文摘

人工智能算法被用来分析计算机断层扫描(CT)图像的特点介入治疗前后的儿童淋巴管瘤。进行回顾性分析,从医院和30淋巴管瘤的孩子被招募为研究对象。采用超声引导下博来霉素介入治疗和应用CT扫描通过卷积神经网络(CNN)。介入治疗前后CT imaging-related指标检测,并进行特性分析。此外,CNN算法采用段肿瘤的图像更清晰、更准确。同时,CNN骰子相似系数(DSC)算法0.9,更高程度的协议。在临床症状方面,治愈儿童病变消失,恢复正常皮肤表面颜色和治疗是光滑的。在有效治疗的2例,胆囊病变部位明显小,质量和结节消失了。CT图像在介入治疗显示,较大的儿童更常见的脖子。囊性肿块的病变网站不同直径大小,和他们中的大多数是类似于圆形和不规则,密度分布均匀。 The boundary was clear, the cyst was solid, and there were different degrees of compression and spread to the surrounding structure. Most of them were polycystic, and a few of them were single cystic. After interventional treatment, CT images showed that 27 cases of cured children’s lymphangioma completely disappeared. Lymphangioma was significantly reduced in two children with effective treatment. Edema around the tumor also decreased significantly. Patients who did not respond to the treatment received interventional treatment again, and the tumors disappeared completely on CT imaging. No recurrence or new occurrence was found in three-month follow-up. The total effective rate of interventional therapy for lymphangioma in children was 96.67%. The CNN algorithm can effectively compare the CT image features before and after interventional treatment for children’s lymphangioma. It was suggested that the artificial intelligence algorithm-aided CT imaging examination was helpful to guide physicians in the accurate treatment of children’s lymphangioma.

1。介绍

在传统的诊断和治疗方法,临床医生首先是一个有意的诊断,然后完成了诊断过程的合作临床症状检查和分析各种考试成绩(1]。人工智能是一个定义的技术探索和发展如何通过高效和优化手段模拟人类智能和不断扩大和延长人类的智慧2]。这种新型技术一方面确保病人的识别成像诊断结果的准确性;另一方面,它减少了成像医生的工作量,使临床医生判断更加迅速和准确的诊断和治疗结果(3]。目前,医学人工智能应用程序主要是有关医学图像的诊断和检测,如计算机断层扫描(CT)图像。医学成像人工智能算法使用默认的医学图像的像素过滤有效的图像特征,然后学习,模拟临床医生的诊断和治疗技术。收集到的大数据细分根据有效的特征,然后,依次完成重组和判断,最后显示诊断和治疗结果,并有很强的特点和高灵敏度(4]。其中,应用最广泛的是卷积神经网络(CNN)。它划定的区域病变发生在最初的CT扫描图像,然后执行一系列的后续深入定量和定性分析,这些地区。学者如马苏德等人使用人工智能算法比较和分析胸部CT图像收集来自不同数据库。结果表明,临床医生辅助诊断后通过深卷积网络算法,诊断精度可以达到平均85%,肺癌患者的分期准确性从T1 T4可以达到91% (5]。

儿童淋巴管瘤是淋巴系统的良性肿瘤病变引起的内皮细胞的异常增殖淋巴血管壁(1]。淋巴管瘤是一种常见的儿童疾病。先天性发生主要是因为淋巴管的发展并不完整,和先天淋巴囊不能正常排水中间烟静脉,所以正常的淋巴结构已经完全分化异常,或淋巴结构不连接到完美的排水通道,从而屏蔽或淋巴细胞囊遍布[6]。后天疾病大多是由于淋巴堵塞,导致异常淋巴血管直径和囊性空间畸形(7]。较大的儿童通常分为三种类型根据病变的直径,包括囊性淋巴瘤、海绵淋巴瘤、和混合淋巴瘤。这种疾病可以发生在身体的许多地方,但主要是在头部,颈部,和脸,占大约75%的较大的其他地区(8]。临床表现也取决于网站和病变的大小。大多数人成长进步的无痛的质量,影响周围的组织结构淋巴管通过压缩和入侵。在感染或继发性出血的情况下,质量迅速扩张,导致严重的并发症,如呼吸道梗阻(9]。目前,儿童淋巴管瘤的诊断通常是通过穿刺,消除了淋巴组织,然后进行后续的常规检查。治疗方法包括手术和硬化疗法(10]。临床外科切除是主要针对一些肤浅的较大的临床症状是皮下软质,光滑的皮肤表面,和囊性接触,但没有疼痛。如果淋巴管瘤位于深度,没有明显的临床症状,所以超声和CT成像技术援助是必要的11]。可以完整切除病变的手术,但手术创伤大,术后复发是很容易的。介入治疗的使用可以解决大问题的手术创伤和容易复发。研究表明,使用超声介入注射博来霉素治疗淋巴管畸形的头部和颈部婴幼儿发现,治愈率可达94.44%12]。

