Отчитане на функцията на ултразвуково изображение, базирано на дълбоко обучение, при диагностицирането на тежък сепсис, усложнен с остро бъбречно увреждане
Dec 27, 2023
Това проучване беше насочено към анализиране на диагностичната стойност на модели на конволюционни невронни мрежи поради задълбочено обучение за тежък сепсис, усложнен состра бъбречна травмаи предоставяне на eффефективна теоретична справка за клиничното използване на ултразвукови образни диагностики. В това проучване са избрани 50 пациенти с тежък сепсис, усложнен с остро бъбречно увреждане, и 50 здрави доброволци. На всички им е направен ехограф. Диффсъществуващи модели на конволюционна невронна мрежа с дълбоко обучение, плътна конволюционна мрежа (DenseNet121), начална мрежа на Google (GoogLeNet) и Microsoft's остатъчна мрежа (ResNet) бяха използвани за обучение и диагностика. След това диагностичните резултати бяха сравнени с професионални лекари' члфициални диагнози. Резултатите показаха, че точността и чувствителността на трите алгоритма за дълбоко обучение са значителнифималко по-висока от професионалните лекари' члфициални диагнози. Освен това процентите на грешки на трите модела на алгоритъма за тежък сепсис, усложнен с остро бъбречно увреждане, бяха значителнифималко по-ниска от професионалните лекари' члфициални диагнози. Площите под кривите (AUCs) на трите алгоритъма бяха signiфималко по-високи от AUC на лекарите' резултати от диагностика. Theпараметри на функцията за загуба на DenseNet121и GoogLeNet бяха signiфималко по-нисък от този на ResNet, със статистически значимофине мога да дифференция (P < 0:05). Нямаше знакфине мога да диффприсъствие във времето за обучение на алгоритмите ResNet, GoogLeNet и DenseNet121 при задълбочено обучение, тъй като конвергенцията е достигната съответно след 700 пъти, 700 пъти и 650 пъти (P > 0:05). В заключение, стойността на трите алгоритъма по отношение на дълбокото обучение при диагностицирането на тежък сепсис, усложнен состра бъбречна травмабеше по-висок от професионалните лекари' члфициални преценки и имаше голяма клинична стойност задиагностика и лечение на заболяването.
1. Въведение
Сега, тъй като сепсисът е по-добре разбран, той се определя от учените като клиничен синдром, при който анвъзпалителна реакция на организмае неадаптиран от инфекция, което води дотежко увреждане на физиологията и функциите на органите. Сепсисът има изключително висока заболеваемост и смъртност в интензивните отделения и се е превърнал във водеща причина за смърт при критично болни пациенти [1]. Според някои проучвания има повече от 30 милиона нови случая на концентрирани заболявания в света всяка година и повече от пет милиона души са били убити от сепсис, което е причинило сериозен натиск и тежест върху световното обществено здраве [2–4] . Неговите патогенези и патологични процеси са сложни и тясно свързани с възпаление, коагулационна дисфункция и имунни нарушения [5–7]. Сред тях неконтролираният възпалителен отговор се счита за един от патогените на сепсиса. Ранните възпалителни реакции освобождават голям брой провъзпалителни цитокини ипротивовъзпалителни цитокини[8]. Често обаче има дисбаланс между провъзпалителни и противовъзпалителни фактори при пациенти със сепсис и възпалителната реакция е извън контрол, което ускорява развитието на сепсис [9–11]. В допълнение, възпалението често взаимодейства с коагулационната дисфункция и след това влияе върху развитието на сепсис. Намалената експресия на тъканни фактори не може да инициира екзогенния коагулационен път, което води до нарушения на коагулацията и ускорява образуването на съдови увреждания [12–14].
