文摘

磁共振成像(MRI)图像分割基于分割算法进行评估急性脑梗死患者的神经功能,探讨银杏二萜内酯的疗效评价注射葡甲胺(GDLI)治疗脑梗死和核磁共振图像分割算法的效率。首先,快速semisupervised分割算法的结果(集团)算法和传统处理(对照组)进行了比较和分析。召回率、精度、识别精度和分割的时间两组比较。对照组给予常规治疗,而算法组给予GDLI基于常规治疗。最后,不同血清血管内皮生长因子(VEGF)、低氧factor-la (HIF-la),血管紧张素(Ang) 1, Ang-2,白介素6 (IL)治疗后蛋白质含量进行了分析。评价结果表明,该算法精度和召回率的MRI图像识别算法组波动在90%。在对照组,MRI图像结果的准确率和召回率波动在80%,和数据统计上的不同( )。临床指标测试结果表明,测试组的血清VEGF含量高于对照组,和数据统计上的不同( )。此外,脑血流量(CBF)、脑血容量的cb v()都未损伤组的算法大大高于对照组30天,和差异显著( )。几乎没有区别的方法研究和手册描述由一个医生。与传统的手动分割相比,该方法大大减少了所需的时间分割的病变。诊断特异性、灵敏度和精度的图像分割的快速semisupervised算法是高于传统方法,与急性脑梗死的诊断准确性高。此外,它是敏感和准确检测急性脑梗死,为早期诊断提供了可靠的参考和条件判断的病人。

1。介绍

脑梗死是一种急性脑血管疾病的特点是高死亡率、复发率高,许多并发症。这是导致人类死亡的主要疾病之一,和脑梗死的发生率逐年增加(1]。脑梗死的主要原因是大脑组织和细胞的不可逆损伤引起的颅内血管闭塞。脑梗死病变的严重程度取决于各种因素如脑缺血的网站,横向血液循环路径,根病变和动脉。早期监测和治疗是有效的方法来减少脑梗死的复发率和死亡率(2]。化学药剂发挥其功效的控制主要是通过个人的迹象,如血压、血糖、血脂(3]。作用于多个目标,中药注射剂具有吸收迅速,生物利用度高,发挥着越来越重要的作用在急性和严重的临床疾病的预防和治疗(4]。Ginkgolide化合物属于萜类化合物,也称为Ginkgolide内酯,是一种重要的活性成分银杏叶叶子(5,6]。

的黄酮类化合物银杏叶叶子有清除自由基的能力,所以他们可以加速修复受损神经元和扮演一个角色在保护大脑神经的损伤(7]。6-hydroxyphosphoric酸的银杏叶叶子可以抑制有毒刺激性氨基酸,造成的损害具有保护神经细胞的影响(8]。目前,传统的形态学成像方法仍难以评估不同类型的异构病变的急性脑梗死和量化值的病变难以想象9]。因此,重要的是要评估脑梗死病变的程度和预测缺血性病理和生理状态的地区临床治疗决策。

成像光学有助于反映一些形态性质的病理特征(10]。图像分割是一个人工智能的一部分,它被定义为医学图像的数据提取和采矿领域的医学图像。多重图像分割分析特性,比如尺寸,形状,和纹理,这反映了微妙的特性在图像和用于大规模图像信息分析(11]。人工智能图像分割用于定量评价病变,它可以反映病变的焦点12]。目前,磁共振成像(MRI)已广泛应用于临床诊断和显示领域的应用价值高脑梗死的考试。这种技术不容易受到骨工件和具有较高的诊断准确性。基于这些结果,可以准确地了解患者的颅脑解剖结构和适当的治疗计划的制定提供支持。在脑梗死的诊断,MRI可以准确区分病变和周围组织,和相应的诊断灵敏度显著提高,奠定了良好的基础为减少漏诊。磁共振成像的优点包括结构的判断和诊断精度高,不受工件干涉。它可以有效地检测与高分化早期脑梗塞。它能够准确地检测早期脑梗死和有明显的优势在诊断脑梗塞。尽管高性能,高效率,许多医学影像技术的快速性能,核磁共振成像技术作为一种辅助方法的大脑图像很受欢迎在脑部疾病的临床诊断(13]。然而,MRI图像仍然受到运动工件和噪声由于MRI的不规则运动,大脑生理学的复杂结构,组织模糊。此外,脑梗死的特点是多样性和大脑构件(14]。

要解决这些问题,核磁共振图像的分割算法脑血管梗塞病变进行了讨论。解决问题的传统医生的判断错误和过度耗费时间,提出了一种改进的局部约束sfokes-FCM算法。大脑脑核磁共振图像的自适应分割算法具有很强的抗噪声性能,强大的力量,和准确性根据位置、区域和脑组织的损伤。它可以区分病变与脑核磁共振图像,提高图像精度,缩短诊断时间。银杏二萜内酯注射葡甲胺(GDLI)是用于治疗脑梗塞患者,从多个指标和治疗效果进行了分析。