的临床表现和症状儿童淋巴管瘤是复杂和多样化,也没有具体的临床症状,所以这种疾病的早期识别和诊断在一定程度上是困难的。目前,很少有数据的应用CNN儿童淋巴管瘤的CT图像处理。因此,本文旨在使用回顾性分析调查CNN的影响儿童淋巴管瘤的CT成像病变分割为淋巴管瘤接受超声引导下介入治疗的儿童。CT成像治疗前后的变化进行了分析应用智能算法来帮助儿童淋巴管瘤的诊断和提高临床诊断的效率,旨在提供一个参考介入治疗疗效的分析儿童淋巴管瘤的CT成像特性。

2。方法

2.1。研究对象

共有30个儿童淋巴管瘤住院收集从2018年3月至2020年3月作为本研究的主题。有17例的男孩和女孩的13例。年龄范围从三个月到九岁,平均年龄 个月。所有30个孩子被手术病理诊断为淋巴管瘤。疾病的过程中从三个月到三年不等。有21例儿童软接触质量在头部和颈部,胸部,腹部,倾向于变得更大。九个孩子住院是由于明显的腹部症状,包括病变位于肠系膜、大网膜、腹膜后腔。

入选标准:(i)患者的年龄范围从三个月到9年;(2)根据2020年cisco淋巴瘤的诊断和治疗指南在儿童和青少年患者明确诊断为淋巴管瘤;(3)所有临床数据和信息的孩子们完成;(iv)孩子出生正常没有其他先天性疾病;(v)术前CT扫描是可行的。

排除标准:(1)儿童自身免疫性疾病,如自身免疫性溶血性贫血;(2)孩子有遗传性凝血功能障碍;(3)精神或意识障碍患者或可怜的合规;(iv)患者手术治疗的历史。

所有的家庭的孩子在这个研究已经签署了知情同意,和研究经医院伦理委员会批准。

2.2。介入治疗方法

介入治疗方法在这项研究是基于血管瘤和血管畸形的诊断和治疗指南2019并改善。手术部位包括大血管和其他地区,这是必要的,以确保绝对沉默的孩子在手术过程中。需要全身麻醉手术前确定根据孩子的年龄和坚持手术治疗。所有的孩子经历了青霉素的皮肤测试,这是消极的。博来霉素注射超声引导下介入治疗,注射剂量10毫克/米²每体表面积按药物说明。超声波定位进行注入和彩色多普勒超声机之前使用。第一注射药物肌肉注射的三分之一,这个孩子被密切观察。如果没有发生反应,其余的药物注射一次。综述了孩子手术后三个月。如果这种疾病仍然存在后续的诊断和治疗,有必要继续给孩子治疗,再次访问。

2.3。扫描方法

在CT扫描之前,所有30个孩子通过常规实验室检查是正常的。入学后,对比增强CT扫描进行确认位置,直径,囊性质量的特征。CT扫描仪器是64片螺旋CT扫描仪。孩子们在CT扫描前禁食四小时。CT的厚度是4 - 8毫米,iopromide 300注射用于增强成像扫描,和剂量计算根据2毫升/公斤。高压注射器是通过静脉注射血管,和动态执行多相CT扫描的扫描时间设置为0.9秒。扫描后,所有原始数据被转移到工作站。如果孩子不配合在CT扫描,水合氯醛应该用于帮助孩子的镇静剂量控制低于1毫克/公斤。从扫描获得原始图像和图像处理应由至少两个专业成像评估医生。在分歧的情况下,应通过谈判达成最终协议。

2.4。CT图像处理流基于CNN算法

CNN算法直接以CT图像的原始数据图像作为输入数据,然后获得数据特性,通过分析相当大的重量。它可以使传统识别算法的重要特征提取工作不复杂。CNN的网络结构流程图如图1。

