文摘

这项研究旨在消除噪声在三维经阴道超声(3 d)图像和提高诊断精度在子宫内粘连(IUA)。极端学习机(ELM)算法引入首次声明。一百三十例疑似IUA患者作为研究对象。榆树算法的去噪效果进行评估的均方误差(MSE),峰值信噪比(PSNR)和运行时间,及其诊断效率IUA从精确确定,特异性和灵敏度。此外,介绍了支持向量机(SVM)算法进行比较。发现的MSE和PSNR榆树算法分别为0.0021和64.5,分别和它的平均运行时间为11.22±0.89,SVM算法和榆树算法的均方误差值分别为0.0045和0.0021,PSNR值分别为52.3和64.5,分别和SVM算法的平均运行时间为16.35±1.33,和榆树算法的平均运行时间为11.22±0.89,优于SVM算法在去噪效果。此外,榆树算法显示出优秀的不同程度的IUA患者诊断效率。总之,榆树可以有效地消除噪声,在3 d图像和IUA展示优秀的诊断效率,值得临床应用。

1。介绍

子宫内粘连(IUA)是一种常见的妇科疾病,导致损伤子宫内膜基底层的由于创伤或炎症,表现为部分或完整的子宫颈管、子宫腔粘连(1]。通常,IUA患者的子宫内膜受损,导致不同程度的纤维化在子宫内膜中,这是常见的孕妇,和后发生人工流产,流产刮宫,或产后出血和刮除术(2,3]。怀孕期间子宫壁软化,不容易控制刮除术深度。过度抓取结果在大的负压抽吸,导致IUA [4]。此外,不规则的方法扩张宫颈和重复医疗器械进入子宫的机会也会增加IUA [5]。IUA患者的主要症状包括周期性腹痛、痛经、闭经、月经不调。在严重的情况下,它可能会导致女性不孕。一些孕妇IUA可能患有异位妊娠,习惯性流产,死胎等。6,7),构成了巨大的威胁,妇女的身心健康。

目前,临床检查方法用于IUA例涉及子宫镜检查(HSC), hysterosalpingography (HSG), sonohysterography(宋惠乔)、磁共振成像(MRI),二维阴道超声波(2 d),和3 d [8,9]。其中,HSC的IUA检查是临床诊断的金标准,就是能直观地检查子宫腔的内部条件,而HSC是一个侵入性检查,和HSC考试相对比较高的成本10]。HSG集团也是一个侵入性检查,伴随着许多禁忌症和并发症。需要一段时间的女性接受HSG才可以怀孕11]。宋惠乔向子宫腔注入造影剂,显示子宫腔病变利用良好的声学子宫内膜和对比剂之间的界面。减少创伤,但宋惠乔不能清楚显示的附着力检验区域,适合简单的筛选(12]。核磁共振成像是一种新的检测方法,但其应用IUA是有限的。2 d检查可以反映IUA患者的子宫内环境在某种程度上,但成像清晰度很差和日冕部分无法获得。其诊断的准确性不完整的锁症状和轻微粘连差,和错失诊断是容易发生(13]。3 d检查弥补了不足2 d。它可以显示子宫内病变IUA病人,包括形状、大小和病变的轮廓。也表现出相对较好的检测对轻度粘连的影响。目前,3 d广泛用于非侵入性,简单,和更少的痛苦14]。

在临床实践中,漏诊和误诊可能发生在3 d中,这是由于成像精度限制或者旋转角度的限制15]。有大量的噪音,3 d图像由于未能处理斑点和噪声,在2 d图像(16]。此外,它可能会导致变形的三维图像由于临床医生的实际经验和操作水平的局限性,在一定程度上影响IUA诊断的。

2。材料和方法

2.1。研究对象

在这项研究中,138名IUA患者(年龄范围:从23岁到48岁;平均年龄:29±6.11),住院从2018年5月到2020年4月,被选为研究对象。138名患者的主要症状是不孕,月经不调,月经不调。他们都有妊娠和子宫腔操作。其中,有11个继发性不孕症患者(8.0%),12例闭经(8.7%),119名月经不调患者(86.2%),和131年流产史的患者(94.9%)。所有病人均由3 d和诊断的诊断结果进行了分析。本研究了医院医学伦理委员会的批准。病人及其家属签署知情同意表格。

入选标准:(i)患者年龄在18岁到65;(2)患者自愿参加这项研究并愿意配合医生在数据收集和健康调查;(3)的IUA疑似病例。

排除标准:(i)患者临床资料不完整;(2)患者不愿接受HSC, 2 d和3 d进行检查;(3)其他严重的妇科疾病患者;(iv)患者再次怀孕。

2.2。榆树算法

榆树是一种新的实用的单隐层前馈神经网络(SLGN)黄Guangbin教授提出的。与传统的神经网络算法相比,榆树算法不需要手动设置输入权重和不需要广义SLFN。榆树算法具有良好的泛化性能和学习速度快,可以产生唯一的最优解17]。榆树算法的实现过程如下。

