文摘

客观的。这项研究是调查的影响磁共振成像技术(MRI)分析基于神经网络算法颈结扎治疗宫颈机能不全。方法。44个病人怀疑是怀着宫颈机能不全,需要选择颈结扎。颈先生成像分析之前进行结扎。图像先生分析了基于反向传播神经网络(摘要)算法,和病人被随机分为实验组和对照组。实验组术前MRI分析,而简单的经阴道超声是诊断宫颈机能不全的对照组。胎儿保护时间,然后,术后阴道出血率、感染率和手术后一周内两组之间的比较。结果。根据经验和实验测试,相关的参数设置如下。粒子的数量n= 50,惯性权重ω= 0.9,c1 =c2 = 2。的体重范围的输出层神经网络(−1,1),目标误差e= 10−5和迭代步骤的最大数量是3000。与对照组相比,实验组的术后出血率和感染的概率大大降低,而正常的交付率大幅增加( )。结论。基于神经网络算法的图像分析先生在宫颈环扎术手术发挥了重要作用。清晰地图像地图显示局部解剖,提高操作的成功率和改善病人的预后。

1。介绍

宫颈机能不全也称为子宫颈闭锁和宫颈松弛。宫颈机能不全患者减少了宫颈纤维组织、弹性纤维、平滑肌和其他组织。或者,地峡的括约肌的功能可能减少由于宫颈纤维组织的断裂,导致病态膨胀或松弛的宫颈口1- - - - - -3]。患者宫颈机能不全、无痛的宫颈扩张的临床状况观察之前怀孕后的第一个月是最容易导致流产在0.1 - -2%4]。20 - 25%的妊娠中断是由于宫颈机能不全。因此,宫颈癌的治疗得到了越来越多的关注(5]。宫颈结扎前,宫颈机能不全的治疗主要是通过颈部瘢痕组织的形成或机械支撑的位置周围加强子宫颈(6]。颈结扎是目前唯一方法和有效手段治疗宫颈癌子宫(7]。宫颈环扎术是加强子宫颈管的张力尽可能防止子宫下段的延伸和扩张宫颈口,以协助宫颈口轴承胎儿的重力和在怀孕后期胎儿附属物。颈剖腹手术结扎只适用于病人需要在怀孕中期宫颈结扎。近年来,腹腔镜子宫结扎变得越来越受欢迎,腹腔镜外科技术正在取代传统的妇科剖腹手术。宫颈环扎术治疗宫颈无能方面取得了举世瞩目的成就,已成为宫颈癌患者的最佳选择无能。

核磁共振是一个怀孕期间检查宫颈机能不全的方法,通常用于复杂的情况下,有限的超声检查和术前评估中扮演一个重要的互补作用[8]。人工智能的快速发展,算法逐渐应用于先生的现场图片。近年来,摘要算法和支持向量机(SVM)算法结合图像特征分析。支持向量机是一种新的机器学习方法提出Vapnik et al。9]。由于其出色的学习性能,它已成为机器学习领域的一个研究热点,已成功地应用在许多领域,如人脸识别,人脸识别、手写数字识别,文本自动分类(10,11]。总之,传统宫颈机能不全的,图像的特点在怀孕期间不典型,有困难在疾病的诊断和治疗12]。此外,误诊和漏诊将发生在诊断和治疗过程。与人工智能和神经网络算法的不断发展,新方法已经发展为分析宫颈机能不全的怀孕(13]。

基于上述原因,本研究开发了基于神经网络算法,图像分析宫颈机能不全的怀孕,这旨在提高宫颈机能不全的诊断和治疗的成功率在怀孕。这是希望提供依据成像分析和自动诊断宫颈机能不全。

2。方法

2.1。研究对象
2.1.1。一般信息

共有44宫颈机能不全患者在医院从2018年12月到2020年4月被选中。有28初产的孕妇和16个产妇24岁至38年。妊娠12岁+ 4至26日+ 3周。所有受试者随机滚到实验组和对照组,每组22人。实验组患者经B超诊断,接受宫颈割礼后盆腔MRI检查。而对照组的患者经B超音波,颈和包皮环切直接执行。这项研究已经被医院的伦理委员会批准,所有患者签署知情同意。

