文摘

本研究旨在探讨CT图像特征基于智能算法评估连续血液净化治疗严重脓毒症引起的肺部感染和护理。50个病人在医院里被选为研究对象。卷积神经网络算法用于段严重脓毒症的CT图像由肺部感染引起的。他们25例随机分为实验组和对照组25例。实验组给予连续血液净化治疗,结合综合护理。对照组给予常规护理和基础护理。空腹血浆葡萄糖(台塑)、空腹胰岛素(鳍)、白细胞介素- 6 (il - 6)、肿瘤坏死因子(TNF -α)、高敏c反应蛋白(hs-CRP)水平,CD₃⁺、CD₄⁺、CD₄^{+ /}CD₈⁺水平,加护病房监控,炎症评分(MIS)营养不良,不良事件发生率两组之间的比较之前和之后的治疗。在台塑和鳍之间没有区别治疗前两组。治疗后,台塑的鳍的实验组低于对照组,有统计学意义( )。没有差别的il - 6、TNF -α前,两组之间hs-CRP治疗。治疗后,il - 6、TNF -α,hs-CRP实验组比对照组低。没有差别百分比的CD₃⁺、CD₄⁺和光盘₄^{+ /}CD₈⁺治疗前两组之间。治疗后,CD₃⁺、CD₄⁺和光盘₄⁺/ CD₈⁺在实验组高于对照组。ICU监测时间、MIS和不良事件的发生率实验组低于对照组( )。卷积神经网络算法可以准确地识别和细分严重脓毒症患者的CT图像,具有较高的临床应用价值。连续血液净化疗法可以有效地控制血糖水平,改善免疫功能,减少炎症因素的内容严重脓毒症患者肺部感染引起的。有效的护理措施可以提高治疗效果。

1。介绍

脓毒症是指系统性炎症综合征引起的不平衡的人类感染,可危及生命,导致全身器官功能障碍(1]。根据一个统计报告在脓毒症,每年约有3000万人死于严重脓毒症,死亡率为50%,严重威胁人类生命(2,3]。有许多因素导致脓毒症,主要是由于身体的免疫系统和炎症反应是被严重感染病原体通过炎症脓和进入血液,导致血液系统严重的细菌感染,导致凝血障碍,多器官功能衰竭,在身体的不同部位和感染,如肺部感染(4,5]。脓毒症的严重程度,脓毒症可分为三个阶段:败血症,严重脓毒症和脓毒性休克6,7]。因为脓毒症的发病是紧急和危险,严重脓毒症的阶段从脓毒症是快,和严重脓毒症和感染性休克的时间很短,这需要不到一天。因此,它是非常必要的,以确定焦点的位置和并发症严重脓毒症尽快指导医生制定有效的治疗方案。然而,CT图像经常用于诊所需要成像医生手动划分和处理的图像。手动分割是高度主观的只依靠成像医生多年的临床经验和专业知识。如果病人有更多的图像数据,不仅费时,而且也不能有效地保证高质量的结果。因此,迫切需要一个替代人工智能算法完成病变。卷积神经网络算法是近年来一种新的智能算法。它可以迅速、高效地将医学影像图像的平均时间0.9秒(8]。因此,它吸引了大量关注病变在医学辅助部门网站。卷积神经网络算法是一种基于计算机技术的自动智能算法和数学数据处理。它可以提取医学图像的地区利益的特点而无需人工干预,然后分类的特性,最后输出的目标数据9]。在一些研究中,卷积神经网络算法用于部分心脏CT图像,定位目标区域,拦截心脏图像通过获得的特征图像,并比较与其他算法分割结果。发现卷积神经网络算法可以完全满足要求的全自动分割心脏CT图像。此外,图像分割结果更有利于临床医生准确地获取患者的心脏轮廓(10]。目前,很少有研究的应用卷积神经网络算法在严重脓毒症患者的CT图像。因此,在这项研究中,卷积神经网络算法用于段肺部感染严重脓毒症患者的CT图像,以协助临床医生严重脓毒症的早期诊断。

