文摘
这项研究集中在双源计算机断层扫描(CT)图像分割的决策树算法,探讨紫杉醇联合氟尿嘧啶治疗胃的功效病人接受化疗。在这项研究中,98名患者胃癌治疗在医院被选为研究对象。决策树算法应用到段的胃癌患者双源CT图像。根据特性建立了决策树环和分割的位置。机器从决策树归纳学习提取CT图像的特性来获取最优分割边界。观察组治疗多烯紫杉醇联合氟尿嘧啶,和对照组与多西他赛治疗结合喃氟啶gimeracil oteracil钾胶囊。两组患者的一般资料差不多,没有统计学意义( )。两组临床疗效比较,物理状态、KPS评分、改进率,治疗后和药物不良反应。结果表明,改进的身体健康观察组为38.78%,对照组的改进率是18.37%。观察组的总有效率为42.85%,对照组的总有效率是36.73%。显然,疗效和改善身体健康的速度观察组明显优于对照组( )。在结论中,决策树算法在这项研究中展示了高超的能力在CT图像特征提取。机器从决策树归纳学习提取CT图像的特性来获取最优分割边界。紫杉醇联合氟尿嘧啶的效果优于多烯紫杉醇结合喃氟啶gimeracil oteracil钾胶囊。
1。介绍
胃癌是一种恶性肿瘤来源于胃粘膜上皮。它仅次于肺癌的死亡率在所有恶性肿瘤(1]。统计数据表明,胃癌的发病率逐年增加。在早期阶段,临床症状和体征antitypical,大约50%的患者诊断时已达到高级阶段。手术的预后很差,5年生存率仅为5% -15%。因此,及时和有效的治疗胃癌是特别重要的2]。在上个世纪,取得了很大的进步在中国胃癌的临床研究,但发病率和死亡率仍然很高。胃癌的发生与许多因素相关,包括生活习惯,外部环境因素和饮食。也是相关组织细胞的分化,基因变化,细胞周期变化,基因表达和信号传输途径的变化(3]。胃癌的病因和发病机制仍不清楚。由于缺乏早期诊断率低的肿瘤标记可用于早期诊断(4]。传统治疗主要是使用氟尿嘧啶或顺铂,而他们有巨大的副作用,有效率低。紫杉醇的抗肿瘤药物作用于细胞微管,阻止正常的微管重组,阻止细胞有丝分裂。多西他赛是紫杉醇的抗肿瘤药物。研究表明,多西他赛联合氟尿嘧啶演示了显著影响胃癌患者接受化疗(5]。
近年来,CT成像已广泛应用于胃癌的临床诊断,它显示了良好的结果。双源CT是一种新的设备基于成熟的64位CT诊断技术。它使一个伟大的突破在时间分辨率,达到83 ms, 0.1年代不到心脏成像所需的时间。CT扫描速度更快的心跳,这有效地提高时间分辨率(6]。有很多方法可以部分医学图像。传统的分割方法包括区域跟踪方法,边缘检测方法和阈值法(7]。近年来,计算机辅助诊断取得了良好的效果。基于不同算法的特征提取不仅快而且非常准确。在医学领域,深度网络常用的提取特征进行像素分类,然后候选帧对象的处理,但手工区分病变特征是耗费时间和劳动密集型8]。
智能分割算法的不断发展,他们常常被用于学习原始图像和广泛应用于图像分割,图像分类、目标图像定位(9]。一些学者提出了不同尺度的研究,结合像素信息可以提取最佳大小信息10]。在这项研究中,决策树建立了基于功能环和分割的位置,然后用于提取CT图像的特性来获取最优分割边界,为临床提供一种新方法预测和诊断胃癌的发生和发展。
2。材料和方法
2.1。研究对象
在这项研究中,98名患者胃癌治疗在医院从2018年2月到2021年2月被选为研究对象。研究已获得医院医学伦理委员会批准,和病人和他们的家属理解研究的情况,签署知情同意书。
入选标准如下:(1)患者诊断为胃癌,没有历史的化疗,患者(2)(3)Karnofsky患者功能状态(KPS)≥60分,和(4)患者没有语言障碍。
排除标准如下:(1)禁忌症患者CT扫描,(2)等其他精神疾病患者血管性痴呆和路易体痴呆,(3)不完整的患者临床数据和影像数据,(4)患者严重的肝脏和肾脏功能障碍,(5)患者对造影剂过敏,和(6)母乳喂养或孕妇。