2.5。根据CNN算法评价指标

CNN算法应用于CT图像准确地说,是第一个主要指标用来评估的结果CNN算法。相似系数(DSC)是指协议正确的程度划分CT图像中的数据结果和原来的病变。协议的程度越高,越精确的划分结果CNN算法。计算方法如下。

在上面的方程中,代表的数据结果肿瘤临床医师,分工代表部门的结果肿瘤的CNN算法。 代表的一致的结果和 。精明的算法(13]介绍了DSC的比较而言。

2.6。治疗评价指标

所有的儿童都分类指数表明治疗效果。治愈:成像和例行检查后,发现病变消失,没有质量。有效:孩子治疗后,发现病变的肿瘤大小变得更小,和临床症状缓解,但改善的程度小于60%。无效:介入治疗后,发现肿瘤没有收缩或倾向于变得更大。

2.7。图像结果分析指标

CT扫描后,临床一般数据和手术病理检查数据的总和。网站、直径、形状、密度、结构、淋巴管瘤和图像特征进行了分析。

3所示。结果

3.1。结果所有患儿的性别和年龄分布淋巴管瘤

性的信息和30岁孩子都来自医疗记录管理部门的检索系统。表1显示特定的结果。

3.2。CNN算法处理结果的CT图像

后CT图像进行分析和处理与CNN算法,下面的分区结果。根据图2CNN,肿瘤的图像分割算法是清晰和准确。图2(一个)代表原始淋巴管瘤的CT图像。图2 (b)代表临床肿瘤病变的分类。图2 (c)代表肿瘤使用CNN算法的分割结果。图2 (d)代表肿瘤病变的形象除以精明的算法。

3.3。CNN算法评价指标的结果

DSC是用来评估CNN算法应用于CT图像的性能。发现的DSC CNN算法0.90,而精明的DSC算法0.85。它表明,CNN算法研究中使用DSC明显高于Havaei算法,和协议是更好的(图3)。

3.4。CT图像分析

病变的位置如下。有30个儿童淋巴管瘤,其中15个孩子脖子上的疾病,与腮腺6个孩子。有四个孩子位于脸颊,坐落在腋窝下的两个孩子,两个孩子位于腹部,和一个孩子在前面胸部。儿童淋巴管瘤主要发生在头部和颈部。在图4(一)代表颈部淋巴管瘤的形象,(b)腮腺淋巴管瘤的形象代表,(c)代表的形象脸颊淋巴管瘤,(d)腋窝淋巴管瘤的形象代表,(e)代表腹部淋巴管瘤的形象,和(f)前胸淋巴管瘤的形象。表2和图4显示细节。(我)直径。检查后,直径的囊性肿块病变是不同的。大规模的直径计算的最大横截面积测量。最大规模的直径 ,的直径最小的质量 (2)形态和密度。大部分较大的扫描图像是类似于圆形和不规则,密度分布相对均匀。边界清晰,囊肿是固体,有不同程度的压缩和扩散到周围的结构(3)类型的病变。结果显示所有的孩子,较大的大多是多囊,几单囊性。其中,有27例多囊型和3例单囊性类型。在图5(一)多囊淋巴管瘤,(b)是mono囊性淋巴管瘤。图5显示详细信息

3.5。CT检查治疗后

所有的孩子都接受CT扫描后再介入治疗。发现在27日治愈儿童的CT图像,淋巴管瘤完全消失了。CT图像的两个孩子和有效治疗,淋巴管瘤是显著减少,肿瘤周围的水肿也显著降低。CT成像检查孩子是无效的治疗显示广泛的病变。复审和随访后,再次接受介入治疗后,儿童肿瘤的CT成像检查后消失。没有发现复发、新疾病的三组儿童在3个月的随访。

3.6。评价治疗效果

通过30个儿童的治疗结果,发现27例治愈,2例有效地治疗,1例在治疗无效。治疗的总有效率为96.67% (29/30)。其中,两个孩子与有效的治疗儿童淋巴管瘤位于颈部,和一个没有治疗儿童淋巴管瘤位于腹部。病治好了孩子的一部分的肿胀消失,皮肤表面恢复正常颜色,和治疗是光滑和水平。的囊性肿块病变的两个孩子有效的治疗变得越来越小,和结节消失了。没有重大改变的损伤儿童无效的治疗结果(如图6)。

