应用人工神经网络的诊断小儿支气管桥64 -多层螺旋CT切片

文摘

的目的是研究应用螺旋CT诊断的儿童气管。在这项研究中,64片的影响多层螺旋CT在诊断婴儿支气管桥是基于人工神经网络的研究。从2020年6月到2020年12月,100例儿童气管门诊的医院被选为研究对象。他们被分为实验组和对照组,每组50例。结果表明,50例在对照组中,42例发现有支气管异物8例错过;检出率为84%。有7例气管异物,15例支气管异物,对支气管异物的14例,6例支气管异物。研究小组的检出率明显高于对照组,有统计学意义( )。结论。在多层神经网络的检出率高于x射线,和基于人工神经网络的多层ct可以清晰地显示出形态、位置,气管异物和之间的关系,值得临床推广和应用。

1。介绍

支气管异物是儿童最常见的事故,排名仅次于车祸、中毒,第三个意外伤害。如果不及时诊断和治疗,它通常会危及孩子的生命。普通x线检查才能确诊间接标志,不是直接的迹象。然而,当阻塞迹象并不明显,x光检查很容易错过了诊断。由于其各向同性的特点,多层螺旋CT(多层)可以直接显示异物的横向位置,位置和大小的异物通过三维重建,提供一种快速、准确、无损检测方法(1]。

一个人工神经网络(ANN)是一种基于模仿的信息分析和处理系统的结构和功能的人类神经系统。这是一个非线性映射和自适应动态系统,是由大量简单神经元广泛互连。安的固有的并行结构、高容错性、自适应性和非线性综合推理能力为诊断疾病提供一个新的、有效的方法。目前,安被广泛用于诊断胸部疾病,包括肺栓塞、间质性肺疾病,肺癌,乳腺癌病变。然而,很少用于成像腹部疾病的诊断。

婴儿气管和支气管异物是耳鼻喉科和儿科常见的突发事件。发病通常是比较紧急的。孩子出现气喘、呼吸困难、紫、窒息、其他临床症状,甚至危及生命的严重情况。因为孩子很年轻,经常无法准确表达和提供的病史,容易漏诊和误诊。临床医生需要经常进行相关检查后治疗来帮助进一步诊断治疗。如何获得满意的临床和诊断图像同时减少剂量是我们研究的目标。通过回顾性分析某些情况下在我们的医院在最近的两年里,获得的图像质量和辐射剂量不同扫描机器和不同的扫描模式下进一步探索Xikouzi双源Flash扫描的临床价值在婴儿支气管异物的诊断2]。孩子五岁以下由于不完美的发展许多咀嚼和喉反射等功能。如果他们哭,笑,耳光,玩,吃饭时,外国对象很容易吸入气管,引起刺激性咳嗽、气短、焦虑、气喘、和精致的肤色。当外国的身体很小,临床症状轻微,有时还伴有呼吸运动改变异物的位置。阻塞性肺气肿经常发生在肺呼气阀堵塞,因为叶病变的位置不能正常排出。吸入阀阻塞发生时,外部氧气不能提供的远端肺叶。很容易导致肺部萎缩,由于缺氧阻塞性肺炎或肺不张。较大的支气管异物通常可以直接导致阻塞性肺炎或肺不张。在严重的情况下,条件是危险的,甚至窒息和死亡是可能的(3]。及时正确的诊断和治疗可以减少儿童窒息或其他并发症的风险。医生可以及时采取有效的治疗措施,减少死亡率是非常重要的。任何异物患者的忧郁症,一般主要医院经常使用x光检查,包括透视、CR、或D平民电影检查。有许多种类的异物。临床成像,异物通常分为积极的不透明的异物和消极的透明的异物。如果这是一个积极的异物,如硬币、螺丝、钥匙、金属按钮,或电池,很容易找到异物的X线。医生将决定的位置根据直觉判断异物,异物可直接删除tracheoscopic手术。如果异物是负的,x光检查往往有很大的局限性。八只能由一些间接的迹象,包括肺气肿、肺炎性病变,纵隔摆动和其他的迹象。 Mild emphysema is often difficult to be found in ordinary X-ray examinations [4]。根据一些数据,x射线诊断支气管异物诊断符合率约40 - 50%,但其价格低廉,操作方便,仍然是一个主要医院常用的筛选方法。胸部透视可以用来观察病人从多个角度和方向。它可以更方便观察一些肺部并发症,从而帮助确定是否有气道异物的可能性。独自x射线诊断率约为50%。胸部x光检查有更高的比传统的x射线诊断准确率为89%。CT是近年来发展迅速。扫描设备通常是用于我们的医院包括64 -螺旋CT切片,第二代新双源;64 - CT切片single-emission CT。这也是一个常规检查设备用于医院的急诊室。 It has the advantages of fast scanning speed and high image resolution. Dual-source CT is a relatively new device; dual-source CT has two spherical tubes that integrate two sets of 64-layer X-ray emission sources and two detectors into a single machine. This design idea has many technical advantages that single-source CT is not prepared for, and it is a milestone breakthrough in the history of CT development [5]。马等人提出了诊断人工神经network-assisted CT医学图像(6]。Mohandes等人表明,CT成像诊断具有较高的敏感性和特异性的气管和支气管异物,有高达97%的准确率,提供杰出贡献的诊断和鉴别诊断困难的情况下(7]。Binek等人表明,双源CT,新的硬件和软件技术的优势和强大的后处理功能,非常适合检查疑似儿童支气管异物取出术中(8]。总共有100儿童气管在我们医院的门诊治疗从2020年6月到2020年12月被选为研究对象由一个人工神经网络。他们被分为研究组和对照组,每组50例。结果表明,在支气管异物对照组42例和错过的诊断中被发现8例,检出率为84%。有七个气管异物,15左支气管异物,14对支气管异物,6中间支气管异物。研究小组的检出率明显高于对照组,差异具有统计学意义( )。多层的检出率高于x射线和多层ct能清楚显示形态、位置、异物和气管之间的关系,值得临床推广和应用。

