文摘

本研究旨在调查胃癌的位置通过胃镜图像基于人工智能算法对胃癌和超声导的影响神经阻滞结合患者胃癌手术全身麻醉。共有160名患者胃癌手术从2019年3月至2021年3月为研究对象,收集和卷积神经网络(CNN)算法用于胃癌的胃镜形象。患者随机分为简单的全身麻醉组80例和腹横面块结合腹直肌鞘块结合全身麻醉组80例。然后,比较收缩压(SBP)、舒张压(菲律宾)和心率(HR)四个时间点T₀T₁T₂,T₃。《纽约时报》的镇痛药物使用后48小时内操作和术后不良反应记录。视觉模拟量表(血管)分数也记录在4 h, 12小时、24小时、48小时。结果表明,分割后图像质量好:肿瘤位置的准确性为75.67%,这是类似于专业的英国。与全身麻醉组相比,腹横面块结合腹直肌鞘块结合全身麻醉组有更少的麻醉剂,差异具有统计学意义( )。与全身麻醉组相比,SBP,类似在T和人力资源水平显著降低₁T₂,T₃在腹横平面块结合腹直肌鞘块和全身麻醉组( )。与简单的全身麻醉组相比,脉管分数的腹横面块结合腹直肌鞘块结合全身麻醉组下降4 h, 12 h,手术后24小时,差异具有统计学意义( )。止痛剂的数量用于腹横面块结合腹直肌鞘块结合全身麻醉组手术后48小时内明显低于在全身麻醉组,差异具有统计学意义( )。不良反应的平均发病率在神经阻滞结合全身麻醉组为2.5%,低于3.75%的平均发病率在全身麻醉组。总之,CNN算法可以准确地细分胃癌病变的超声图像,这是方便医生做出更准确的判断病变,并提供一个基础为胃癌根治性胃切除术的术前检查。超声导神经阻滞结合全身麻醉能有效改善胃癌根治性胃切除术的镇痛效果,减少术中及术后不良反应、镇痛药物剂量,并对病人术后恢复有很好的效果。这两种方法的联合应用可以进一步提高胃癌患者的精确治疗,加快术后恢复。

1。介绍

胃癌是世界上最常见的恶性肿瘤之一。它已成为全球关注的全球健康问题之一,因为其高发病率和不良预后效果,构成严重威胁人类生命的健康和生活质量(1]。目前,胃癌的治疗主要是根治手术结合药物综合治疗措施和其他方式2]。腹腔镜根治性手术是标准的胃癌根治性胃切除术的手术方法。它的优点是小创伤患者,手术疼痛,快速恢复手术后(3]。腹腔镜胃癌根治性胃切除术是在整个手术过程进行腹腔镜下,删除主胃损伤,浸润组织参与主胃损伤,在胃和淋巴结。所有的胃肿瘤病变的影响都可以完全被单个操作达到治愈的效果(4]。尽管腹腔镜根治性胃切除术是一种有效的治疗胃癌病人的免疫功能受损是由于创伤、疼痛,手术期间和其他原因。病人的术后疼痛加剧,胃癌复发的可能性大大增加,这是非常有害的病人的术后预后[5]。

胃癌根治性胃切除术的术后创伤主要是剧烈的疼痛。在手术过程中,T淋巴细胞和自然杀伤细胞的数量会减少,和他们的活动将被削弱,导致中断调节性T淋巴细胞的动态平衡,辅助T淋巴细胞,在体内和细胞毒性T淋巴细胞。这些细胞对免疫系统有很大的影响,手术创伤的程度6]。最初的镇痛方法包括口服阿片类止痛药,肌内注射度冷丁和其他镇痛注射,和当地政府。一个镇痛方法通常会产生一个明显的和快速根治性胃切除术后严重疼痛止痛效果(7]。近年来,超声引导下神经阻滞等多模式镇痛,如腹横面块与腹直肌鞘块相结合,已逐渐被临床使用。主要原理是阻断信号转导通路,可以最大化的控制术后疼痛的病人(8]。