根据不同浓度的造影剂,他们被分为对照组和观察组。在对照组,有25个男性患者和24岁女性患者,平均年龄为58.0±3.2年。他们都有原发部位肿瘤,其中17例胃腔,10例幽门,胃体的14例,8例贲门。观察组中,有29名男性患者和20名女性患者,平均年龄为57.8±3.4年。他们都有原发部位肿瘤,包括13例胃窦,15例幽门,11例胃的身体,和10例贲门。
2.2。干预方法
在治疗之前,智能算法CT成像进行两组病人。观察组治疗多烯紫杉醇联合氟尿嘧啶。病人花了7.5毫克地塞米松片口服前一天从政府连续3天。政府当天,75毫克/米2多烯紫杉醇注射葡萄糖溶于150毫升的5%或0.9%氯化钠溶液和静脉注射1小时。2400毫克/米2被感染5天从政府的日子。一个化疗周期持续了21天,需要至少2周期化疗。对照组与多西他赛治疗结合喃氟啶gimeracil oteracil钾胶囊。多西他赛的剂量是一样的,在观察组。病人服用80毫克/米2喃氟啶gimeracil oteracil钾胶囊两次餐后的14天的日子。治疗周期是一样的观察组。
多西他赛(江苏恒瑞药业有限公司,0.5毫升规范,批号:20100930)、氟尿嘧啶(上海Xudong Haipu制药、10毫克/ 0.25 g规格、批号20101120),和喃氟啶gimeracil oteracil钾胶囊(齐鲁制药有限公司,批号140705)。
两组治疗后短期临床疗效比较,物理治疗后状态和药物不良反应。
如果所有病变消失了,1个月没有重新出现,它被认为是一个完整的缓解(CR);如果目标维持1个月焦距≥30%,这被认为是部分缓解(PR);如果目标病灶的总时间最长的直径增加了20%,它被认为是稳定的疾病(SD)和CR率和公关率之和总有效率。毒性分为0-IV成绩按照评分标准肿瘤学。
2.3。CT扫描
在这项研究中,西门子SOMATOM定义DSCT(德国)被用来检查病人。在扫描之前,患者解释详细的过程。病人在仰卧位,与下肢外周静脉访问(任何下肢)和连接到心电图和血氧监测。病人镇静提前由专业麻醉师。使用的麻醉剂量静脉注射2毫升/公斤10 - 15分钟。同时,观察病人的心电图,呼吸,周围血氧饱和度。收集到的CT图像传送到工作站,和Functool II软件被用来处理图像。Vitrea3.9版本是用作后处理工作站。
双源CT扫描。首先,心电图门控技术是用于80千伏的管电压。管电流参数根据重量,调整和机器自动给球场。周期性的接触是全自动的。Unimicron(370毫克/毫升)用作造影剂。MEDRED双管的高压注射器被用于下肢静脉注射流率为0.12毫升/秒/公斤,注射时间是20秒。生理盐水注射在相同的流量和时间是10秒。
2.4。归纳学习方法生成分割边界
智能算法的特点是机器学习,一个好的智能系统必须有良好的学习能力。建立细分模型需要优化通过学习产生分割边界和制定细分计划。归纳学习方法可以生成通过选择分割分割边界的位置。它依赖于经验数据的归纳推理。决策树是一个基于中国分治算法的归纳方法。树图是用来确定每个决策计划的期望值,确定最好的决策计划通过计算和推理。决策树的结构通常从上到下,最后得到不同的结果,如图1。
基于分割的病变的位置和不同的分割点集,该功能环构造决策树。环所提供的功能是用来分类和计算期望值。机器智能感应学习选择相似的功能部分进行了优化。在这项研究中,ID3算法用于决策树归纳学习。
如果一个例子设置通用正面例子和米负面的例子,负面的比例让我表示为例子 ,和积极的比例设置通用电气表示为例子 。决策树可以被视为一个消息来源的积极的和消极的。然后,消息的预期值如下:
