文摘
这项工作旨在探索深层的应用价值上优于磁共振成像(MRI)图像识别的肺结核和肺炎,以临床识别提供了一定的参考依据。在这项研究中,30个肺结核患者和27肺炎住院患者被选为研究对象,他们被分成一个肺结核组和肺炎组。MRI检查根据降噪算法被用来观察和对比信噪比(信噪比)和载波噪声比(CNR)的图像。此外,表观扩散系数(ADC)值为肺实质病变的诊断效率进行了分析,和最好的b值被选中。结果表明,核磁共振图像去噪后深卷积神经网络(DCNN)算法清晰,肺组织的边缘是常规,炎症信号高,信噪比和中国北车比以前好,119.79和83.43和12.59和7.21,分别。核磁共振成像的准确性基于深度学习算法的诊断肺结核和肺炎明显改善(96.67%比70%、100%和62.96%)( )。增加的b价值,中国北车和信噪比的MRI图像显示下降的趋势( )。因此,发现肺结核病变的影子在一个特定的序列高于肺炎过程中确定肺结核和肺炎,这反映了深度学习的重要性MRI图像在肺结核和肺炎的鉴别诊断,从而为临床随访诊断和治疗提供参考依据。
1。介绍
肺结核是一种慢性传染病由共轭分枝杆菌引起的。疾病后,病人可能经历低烧(下午变得更糟),盗汗,疲劳,厌食,体重,女性月经紊乱等不良反应。除此之外,有咳嗽、痰咳痰、咯血、胸痛的不同程度的胸闷、呼吸道或呼吸困难。它根据不同程度的疾病和损伤的范围。肺结核的早期阶段,很难找到积极的信号在一个小范围内,和患者的冲击提出了广泛的病变与迟钝,增强演讲颤动,肺泡呼吸音低、湿罗音(1]。肺结核晚期纤维化发展和地方收缩引起胸膜崩溃和纵隔移位1]。在结核性胸膜炎患者,早期胸膜摩擦的声音。胸壁已满,打击乐是浊度和固体,语音颤抖和呼吸的声音降低或消失时形成大量胸腔积液(2]。有些病人可能不是开发疾病后感染了肺结核。当阻力降低或细胞介导过敏增加,这可能导致临床疾病。如果及时诊断和合理治疗,其中大部分是可以临床治愈,因此改善诊断技术的前提是有效的治疗肺结核的3]。
肺炎是由肺感染细菌和病毒引起的。患者的早期症状主要是咳嗽、发烧和呼吸短促。与此同时,他们可能会伴随症状,如疲劳、嗜睡,脱水,和食欲不振4]。引起的发烧,发烧的程度不同的病原体也不一致5]。重症肺炎患者症状也可能症状如胸痛、胸闷、类似于肺结核的临床表现。当两个非常相似的临床症状,他们不容易区分。因此,影像检查方法已成为鉴定的主要手段。常用的成像方法在临床检查肺部疾病主要包括胸部x光,CT平片检查。然而,它是发现胸部x光片电影在检测过程中很容易受到呼吸在临床实践中,和测量误差很大。更重要的是,计算机断层扫描(CT)检查的辐射很大,对病人有很大影响,它不适合孕妇、青少年和儿童,所以其应用受到限制6]。近年来,随着连续的磁共振成像(MRI)技术的发展,考试顺序逐渐增加。在检查肺部疾病中的应用也在上升。由于电离辐射、多参数成像和软组织分辨率更高,独特的优势在孕妇中的应用逐渐增加,青少年和儿童。在考试期间,各个结构之间有巨大差异的病人,和肺组织的变化对呼吸道的工作经常影响图像的成像结果。因此,有必要使用卷积神经网络(CNN)算法在深入学习预处理减少其他因素对研究结果的影响7]。很多研究提出,深入学习算法对医学图像的去噪有良好的影响,包括CNN算法和深度CNN (DCNN) [8- - - - - -10]。当然,取得了不错的研究成果在MRI图像的处理11,12]。
因此,本研究使用基于DCNN MRI图像去噪算法研究和分析30例肺结核患者和27例肺炎和成像的结果相比较,以评估MRI图像的应用价值识别的肺结核和肺炎,旨在为临床随访治疗提供参考依据和供应更有效的检测方法来确定肺结核和肺炎。
2。材料和方法
2.1。研究对象
30肺结核患者和27肺炎而住院的病人从2018年3月至2020年3月被选为研究对象。所有患者接受核磁共振检查的降噪算法。有17个男性和40岁女性,和病人的年龄是18 - 73岁,平均年龄为37.54±6.34年。诊断标准是指相关的诊断标准肺结核诊断标准和管理实践(13),肺炎的鉴别诊断(14]。这项研究已经得到医院医学伦理委员会批准。
入选标准包括满足以上诊断标准的患者,没有过敏有关治疗和检查药物用于治疗或检查在这项研究中,了解和签署了知情同意(他们的家人还签署了)。
排除标准包括患者结合认知障碍,可怜的合规,无法配合研究人员最近收到相关的药物治疗,并伴随着严重的肝脏和肾脏损伤。
2.2。核磁共振检测方法