2.1.2。包含和排除标准

入选标准如下:患者年龄超过18岁,被诊断为宫颈机能不全的诊断标准及患者签署知情同意、批准和本研究的伦理委员会和管理医院。

排除标准如下:比18岁年轻患者,患者与其他生殖系统或无法接受颈椎结扎,病人不配合检查,患者和不完整的数据。

2.1.3。宫颈机能不全的诊断标准

(a)在怀孕中期,当没有明显的收缩,输卵管的宽度来衡量经阴道超声是大于0.6厘米。(b)内部宫颈口的宽度大于1.5厘米。(c)子宫颈的长度小于2.5厘米,和子宫颈的长度超过3厘米是正常的。长度小于2厘米表示大幅缩短了子宫颈,表明可能流产或早产。(d)是否存在可见的羊膜囊血管的子宫颈,有或没有胚胎,被诊断出基于上述两个标准。

2.2。检验方法

采用3.0 T磁共振成像设备。没有必要清洗结肠,也没有对象可以被放置在直肠或阴道检查。患者仰卧位,从入口骨盆的耻骨联合扫描。使用生成的序列图像的涡轮旋转回声(谢霆锋),T1WI和T2WI。成像方位包括水平、矢状面和冠状的位置。水平轴点TSE-T1WI脂肪参数TR / TE 21 = 500 ms / ms,重建矩阵320×256,FOV 220×220毫米,厚度3毫米,层间隔0.6毫米,层数为30,NEX1。TSE-T1WI序列参数水平轴的TR / TE 21 = 500 ms / ms,重建矩阵320×256,FOV 220×220毫米,厚度3毫米,层间距为0.6 mm,层数为30,Nex1。斜轴位置TSE-T2WI序列参数TR / TE = 5000 ms / 91 ms,重建矩阵320×256,220×220毫米的视场,层厚度3毫米,层间距为0.6 mm,层数为30,NEX 1。TSE-T2WI系列参数TR / TE = 4270 ms / 97 ms,重建矩阵448×358,200×200毫米的视场,层厚度3毫米,层间距0.6毫米,25层数,NEX 1。

2.3。MR图像分析基于神经网络算法

图像分析先生基于BP神经网络算法如下。先生的评价图像基于神经网络算法,神经网络算法必须经过以下步骤。首先是初始化网络。神经网络的输入和输出是由一系列的输入节点指定为(X,Y)。根据这些输入节点的数量,输入层的节点数,隐藏层和输出层的网络决定。然后,连续值和阈值的初始化,连续的重量ωij输入层和神经层之间建立了隐层,隐层的阈值和输出层一个和B,分别。最后,令人兴奋的神经元的功能f(x)和学习速度η神经网络的计算。

根据输入变量X在神经网络中,连续的重量ωij在输入层和隐层之间,阈值α隐层的输出H隐藏层。

在上面的方程中,f隐层的激活函数,l是在隐层节点的数目。有许多形式表达激发函数,包括以下。

根据输出H在前一步中计算隐层,隐层是绑定到输出值的连续的重量ωjk和阈值b和预测的输出O32神经网络。

输出值Y在神经网络和网络输出值O上一步获得的用于计算预测误差e。

连接权值ωij和ωjk根据预测的神经网络计算值e神经网络。

这是判断算法迭代结束条件是否满足,如果没有,回到第二步。

支持向量机是一种前馈神经网络,它可以让两个样本之间的距离最长两岸的飞机从飞机上最短的距离。多才多艺、健壮性和简单的计算都是支持向量机的优点,和他们也有理论的完善和有效性的特点。构建支持向量机的关键神经网络算法之间的内积的内核是“支持向量”x(我)和向量x从输入空间中提取。内核函数的类型包括如下:

