文摘

超声检查(美国)是一个关键的角色在诊断和管理的临床怀疑阑尾炎患者最常见的腹部外科急救。在各种阑尾炎的超声表现,阑尾的外径是最重要的。因此,明确界定附录图片是至关重要的。在本文中,我们提出一种新的智能方法提取附件自动从腹部超声图像的基本构建模块开发这样一个智能医疗从业者的工具。知道阑尾位于较低的器官区域底部筋膜线以下,我们进行一系列图像处理技术来正确地找到筋膜线。然后我们模糊艺术学习算法应用于器官区域为了准确提取附件。实验验证,该方法是高度准确的(成功在38的40例)在提取附件。

1。介绍

附录vermiformis残留,管状器官起源于盲肠的下杆,2 - 2.5厘米不如回盲肠的结。正常阑尾不同长度从5到35厘米(平均8厘米)在成人。它被视为blind-ended管状结构的孔位置通常是常数;然而,它的身体和尖端位于各种网站包括盲肠后的(在盲肠),骨盆,subcecal盲肠(下图),和前置或postileal回肠末端(前或后)(1,2]。

阑尾炎、阑尾炎症是最常见的腹部外科急救。它被认为发生由于阑尾的鲁米那最常见的粪石引起的梗阻。腔的细菌繁殖和入侵的阑尾壁静脉充血和随后的动脉高管腔内的压力的妥协结果。最后,坏疽及穿孔发生。如果进程发展缓慢,邻近器官如末端回肠、盲肠、阑尾的区域和网膜可能隔离局部脓肿将开发,而迅速发展的血管损伤可能导致穿孔与自由进入腹腔。

通常情况下,这种疾病开始模糊midabdominal不适之后,恶心、厌食、消化不良和几个小时内迁移到右下腹疼痛。考试在这一点上显示本地化温柔一个手指触诊,也许轻微的肌肉保护。反弹或冲击温柔(后者更人道地)提供相同的信息可能会引起在同一地区(3]。

然而,有各种各样的困难在急性阑尾炎的诊断。经典的一系列症状发生在只有66%的病人。和急性阑尾炎的诊断非常困难非常年轻和老年人。这些组织诊断通常是延迟和穿孔最常见的由于缺乏典型症状。假阳性诊断的发生率最高(20%)是在20到40岁之间的女性,由于盆腔炎性疾病和其他妇科疾病4]。诊断阑尾炎在怀孕也可能很困难,因为恶心,呕吐,腹痛的阑尾炎也可以怀孕和体格检查的特点可能不是他们(可靠5]。

等结果,成像诊断超声(美国)、计算机断层扫描(CT)和磁共振成像(MRI)是至关重要的在证实或排除急性阑尾炎的诊断在临床上疑似急性阑尾炎。在这些模式中,我们检查了关键作用的管理临床疑似阑尾炎。我们考试应该执行的第一个影像检查,尤其是在儿童和年轻成人群体,代表阑尾炎的主要目标,以及怀孕的患者。积极我们考试阑尾炎或另一种可能的诊断胃肠道和泌尿起源,或消极的我们,显示正常阑尾或呈现低阑尾炎的临床怀疑,最终会导致诊断。消极的或不确定的检查与一个强大的临床怀疑阑尾炎应遵循由CT扫描或者怀孕患者MRI扫描。第二个我们检查患者持续症状,尤其是第一个是由一个经验较少的影像专业,是一个有效的替代CT (6,7]。

急性阑尾炎的超声表现包括外阑尾的直径扩大到6毫米或更大的压缩,管腔内的液体,缺乏压缩性、可视化appendicolith,增加颜色信号沿墙,盲肠的壁增厚,periileal淋巴结和腹水。在这些研究中,一个阈值6毫米直径压缩下的附录是我们最准确的发现为阑尾炎(8]。因此,临界点,6毫米直径的附录为阑尾切除术是决策的关键因素。因此,1毫米在临界点附近的测量误差可能导致医生严重误诊。

顺便说一下,目前我们的肉眼检查图像有一些局限性在准确测量在不清楚的情况下描述的附件厚腹部,在这种情况下显示模糊边界的阑尾周围组织。因此,需要更清晰的描述和准确提取的阑尾周围组织总是存在领域的放射科医生腹部成像。

