁忌症;(2)严重系统性疾病患者;(3)精神疾病患者;及(iv)患者没有签署了知情同意。本研究的所有程序已经被医院的伦理委员会批准,所有科目包括在这项研究中已签署知情同意书。
2.2。根据治疗方法分组
在这项研究中,110名患者被随机和盲目地分为对照组和实验组,每组55人。两组患者接受不同的治疗方法。对照组用传统药物治疗(5毫升的丹参Chuanqiangzine混合两个注射250毫升生理盐水)结合按摩;实验组另外把chinkuei shin chewan汤的基础上,对照组。一个疗程持续了3周,总共有两个课程。
2.3。MRI扫描仪器
所有患者在这项研究中接受腰椎MRI检查在操作。核磁共振成像扫描仪使用西门子棱镜3.0 T磁共振扫描仪。选中的脊柱矩阵线圈是一个8路全脊柱相控阵线圈,和常规的扫描腰椎和骶骨1椎体。扫描范围是上下缘的椎体的上边缘降低椎体,主要包括3层横向休会期,椎间盘和椎间孔。使用扫描序列和参数:(1)FSETWI序列矢状位置:重复时间(TR) 440 ms,回波时间(TE) 9女士,层厚4毫米,和层间距1毫米;(2)T2WI-IDEAL序列矢状位置:TR2360女士,女士TE87,层厚4毫米,和层间距1毫米;和(3)FSET2WI序列轴向位置:TR2780女士,女士说法,层厚度3毫米,层间距0.5毫米。扫描后,主治医生和MRI诊断专家分析了MRI图像进行初步的诊断。观察指标包括平面椎弓根、椎间孔平面,韧带flavum厚度、椎间盘水平,subdisc水平。
2.4。U-Net注册算法
腰椎MRI图像分割算法的设计在这项研究中借鉴了经典U-net网络体系结构(13),如图1。
U-net网络体系结构包括一个收缩链接和一个伸缩杆。链接的操作规程,按照经典的卷积网络体系结构。在此基础上,修正的线性单元(ReLU)在每一个卷积时添加促进修剪边缘丢失在卷积操作14]。U-net网络的训练期间,将softmax的能量函数如下所示: 在哪里意味着像素位置,z∈Ω,Ω⊂Z2,一个意味着分割类的数目,意味着最大的函数值。
在这项研究中,目标函数根据骰子损失函数系数取代了叉U-net网络培训过程。然后,基于特征的五个椎骨的腰椎LSS病人(15),LSS患者的腰椎MRI图像进一步注册。首先,参考图像一个和浮动图像B设置和登记的相关表达式最小化显示如下: 在哪里G代表了转换模型,代表规则的加权系数项,代表参数向量的变换系数,代表包含参数的转换模型 。
接下来,LSS患者的腰椎MRI图像转换成基本网格控制点的目标区域,和方程如下: 在哪里代表了基函数, 代表基本网格上的控制点数量,(x,y,z)是任意点的坐标,n基函数的范围(0,1)。然后,基函数来可以表示如下:
同时,互信息算法基于信息熵的理论。图2是腰椎MRI图像处理的流程图,和互信息计算方程(8)。 在哪里一个和B是两个给定的图像,K(一个),K(B)熵的两个边缘图像,分别K(一个,B)的联合熵两个图片,p(一个,B)的联合概率函数一个和B,p(一个),p(b)的边际概率分布函数一个和B,分别。在此基础上,畸变能惩罚项(16添加,也可以获得类似的成本函数,表示如下: 在哪里 自我界定的权重是常数,F是传统的相似性度量函数,是升级版的相似性度量函数,然后呢V是畸变能惩罚项。能量损失项的二阶导数表示如下: 在哪里u代表了空间域图像。然后,方程(10)是离散获得 在哪里米代表的数量分和空间形象的平方之和的二阶导数意义x在转换G。
2.5。质量评价腰椎MRI图像处理U-Net注册算法
因为没有公开的黄金标准数据库的腰椎图像,可用于评估登记的准确性,在这项研究中,我们采用解剖结构和组织之间的重合度和目标配准误差(混乱关系)来评估算法的准确性。骰子(D)系数和voxelwise Jaccard (J)索引值被用来计算重合度的椎骨和血管。精度计算公式如下:把目标配准误差的平均值对应标记点,表示如下:
2.6。疗效评价Chinkuei Shin Chewan煎煮和基于人工智能的腰椎MRI诊断价值