Острото бъбречно увреждане обикновено се характеризира с бързо намаляване на бъбречната функция, което води доостра бъбречна недостатъчности другиорганна недостатъчноств тежки случаи.Остра бъбречна травмаможе да бъде причинено от различни фактори, които включват употреба на лекарства, исхемия/реперфузия и инфекция [15–17]. През последните години честотата и смъртността от остро бъбречно увреждане се увеличават, а смъртността при тежко остро бъбречно увреждане може да достигне повече от 50%. Патогените на острото бъбречно увреждане често са свързани с техните патогенни фактори. По време на трансплантация на органи, остра загуба на кръв или токсичен шок, исхемичното/реперфузионното увреждане се превърна във важен патогенен механизъм, който води до остро бъбречно увреждане [18]. Като най-важен отделителен орган в човешкото тяло, лекарствата често се екскретират през бъбреците и тяхната масивна употреба или дори злоупотреба е вероятно да причини предизвикано от лекарства остро бъбречно увреждане [19]. Сепсис, усложнен с остро увреждане на бъбреците, се отнася до остро увреждане на бъбречния паренхим, възникващо при пациенти със сепсис, и други фактори, които могат да причинят увреждане на бъбреците, като бъбречна исхемия или нефротоксични вещества, са изключени. Острото бъбречно увреждане е доста често срещано при хора със сепсис и честотата нараства с тежестта на сепсиса. Епидемиологичните данни показват, че честотата на остро бъбречно увреждане е съответно 19%, 23% и 51% при пациенти с умерен сепсис, тежък сепсис и септичен шок. Като се има предвид високата честота на сепсис, може да се прецени, че броят на случаите на остри бъбречни увреждания, предизвикани от сепсис, е доста тревожен. В сравнение с други причини, сепсисът дава по-нестабилна хемодинамика на остро бъбречно увреждане; делът на пациентите, които се нуждаят от вазопресори и механична вентилация, е по-висок, оценката за тежест на заболяването е по-висока и смъртността също е значително увеличена в крайна сметка. Забавянето на ранните диагнози и лечения води до непрекъснато прогресиране на заболяването, а продължителната хипоперфузия води до остра тубулна некроза, която в крайна сметка се развива в необратимо увреждане, дори до смърт на пациента [20–22].
Клинично, ранните диагнози често се правят чрез откриване на креатинин и обем на урината в съответствие с международните указания, но обикновено не може да се постави правилна диагноза навреме и напълно. С непрекъснатото развитие на образното изследване ултразвуковото образно изследване постепенно се прилага при клиничните диагнози на сепсис, усложнен с остро бъбречно увреждане. Клиничните работници често не са в състояние да обобщят количествена и точна медицинска информация от ултразвукови изображения с просто око. Анализите на медицински изображения и технологиите за обработка решават тази дилема и стават важни помощници на клиничните диагнози [23–25]. Целта на по-нататъшните анализи и изясняване е да помогнат на клиницистите да диагностицират заболяването по-точно и бързо и да получат по-задълбочена информация за заболяването. Конволюционната невронна мрежа, вид дълбока невронна мрежа, се състои от по-дълбока мрежова структура, която може да чете данни за изображение като визуални патологични характеристики и да намира характеристики, които човешките очи не могат да разчетат. Това е много важно за ехографията при диагностицирането на сепсисусложнена с остра бъбречна травма.
Това проучване има за цел да анализира диагностичната стойност на тежък сепсис, усложнен состра бъбречна травмапод базирана на задълбочено обучение конволюционна невронна мрежа, за да се осигури определена справка за диагнозата на клинично ултразвуково изображение.
2. Материали и методи
2.1. Обекти на изследване.
В това проучване 50 пациенти с тежък сепсис, усложнен с остро бъбречно увреждане, приети в болница от 10 януари 2020 г. до 10 май 2021 г., бяха избрани като експериментална група. Според разпределението по възраст и пол на тези пациенти, 50 здрави доброволци също бяха избрани като здрава контролна група. Това проучване беше одобрено от комисията по етика на болницата и семействата на пациентите бяха информирани за това проучване и подписаха информирано съгласие.
Критериите за включване бяха както следва. Първо, пациентите бяха диагностицирани като сепсис, усложнен с остро бъбречно увреждане според диагностичните критерии. Второ, пациентите са подписали формуляри за информирано съгласие. Трето, пациентите не страдат от други сериозни заболявания на органите илинаследствени заболявания. Четвърто, пациентите не са изследвани за противопоказания.
Пациентите, които отговарят на критериите за изключване, са имали тежки алергии, други сериозни основни заболявания и анамнеза за хронично бъбречно увреждане. Освен това пациентите са приемали диуретици дълго време.