计算机技术的快速发展和更新的硬件设备,人工智能算法已逐渐应用于特定疾病的分析和诊断在医学成像基于人工智能算法的特点,从而达到病变的诊断水平与专业影像医生甚至更准确。机器学习的方法来实现人工智能算法(9]。它包含了各种各样的算法,如贝叶斯算法、线性分类器,聚类分析算法,和卷积神经网络(CNN)算法(10]。范教授等。11)三维supervoxels用于人工智能算法进行深入分析MRI图像数据库的样本大小11到30岁的人群中,发现相似系数分别为0.84和0.89。这说明人工智能算法在分割精度高的MRI图像病变,具有较大的临床应用价值。CNN的一种算法在人工智能算法在医学研究吸引了更多的关注。深入学习模型是从生物学的概念,分类,识别,和部分图像12]。因此,本研究分析了胃癌的位置通过胃镜图像基于人工智能算法对胃癌和超声导的影响神经阻滞结合全身麻醉对病人进行激进的胃炎,希望提供一种新方法的患者胃癌手术的麻醉。此外,人工智能算法用于协助临床成像在胃癌的诊断,它提供了一个参考。

2。方法

2.1。研究对象

共有160名患者胃癌手术收集从2019年3月至2021年3月为研究对象。他们随机分为全身麻醉组80例和腹横面块结合腹直肌鞘块和全身麻醉组(神经阻断全身麻醉组)80例。有99名男性患者和61名女性患者。36 ~ 68岁,平均年龄 年。

入选标准如下:(i)患者被诊断出患有胃癌主要由专业医生;(2)术前腹部和胸部CT检查的病人没有其他转移;(3)所有的患者临床资料完整;(iv)病人没有其他严重并发症,包括心脏的器官功能障碍、肝、肺、肾;和(v)没有发现手术禁忌症。

排除标准如下:(i)患者胃有其他并发症,如胃肠道功能障碍;(2)患者的自身免疫系统疾病,如自身免疫性溶血性贫血;(3)患者急性或慢性传染病;(iv)患者心理或意识障碍和贫穷的一致性;和(v)外科治疗的病人最近的历史和特殊药物治疗。

所有的病人在这项研究及其家庭成员签署了知情同意,授权和研究医学伦理委员会批准的四川北部医学院的附属医院。

2.2。超声胃镜检查

在这项研究中,迈瑞超声诊断仪是用于这项研究。的患者禁食6小时前测试。盐酸达克罗宁粘液是之前进行检查。协助患者取左侧卧位位置与平静的呼吸。胃镜检查探头是通过口腔和食道进入胃;选择最好的图像显示病人的病变位置。

2.3。根据CNN超声图像的分割

经典的美国有线电视新闻网由一个输入层、卷积层、汇聚层、连接层,和输出层。其结构如图1。CNN从输入到输出。每一层相互连接通过自己的数学运算,然后,信息是通过连接转移到下一层。几个卷积操作和池操作解码、分析和集群的特征信号输入原始图像数据,最后将它们映射到特定的空间层次。最后完整的信息分类和输出的数据连接层根据目标特征。

卷积层之间的操作和池层主要是通过一系列的数学函数实现操作。卷积层也称为特征提取层,用于提取感兴趣的功能区域从输入原始数据。每个卷积层都有其相应的卷积核。如果卷积内核不同,提取的特征将会不同。卷积核在每一层越多,更多的功能可以提取卷积层。卷积操作主要是通过卷积实现操作。卷积运算的数学方程所示

在医学图像处理的过程中,如果使用一个二维图像作为输入数据和卷积的输入层,将卷积操作

目前,大多数研究将卷积规定大小的内核,和完整的卷积操作

其中, 代表输出结果, 代表输入数据,卷积核的大小 。

池层是用来有效地删除剩余的数据,同时保留的特征数据上卷积结果,减少工艺参数,加快提取速度。池层操作分为平均提取和最大提取。目前,大多数研究是最大值提取。最大池操作如图2。