因此,人们越来越需要一个智能决策更准确的诊断,人工智能技术的工具。不幸的是,很少有工具从业者使用信誉。一项初步研究几种直方图阈值方法适用于检测附录(9),但该方法时弱亮度对比不是非常高,潜在的信息丢失边缘连接过程。我们之前的研究(10)模糊逻辑用于二值化过程提高亮度对比和其他研究使用——聚类(11)方法提取目标尽可能准确的附录。有了这样一个像素聚类方法,在提取附件区有更多的对比;然而,正确的萃取率低于满意度,因为病人的腹水的重要尺寸可能误导系统提取它作为一个假阳性附件或附录的形状很特别,系统没听清楚正确的筋膜线是阑尾的位置的主要预测我们的逻辑。

因此,在本文中,我们提出一个更有效的方法来提取附件区域正确利用模糊算法的关键阶段,而不是艺术则。知道阑尾位于较低的器官区域底部筋膜线以下,我们进行一系列图像处理技术来正确地找到筋膜线。图1展示了我们的方法的整个过程。

第一步是提高亮度对比以搜索拉伸(12]和不等式性质的去除噪声的二值化和区域标记方法。然后用三次样条插值提取筋膜区域(13]。附录面积提取,图像艺术通过应用模糊算法部分的解释3。

2。去除筋膜面积

首先,我们应用在搜索拉伸(12)提高亮度对比公式(1)。自腹部图像通常是黑色,它可能不足以区分筋膜、肌肉、和其他领域。考虑以下: 最小和最大阈值,表示原始图像的亮度值,表示结果。图2显示以搜索拉伸的效果。两个不同的输入图像如图2(一个)亮度对比如图2 (b)。在整个论文中,我们将演示两个示例图像同时在本节中,我们可以确定图像处理子系统的影响更明显。

从图2 (b),我们应用不等式二值化和重复的区域标记方法14连接相关的像素。如果连接对象太短,我们消除噪音。结果如图3 (b)和实验本文阈值是1500。

不幸的是,关键noise-removed形象可能断开底部筋膜区域由于亮度的差异。为了连接它们,我们应用三次样条插值13]。

三次样条插值公式时连接边界上的两个点(2)满足:

前两个方程是硬约束,但接下来的两个是平滑的软约束。因为我们知道目标阑尾位于底部筋膜下方,三次样条插值法应用于底筋膜,效果如图4。

3所示。从图像中提取附件对象

为了提取候选区域的附录中,我们应用一个叫做模糊艺术(无监督神经网络学习算法15)得到的图像部分2。

模糊艺术的一般特征可以概括如下:(1)实时的无监督学习算法没有目标的价值,(2)它会创建一个新的集群或合并现有集群根据输入模式和电流之间的相似性的集群。

我们采用一种无监督学习算法的主要原因为我们系统的监督学习遭受频繁的再学习学习模式。模糊ART算法相对不受这个问题,因为它具有增量学习能力也被证明是稳定的在学习16]。

模糊艺术学习的过程,这个问题可以概括为在图5。

输入模式的相似性计算公式(3),表示模糊逻辑最小算子: 在哪里表示当前像素的亮度值正常化和表示规范化最大亮度值。和表示的重量之间的联系输入层节点和节点选为集群中的节点层和赢家表示警戒参数。

输出()计算公式(4)和节点决定获胜者的最大输出所示公式(5):

那么重量控制公式(6): 在那里学习和参数是一个真正的值在0和1之间。

然后,模糊的详细算法描述艺术工艺流程图如图6。

的主要原因,我们采用模糊艺术中提取附件区是避免情况下病人的腹水与大规模错误归类为附录。在这种情况下,亮度差异本身并不足以区分这两个不同的对象。先前的研究的局限性之一(11)使用——像素聚类。这个问题是由的性质造成的在集群则是基于随机亮度值作为中心。