2。研究方法

2.1。临床数据

总共有100儿童气管和支气管异物谁访问了我们医院的门诊部从2020年6月到2020年12月被选为研究对象。所有的孩子都被随机分为研究组和对照组,每组50例,其中包括70名男性和女性30,年龄从7个月到11年和5个月不等,平均年龄为(74.12±3.15)个月,病程在1小时到12天,平均病程4.23±2.48天。孩子们刺激性咳嗽的临床表现,不同程度的呼吸困难、发绀、和其他症状,和一些孩子也有发热、呼吸急促或哮喘。六十五名患者有明确的异物吸入史,和35个病人没有明显的异物吸入史。所有的孩子经纤维支气管镜检查或临床诊断。之间没有明显差异两组在年龄、性别、疾病和医学历史( ),表明两组具有可比性。

2.2。建立和训练的神经网络模型

本研究采用误差反向传播(BP)神经网络,这是目前广泛使用的成熟。网络由两层组成。神经网络结构如下:14个输入变量,7在隐藏层神经元和1在输出层神经元,神经元传递函数的隐层和输出层logsig函数(图1)。一百年临床儿童气管和支气管异物收集从2020年6月到2020年12月。火车函数用于生成训练神经网络。提高网络的泛化能力,即网络的能力来处理新的输入样本,训练结合进行“早期停止方法。”

2.3。观察指标

的位置、形状、大小和程度的阻塞气管和支气管异物的观察和记录。多层ct与常规x线检查和显微镜检查。

2.4。统计方法

获得的数据进行统计处理,SPSS15.0软件被用于分析。的测量数据进行了分析t以及,枚举的数据进行了分析χ²测试。 被认为是具有统计学意义。

3所示。研究成果

3.1。结果,多层

在研究小组,在支气管异物检测38例,漏诊12例,检出率为76%。有9例气管异物,16左支气管,9例支气管,和中间支气管4例。

3.2。网络训练训练程序运行后的结果

以上培训过程表明,12步的训练后,验证错误开始增加,培训结束。可以看出,验证误差和测试误差的变化趋势基本上是相同的,这表明在训练样本集的分区合理。两个训练误差曲线表明,该神经网络快速收敛和收敛误差很小,在培训过程中,和网络的训练效果很好(图2)。

3.3。比较两种检查方法的结果

基于人工神经网络的多层和抽象的多层ct检测气管和支气管异物的孩子,学习小组的检出率和对照组分别为84%和76%,分别。比较两组的结果,研究小组的检出率明显高于对照组。差异具有统计学意义( ),下表1。

