文摘
本研究的目的是探讨CT血管造影(CTA)的临床价值由分割处理图像去噪技术基于深卷积神经网络算法在腹主动脉瘤(AAA)的诊断和检测疾病的变化。共有98名患者AAA破裂进行回顾性选择作为研究对象。患者分组根据CTA图像是否优化,接受人工智能分割和图像去噪被设置为观察组和CTA图像没有优化设置为对照组。CTA图像的检测和诊断影响治疗前后比较。手术结果作为标准分析诊断效果,AAA的最大直径测量结果和管腔内的血栓的比例结果(ILT)进行了比较。虽然诊断的敏感性和准确性在观察组(97.73%和94.9%)高于对照组(95.45%,92.86%),无显著统计学意义( )。当AAA的直径不小于5厘米,所有结果表明,管腔内的血栓的覆盖率百分比(ILT)超过50%。当AAA的直径小于5厘米,只有55.56%的结果表明,ILT覆盖率超过50%的比例,有相当大的差异( )。根据研究结果,发现有一个关系血栓的报道腹部主动脉壁和AAA的增长率。深卷积神经网络算法对CTA的治疗有一定的影响,但不明显。然而,CTA对AAA有更好的临床诊断效果。
1。介绍
腹主动脉瘤(AAA)是一种常见的动脉瘤。主要由外部扩张的冲动造成的受损的动脉壁血流量(1,2]。疾病在老年人中非常普遍,其中男性和女性之间的发病率比4:1 - 6:1,将50岁后逐渐增加的发病率3]。据临床统计,AAA在普通人群的发病率相对较低。在其他老年人患有动脉粥样硬化疾病和高血压,AAA发生率高,但偶尔发生在年轻人4- - - - - -6]。随着病情的发展,大约有80%的病人死亡的风险随着肿瘤的增大和破裂。即使手术修复,死亡的概率是50%7,8]。患者AAA直径不少于5厘米或加速肿瘤体积的增加在很短的时间内应该接受干预治疗。此外,AAA血管直径3 - 5厘米的患者需要定期监测和风险评估9- - - - - -11]。目前,主要的技术用于诊断AAA是计算机断层扫描血管造影(CTA)。CTA,结合CT增强技术与薄片,宽领域,和快速扫描技术,清楚显示身体的不同部位的血管细节通过合理的后处理。非侵入性的特点,操作简单,具有重要应用价值的检测血管变异,血管疾病,损伤和血管之间的关系。它具有较高的空间分辨率和图像质量好;然而,由于医疗成像技术的影响,对比剂测量、扫描时间,和其他因素,图像仍然有噪音污染,导致图像细节不能清楚地显示(12]。此外,随着临床数据的增加,将会有某些错误和低再现性疾病评估仅仅依靠医生的经验(13]。
然而,随着人工智能(AI)技术的迅速发展,如机器学习,深入学习取得了很大的突破语音识别,图像识别等领域,并密切结合医疗行业(14]。特别是,它占有重要位置在医学成像领域的应用。深度学习在医学图像分割中扮演着关键角色(15]。图像分割是医学图像分析的基础和关键步骤,3 d重建、剂量计算,等,和分割效果直接影响后续的分析和诊断(16]。因此,深入学习算法应具有良好的性能。研究发现,卷积神经网络算法有很好的应用效果在医学图像分割和噪声去除(17]。同时,它也是建议传统卷积神经网络算法会导致培训效率的降低训练参数的数量大时,常常忽视底层的低层次的语义信息,和分割、去噪的效果也将减少18,19]。因此,深卷积神经网络算法,采用本地连接和参数的方式共享。与传统的神经网络相比,大大减少了网络参数和网络维护的深度,因此,该模型具有良好的泛化能力20.]。
在这项研究中,深卷积神经网络算法来分割和CTA图像降噪的AAA病人,然后应用到AAA级患者的诊断和检测疾病进展,以评价该技术的临床应用价值在AAA。希望提供理想的监视手段减少AAA的死亡率,提高治愈率。
2。方法
2.1。研究对象
在这项研究中,98例回顾性选择破裂AAA医院从2019年8月到2021年4月作为研究对象,其中有80名男性和18个女性,平均年龄为(66.3±14.7)岁。采用深卷积神经网络算法分割和降噪CTA图像期间所有患者的治疗。处理过的图像设置为观察组,比较和分析检验结果的CTA图像前处理(设置为对照组)。这项研究已经得到医院伦理委员会的批准。
入选标准如下:(一)所有选中的病人超过40岁和80岁以下;(b)患者保持CTA图像;和(c)超声或CT诊断表明,在肾下腹主动脉的直径不小于3厘米。
排除标准如下:恶性肿瘤患者(a),其他严重心血管疾病、传染病被排除在外;(b)接受治疗的患者口服抗凝血剂或类固醇被排除在外;(c)最近的外科历史和急性血栓性疾病患者在三个月内被排除在外。
2.2。CTA图像优化模型基于深卷积神经网络算法