2。方法

2.1。研究对象

患者选择从80名病人在医院从2018年6月到2019年12月。按照纳入和排除标准,60名患者会议的标准选择和随机分为两组(每组三十科目)。分析了GDLI治疗组使用算法(算法组),和GDLI治疗组(对照组)进行了分析使用MRI图像由传统的医生。在这项研究中,共计60急性脑梗死患者符合入选标准和排除标准。这项研究被医院医学伦理委员会批准,所有患者纳入研究的家庭已经签署了知情同意。

2.1.1。入选标准

入选标准如下:(一)病人颅内脑梗死证明了CT;(b)病人急性脑损伤MRI证实了72小时内;(c)病人急性脑梗死;(d)患者脑梗死的历史但没有治愈,病人仍在观察和治疗住院部门。

2.1.2。排除标准

排除标准如下:(一)患者脑内出血,短暂性脑缺血患者(b), (c)其他大脑疾病,全身神经系统疾病患者(d), (e)严重肝功能异常,(f)怀孕,哺乳,或计划怀孕,25岁以下的患者(g)。

2.2。快速Semisupervised算法的原则

Semifuzzy快速c (SFFCM)是一个新创建的算法结构相结合的优势快速广义模糊c均值(FGFCM)和Semifuzzy c均值(FCM) semisupervised FCM算法。

根据病变的特点在脑梗死的MRI图像,开始适当的数量和坐标点集中在阈值设置,和阈值处理有时带来截然不同的结果。需要随时调整参数设置时,算法的结果会更准确。此外,在条款的数量等功能位置,面积,和设置的MRI图像,功能主要是根据病变的位置决定的。减少目标函数的值偏差尽可能多的调整和计算是必需的。SFFCM算法方程如下。

在该算法中,b_k代表了部分约束的平均邻近像素的价值kth像素,代表的平均邻近像素的概率函数k像素。方程计算时,值范围是0 - 1。这个方程产生一个模糊隶属函数。

这个方程给出了当地隶属函数如下。

重新计算聚类中心的方程如下:

上面的三个方程综合获得联合隶属函数如下:

联合聚类中心方程如下。

联合成员函数集成聚合类中心方程如下:

联合隶属函数集总类的派生中心获得新邻居本地约束值表达式如下:

值替换后,与预设阈值来计算新的集群中心值和一个新的地方需要计算极限值,改变初始值,重置操作的判断条件。新的集群中心值计算多次,如果新值小于初始值,分割或周期性的病变位置。

2.3。算法的具体流程

目标函数进一步集成,和当地的灰色区域统计方法是补充道。之间的关系像素和相邻的像素的数量的总和。设定的阈值,簇的数目,初始簇中心,和初始值,有必要考虑大脑血管梗死的MRI图像,我们应该认识到这一点。它需要充分考虑大损伤和小病变之间的区别。对于大的病变,需要完全段病变,同时考虑构件在特定的MRI图像的影响。

SFFCM算法对脑梗死的分割过程如下。(一)输入MRI图像的缺血性脑梗塞。(b)使局部的位置数据。(c)初始化参数和初始化聚集中心。(d)根据方程计算当地的隶属度。(e)更新隶属度。(f)根据隶属度确定像素归属。(g)输出位置的损伤分析。具体的算法流程如图1。

2.4。检测血清VEGF、HIF-La Ang-1, Ang-2,通过酶联免疫测定il - 6蛋白浓度

对照组接受常规治疗,而算法组的静脉输液GDLI每天一次(30毫升)基于常规治疗。测量指标的一天,两个星期,一个月后治疗。

后一天,30天内病人被送进医院,一头MRI进行检测患者的脑血管疾病。一天,两个星期,一个月后病人的承认,2.5毫升的肘脉空腹血清收集清晨,在室温下放置一个小时,和离心机在000 r / min 10分钟。然后,血清分离和储存在冰箱−80°C,供以后使用。采用酶联免疫分析法检测血清血管内皮生长因子(VEGF)、低氧factor-la (HIF-la),血管紧张素(Ang) 1, Ang-2,白介素6 (IL)的蛋白质浓度。