如果属性值K= (k1,k2,k3、…kr),集包含的例子r(子集 )。
让有正面例子和n我负面的例子,然后子集的期望值我( )。预期值的加权平均每个子集所需的期望值树扎根K表示如下:
分类信息的获得K作为根如下:
更好的分类决策树表示更大的信息增益的影响。每个决策树节点的计算复杂度是O ((一个+米)×n);节点是nonleaf节点的数量;整个算法的计算复杂度是O ((一个+米)×n×节点)。ID3算法流程示例图像。首先,分类的特征提取环。根据凸性,凹性、完整性和相对位置环的特性,一个好的分割边界生成规则生成,然后用相同或相似的功能特征环合并减少叶节点相同的分类。
2.5。分割边界的一代
CT图像低对比度、模糊边界和小目标。目标的大小和形状是多变的,像素是接近血管组织。因此,很难区分CT图像的高度相似的特征,也可以提高图像分割的难度。功能是优化基于归纳学习方法,和边界分割生成最优特性,如图2。
首先,选择分割位置,然后相关特性的特征环标识建立的决策树归纳学习。特征提取通道抑制无用的功能,和有用的特性生成边界规则,最后,分割边界生成。
2.6。构建决策树
边界特征提取可以获得端面特性环和环的内部特性。让特性的例子H,h我每个特性的戒指,T是选择分割的分割点集的位置。迪杰斯特拉最短路径d(嗨)h我分割点T计算如下:
迪杰斯特拉是一个贪婪算法,选择最优解在每一步通过局部优化和获得全局最优的解决方案。图3显示了过程获得分割边界。首先,点最接近分割平面形成优势。如果这个角问表面和边缘之间的特点是在公差值,进入下一步;如果没有,回到第一步,最后,分割得到的边界环使用闭包算法的特性。
在图像信息分类的特征提取中发挥着重要作用。CT图像信息包括的意思是,中位数,最小值,最大值,方差,偏态和峰态;图像形状特征包括面积,周长,循环,伸长,纵轴的中心坐标,水平轴和中心坐标,和形状系数;和纹理特性主要包括对比、关联和熵。
意思是(我意思是)计算如下:
方差(我化)计算如下:
偏态(我偏态)计算如下:
我峰度计算如下:
对比(t对比)计算如下:
相关性(t相关)计算如下:
熵(t熵)计算如下:
年代延伸率计算如下:
形式因素(年代—构成)计算如下:
2.7。统计数据
被处理的数据通过SPSS 19.0;测量数据符合正态分布均值±标准差(所表达的±年代);和不合格品统计数据所表达的频率和相对频率(%)。的t,以及采用卡方检验进行质量比较,和 是阈值的意义。
3所示。结果
3.1。CT分割结果
图4(一)显示胃癌患者的CT图像。数据4 (b)和4 (c)解释成像的图像所选的地方特色。数据4 (d),4 (e),4 (f)显示功能分割的结果。指出,决策树网络能有效段CT图像中的目标区域。图中的黄色箭头显示病灶的位置,和黄色虚线框代表了图像特征提取的范围。图4(一)的形象是一个47岁的男性病人,它显示了肿瘤的原发部位是胃腔。图4 (b)58岁的男性患者的形象,它显示了肿瘤的原发部位是幽门。图4 (c)52岁的女病人的形象,它显示了肿瘤的原发部位是胃腔。
(一)
(b)
(c)
(d)
(e)
(f)
3.2。比较两组患者之间的功效
如数据所示5- - - - - -7CR,有3例,18例公关,SD的19例,9例PD的观察组。在对照组,有2例CR, 16例公关,SD的24例,7例PD。观察组的总有效率为42.85%,对照组的总有效率为36.73%。显然,观察组明显优于对照组。
3.3。药品不良反应的比较
表1显示两组的不良反应的患者在服用这些药物。指出,观察组表现出白血球减少症的发病率较低,恶心和呕吐,血小板减少,血红蛋白减少,肝损害,肾功能损害,发热比对照组,差异具有统计学意义( )。