在这项研究中,利用卷积神经网络算法建立细分和去噪模型,如下所示。
首先,CTA图像的分割。
JFCM算法用于过滤功能特性映射筛查。在这个过程中,预先分级筛选是提高分类结果的准确性。标准的选择下列公式所示: (在哪里我,我)是功能图和的位置是像素的标志吗pij。
卷积层是设置为e,然后超声检测图像的特征映射的输入e−1层,也就是表示如下: 在哪里卷积核,是偏见,b是地图的数量特征。
提高表达能力的数据特点在网络计算的过程中,一些专家提出了非线性激活函数。在这项研究中,比较常见和快速ReLu函数作为激活函数,用公式表达(2),其相应的微分函数表示如下:
据推测H是胎儿的中枢神经系统的超声图像,图像中所有的像素H表达的是T和收集表单( )。图像的一部分,需要识别和优化为代表U,表示为 ,然后相应的概率输出的像素jth通道如下: 在哪里的值是 ,E正则化项,预测价值获得的表示为 ,其相应的损失函数表示如下:
批正常化(BN)是优化神经网络的方法之一,它可以降低学习的难度,减少运行时间在模型训练。这种方法预处理前一步提前在处理每一层和标准化数据,在本研究采用改进算法基于深卷积神经网络算法。
BN的表达如下: 在哪里每组样本的平均值吗和方差,但仍有一些问题的表达公式(5),所以新参数和引入上述公式。
的表达公式(6新BN)如下:
BN属于一个层,通常是放在前面的基础层辊和激活函数。
分割过程如图1。
接下来,进行了去噪处理。人们猜测的CTA图像分割AAA病人 ,图像没有噪音 ,和图像噪声 。
一个图像块与一个像素中心j和一个面积 定义,z近似的块被发现在图像吗 。一个矩阵的 如以下公式定义为连接的列向量的近似并提出 。
方程(10)表示如下:
自适应中值滤波算法用于噪声数据进行预处理,然后相应的矩阵的无噪声的图像是通过解决最小化问题,最后重叠矩阵合并获得无噪声的MRI图像。
去噪过程如图2。
本研究回顾性分析,所以没有必要再进行CTA检查。只有需要从计算机系统收集CTA图像,然后处理它们分割和去噪技术。最后,综述了图像理解疾病的发展。根据患者的院前检查的天数肿瘤破裂,CTA图像在三个时间点选择的研究和分析,也就是说,在入学之前,破裂的前一天,中间时间前一天(MT)入学前一天破裂。
2.3。观察指标
(我)外科诊断的结果作为金标准,和AAA的诊断结果的准确性CTA图像观察组和对照组之间相比之前住院治疗。(2)AAA的最大直径的两组图像测量破裂,前两个月和5厘米的限制是比较测量结果在两组之间的差异图像。(3)管腔内的血栓(ILT)被发现在大多数AAA病人及其形态分布是不同的。许多研究表明,教师扮演着一个重要的角色在AAA的发展。因此,教师是在这项研究中观察到。在研究过程中,AAA级教师根据其覆盖率百分比分为四个部分:0 - 25%,25%,-50%,-75%,50%和75 - 100%。AAA直径分为两组,5厘米的极限:< 5厘米和≥5厘米(需要干预)和两组教师的特点进行了分析。2.4。统计方法
SPSS 22.0被用于数据输入,排序和统计分析。数比较的数据χ2测试。的测量数据进行了比较t以及。方差分析(方差分析)是用于对多个样本均值进行比较,LSD法被用于方差的同质性,和Dunnett T3方法用于异构性的差异。 统计上的显著差异。
3所示。结果
3.1。通用数据统计的病人
这项研究的98名受试者的平均年龄为66.3岁,年龄在48到78年。有3例(3.06%)在40 - 49岁之间,16例(16.33%)在50到59岁,23例(23.47%)60到69岁,和56例(57.14%)在70年和79年的历史。通过比较,很明显,患者年龄在70年和79年的比例高于其他年龄组,如图3。
98例中,80例男性(81.63%)和18例女性(18.37%),比例为4.44:1。的发生率男性远远高于女性比较后,如图4。
3.1.1。疾病过程和AAA直径分布
图5显示分布的疾病98例,其中包括23名患者疾病1 - 3个月,40岁的患者疾病的4 - 6个月,21岁的患者疾病的7 - 9个月,疾病患者和14个10 - 12个月的治疗疗程。AAA直径分布:72患者AAA直径≥5厘米直径< 5患者和26厘米。
3.2。Prehospitalization诊断
表1显示统计结果CTA成像诊断和手术的住院治疗前两组。有七个病人在两组CTA成像考试成绩。敏感性、特异性和准确性的观察组分别为97.73%,70%,和94.9%,分别。敏感性、特异性和准确性的对照组是95.45%,70%,和92.86%,分别。后比较,无显著性差异的敏感性,特异性和准确性两组之间的CTA图像AAA ( ),如图6。