包括患者的血清样本进行测试。试剂包括HRP-conjugate抗体(anti-HBS), HBsAg阳性对照血清,消极的控制,清洗解决方案,显色剂A和B,和终止的解决方案。设备包括微量反应板(48)涂有抗体,微量吸液管和微型板块的读者。ELISA的过程如下。(一)50μL样本添加到每个微量反应板,两个井被设置为积极的和消极的控制,一滴正(或负)控制添加到每个好,和一个空白控制集。(b)一滴酶粘结剂添加到每个好(除了空白控制)和混合,和板密封和孵化37°C 30分钟。(c)井中的液体被丢弃,威尔斯满心洗涤液,站了五秒,干,重复五次,和干。(d) A和一滴一滴显色溶液显色溶液B被添加到每个好和混合好,和板密封在37°C和孵化15分钟。(e)一滴终止的解决方案是添加到每个好和混合好。(f)微型板块阅读器进行阅读,波长450 nm,空白孔测量和调整到一分之零,然后每个油井的OD值读。

2.5。磁共振扫描过程

图像采集要求所有的病人接受了3.0咯扫描。匹配的12通道线圈是利用。病人置于仰卧位匹配的耳机来减少噪音的刺激。匹配的海绵垫子被主题的头和先生之间的线圈来减少头部运动。受试者接受了例行MRI检查在轴向T2WI轴向T1WI,矢状位置。后性质、大小和位置的病变是由传统的核磁共振成像,最大的层损伤被选为扫描。随后,所有患者接受了头部CT扫描或/和瑞士先生系统确认或排除脑出血。

2.6。数据处理和分析

MATLAB是用于处理图像数据。快速傅里叶变换的频域分析方法采用变换核磁共振图像从时域到频域,方便的图像特征的提取和分析。快速傅里叶变换后,真正的一部分映射,虚拟部分映射和阶段生成组件映射的核磁共振图像。急性缺血性中风的鉴别诊断和急性脑出血是由使用真实的MRI图像的映射部分。

2.7。统计方法

所有的实验数据都使用SPSS 20.0统计分析。数据服从正态分布,和相关的测量数据所表达的都是平均值±标准偏差(±年代)。比较治疗前后的数据组都是由成对的t以及,都由单向方差分析。 表明,差异是显著的。

3所示。结果

3.1。比较脑梗死病灶分割SFFCM算法和传统的内科医生

视觉评估方法用于比较的结果neurocerebral梗死梗塞手动分割的方法和医生,如图2(一个)和2 (b)。在MRI图像,使用算法来段梗塞相对更准确,并确定病变的数量接近医生手动分割,表明算法识别的总体效果是很好的。

测量这两种方法的准确性和召回可以直观地分析图像分割的效果,如图3。识别结果的召回率算法组波动在80 - 90%,和对照组的结果识别召回率波动在79 - 82%。算法组有一个大大高召回率。在图4,该算法的识别结果准确率86%和80之间波动,和对照组的识别结果准确率72%和65之间波动。算法组有更高的准确度,和数据统计上的不同( )。

测量两种方法在不同部分的准确性可以直观地分析图像分割的效果。在图5白质范围,图像识别,识别结果的准确性算法组60到80%之间波动,而对照组的识别结果的准确性44和65%之间波动。有统计数据的差异( )。在图6,当图像识别大脑灰质范围进行,算法的识别结果的准确性组60到100%之间波动,和识别结果的准确性对照组42和62%之间波动,有统计学差异( )。在图7执行,当图像识别在大脑和脊髓的范围,算法的识别结果的准确性组60到80%之间波动,而对照组的识别结果的准确性波动到55%,有统计学差异( )。

算法实现的综合比较MRI大脑血管梗塞识别方法和传统的特征提取方法识别大脑血管梗塞。在这项研究中提出的算法比传统的特征提取和识别方法,结果如图8和9。提出的算法识别率的这项研究是维持在58%,而对照组的正确识别率提出维持在54%。算法的分割时间组0.59秒/框架,和对照组的分割时间4.77秒/框架。因此,提出的分割算法的某些影响识别大脑血管梗死的MRI图像。

3.2。血液检测结果指标

血清VEGF水平的比较测量的第一天,两个星期,一个月两组患者之间的承认图所示10。的第一天,两组之间的差异内容是125 (pg / mL),和值并没有统计上的不同( )。两周后,算法组血清VEGF含量达到1000 (pg / mL)。相比于对照组的血清VEGF含量810 (pg / mL),数据统计上的不同 ( )。一个月的治疗后,两组在统计学上的数据不同的( )。

病人的血清HIF-a内容检测,结果如图所示11。的第一天,两组不同的内容到233年(pg / mL),和值并没有统计上的不同( )。两周后,算法组血清HIF-a内容达到640 (pg / mL),这是减少约400 (pg / mL)。相比于对照组的血清HIF-a 570 (pg / mL)的内容,数据有统计学差异( )。一个月的治疗后,两组的数据统计差异( )。