3.4。KPS评分
图8显示了KPS评分两组。指出从图8(a),观察组KPS评分的改善在19例,减少6例,并稳定在24例,在对照组,KPS评分改善在9例,减少在22例,18例和稳定。图8(b)显示,观察组的改进率(38.78%)高于对照组(18.37%),差异具有统计学意义( )。
4所示。讨论
胃癌发病率和死亡率高。目前,化疗是主要的治疗方法来最大化生存时间,提高患者的生活质量。等抗癌药物紫杉醇、吉西他滨和伊立替康,如果加上尿嘧啶,有一个有效率为33% -75%11]。多烯紫杉醇是一种紫杉醇药物,抑制肿瘤细胞的有丝分裂和增殖通过促进微管蛋白装配成稳定微管(12]。与紫杉醇相比,多烯紫杉醇具有更强的亲和力微管蛋白和更高的抗肿瘤活性,细胞和停留时间的两倍紫杉醇(13]。希思et al。14)表明,当75毫克/米2多烯紫杉醇的注入病人的第一天,有效率为18%,氟尿嘧啶能有效干扰DNA合成,和两个演示互补和协同效应。这项研究的结果表明,紫杉醇联合氟尿嘧啶的总有效率为42.85%,明显高于对照组。最近,氟尿嘧啶及其衍生物被广泛应用于胃癌的治疗。氟尿嘧啶的半衰期为10−2最小值−1。它是一种常用的mid-cell特定的药物。连续注射氟尿嘧啶可以延长thymidylate合成酶的抑制时间。妞妞et al。15)发现,辅助化疗降低肿瘤分期,减少术后转移和复发率,减少肿瘤体积,有效地增加去除率。这项研究的结果表明,观察组的疗效明显优于对照组。观察组的总有效率为42.85%,与对照组是36.73%。观察组的治疗效果明显高于对照组。多烯紫杉醇联合氟尿嘧啶有很好的效果。
智能算法被广泛用于段CT图像。获得大量expert-labeled医学图像后(16,17机器),总结了特点和规则,最后达到一个专家在诊断(18]。基于人工智能的肺结节检测系统已经显示出良好的结果在裂缝检测、骨骼脆弱性评估,和孩子的骨龄评价(19,20.]。陈等人。21)发现卷积神经网络用于特征提取。首先,坐标生成在病变区域的图像生成预选检测框架,然后是可疑的零件分类的教练。它弥补了传统方法的缺陷手动提取对象的特性。CT图像分割的智能算法有助于准确地检测损伤的位置,减少创伤,提高诊断的准确性。在这项研究中,决策树建立根据功能环和分割的位置。机器从决策树归纳学习提取CT图像的特性来获取最优分割边界。在这项研究中,决策树的CT图像分割算法。归纳和学习后,特征提取信道抑制无用的功能,生成边界规则有用的边界,最后形成分割边界。因此,决策树算法表现出良好的分割效果。
5。结论
在这项研究中,一个智能算法应用于段的胃癌患者双源CT图像。根据特性建立了决策树环和分割的位置。机器从决策树归纳学习提取CT图像的特性来获取最优分割边界。身体健康改善的观察组明显高于对照组。智能算法在这项研究中展示了高超的能力在CT图像特征提取,和紫杉醇联合氟尿嘧啶的效果优于多烯紫杉醇结合喃氟啶gimeracil oteracil钾胶囊。本研究的局限性是样本量小,和图像的分割特性不能达到100%。在后续,需要扩大样本量来加强这个研究的发现。总之,本研究的算法模型可以提供一个理论依据病变特征的提取在医疗系统CT图像。在实际应用程序中,CT扫描将影响结构的扫描对象,x射线、扫描环境,和其他因素。CT图像重建具有较高的学术价值。 In future work, more intelligent algorithms are required to elevate the accuracy of the reconstructed images.
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。