4所示。讨论

淋巴管瘤是一种良性血管瘤位于淋巴系统,它经常发生在先天性。这是最常见的儿童和未成年人,超过90%的病例发生在婴儿和两岁之间(14]。淋巴管瘤的发病率仅次于血管瘤,血管瘤中排名第二(15]。淋巴管瘤中胚层的发生,主要是由于异常发展的原始淋巴血管或淋巴管内皮细胞的异常增殖16]。较大可以发生在身体的任何地方与淋巴系统,但临床研究发现的主要网站的头部和颈部。其次,它被发现在腋窝,腮腺,脸,纵隔、口腔和其他零件(17]。这是发现,在儿童的30例淋巴管瘤,病变位于颈在15例,占总比例。位于腮腺6例,占20%。4例位于脸颊,占13.3%。两例位于腋下,占6.7%。有两例腹部位置,占6.7%。这是符合报告研究成果(18]。目前,淋巴管瘤的临床特征是不同的根据肿瘤病变的位置和大小19]。传统上,淋巴管瘤是治疗肿瘤的手术切除,但是很难完整的手术切除肿瘤,术后复发率高,约55%。此外,也有许多并发症(20.]。因此,许多病人接受介入治疗替代手术切除淋巴管瘤。一方面,介入治疗可以保持皮肤结构和软组织治疗过程中完好无损;另一方面,它不会引起严重的并发症。在这项研究中,30个孩子们接受超声引导下注射博来霉素,并没有发现并发症。27例儿童治愈的肿瘤消失了,皮肤表面恢复正常颜色和治疗是光滑和光滑。在两个患者有效的治疗,囊性质量明显较小,结节消失了。没有一个孩子有严重的并发症。这是符合研究报告。

人工智能算法是一种新兴技术,使用计算机算法来学习和模仿人的思维和能力。郭et al。(2019) (21)表示,人工智能技术不仅被用于疾病的鉴别诊断和预后评价还在临床数据分析和成像诊断分析医学成像结果,以获得准确的医疗信息。病变的医学图像中发挥着重要作用的有效处理图像使用算法在诊所。它可以提取病变的范围和深入进行定性和定量分析,中扮演着很重要的角色在医学诊断和识别22]。CNN的结合算法和采用CT图像分割肿瘤病变与淋巴管瘤的儿童,和精明的效果与算法。发现肿瘤的图像映射体分割使用CNN算法相对更清晰、更准确。据CNN算法明显高于算法DSC,协议是更好的。建议的CNN算法病变CT图像分割的临床应用价值。

基于上述分析,结果表明,CNN算法分割图像的儿童淋巴管瘤肿瘤更清晰和更精确的范围。CNN算法DSC是0.9,明显高于报道算法DSC和有一个更好的协议。

CT成像介入治疗前透露,CT图像显示,15个孩子与淋巴管瘤病变位于颈,表明淋巴管瘤的儿童更有可能发生在颈部。在囊性肿块病变不同直径的大小,和大多数的较大的类似于圆形和不规则。密度分布相对均匀,边界清楚,胶囊是固体,和周围结构有不同程度的压缩和传播形态分布。较大的大多是但,几单囊性。

的介入治疗后临床症状的肿块病变治愈孩子失踪的一部分,和皮肤恢复正常颜色,表面光滑,和水平。的囊性质量影响的一部分孩子有效的治疗明显较小,和结节消失了。CT成像显示,27岁较大的治愈孩子完全消失,和两个孩子的较大的有效治疗显著降低。肿瘤周围的水肿也显著减少。孩子没有回应治疗后再次接受介入治疗,肿瘤的CT成像也完全消失了。此外,没有发现复发、新疾病的三组儿童在3个月的随访。为儿童淋巴管瘤介入治疗的总有效率为96.67% (29/30)。

5。结论

本研究使用了一个CNN算法部分儿童较大的CT图像。结果证明,该算法可以进行更精确的分割和提供更多的辅助形式的影像医生的诊断和治疗儿童较大。儿童的影像学变化与介入治疗前后淋巴管瘤通过CT图像特征分析,这表明,CT图像特征分析可以用作方法淋巴管瘤患儿的临床治疗结果判断,为临床治疗效果提供参考。然而,很少有研究对象包括在这项研究中,并对比不同病理类型的儿童淋巴管瘤不够结实。因此,需要更多的样本和不同病理类型在未来进行研究。

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。

确认

这项工作是支持的项目安徽省卫生和计划生育委员会(没有。2017 ek002)。