C-SVC模型是一种相对常见的两分的支持向量机模型,及其具体表现如下。

合适的核函数K(x,x我)和适当的参数C选择构建和解决优化问题。

2.4。操作

经过一系列的术前准备,预防宫颈结扎。诊断需要之前或在怀孕期间是不完整的,没有明显的宫颈扩张或堕胎警告怀孕期间。病人的术前评估的一般条件下,圆形的颈结扎的小腹是适合那些不能结扎通过阴道。因为他们没有输卵管切除术(如宫颈缩短、广泛子宫切除,颈部瘢痕)。其中27个病人接受经阴道的颈割礼,颈和15例病人接受了结论:包皮环切术。

阴道输精管切除术后,一个典型的脖子上绷带。腰椎麻醉与硬膜外麻醉应用相结合。身体部分膀胱手术部分。碘载体用于充分消毒外阴,阴道和子宫颈。宫颈阴道钩用于完全暴露和后圆顶。膀胱经络组织撕裂时,子宫颈和膀胱被撕裂在逆转。双链的线程(10号),开始在11点钟的子宫颈和经历大约三分之二的肌肉层。厚度是0.5厘米- 0.8厘米宽,应该避免和粘膜。0.2厘米- 0.3厘米橡皮管是穿上针被释放后,宫颈缝合1,5,8点钟。然后,子宫颈的针出去1点钟方向,和紧张在子宫颈11点钟方向调整,打结在阴道前穹窿。

麻醉用于腹腔镜颈结扎是全身麻醉。病人仰卧在手术台上操作。四套管针被放在小腹上,两侧的肚脐,然后通过腹腔镜操作,一个操作设备。首先,膀胱被打开的翻转,膀胱被轻轻的推开,缝合与Mersilene挺直了乐队。有针两端的Mersilene带,和针两端通过从后侧面子宫阔韧带和前通过颈交界处和骶韧带,在没有血管。鉴于子宫在怀孕中期相对较大,患者倾斜到另一边时,一边接受了手术治疗。通过这种方式,手术视野和操作范围扩大,和一些不必要的伤害是可以避免的。的最后程序,检查如果Mersilene乐队是在正确的地方,是内部的子宫颈管。然后,它是必要的,以检查是否有输卵管,卵巢,在环系带和其他组织。确认后,环系调整子宫的前面,与坚定的四倍多。

2.5。观察指标

术后观察条件,包括胎儿保存时间、术后阴道出血手术后一周内,胎膜早破,感染率。这是检查是否流产发生在手术后和周交货的数量对于那些没有流产。新生儿的体重测量在出生后一分钟。

2.6。统计分析

在这项研究中,使用SPSS 22.0进行数据处理。测量数据被表示为平均值±标准偏差,和计数数据被表示为%。两组患者的通用数据可比性,也没有显著差异, 。 表明在统计学上也相当大。

3所示。结果

3.1。图像分析结果基于摘要算法

摘要利用结构的中间层单隐层采用乙状结肠函数作为传递函数和线性传递函数作为输出层。如果是在一个隐层神经元的数量,通常是选择自动调整方法,如短轴网络的隐层神经元的数量2 - 8和长轴之间的2到5神经元隐层。因为采用BP算法收敛速度,当地的拟合方法通常选择完成实验训练神经网络。自从全球配件需要七个小时以上,这是很少使用。宫颈机能不全的形象在怀孕期间如图1。


图1
先生在怀孕期间宫颈机能不全的图像基于摘要算法。

四个算法摘要PSO-BPNN APSO-BPNN, PIPSO-BPNN被用来进行一系列的分类在MATLAB7.0环境中模拟。根据经验和实验测试,相关的参数设置如下:粒子的数量n= 50,惯性权重ω= 0.9,c1 =c2 = 2。的体重范围的输出层神经网络(−1,1),目标误差e= 10−5和迭代步骤的最大数量是3000。三倍交叉验证方法用于选择训练样本和测试样本。在分类之前,信噪比是用来减少数据集的属性的维度。尺寸和分类错误率之间的关系见图2。