腰椎MRI主要是用来评估疗效。此外,两组患者相比,得以残疾指数(ODI)分数(基本的日常活动,参与基本的社会活动,疼痛指数等),全面评估chinkuei shin chewan汤的疗效患者LSS。
2.7。统计方法
被处理的数据通过SPSS 19.0统计软件。测量数据被表示为均值±标准差 。的比较组间采用的手段t以及。计数数据所表达的百分比(%),和χ2测试使用。 表明数据具有统计上的显著差异。
3所示。结果
3.1。比较两组病人的基本数据
两组病人的基本信息比较,如图3- - - - - -5。图3显示了性别分布和平均年龄分布的两组患者治疗前,图4显示诊断结果的分布的腰椎MRI病变两组在治疗之前,和图5显示类型的腰椎MRI病灶的诊断结果前两组患者的治疗。根据图3在对照组,有31个男性和24岁女性;在实验组中,有29个男性和25个女性。在对照组,平均年龄为40.78±4.73年,在实验组,平均年龄为42.88±5.69年。两组之间没有显著差异,年龄分布 。如图4实验组,2,4,6,18岁,10,11日和3 LSS病变患者L1/2单一空间,L2/3单一空间,L3/4单一空间,L4/5单一空间,L5 / S1单一空间,两倍行距,和三重空间,而在对照组,相应的数字是2,4,7,18岁,10,11日和3,差异无统计学意义 。如图5在实验组,有21.8%,17.2%,11.2%,和49.8%的中央狭窄患者,横向休会狭窄,神经管狭窄,和混合狭窄,分别;在对照组,相应的数字是20.1%,16.4%,10.6%,和52.9%,两组之间的差异没有统计学意义 。
(一)
(b)
3.2。U-Net登记质量评价算法腰椎MRI图像
传统的U-net算法和基于人工智能的U-net注册算法比较的噪音,骰子价值,J值在不同电流,如图6- - - - - -8。图6显示了不同算法在不同电流条件下的噪声分布。图7显示了J值分布的椎骨和血管图像在不同的算法。图8显示了骰子椎骨的值的分布和血管图像在不同的算法。
如图6,图像的噪声值处理的传统U-net算法0.07±0.02,0.06±0.02,0.05±0.01,0.04±0.01,0.03±0.01,0.03±0.01 10的电流强度下,20、30、40、50和60 mAs,明显高于0.03±0.01,0.02±0.01,0.01±0.01,0.01±0.01,0.01±0.01,0.01±0.01下的基于人工智能的U-net注册算法,数据具有统计上的显著差异 。如数据所示7和8脊椎的箱线图J值下的基于人工智能的U-net注册算法很短,和每个数据的登记结果有细微差别,但血管J价值是长。相比J传统价值U-net算法,J价值的腰椎MRI图像处理的基于人工智能的U-net注册算法显著增加。了骰子的值相同。与传统的骰子价值U-net算法相比,骰子的腰椎MRI图像处理的基于人工智能的U-net注册算法显著增加。
3.3。比较前后核磁共振图像特征处理的基于人工智能的U-Net注册算法
腰椎MRI图像处理之前和之后的传统U-net算法和基于人工智能的U-net注册算法进行比较,结果如图所示9。图9显示同样的患者,与原来的腰椎MRI图像相比,椎动脉成像效果和清晰度处理后的两种算法均明显改善,和脊椎狭窄的焦点的定位更加准确。基于人工智能的影响U-net注册算法进一步改进传统U-net算法相比。
(一)
(b)
(c)
图10显示后边缘增生骨赘,关节突增生,关节突增生的腰椎管狭窄症患者的实验组均明显改善,和前后的横向直径恢复到正常。尽管患者的腰椎狭窄对照组也在一定程度上缓解,经济复苏效果不如实验组。
(一)
(b)
3.4。疗效评价Chinkuei Shin Chewan汤治疗LSS
图11显示了ODI评分两组的患者在不同治疗阶段。指出,ODI评分的患者在对照组(0,1,2,3,4,5,6周后治疗分别为43.32±5.45、39.45±5.67、31.33±6.61、28.43±4.88、23.78±4.97、19.58±5.32、17.09±5.23,分别虽然实验组患者的ODI评分分别为44.32±6.45、38.67±5.22、28.65±5.18、21.52±4.89、19.25±4.96、15.32±4.65、10.21±5.05。实验组患者的ODI评分明显低于对照组在4周,5周,6周后治疗 。