2.4。麻醉方法

所有患者进行监测心率、血压、心电图和热点₂。静脉全身麻醉诱导是由使用0.3μ克/公斤,舒芬太尼0.15毫克/公斤cisatracurium, 2毫克/公斤异丙酚。然后,气管插管进行三分钟后。气管插管后,术中麻醉被吸入七氟醚和注入0.1 2%μ克/公斤/分钟remifentanil。每小时0.06毫克/公斤cisatracurium注射断断续续维持麻醉深度,0.2μ克/公斤舒芬太尼在切口闭合的开始,和所有麻醉后停止皮肤缝合。全身麻醉进行结合神经阻滞这意味着全身麻醉诱导前,0.33% ropivacaine给出横向筋膜块和腹直肌鞘块,20毫升每一部分。全身麻醉的计划是和上面一样,和0.15毫克/公斤地佐辛是如果病人在手术后难以忍受的痛苦。

2.5。图像分割的评价指标

准确性是用作指数定量评价图像分割的结果。精度表明,在很大程度上,该算法能正确分割的区域。该指数被定义如下。

在TP表明,分割结果是病变区,也就是病变区域。TN分割结果表明,它不是一个病变区域,实际上也不是一个病变区域。FP表明,分割结果是病变区,实际上这并不是一个病变区域。FN表明,分割的结果不是病变区域,这实际上是病变区域。

2.6。手术评价指标

收缩压(SBP)、舒张压(菲律宾)和心率(HR)的患者进行评估在入伍前的麻醉时间点(T₀),刚开始的时候操作(T₁),30分钟处理(T₂),和1 h处理(T₃)。视觉模拟量表(血管)分数决定4 h, 12 h,手术后24小时、48小时。在这项研究中,0分表示,患者没有痛苦,10分表示,病人难以忍受的痛苦。术后不良反应:头晕、头痛、恶心、呕吐、低血压。

2.7。统计分析

所有的数据都在本研究中利用SPSS 20.0进行分析。测量数据的形式表示 ,和 - - - - - -测试中使用的组。卡方检验是用于计算数据。当 ,在统计学上也相当大。

3所示。结果

3.1。两组病人的基本数据

没有相当大的差异在性别、年龄、身体质量指数,操作时间,操作期间失血全身麻醉组80例和80例神经阻滞麻醉组( ),随后两组具有可比性。表1显示了细节。

3.2。CNN算法的图像分割结果

gastroscopic胃癌患者的图像分割,并提出CNN算法与病变位置成像专家。结果如图3。专业医师的诊断和定位数据被报道通过胃镜检查,病变区域的定位效果由CNN算法在图像分割中类似于医生的手动定位,和病变区域是明确的。这是证明,CNN算法具有良好的应用价值在胃癌患者的形象定位。

3.3。比较评价分割结果的指标

在这项研究中,使用CNN算法病变的定位结果进行评估的准确性。结果如图4。影像医生在决定肿瘤位置的准确性为72.38%,而CNN算法的准确性为75.67%。由专业成像与肿瘤位置的判断医生、肿瘤位置的判断由CNN算法类似,由专业影像医生。研究证明,CNN算法提出了可用于临床的形象定位。

3.4。比较SBP、菲律宾和人力资源之间的两组患者在不同的时间点

SBP的比较结果,菲律宾和人力资源索引的两组患者在4个时间点如图5。三大股指的神经阻滞麻醉组患者降低T₀比T₁T₂,T₃时间点,而全身麻醉组更高的T₀比T₁时间点( ),并在T没有统计学意义₂和T₃。与全身麻醉组相比,SBP菲律宾,和人力资源的神经阻滞麻醉组T₁T₂,T₃时间点减少,差异具有统计学意义( )。

3.5。术后麻醉使用和脉管分数两组病人的结果

使用止痛剂的数量后48小时内两组的手术和血管评分的结果如表所示2。全身麻醉的使用的止痛药数量根治性胃切除术后神经阻滞组显著低于单独全身麻醉组,差别是相当大的( )。与全身麻醉组相比,血管神经阻断全身麻醉组的分数较低,4 h、12 h,手术后24小时都截然不同( )。

3.6。比较两组之间的不良反应的患者手术后

通过比较之间的不良反应的发生率两组患者术后两组患者的临床评价指标评估。结果如表所示3。不良反应的平均发病率在全身麻醉组神经阻滞后为2.5%,低于3.75%的平均发病率在全身麻醉组。它显示,不良反应的发生率激进的胃癌后全身麻醉组神经阻滞更低。