脓毒症的发病机制复杂,临床表现缺乏明显的特异性。因此,对于患者没有明显的临床症状,实验室检查,如血,生物化学,微生物被视为主要诊断手段(11- - - - - -13]。常规实验室检测,如白细胞计数再也不能满足严重脓毒症的早期诊断和疾病的发展阶段的判断。因此,越来越多的学者将开始监控因素引起败血症,如炎症因子的表达,参与细胞凋亡的基因,蛋白质,和其他严重脓毒症相关的生物标志物。研究发现,在脓毒症的发病,因为免疫系统不断刺激炎症因子,人体的炎症反应失控,和免疫系统分泌许多炎症介质,如白细胞介素- 6 (il - 6)、高敏c反应蛋白(hs-CRP)和肿瘤坏死因子(TNF -α)。它加速肌肉蛋白质的分解率,这样不能有效地合成血清白蛋白,低蛋白血症(导致14,15]。如果不能及时防止炎症反应,严重脓毒症不仅容易加重,但也有许多严重不良并发症,如休克、低血压、多器官功能衰竭(16- - - - - -18]。因此,它具有重要意义监测严重脓毒症患者的免疫系统。

脓毒症的治疗,传统的脓毒症的诊断和治疗指南不能达到理想的治疗效果。连续血液净化治疗可以有效清除炎症介质和有毒物质,通过输入替换流体提高免疫紊乱。此外,严重脓毒症患者的护理也是一个重要的链接,以确保连续血液净化治疗(19,20.]。有许多文献报道治疗败血症,但很少有相关数据严重脓毒症的治疗和护理由肺部感染引起的。因此,在这项研究中,进行了不同的干预方法对严重脓毒症患者肺部感染引起的,和各种指标治疗前后比较,探讨连续血液净化治疗的临床疗效在严重脓毒症和护理的应用,为临床治疗提供参考依据的严重脓毒症患者肺部感染引起的。

2。方法

2.1。研究对象

五十而住院的病人从2019年5月到2021年6月被选为研究对象。有29岁男性患者和21岁女性患者。他们的年龄范围从40到79年,平均年龄为59.5岁。病人被随机分为实验组25例和对照组25例。实验组患者进行了连续血液净化治疗,综合基于常规治疗护理。对照组给予常规治疗的患者和基本护理。所有患者和他们的家庭在这个研究签署知情同意,和研究经医院伦理委员会批准。

入选标准如下:(i)患者年龄在40至79;(2)根据脓毒症病人的病情诊断标准由美国胸科学会制定和重症监护医学的欧洲社会,这是证实,诊断结果是严重脓毒症引起的肺部感染;(3)所有的病人临床信息完成;(iv)所有病人没有其他肺部并发症,如肺肿瘤;(v)患者没有服用免疫抑制药物史。

排除标准如下:(i)年龄不一致,(2)严重的凝血障碍或血液系统疾病,(3)有糖尿病史,及(iv)心理问题或意识障碍,可怜的遵从性。

2.2。CT成像扫描

64排螺旋CT扫描仪扫描设备采用增强扫描。扫描层厚度为4.5 mm,层间距为0.8 mm,造影剂是Ultravist,剂量50毫升。所有患者的肺部CT结果。

2.3。分段卷积神经网络损伤位置的算法

卷积神经网络算法从生物进化的概念,属于深反馈人工神经网络。它第一次被用来模拟人类大脑皮层的视觉行为,然后逐渐应用于计算机的特征提取,实现非线性表示输入数据。

一般来说,经典的卷积神经网络算法结构包括几个网络数据层,比如输入层,卷积层、汇聚层、活化层,完整的连接层和输出层。不同的网络层有不同的方法来处理数据,但它们最终将结合来完成整个图像识别和分割过程。卷积神经网络层通过相应的神经节点彼此相连。通过输入信息从输入层和进入一系列卷积操作和集中操作,原始数据可以提取的信号特征和分类映射到完整的连接层通过激活函数(9,21]。针对卷积神经网络算法可以提取和分类原始数据的特点,本研究利用该算法分割严重脓毒症患者的CT扫描图像由肺部感染引起的,为了提供参考严重脓毒症的快速和有效的临床诊断。以肺分割图像为例,图1显示了卷积神经网络算法的基本结构。