每个病人与MRI检查诊断仪器,和身体与相控阵成像表面线圈。考生仰卧位,将双手放在身体两边,把身体卷前胸壁,和包装所需的扫描范围覆盖了目标区域。前后线圈的中心应该在一条直线。然后,腹部带应用于解决中等强度。在不影响主体的呼吸运动,它应该确保受试者的身体感觉更舒适的在最大的程度上,和腹部带应尽量收紧。这个病人应该指示进行了培训不少于18秒。所有序列采取深呼吸和屏息扫描,包括快速自旋回波(FSE) / t1加权成像(T1WI), FSE / T2WI序列扫描,反向恢复序列扫描反演时间短,轴向FSE / T2WI序列扫描。参数设置如下:在FSE / T1WI回波时间序列扫描是15 - 20 ms,和重复时间是470 ms;回声时间FSE / T2WI序列扫描是130 ms,和重复时间是4350 ms;回声在反向恢复时间序列扫描是20 ms,和重复时间是5635 ms; and the echo time during axis FSE/T2WI sequence scanning was 100 ms, and the repetition time was 4,475 ms. The scan slice spacing and slice thickness were both set to 5.2 mm, and some patients could undergo enhanced scanning after routine scanning. The examination range was referred to the location of the lesion on the positioning film to perform accurate lesion scanning. It took about 6–8 minutes to complete the routine scanning. The condition of the patient should be observed, and if there was any abnormality, stop immediately and give appropriate treatment.
2.3。深卷积神经网络
DCNN主要是改进的结构与传统的CNN,和其结构主要由输入层、卷积层,激活函数,另一个处理层和输出层。图1显示了具体的结构图。
第一部分是输入层。这一层的主要功能是输入数据。这一层的优点是保留输入图像的结构信息。
第二部分是卷积层,利用卷积内核处理样本的输入样本和提取信息。然而,卷积核的变化是与网络结构的深度有关,而样本信息的提取与卷积的深度层位置。更多的功能需要提取,扭曲的显示。具体表达式如下。
首先,应提取和统计噪声特性,噪声和近似模型表示如下:
在方程(1),QL1指的是图层1的输入样本信息,◎指的是卷积层的操作方法,xl指卷积的层数层,杰指的是输入偏差和Ql指卷积的示例输出信息的图层1层。
第三部分是激活功能,这是最关键的DCNN结构的一部分,可以引入非线性操作整个模型。激活功能是其他线性操作,添加深度网络和网络的表达的基础。网络的传播方向发生了改变。当它显示反向传播,梯度导数通过将不同于激活函数的变化。DCNN结构,其具体操作表达式如下:
第四部分是其他处理层,包括池层和完整的连接层。汇聚层的主要功能是删除冗余信息,减少特征映射,从而进一步减少计算量,因此图像的基本信息仍然在原来的地方。它还可以帮助网络模型来防止它太健康。目前,池层是窗口的主要操作区域不重叠。一旦池,它意味着集中区域在相邻位置重叠。另一个现象,称为金字塔池,使卷积图像在不同尺度的特征在同一维度。然而,完全连接层通常属于层最参数,因为每个节点层与上层的所有节点,这是完全连接。
第五部分是输出层,采用Softmax直接转换和输出完全连接到每个类的概率分布值。
在整个培训过程中,每一轮的损失由以前的传播和损失函数计算,然后向后传播损失函数继续传播。然而,在适当的优化,可以有效地减少损失,如减少随机梯度,减少和更新参数,等等。换句话说,损失函数对整个网络,具有重要的指导意义,它有一个很大的影响最终的学习结果的质量。
2.4。图像处理
利用上述模型,获得测试图像自动传播到西门子后处理工作站进行降噪处理。ADC图像合成与不同3核磁共振图像b值,直接和ADC值测量。
图像的阈值分为两部分(前景和背景),和灰色的两者之间的区别是尽可能地扩大。对于一个图像y(x,y)的大小l∗n,初始阈值设置为R像素级的像素数量y1的灰度低于阈值被设定n1和像素的数量高于阈值被设定n2,它需要保证n1+n2=l∗n,两个像素的比例必须满足一个+b= 1:
平均灰度对应两个部分如下:
在前面的方程, 代表像素值,平均灰度值z整个图像可以计算:
核磁共振图像的信噪比不同b值相比,固体肺部病灶的ADC值的诊断疗效进行了分析选择最好的b价值。核磁共振图像的观察和测量进行了成像部门的高级医师2名。如果有不同的判断结果,交给第三个医生协助解决方案相同的水平。