假设有年代不同的样本 ,在哪里 和 ;一个SLFNC隐层节点可以表示如下: 在哪里C代表了隐层节点,代表了隐层输出的体重,代表了激活函数,代表了权向量输入数据和连接隐层节点,代表了权向量输出数据和连接隐层节点, 代表了权向量的内积,代表的抵消th隐层点,代表了th SLFN输出示例。SLFN的目标是获取最小输出误差值,即

也就是说,有 , ,和满足以下方程:

方程(3)以矩阵形式表示如下: 在哪里代表SLFN和隐层输出矩阵预期的输出矩阵,方程(5)是推断:

由于榆树算法集输入重量和隐藏层的偏见SLFN网络的隐层,然后输出矩阵H可唯一地确定。SLFNs的训练过程可以转化为解决 线性系统,然后,输出的重量可以由0。上述系统的最小二乘优化解决方案计算如下: 在哪里代表的广义逆矩阵H,然后输出样本榆树算法方程可以表示如下:

根据正交投影方法,榆树算法的参数学习方法如下:

相应的榆树输出方程可以表示如下: 或

此时对应的榆树输出方程然后表示如下:

2.3。榆树算法的去噪过程

三维超声图像的榆树去噪过程分为两个步骤:训练阶段和测试阶段。训练阶段是选择适当的激活函数,并指定SLGN的隐层节点的数量,然后根据输入超声图像算法开始训练。最后,输出重量计算和图像去噪模型建立。训练阶段是测试噪声图像根据现有的数学模型,最后完成去噪过程(18]。

假设有一个原始图像我₀自由的噪音、杂音附加图像我通过添加噪音吗我₀。嘈杂的图像我,当地的图像块的像素值我和像素微分导数提取。为每个像素x在我,x (m, n)为中心,局部图像块P_{m, n}的大小h×h是获得的。行向量p_{(m, n)}和它的大小设置为提取吗h²。对每个像素的一阶差分和二阶微分导数x,差分方程可以用来找到所有5微分值x。行向量组成的微分值表示为d (m, n)。因此,对于每个像素x,其特征向量u_{(m, n)}提取。然后得到以下方程:

的原始图像我₀,像素值我_{(m, n)}的我提取第一,设置为提取的特征向量的目标价值的嘈杂的形象吗我在(m, n)。最后,输出示例 图像的获取由榆树算法训练得到输出图像的重量,紧随其后的是建立一个数学模型的图像去噪。最后,最终的去噪图像。榆树算法去噪过程如图1。

2.4。的参数设置,3 d和榆树

所有患者参与这项研究被诊断出患有3 d。超声诊断扫描仪在这项研究中,使用三维容积探头9 evf4,三维容积探头的频率是4 - 8 MHz。经阴道超声扫描期间,病人把截石术的位置。扫描探针是避孕套覆盖和偶联剂的应用。2 d图像获得的第一个显示子宫腔形态、内膜的厚度,和矢状切面的IUA耐心,其次是三维自动成像,扫描时间设置为6∼8年代,扫描角设置为130°。3 d是仔细检查,直到达到一个完整的三维超声图像。上述超声波检查超声在妇产科专家部门。

去噪效果主要是由隐层节点的数量和类型的激活函数(19]。在超声图像去噪处理之前,MATLAB是用来确定榆树的参数算法。最后,进行了研究与隐层节点设置为120和激活函数s形的函数。

2.5。IUA诊断准确性的判断标准

IUA被分为三种类型:轻度粘连,中度粘连,严重的粘连根据先前的研究结果。轻度粘连是由子宫内膜生长不良表现。有此粘连和不连续子宫内膜(不连续范围< 25%的子宫腔长直径)。不规则的小黑暗区域观察,子宫内膜的厚度大于5毫米。中度粘连是表现为不连续子宫内膜(不连续介于25%和75%之间)。有不规则性粘连,子宫内膜的厚度是2毫米和5毫米之间,在子宫腔和分散分离而著称。严重粘连表现不连续的子宫内膜(不连续范围> 75%)。子宫内膜的厚度小于2毫米,不能区别肌肉层。有血液在子宫腔,黑暗的地区是可见的。没有子宫腔的周期性变化(20.]。

2.6。评估的诊断准确性

HSC和3 d进行138年疑似IUA病人,和HSC测试结果作为标准。榆树是评估的准确性、敏感性和特异性,并介绍了支持向量机的比较。精确的计算方程、特异性和灵敏度如下: 在哪里显示的准确性,表明特异性,表明敏感性,表示数量的IUA图像,可以准确地识别,表明nonIUA图片的数量,无法准确识别,和表明IUA图像的数量不能准确地确定。