2.4。图像分割评价指标

为了定量评价CT图像的分割结果的严重脓毒症引起的肺部感染,卷积神经网络算法的分割性能将由三个指标:测量分割准确性,特异性和灵敏度。这项研究是与QTSU算法(22]。对于算法的分割结果,精度表明,分割结果是真正的病变区域的比例在现实的结果。更大的价值,更合适的图像分割的算法。这三个指标定义如下。

其中,TP表明分割算法是一样的真正的结果,这是真正的病变区域。TN的分割结果表明,该算法是一样的真正的结果,并没有病变。FP表明算法的分割结果是真正的病变区域,和实际结果没有病变。FN表明算法的分割结果没有损伤,和实际结果病变。

2.5。治疗方法

对照组接受常规治疗的患者。治疗计划指的是在2020年的常规治疗脓毒症治疗指南,患者给予常规护理在治疗。病人的血压、脉搏、监测时间、机械通气时间和死亡率都是被监控的。

实验组患者的基础上与连续血液净化治疗常规治疗。治疗设备是德国Gambro Lundia血液净化器。连续vein-vein血液透析过滤模式应用,血流速度设置为150 - 180毫升/小时,超滤量是根据病人的数量调整负载。依诺肝素抗凝治疗中使用。每个治疗持续了至少12小时一个星期。在此基础上,心理、抗凝治疗和营养支持护理给实验组的病人。

2.6。观察指标

空腹血浆葡萄糖(台塑)、空腹胰岛素(鳍)之间的比较两组治疗前后。血清炎性因子的变化治疗前后两组之间的比较:il - 6、TNF -α,hs-CRP。T淋巴细胞亚群的变化包括CD₃⁺、CD₄⁺和光盘₈⁺两组之间的比较。的加护病房监控时间两组比较;指定分数越高营养不良的炎症评分(MIS)经过一个星期的治疗,更严重的营养不良和炎症的患者中,得分最高的20分和不良事件的发生(本研究具体是指凝固、出血和拔管期间心肺旁路)。

2.7。统计分析

所有数据通过SPSS 20.0统计软件进行分析。测量数据的形式表达 通过- - - - - -测试和测量的计数数据测试。当 ,数据具有统计上的显著差异。

3所示。结果

3.1。卷积神经算法的分割结果

严重脓毒症患者的CT图像引起的肺部感染是除以卷积神经网络算法。结果见图2。与脓毒症患者的CT图像分割结果的QTSU算法,卷积神经网络算法用于这个研究更准确的范围,明确边界,和更高的图像质量。病变部位在绿色标记。通过三个指标的定量分析,准确性、特异性、灵敏度和在这项研究中使用的算法是94.23%,94.41%,和93.28%,高于QTSU算法,不同的是重要的( )(图3)。这表明卷积神经网络算法可以有效地实现成像图像的准确分割的脓毒症患者,和分割质量是好的,可以帮助医生在严重脓毒症的诊断。

3.2。两组病人的基本数据

共有50个患者被随机分为实验组25例,对照组25例。两组之间没有显著差异( )(表1)。

3.3。台塑的比较结果和两组治疗前后之间的鳍

的血糖水平两组治疗前后图所示4。台塑和鳍在治疗前后两组降低。与对照组相比,实验组下降程度的两个指标是更大的。治疗前两组没有区别。治疗后,台塑 和鳍 在对照组,台塑 和鳍 在实验组,在实验组高于对照组,且两组之间的差异具有统计学意义( )。

3.4。炎性因子的变化在两组治疗前后

炎性因子的变化在两组治疗前后图所示5。血清炎性因子的内容减少两组治疗前后。治疗前两组没有区别。治疗后,il - 6 ,肿瘤坏死因子-α是 ,和hs-CRP 在实验组中,低于 , ,和 在对照组,有统计学意义( )。三个炎症因素的内容在实验组低于对照组。