3.4。种异物

支气管异物是在93年发现的100名儿童,其中包括84例植物性异物,包括花生、葵花子皮肤,玉米粒,西瓜种子和坚果。有8例nonplant异物,包括金属扣,汽笛,塑料钢笔帽,塑料玩具,鸡骨头,鱼骨头。

优惠利率,多层、胸部透视和x射线分别为100%,88.89%,和48.83%,分别。的影像学检查怀疑支气管异物,多层精度最高,和胸部透视不如胸部x光片。相互的夜晚是统计学意义( ),下表2。

人工神经network-assisted诊断模型建立在这项研究是基于多层螺旋CT成像的提取功能。这个过程是由放射科医生完成的分析和解释。极大地受到主观因素的影响,诊断结果与医生的医疗水平密切相关。然后,在如何智能地提取为进一步研究多层CT图像的特点,建立一个人工智能网络智能诊断模型对婴儿支气管的CT图像,消除各种人为因素在整个诊断过程,并获得更全面、准确、客观的诊断。改善婴儿支气管正确的诊断,尤其是早期婴儿支气管,以便更多的病人得到及时有效的治疗。

4所示。结果与讨论

的目标是探索应用螺旋CT在诊断气管的孩子。一个人工神经网络64 -片螺旋CT诊断方法在婴儿支气管桥。总共有100儿童气管的门诊医院从2020年6月到2020年12月被选为研究对象,分为实验组和对照组,每组50例。结果表明,在50例在对照组,检测42例和8例。检出率为84%。有7例气管异物,15例支气管异物,对支气管异物的14例,6例支气管异物。研究小组的检出率明显高于对照组。差异具有统计学意义( )。证明基于人工神经网络多层螺旋CT能清楚显示形态、位置,与气管异物的关系,值得临床应用。具体反映在建立婴儿支气管的CT图像的人工网络智能诊断模型,整个诊断过程是消除各种人为因素,更加全面、准确、客观的诊断,并改善婴儿支气管,特别是早期婴儿支气管正确诊断速度,所以更多的病人得到及时有效的治疗。

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。

引用

1. j .刘和杨x”,应用多层螺旋ct在诊断儿童腮腺裂畸形,”临床耳鼻喉科学杂志,34卷,不。2、146 - 149年,2020页。视图:谷歌学术搜索
2. y的歌,w .唱、y张成泽和w·荣格”应用程序的一个人工神经网络在预测捕获机制的有效性在盐碱含水层的二氧化碳封存,”国际期刊的温室气体控制,卷98,不。14日至15日,文章ID 103042, 2020。视图:出版商的网站|谷歌学术搜索
3. Luhar和i Luhar”,应用人工神经网络预测地质聚合物混凝土的抗压强度,”印度混凝土杂志,卷93,不。2、中山,2019页。视图:谷歌学术搜索
4. g . Islahuzaman r . Santoso Warsito, d . Ispriyanti和h Yasin”R-Shiny接口的开发实施反向传播神经网络模型在乳腺癌分类,“物理学杂志》:会议系列,卷1943,不。1,文章ID 012158, 2021。视图:出版商的网站|谷歌学术搜索
5. m·侯赛因j . Ren, a . Akram”分类的dos攻击与人工神经网络的无线传感器网络,”国际网络安全》杂志上,22卷,不。3、542 - 549年,2020页。视图:出版商的网站|谷歌学术搜索
6. l . l . Ma y . Wang郭et al .,“开发和验证自动检测活性肺结核的摘要多层螺旋CT图像深度学习的基础上,“x光科学与技术杂志》上,28卷,不。5,939 - 951年,2020页。视图:出版商的网站|谷歌学术搜索
7. s . r . Mohandes x张,A . Mahdiyar“全面审查在建筑物能源应用人工神经网络分析,“Neurocomputing卷。340年,55 - 75、2019页。视图:出版商的网站|谷歌学术搜索
8. m . Binek a Kanicki, p . Rozga”应用的人工神经网络测量synchrophasor指标在电力系统中,“能量,14卷,不。9篇文章ID 2570 2021。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Gengwu李等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。