病人的血清Ang-1内容检测,结果如图所示12。的第一天,两组之间的差异内容是7 (pg / mL),和值并没有统计上的不同( )。两周后,算法组血清Ang-1内容达到了17.2 (pg / mL),这减少了11 (pg / mL)。相比于对照组的血清Ang-1 12 (pg / mL)的内容,数据统计上的不同( )。一个月的治疗后,两组在统计学上的数据不同的( ),表明采用该算法是有助于减少Ang-1血清。

病人的血清Ang-2内容检测。结果如图所示13。两组之间的差异是第一天5 (pg / mL),和值并没有统计上的不同( )。两周后,算法组的血清Ang-2内容达到了38.3 (pg / mL)。相比于对照组的血清Ang-2 32.6 (pg / mL)的内容,数据统计上的不同( )。一个月的治疗后,两组在统计学上的数据不同的( ),表明采用该算法有助于提高血清Ang-2的内容。

病人的血清il - 6含量检测。结果如图所示14。两组之间的差异是第一天9 (pg / mL),和值并没有统计上的不同( )。两周后,算法组的血清il - 6含量达到56.38 (pg / mL)。相比于对照组的血清il - 6含量64.24 (pg / mL),数据统计上的不同( )。一个月的治疗后,两组在统计学上的数据不同的( ),表明采用该算法有助于提高血清il - 6含量。

3.3。之间的成像指标比较两组

比较的脑血流量(CBF)、脑血容量cb v()都未损伤前后之间的30天,第一天算法组和对照组数据所示15和16。在第30天,CBF内容为38.2 (100 mL / g /分钟),对照组的CBF内容是36 (100 mL / g /分钟)。不同的是巨大的( )。与对照组相比,CBF cb v和算法组的影响方面都未显示血流增加,血容量。不同的是巨大的( )。

肝癌和TTP的比较和时间值的影响在第30天,第一天算法组和对照组之间的数据所示17和18。第一天的治疗,没有实质性差异的TTP和MTT值影响的两组患者( )。30天的治疗后,TTP和MTT时间值的影响的算法组与对照组相比,缩短表明血液通过时间增加的速度比以前更快了,和不同的是巨大的( )。

4所示。讨论

急性脑梗死是一种常见多发性疾病诊所。有锋利的中断后的大脑组织黑斑病脑血管系统[血液流动15]。急性脑梗死的发病率急剧,疾病发展迅速,患者的神经功能受损,死亡率高,造成不同程度的损害。积极治疗急性脑梗死的临床治疗的关键是(16]。因为大脑解剖学和组织的特殊性,急性脑梗死的诊断neurographic考试中占有重要的地位。MRI可以映射不同的大脑结构和清晰的图像和高的软组织分辨率(17,18]。虽然之前使用核磁共振扫描显示病变的急性脑梗塞,之前的核磁共振成像平面扫描也有可怜的诊断或误诊(19]。

研究表明,脑缺血传播在两个小时内与诊断脑缺血细胞毒性水肿后的血管性水肿及脑缺血。反应后缺血性地区水分子由使用diffuse-sensitive梯度字段修改,由于脑组织的缺血性反应在急性脑梗死患者脑血流量不足,此功能显示为高信号。在这项研究中,诊断的敏感性、特异性和准确性的AI-segmented MRI图像是高于先前的MRI图像( ),指临床综合诊断结果。病人的血清HIF-a内容检测。两周后,算法组的血清HIF-a内容达到640 (pg / mL),减少了约400 (pg / mL)。比较focal-side脑血流量(CBF)、脑血容量cb v()都未在实验组和对照组30天,30天第一天显示CBF内容为38.2 (100 mL / g /分钟),而对照组中的CBF内容是36 (100 mL / g /分钟);差异具有统计学意义( )。与对照组相比,CBF cb v和受影响的实验小组都未增加,与血流量和体积恢复的结果类似于弗兰克et al。20.]。这表明AI-segmented MRI图像有很好的巧合在急性脑梗塞的诊断结果和临床综合诊断结果。MRI及临床综合诊断之间的巧合是不好的过去。常规MRI及临床综合诊断结果之间的一致性只有温和,表明诊断的准确性AI-segmented急性脑梗死的MRI图像比常规磁共振成像。

5。结论

本研究后显示,MRI图像被使用在治疗急性脑梗死与GDLI几乎没有区别的方法和医生手册描述MRI图像上的梗死面积,是否使用主观或客观的评价方法。与传统的手动分割相比,该方法大大减少了所需的时间分割的病变。此外,诊断的特异性、敏感性和AI分割图像精度高于常规磁共振成像( ),和人工智能分割图像的诊断精度高于常规磁共振成像( )。这是敏感和准确的检测急性脑梗死,为早期诊断提供了可靠的参考和条件判断的病人。

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。