2.7。评价去噪效果

最直观的3 d图像质量评价方法是视觉的判断,但这种主观判断方法会产生不同的判断结果,由于医生的临床经验。因此,MSE和PSNR值被用来全面判断榆树算法的去噪效果。MSE是理想的无噪声的图像之间的平均误差和基于不同去噪图像去噪算法。MSE表明小错误的去噪图像。信噪比的值反映了不同算法的去噪水平。去噪图像的PSNR值表明小噪音。MSE的计算方法和PSNR值可以表示如下: 在哪里代表,去噪图像上的像素的数量代表了理想的图像像素的灰度值,代表像素灰度值去噪图像,代表的平均像素值去噪图像。

2.8。统计数据

数据是使用Excel2019解决和处理SPSS17.0软件。测量数据计算 。的T测试是用于数据符合正态分布,用秩和测试用于数据不符合正态分布。方差分析是应用于多个组的数据比较符合正态分布。<0.05意义的标准。

3所示。结果

3.1。去噪效果的分析

HSC和3 d检查138例疑似IUA,与HSC考试结果作为标准,如图2。为了测试榆树算法的去噪性能,介绍了支持向量机算法进行比较。去噪效果如图3- - - - - -5。榆树是优于SVM算法在去噪效果。榆树算法保持图像的特征和结构更好,更清晰的图像边缘。

定量分析不同算法的去噪效果,MSE和PSNR作为定量指标。如数据所示6和7榆树算法显示,特别是降低MSE值(0.0021和0.0045)(<0.05)和更高的PSNR值(64.5和52.3)(<0.05)和支持向量机算法,表明榆树算法演示更好的过滤效果。榆树处理后的图像质量高和支持向量机。

3.2。运行时间分析

如图8,支持向量机算法的平均运行时间明显高与榆树(16.35±1.33和11.22±0.89年代)(<0.05),这表明,与支持向量机算法相比,榆树算法更有效的去噪。

3.3。诊断效果的比较

HSC考试鉴定44轻度粘连的患者,31中度粘连患者,患者和25严重粘连。基础上,进行了3 d患者计算精确,特异性和灵敏度值不同的去噪算法。如图9,图像处理时没有去噪算法,精确,特异性,灵敏度和轻度粘连患者,3 d的82.3%,81.5%,和81.9%,分别;中度粘连患者的87.7%,84.2%,和86.1%,分别;严重粘连患者的95.5%,91.2%,和91.4%,分别。如图10,当SVM算法被用来消除干扰,3 d图像,轻度粘连患者的89.4%,88.1%,和90.2%,分别;中度粘连患者的93.6%,89.6%,和91.9%,分别;严重粘连患者的96.2%,92.7%,和94.9%,分别。如图11,当榆树算法被用来消除干扰,3 d图像,轻度粘连患者的96.8%,94.4%和92.5%,分别;中度粘连患者的98.6%,94.7%,和94.2%,分别;严重粘连患者的100%,100%,和96.1%,分别显示显著差异组(<0.05)。因此,榆树算法有更高的精确,特异性和灵敏度,展示对IUA更好的诊断作用。

4所示。讨论

子宫内避孕是一种常见的妇科疾病,可导致严重损害患者的生育能力(21]。因此,早期诊断是非常重要的。3 d用于IUA测试,因为它是无创、简单,无痛。然而,在3 d图像噪声必然会有一定的影响的准确诊断IUA [22]。为了消除噪声的3 d电视图像和改善图像的准确性,榆树算法用于降噪3 d电视图像。一百三十八名疑似患者子宫内避孕器在医院被选为研究对象。HSC和3 d进行了138年的病人。以HSC诊断结果为金标准,不同的算法用于降噪,3 d图像。最小均方误差(MSE)和最大信噪比(PSNR)选择评价去噪效率,算法的运行时间是评价去噪相比效率。结果表明,与支持向量机算法相比,榆树算法的均方误差值显著下降(0.0021和0.0045)(<0.05)和PSNR值显著增加(64.5和52.3)(<0.05),这表明榆树算法具有更好的过滤效果。图像质量的处理榆树优于支持向量机处理。支持向量机算法的平均运行时间显著高于榆树算法(16.35±1.33和11.22±0.89年代)(<0.05),这表明榆树算法优于SVM算法在去噪。去噪后,诊断效果不同的IUA算法是计算从三个指标的准确性、特异性和敏感性。结果表明,IUA病人使用支持向量机算法的诊断效果或榆树算法比不去噪算法。然而,与支持向量机算法相比,榆树算法具有更高的相应指标,区别是重要的(<0.05),这表明榆树对IUA算法具有较好的诊断效果。

5。结论

在这项研究中,榆树算法应用于3 d图像的去噪和去噪效果和诊断IUA效率进行评估。发现榆树算法证明了优秀的去噪效果和去噪效率高IUA病人。榆树算法建议在3 d图像去噪改进IUA诊断的效率。然而,在研究中应该注意的一些限制。样本量小,这将减少该研究的力量。在后续,扩大样本容量是必要的加强这个研究的发现。总之,这项研究为治疗IUA提供了理论参考。

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。