2.5。统计方法
测试数据处理使用SPSS19.0统计软件,和测量数据被表示为平均值±标准偏差(±年代)。比较每组是由之间的手段t以及。计数数据被表示为百分数(%),和χ2测试采用。此外, 表明,在统计学上的区别很大。
3所示。结果
3.1。核磁共振成像结果基于深度学习算法
图2是肺炎的MRI图像,这表明之前的图像降噪过程是模糊的,支气管和肺组织不能明确区分。核磁共振图像降噪算法清晰后,和肺组织也更清晰。边缘是常规和炎症信号高。图3显示了降噪的评价结果。信噪比(信噪比)和载波噪声比(CNR)的MRI图像降噪后明显比前处理(119.79 vs 83.43, 12.59和7.21)( ),表明图像降噪算法是有效的。图4显示了降噪过程中,这意味着降噪算法可以减少原始图像的噪声。
(一)
(b)
3.2。比较所有患者的基线数据
表1之间的基本数据表明无统计差异肺结核组和肺炎组( )。
3.3。核磁共振成像结果的病人
图5是一个结合的图像球体上叶的肺。有钙化病变,与卫星病灶周围和径向。medium-signal ADC显示病变,病变的高信号。图6表明炎性病变的肺上叶。可以观察到一个椭圆软组织密度影,带有条纹的影子。病变是一个高信号影,本级ADC图像显示低信号影。表2表明,核磁共振成像的准确性基于深度学习算法的诊断肺结核和肺炎(96.67%比70%,100%比62.96%)显著提高( )。
3.4。比较不同的信噪比和中国北车的MRI图像b值
图7显示了中国北车和MRI图像的信噪比不同b值。当b= 0,中国北车和信噪比分别为10.44和14.29,分别。当b= 500,中国北车和信噪比分别为6.23和8.95,分别。当b= 800,中国北车和信噪比是3.12和5.03,分别。它表明,随着b值的增加,中国北车和信噪比的MRI图像显示下降趋势和数据具有统计上的显著差异( )。
4所示。讨论
近年来,肺部疾病的患病率逐渐增加,结核病已经倾向于reflame,肺炎也成为一个高度传染性疾病,需要密切关注预防和控制(15- - - - - -17]。研究表明,肺结核是一种高传染性慢性肺部疾病(18,19]。在临床工作中,肺结核是很难区分,因为它类似肺炎的临床表现和病理变化,特别是在疾病的早期阶段,它经常被误诊,导致延误治疗(20.]。在这项研究中,深入学习的应用价值MRI图像的识别和应用探讨肺结核和肺炎,为了提供更多的考试方法为临床识别和提供支持的基础上的应用效果。
一些研究人员采用MRI的诊断肺结核和肺炎,发现入侵和增生性肺炎目前考试中信号序列,有腔的低信号,信号在结核瘤大多是不均匀的21,22]。在这项研究中,人们发现钙化病变的观察结合球面成像图像的肺上叶,和他们周围的卫星病灶,径向。然后,ADC意味着病变中信号,一些病变高信号。椭圆软组织密度影上肺部炎性病变都可以看到一个乐队的影子,病变高信号影,和相应的ADC图像层显示低信号影。因此,可以得出结论:肺结核病变的信号和信号的肺炎合并高核磁共振检查的顺序,这是类似于先前的研究人员的研究成果23]。
此外,降噪算法的深入学习,为了提高MRI检查的准确性。结果,发现MRI图像降噪处理算法是清晰,边缘与正常肺组织炎症和更高的信号。中国北车和信噪比都高,表明原始图像降噪和校正后良好的成像效果。而et al。24]提出DCNN方法显示较高的脆弱性解剖变异,更在此方法中,异常值观察。霍et al。25还提议,MRI图像处理的DCNN方法更精确的检测脾疾病。此外,在这项研究中得出结论,认为MRI的准确性基于深度学习算法的诊断肺结核和肺炎(96.67%比70%,100%比62.96%)明显改善( )。DCNN算法表现出良好的效果在MRI图像的处理,有很高的临床应用价值,大量的研究结果是一致的(26,27]。
5。结论
基于深度学习降噪处理算法,建立了模型并应用于核磁共振成像结果。在识别的过程中肺结核和肺炎,肺结核病变的影子在一个特定的序列高于肺炎。这反映出深的重要性上优于MRI图像的鉴别诊断肺结核和肺炎。这项研究的结果可以为临床随访诊断和治疗提供参考。然而,这项研究的缺点是它未能使MRI图像的显示效果更详细,比如不同的显示效果两种疾病在每个扫描的MRI序列,它将在未来进一步研究的工作。总之,核磁共振图像基于深度学习可以有效地识别肺结核和肺炎的病理变化,从而为临床鉴别提供参考。也间接表明,未来的发展前景深学习算法在医学影像领域是相当大的,他们值得临床应用与推广。
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。