接下来,两组患者的治疗效果评估。如图12,实验组患者治愈的数量占15.21%,有效病例数占81.23%,无效的病例数占3.56%,而在对照组,治愈的患者占7.21%,有效的病例占75.26%,无效的病例占17.53%。在实验组治疗的有效率明显高于对照组,而数据具有统计上的显著差异 。
3.5。算法的应用价值评估疗效
如图13,腰椎MRI图像的诊断正确率67.5%,实验组和对照组的74.3%在图像处理之前由U-net登记算法基于人工智能。后U-net注册算法的引入基于人工智能,实验组和对照组的诊断准确率提高到94.45%和95.57%,分别。因此,后引入U-net注册算法基于人工智能诊断的准确性两组明显改善,和数据具有统计上的显著差异 。没有显著差异在两组之间的诊断准确性之前和之后的算法 。
4所示。讨论
LSS指的是腰椎管狭窄或椎间小孔先天或后天因素造成的,这可能会导致压缩的腰椎神经组织,血液循环障碍,臀部和下肢疼痛,神经源性跛行,常常伴随着腰部和腿部疼痛的症状17,18]。在临床治疗中,中医是广泛使用19]。结合中医传统按摩疗法已经被许多研究证实对LSS效果好。奥卡河等人的研究证实,根据流身体机能评分,针灸的疗效优于体育锻炼,和针灸的满意度得分明显高于药物治疗(20.),与秦等人的结果一致。7)和Hadianfard et al。21]。
在这项研究中,发现与传统U-net算法相比,基于人工智能的U-net注册算法处理图像的噪声水平下降 ,而其J价值和骰子值显著增加,损伤的特点的LSS更准确。在治疗之前,ODI评分的实验组和对照组分别为44.32±6.45,43.32±5.45,分别。治疗后,两组的ODI评分分别为10.21±5.05,17.09±5.23,并且都有了明显的改善,但实验组的改善更明显 。两组患者的整体有效的利率分别为96.44%和82.47%,分别,实验组显著优于对照组 。基于人工智能的U-net注册算法,下腰椎MRI的诊断准确性的两组相比显著增加算法的介绍 。这表明chinkuei shin chewan汤由地黄、云苓、山茱萸、山药、肉桂棒,芍药醇,泽泻,和乌头可以滋养肾脏,平衡阴阳,疏通经络,活血化瘀气和血22,23),从而有效地减轻LSS病人的症状。基于人工智能的U-net注册算法可以减少图像噪声,提高成像效果LSS椎骨和血管的病人,并改善LSS治疗效果的评价的准确性。它有一个良好的临床应用前景,但其性能需要进一步优化。
基于人工智能的U-net注册算法可以减少腰椎MRI图像中的噪声,提高成像的效果,提升LSS功效评价的准确性。李等人。24]也提高了U-net算法和提出了patchwise U-net架构进行自动分割结构磁共振成像的大脑结构。不重叠的片状U-net保留更多的本地信息,显著提高骰子相似系数与传统U-net,这表明改进U-net具有良好临床MRI影像诊断领域的应用前景,但其算法性能需要进一步优化。
5。结论
在这项研究中,基于人工智能的U-net注册算法用于处理LSS患者的腰椎MRI图像评价的功效chinkuei shin chewan汤治疗LSS。结果表明,基于人工智能的腰椎MRI U-net注册算法表现出良好的诊断价值评估LSS的功效,治疗效果的chinkuei shin chewan汤在LSS进一步验证。然而,在研究中应该注意的一些限制。样本量小,这将减少该研究的力量。在后续,扩大样本容量是必要的加强这个研究的发现。总之,基于人工智能的U-net注册算法展示了良好的应用价值评估的有效性chinkuei shin LSS chewan汤治疗,它提供了一个参考LSS病人的治疗。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。