图2
维度之间的关系和分类错误率的四个算法。

四种算法的平均分类精度比马三种类型的数据集,wdbc,平衡见表1,算法的迭代次数和BP三种类型的数据集上的四个算法见表2。

表1
平均分类精度的四个算法。
表2
算法的迭代次数和基点。
3.2。MR图像分析基于支持向量机神经网络算法

测试数据的时间节点t= 6、8、9、12和17个LV模拟器生成的用于比较实验。采样时间的时间节点包含6 - 12。其余non-sampling时间。宫颈机能不全的形象在怀孕期间如图3。


图3
先生在怀孕期间宫颈机能不全的图像基于支持向量机神经网络算法。

全球位移场拟合方法C= 4,γ= 0.2没有边缘点被选为拟合方法。条件设置为停止牛顿迭代时,两个迭代的结果之间的差异小于阈值ε,一般情况下,ε= 10−4。三牛顿迭代之后,一般达到停止条件,表明设计的计算模型有很好的收敛性。实验结果用SVM如表所示3。

表3
基于支持向量机的变形计算结果。

显然,无论均方误差(mse)xmse -y和mse -z)或最大位移预测误差(err -x犯错,y,呃,z),利用上海大众取得了较好的实验结果。均方误差低于0.08厘米,甚至一些均方误差的10−3。因此,它是成功的、可行的和令人满意的使用支持向量机方法来计算怀孕期间宫颈机能不全。与一些外国变形计算方法相比,误差一般是0.06 - -0.09厘米,所以SVW-based方法仍然是有效的。

3.3。保存后宫颈环扎术

两组患者经阴道宫颈环扎术或腹腔镜颈结扎后,实验组的平均术后胎儿保护时间为(8.9±3.8)天,和对照组平均术后胎儿保护时间为(7.8±5.1)天。术后两组患者的胎儿保存时间比较,在统计学上也相当大, (图4)。


图4
比较两组术后胎儿之间保存时间。请注意。 ∗显示显著差异, 。
3.4。手术后一周内阴道出血率

有22名患者在实验组中,7例患者术后出血,出血率为31.8%。对照组,有22位患者和9例(40.9%)术后出血。手术后一周内阴道出血率的两组患者比较,在统计学上也相当大, (图5(一个))。在七个实验组患者出血,4名患者有出血的体积不超过300毫升,两名患者出血的500毫升,和一个病人出血800毫升的体积。5例在对照组,流血量少于300毫升,3例患者有出血500毫升,和一个病人出血的体积超过800毫升,如图5 (b)。

(一)
(一)
(b)
(b)
图5
(一)出血率的比较两组之间的后一个星期内操作。请注意。 显示显著差异, 。(b)的出血体积两组病人手术后一周内。
3.5。感染的发生率

后两组患者接受腹腔镜宫颈阴道宫颈环扎术或结扎,六名病人在实验组发达手术后感染,胎膜早破的发生率是27.3%。共有七个病人在对照组,胎膜早破和早产胎膜破裂率为31.2%。在统计学上也相当大, ,如图6。


图6
两组术后感染的概率。请注意。 显示显著差异, 。
3.6。术后妊娠结果

总共有22名患者在实验组中,周交货的数量是32.4±4.3孕周,15岁和2例晚期堕胎+ 4-21年+ 2孕周。两名患者在29日提前交付+ 4和31+ 6孕周分别和18名患者在37岁+ 2-38年+ 6孕周。在对照组,周交货的数量是31.9±5.7孕周,15岁和4患者晚期流产+ 5-22年+ 5孕周。3例在31日早产+ 4,29岁+ 6,30+ 4孕周分别在37岁和13个病人正常交付+ 2-38年+ 5孕周,如图7。实验组的正常交付率为81.2%,与对照组是59.1%。两组术后妊娠结局的比较,在统计学上也相当大, 。两组患者的术后妊娠结果如图7。