3.3。最大直径测量结果统计
表2显示了AAA的直径分布损伤检测到AAA的两组患者CTA成像。分析后,有27个患者(27.55%)AAA直径<观察组5厘米和25例(25.51%),<对照组5厘米,直径没有显著差异( )。直径不少于5厘米,患者有71例,观察组(72.45%)和73例对照组(74.49%),无显著差异( ),如图7。建议CTA图像之前和之后的治疗基本相同病变直径检测的效果。然而,有显著差异的比例分布在集团( ),如图8。这种比较表明,大多数破裂患者的肿瘤体直径达5厘米以上。
(一)
(b)
3.4。教师的分布
94年发现的98名患者进行(因为两组的结果是一致的,没有进行比较,只有观察组的结果作为一个例子说明),如图9。itl的CTA所有病人提出统一的衰减,和教师的分布特征如表所示3。教师的分布类型进行了分析根据AAA直径不少于5厘米,不到5厘米。AAA直径不少于5厘米时,所有结果表明,ILT覆盖率百分比是50%以上。AAA直径小于5厘米时,只有55.56%的结果表明,ILT覆盖率百分比超过50%,和不同的是巨大的( )。
(一)
(b)
4所示。讨论
在这项研究中,检测和分析之间的AAA比较CTA图像和CTA图像基于深卷积神经网络算法。发现的敏感性、特异性和准确性的CTA图像之前和之后的治疗的诊断AAA 97.73% / 95.45%, 70% / 70% / 92.86%和94.9%,分别,没有显著差异。此外,CTA和CTA的准确性在深卷积神经网络算法的诊断AAA处于高水平,这反映了CTA在AAA的诊断有一定优势。一些专家讨论的临床应用价值64 -片螺旋CT血管造影在AAA的诊断和术前评估。结果表明,64 -片螺旋CTA非侵入性的优势,快速、高精度和AAA是首选的影像学检查方法的诊断和术前评估(22),这也反映了CTA的良好的应用价值。穆罕默德et al。(2019)22)也使用卷积神经网络和脚腕圈算法自动段,探测、诊断AAA。结果表明,CNN主动脉地区检测分类器的准确性为98.62%,和脚腕圈算法可以分类120主动脉斑块根据直径有98.33%的准确度。脚腕圈算法可以根据他们的直径,分类120主动脉斑块的准确性达98.33%。深的深度学习研究卷积神经网络算法来区分肝群众在动态对比增强CT显示肝的鉴别诊断精度测试数据中位数的质量为0.84。中位数的操作特性曲线下面积接收器AB和CE 0.92区分类别。它表明深卷积神经网络算法有很高的诊断性能质量的鉴别诊断肝脏动态CT(下23]。上述研究显示的辅助优势深学习算法在医学成像,但本研究未能合理地反映他们,这可能是不够的选择算法的性能。此外,通过分析通用数据的患者在这项研究中,人们发现AAA的年龄组的发病率50 - 79年约占97%,男女的比例是4.44:1,表明倾向的AAA级主要是老年人,和男性的发病率高于女性。这是符合AAA疾病的流行病学统计(24]。
的发生和分布进行研究通过使用CTA图像处理。结果表明,94年的98名患者进行,约占95.92%,表明ILT AAA级患者的发病率非常高。相关的统计结果显示,大多数AAA患者进行腹主动脉壁(25),这与本研究的结果是一致的。结果还表明,ILT覆盖率超过50%的比例AAA直径时不少于5厘米。AAA直径小于5厘米时,只有55.56%的结果表明,ILT覆盖率百分比是50%以上。提出,当AAA的直径不小于5厘米,AAA的快速增长可能与腹主动脉壁血栓覆盖率的程度。这可能是由于缺氧AAA主动脉壁的炎症状态。研究表明,高密度血栓形成在AAA检测到常规CT与AAA破裂(26,27]。然而,这项研究没有比较CTA与常规CT的检测效果。
5。结论
在这项研究中,CTA图像的过程中,98名患者的诊断和治疗在医院被用作基础比较前后图像的诊断效果的过程。根据这项研究的结果,有一定关系的血栓覆盖腹部主动脉壁和AAA的增长率。深卷积神经网络算法对CTA的治疗有一定的影响,但不明显。然而,CTA对AAA有更好的临床诊断效果。然而,这项研究无法反映人工智能算法的优点,这是不同于其他研究成果,它可能与不合理选择算法的性能。也有观测指标的研究不足,导致不完美的结果。在未来的研究中,我们将改进它,希望开发出更好的检测技术,以更好地诊断和治疗AAA的病人。CTA检查在诊断AAA具有良好的准确性,值得临床应用。
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。