模糊艺术的特点,与此同时,赢家是确定个节点对之间的误差最小输入和加权模式基于欧氏距离度量。因此,它是可能的歧视腹水从附录亮度通过检查边界变量模糊ART算法。

知道阑尾椭圆的形状与低亮度,我们应用侵蚀操作和区域标记方法来提取正确的区域与噪声切除阑尾。

4所示。实验和分析

系统实现与英特尔在Visual Studio 2010中c# (R) (TM)核心i7 - 2600 CPU @ 3.40 GHz和4 GB RAM的电脑。四十图像包含阑尾炎由釜山Paik医院和釜山国立大学医学中心被用在这个实验。实际系统给出了特征提取的附录,如图7。四个不同的例子阑尾炎病例中演示了该方法提取的数字8。

在图9,我们提供一个视觉比较该方法与之前的重新实现版本——基于聚类方法(10]。通过算法的性质,——像素聚类初始亮度值很敏感。从相同的输入图像如图9(一个),则会导致聚类错误如图9 (c)当存在足够大的噪音不删除的量化过程如图9 (b)。

我们提出的方法基于模糊艺术算法,然而,相对不受亮度敏感和有效地提取附件如图9 (d)从相同的输入,如图9(一个)。在模糊的艺术过程,即使中心和观察到的像素之间的亮度对比很小,该系统考虑了当前信息与之前的状态在体重控制程序,使聚类错误最小化。

此外,该方法的模糊性是阑尾炎提取的关键。即使在相同的艺术家庭,如果我们使用ART2算法(17没有模糊控制,小于性能令人满意。图10演示了量化的比较和二值化ART2并提出模糊艺术。

量化结果ART2如图10 ()显示失败的候选人区域提取的目标附录。这是由于灵敏度警戒参数设置的ART2的性质。在聚类过程中,ART2往往有太多比预期对集群警戒参数的设置;因此,类似阑尾可能属于不同的集群的特征。具体来说,在图所示的例子10ART2有14个集群而我们的方法有8集群和导致更好的结果如图10 (b)。这是因为模糊艺术是相对不敏感的警戒参数的设置;因此,我们的方法显示了更稳定的性能。更糟的是当二值化过程是这样的量化后执行。可以看到在图10 (c)二值化过程基于图的不正确的ART2集群10 ()结果在附录的黑色区域,背景是分不开的,而我们的方法难以提取附件区域正确,如图10 (d)。因此我们可以得出这样的结论:聚类过程的模糊控制性能稳定至关重要。

与腹水引起的假阳性问题从之前的研究发现10),该系统显示更好的萃取率如表所示1。成功和失败决策的自动提取系统是由领域专家。

因为所有40个实验中使用的图像包含阑尾炎,没有真正的消极的情况下,所有三种方法得出阑尾炎的提取;因此,不存在假阴性。阑尾炎提取的敏感性大大提高从67.5% (——基于)和82.5%(基于ART2)到该方法的95%。

从相关的文献,我们的结果是比以前的附录从超声图像的直方图阈值分割非常敏感的探测位置(9)和CT的提取精度非常接近,结果报告34例(33)(5]。

不幸的是,有两种方法提取失败情况下的。可以看到从图(11日)几乎没有区别,阑尾炎面积和邻国的背景。虽然我们的方法适用于仔细的亮度对比度增强程序,量化结果如图11 (b)给小线索在聚类结果,这种聚类错误导致错误的提取阑尾炎。为了克服这种挤作一团,我们需要其他形态属性在附录的椭圆形状等考虑未来一定规模的研究。

5。结论

在本文中,我们提出一个方法来从超声图像自动提取阑尾炎与各种图像处理技术和模糊艺术学习算法。

知道下面的附件是筋膜面积;因此,我们试图找到筋膜面积,将它从我们的地区的利益。在本部分中,底部筋膜线很仔细处理三次样条插值的线路连接正确。许多其他的图像处理技术,如以搜索拉伸,不等式二值化,和地区越来越多的标签是用来增强亮度对比,去除噪声,并连接像素。那么模糊艺术学习应用于分类像素到同一个对象的标签,阑尾炎可以基于其形态学特征的提取。

附录中提取结果显示医学专家和该方法从先前的研究显示了一个明显改善10),我们现在的方法成功地辨别病人的腹水从附录很大规模的情况下。

开发自动阑尾炎诊断软件的最终目标是协助医生我们的研究,我们相信,本文提出的方法可以是一个重要的构建块这样的努力。

利益冲突

作者宣称没有利益冲突有关的出版。