3.5。T细胞亚群的变化在两组治疗前后

T细胞亚群的变化,两组治疗前后见图6。索引治疗前有显著不同。治疗后,CD的百分比₃⁺和CD₄⁺显著增加,而CD的百分比₈⁺显著降低( )。

3.6。机构做志愿者指数两组病人的结果

在这项研究中,加护病房监控,管理信息系统经过一个星期的治疗,和不良事件的发生(本研究具体是指凝固、出血和拔管期间心肺旁路)被用来评估的影响持续出血净化治疗护理治疗过程。机构做志愿者指数两组的结果见图7。ICU监测时间、MIS和不良事件在实验组低于对照组。不良事件的发生率为16%(4/25)的实验组和对照组32% (8/25)。与对照组相比,实验组的不良事件的发生率较小。

4所示。讨论

脓毒症是一种全身性炎症反应失控后的身体是由病原微生物感染。炎症反应进一步导致多器官功能障碍,这将严重发展成脓毒性休克(1]。脓毒症通常是造成严重创伤、烧伤、大手术出血,各种器官的严重感染,和其他因素。诊所的常见的脓毒症是严重脓毒症引起的肺部感染。高死亡率位于脓毒症急性发作和危险的疾病。

然而,由于严重脓毒症没有特定的临床症状,它只能从成像、生化指标、微生物和其他实验室测试。因此,快速、准确的识别成像病变脓毒症的早期诊断具有重要意义。随着计算机技术的发展,卷积神经网络算法逐渐广泛应用于医学图像识别和损伤。在这项研究中,卷积神经网络算法用于段严重脓毒症患者的CT图像由肺部感染引起的。结果表明,与其他算法相比,本文算法的图像质量较高,精度高于QTSU索引值的算法,和不同的是重要的( )。建议卷积神经网络算法可以有效地实现成像图像的准确分割的脓毒症患者,和分割质量是好的,可以帮助医生在严重脓毒症的诊断。这是报道的结果一致23]。

目前,临床治疗肺部感染引起的严重脓毒症主要是连续血液净化。然而,由于复杂的脓毒症发病机制,涉及多个身体的组织和器官,严重脓毒症患者血糖水平会迅速增加。受到传染性压力因素的影响后,身体有自己的适应机制,也就是说,胰岛素抵抗和次要的高血糖。然而,这种保护机制不仅会抑制肝糖原的再生胰岛素在体内也削弱葡萄糖治疗的能力。因此,在严重脓毒症患者血糖水平和胰岛素将大大影响(24]。本研究发现,台塑的鳍的连续血液净化治疗后实验组低于对照组。它发布的研究结果是一致的25]。此外,控制炎症反应也被认为是脓毒症的发病机制是一个重要的依据。淋巴细胞在严重脓毒症患者进行细胞凋亡,这将促进炎症反应和免疫增强功能障碍。研究表明,炎症等因素血清TNF -α、il - 6和hs-CRP和CD的百分比₃⁺、CD₄⁺和光盘₄⁺/ CD₈⁺有关血液净化治疗后免疫功能改变明显,表明连续血液净化治疗可以显著降低炎症状态(26,27]。这项研究的结果是一致的。这项研究还发现,在治疗过程中连续血液净化,严重脓毒症患者的综合护理能有效缩短ICU监测时间,降低不良事件的发生率,改善营养不良的炎症。

5。结论

卷积神经网络算法可以准确地识别和细分严重脓毒症患者的CT图像,具有较高的临床应用价值。连续血液净化治疗肺部感染引起的严重脓毒症患者可以有效地控制血糖水平,改善免疫功能,减少炎症因素的内容。有效的护理措施可以提高治疗的效果。然而,在这项研究中仍存在一些缺陷。收集的样本容量很小,需要进行更多的样本研究在将来获得更详细的结果。

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。