4所示。讨论

作为一种常见的消化系统恶性肿瘤、胃癌有很高的发病率和死亡率。胃癌的整体发病率所有恶性肿瘤中位居第二,和死亡率所有恶性肿瘤中位居第三13]。根据2018年全球癌症统计报告,全球大约有1819万癌症新发病例由于癌症,超过960万人死亡。胃癌是在所有癌症死亡的第三大原因。此外,男性患者的发病率和死亡率高于女性患者。由于饮食结构的差异,储存食物,和其他因素,亚洲人胃癌的风险更高比其他地区的人(14,15]。韩中胃癌发病率和死亡率最高的亚洲国家。因为胃癌的症状在早期秘密,没有典型的临床表现,患者可能只有轻微肠胃不适,因此忽视了大多数患者(16- - - - - -18]。一旦症状恶化,胃癌晚期,已经错过了最佳的治疗窗口。因此,胃癌患者的5年生存率小于30% (19]。

随着计算机技术的不断发展,人工智能算法已逐渐被广泛应用于癌症治疗。人工智能算法包括一个监督学习算法,非监督学习算法,聚类算法,降维20.]。经典的CNN算法是一种常用的人工智能算法。它结合了现代计算机技术与传统的医学影像。一方面,它可以帮助临床医生我更详细和准确的图像信息通过CNN算法和病人的成像数据指导医生为病人提供更多的个性化诊断和治疗计划。另一方面,数据可以存储在电脑很长一段时间,在大规模积累,从而实现某些疾病的早期预测21]。本研究相比gastroscopic图像的分割结果胃癌病人的CNN算法和专业医生。结果表明,CNN算法具有较高的图像质量,清晰的图像,和准确的病变范围和可以准确定位肿瘤。分割结果类似的专业医生。结果表明,CNN在肿瘤定位算法具有良好的临床应用价值。

目前,手术治疗胃癌是最常见的。胃癌在临床治疗、根治性胃切除术是主要开展腹腔镜下,和原来的全身麻醉需要大量的阿片类止痛药,有明显的镇痛效果。然而,术后病人容易应激反应,如头晕、头痛、恶心、呕吐,也会影响患者的免疫功能,尤其是患者的预后不良。在此基础上,从中国麻醉学专家提出的多模式镇痛,如超声引导下神经阻滞结合全身麻醉。这种全面的镇痛方法不仅可以有效地控制患者的术后疼痛但也扮演了一定的角色在相关不良反应引起的疼痛(22]。这项研究的结果表明,与简单的全身麻醉组相比,超声引导下腹横面块结合腹直肌鞘块麻醉组显著减少使用麻醉剂在激进的胃癌手术比简单的全身麻醉组。差异具有统计学意义( ),和不良反应的患者的平均发病率是2.5%,这低于平均简单的全身麻醉组的不良反应发生率为3.75%。

研究表明,超声引导下的血管分数手术后24小时内腹横面块结合腹直肌鞘块减少和对照组相比,单独使用全身麻醉(23]。这项研究的结果表明,超声引导下的血管分数腹横面块结合腹直肌鞘块麻醉组4 h、12 h,手术后24小时低于本级脉管分数在全身麻醉组( )。与全身麻醉组相比,腹横面块结合腹直肌鞘块麻醉组T₁T₂,T₃。时间点,SBP,菲律宾,人力资源都降低了。建议超声引导腹横面块结合腹直肌鞘块麻醉组有更好的影响胃癌患者的术中及术后改善比简单的全身麻醉组。

5。结论

通过本研究,发现人工智能算法可以准确地细分成像病变,帮助医生为病人提供更准确的诊断和治疗计划。超声导神经阻滞结合全身麻醉能有效改善胃癌根治性胃切除术的镇痛效果,减少不良反应和镇痛药物剂量期间和之后的操作,和有一个很好的帮助病人对术后康复的影响。上述两种方法的应用可以提高精密治疗胃癌手术患者和加快复苏的病人。

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。

作者的贡献

Wanqiu风扇和杨Liuyingzi贡献了同样的工作。