Имаше две изисквания в критерия за спиране и елиминиране. Първо, пациентите не могат нормално да завършат ултразвуково сканиране. Второ, пациентите, които не са се съобразили с лечението, са проследени за оценка на индекса.
За здрави доброволци от контролната група критерият за включване беше същият като този за пациенти със сепсис, усложнен с остро бъбречно увреждане (2-ро-4-то). Критерият за изключване беше същият като този за пациенти със сепсис, усложнен состра бъбречна травма(2-ри-4-ти). Пациенти с остро бъбречно увреждане, усложнено със сепсис, бяха прекратени и изключени.
Фигура 5: Сравнение на точността, специфичността и чувствителността между трите алгоритъма и професионалните лекари. Забележка: ∗ представлява значителни разлики: P < 0:05.
2.2. Ултразвукови образни изследвания.
Извършени са ултразвукови образни изследвания на 100 пациенти едновременно. Пациентите трябва да се изследват на празен стомах, да не пият много вода преди изследването и да лежат на леглото за изследване в легнало и ляво странично положение. Ултразвукова система и сонда с изпъкнала матрица 3,5 MHZ бяха приложени за бъбречно ултразвуково изследване. Сондата се поставя в задната аксиларна линия и позицията и ъгълът на сондата се регулират, за да се получи най-голямото коронарно изображение на бъбрека. Сондата се завърта на 90 градуса в коронарния участък и се премества нагоре и надолу, за да се регулира ъгълът на звуковия лъч, след което се получава изображението на напречното сечение на бъбрека. Когато пациентите са в легнало положение, сондата се поставя под ребрата на гърба за надлъжно сканиране. С маркировката на сондата, обърната към главата, може да се наблюдава сагиталната равнина на бъбрека.
2.3. Конволюционни модели на невронни мрежи.
Моделите на структурата на конволюционната невронна мрежа Dense-Net121 завършиха класификационни процеси съответно чрез конволюция, максимални слоеве за обединяване, плътни модули и пълни слоеве на връзка. Поради тясната връзка между различните нива, моделът DenseNet121 може да абсорбира и използва характеристиките на всяко ниво и да преодолее проблемите с изчезването на градиента до известна степен. Конкретният модел на мрежова структура на DenseNet121 е показан на фигура 1.
В структурния модел на конволюционната невронна мрежа GoogLeNet броят на мрежовите слоеве беше значително увеличен, но имаше малко параметри. Имаше интегриран начален модул, който можеше да комбинира слоя за обединяване и слоя за навиване, за да постигне бърза изчислителна скорост и да получи повече информация за функциите. Освен това имаше голям брой начални клонове. Техните структури и характеристики бяха различни, а крайните резултати от изчисленията бяха по-точни. Началният модул на Goo gLeNet е показан на фигура 2.
ResNet беше отличен модел за откриване на обекти, класифициране на изображения и сегментиране, който беше широко използван в конволюционните невронни мрежи. В модела ResNet се появиха остатъчни структури, което улесни оптимизирането. В процеса на разпространение на невронни мрежи, градиентът на разпространение постепенно изчезна поради появата на обратно разпространение. Тъй като съществуването на остатъчни структури решава този проблем, информацията за градиента се предава по-лесно в процеса на обратно предаване на остатъчни структури и мрежата с остатъчни модули ще получи по-висока точност на идентификация. В същото време моделът на остатъчната мрежа ResNet възприе голям брой относително стандартизирани методи за обучение на ензими. Неговият специфичен структурен модел е показан на фигура 3.
Фигура 7: Резултати от ROC кривата на трите алгоритъма и диагнози от професионални лекари.
ResNet подобри броя на мрежовите слоеве чрез остатъчни структури и опрости учебните обекти, за да реализира подобрението на скоростта на обучение и точността на параметрите. Беше предложено да се въведе първоначалната стойност xi и да се зададе теглото на a. Отклонението беше представено чрез c, yi беше сумата на разклоненията и неговите изчислителни функции бяха показани в следните уравнения:
Поддържаща услуга на Wecistanche-най-големият износител на cistanche в Китай:
Имейл:wallence.suen@wecistanche.com
Whatsapp/телефон:+86 15292862950
Пазарувайте за повече подробности за спецификациите:
https://www.xjcistanche.com/cistanche-shop