图7
比较两组之间的术后妊娠结局(堕胎在妊娠晚期,B:早产,和C:正常交货)。请注意。 显示显著差异, 。

4所示。讨论

宫颈机能不全的原因之一是复发性流产和早产妊娠后期,约占15%的复发性流产怀孕中期(14]。由于这种庞大的数据,人们逐渐关注这些宫颈机能不全的疾病。尽管这种疾病的病理机制尚不清楚,公认的原因包括先天性子宫畸形,获得劳动感应历史,妇科炎症,宫颈手术史。所有这些会导致颈括约肌功能的逐渐丧失的地峡,最终成为病态的颈椎放松(8]。宫颈结扎的机理主要是增加子宫颈管的张力,防止宫颈的扩张,子宫下部的扩展,和手术可以帮助宫颈分享一些胎儿带来的压力负荷(15]。

在这项研究中,摘要是创新应用于颈椎的核磁共振成像检测函数前颈结扎,和MRI图像基于摘要算法的有效性治疗颈椎无能进行了分析。首先,初始化网络,神经网络,输出是形成一个序列。连续权重和阈值的初始化后,神经元激发函数f(x)和学习速率η的神经网络有16]。神经网络,支持向量机算法来分析图像,先生和支持向量之间的内积的内核x(我)和向量x从输入空间中提取了。核函数后,合适的核函数K(x,x我)和适当的参数C被选来构建和解决优化问题。从神经网络拟合实验结果,发现没有训练数据中的边缘点,和测试点并不包括在顶部和底部的测试数据。一般来说,一个小均方误差。摘要,PSO-BPNN APSO-BPNN, PIPSO-BPNN采用进行一系列的分类模拟在MATLAB 7.0环境。根据经验和实验测试,相关的参数设置如下:粒子的数量n= 50,惯性权重ω= 0.9,c1 =c2 = 2。的体重范围的输出层神经网络(−1,1),目标错误e=纯,和迭代步骤的最大数量是300017]。摘要算法克服了传统算法的局部最小值和收敛速度慢的问题,但没有统一的理论指导的选择摘要结构,只能依靠经验。如果网络结构太大,训练效率不高,而且可能有一个过度拟合现象,导致网络性能低,减少了容错。如果结构太小,网络可能不收敛。网络的结构直接影响网络的逼近能力和泛化。因此,如何选择合适的网络结构中的应用是一个重要的问题。一句话,核磁共振成像基于摘要算法在这项研究清楚地表明,局部解剖结构,提高了手术的成功率和患者的预后。

颈结扎主要是通过加强宫颈管的张力实现抑制子宫下段的延伸和扩张宫颈口。颈结扎还可以帮助宫颈承担负载怀孕后期胎儿增长在一定程度上(18]。虽然宫颈结扎是一种最有效的方法被大多数临床医生治疗宫颈机能不全的,没有统一的标准颈结扎治疗宫颈机能不全(19,20.]。结果表明,颈结扎在怀孕期间能有效治疗宫颈机能不全。布朗et al。21)表明,孕妇宫颈机能不全的典型症状,紧急宫颈结扎的疗效优于传统的保守治疗。这是符合这项研究的结果。我们的研究结果表明,预防和紧急宫颈结扎可以延长孕龄,改善妊娠结局。

5。结论

在这项研究中,摘要算法和PSO-SVM算法被用来分析宫颈机能不全患者的MRI图像特征在怀孕期间。然后,比较两个神经算法评估MRI图像特性的治疗效果。提出的算法有很高的连续性和可靠性,也有良好的分类性能,提高妊娠期宫颈机能不全的诊断准确性。该算法不仅大大提高了分割效率和减少大量的手动重复操作,还可以帮助临床医生在其他子宫疾病的临床辅助诊断,这是很高的理论和实践意义。本研究的缺点是,它是发现,训练数据不包含边缘点和测试数据不包含顶部和底部测试点从神经网络拟合的比较实验结果,一般来说,小均方误差。它可能是由于神经网络算法本身的缺点,常常无法得到全局最优解,但只能得到局部最优解。因此,建议排除边缘点时神经网络用于当地合适的后续研究。在这项研究中存在的问题需要进一步改进的后续工作。

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

Yongjuan刘和Yongpan Tan的贡献同样这项工作。