Prikaz funkcije ultrazvučne slike zasnovane na dubokom učenju u dijagnozi teške sepse komplikovane akutnom ozljedom bubrega

Ova studija je imala za cilj analizirati dijagnostičku vrijednost modela konvolucionih neuronskih mreža na osnovu dubokog učenja za tešku sepsu komplikovanuakutna povreda bubregai pružanje effefikasna teorijska referenca za kliničku upotrebu ultrazvučnih dijagnoza slike. U ovu studiju odabrano je 50 pacijenata sa teškom sepsom komplikovanom akutnom ozljedom bubrega i 50 zdravih dobrovoljaca. Svi su podvrgnuti ultrazvučnom pregledu. Differentni modeli konvolutivne neuronske mreže dubokog učenja guste konvolucionarne mreže (DenseNet121), Google inception net (GoogLeNet) i Microsoft'Ostale mreže (ResNet) su korištene za obuku i dijagnostiku. Zatim su dijagnostički rezultati upoređeni sa profesionalnim imidž lekarima' artificijalne dijagnoze. Rezultati su pokazali da su tačnost i osjetljivost tri algoritma dubokog učenja značajnefinevjerovatno veći od profesionalnih imidž liječnika' artificijalne dijagnoze. Osim toga, stope greške tri algoritamska modela za tešku sepsu komplikovanu akutnom ozljedom bubrega bile su značajne.finevjerovatno niže od profesionalnih ljekara' artificijalne dijagnoze. Područja ispod krivulja (AUCs) tri algoritma su bila signifiznatno veći od AUC-a ljekara' rezultate dijagnoze. Theparametri funkcije gubitka DenseNet121i GoogLeNet su bili signifiznatno niži od ResNeta, sa statističkim značajemficant difference (P < 0:05). Nije bilo znakovaficant diffpovećanje vremena obuke ResNet, GoogLeNet i DenseNet121 algoritama pod dubokim učenjem, jer je konvergencija postignuta nakon 700 puta, 700 puta, odnosno 650 puta (P > 0:05). Zaključno, vrijednost tri algoritma zbog dubokog učenja u dijagnozi teške sepse komplikovane saakutna povreda bubregabio veći od profesionalnih ljekara' artificijalne prosudbe i imale su veliku kliničku vrijednost zadijagnoze i tretmane bolesti.

NABAVITE PRIRODNI ORGANSKI EKSTRAKT CISTANCHE SA 25% EHINAKOZIDA I 9% AKTEOZIDA ZA INFEKCIJU BUBREGA

1. Uvod

Sada, kako je sepsa bolje shvaćena, naučnici je definiraju kao klinički sindrom u kojem je anupalni odgovor organizmaje neprilagođen infekcijom, što rezultirateška oštećenja fiziologije i funkcija organa. Sepsa ima izuzetno visok morbiditet i mortalitet u jedinicama intenzivne njege, te je postala vodeći uzrok smrti kritično bolesnih pacijenata [1]. Prema nekim studijama, u svijetu se svake godine javi više od 30 miliona novih slučajeva koncentriranih bolesti, a više od pet miliona ljudi je umrlo od sepse, što je izazvalo ozbiljan pritisak i opterećenje za globalno javno zdravlje [2–4] . Njegova patogeneza i patološki procesi su komplikovani i usko povezani sa upalom, koagulacionom disfunkcijom i imunološkim poremećajima [5–7]. Među njima, nekontrolirani upalni odgovor se smatra jednim od patogena sepse. Rani upalni odgovori oslobađaju veliki broj proinflamatornih citokina iprotuupalni citokini[8]. Međutim, kod pacijenata sa sepsom često postoji neravnoteža između proupalnih i antiinflamatornih faktora, a upalna reakcija je van kontrole, što ubrzava razvoj sepse [9–11]. Osim toga, upala često dolazi u interakciju s disfunkcijom koagulacije, a zatim utječe na razvoj sepse. Smanjena ekspresija tkivnih faktora ne može pokrenuti egzogeni put koagulacije, što dovodi do poremećaja koagulacije i ubrzava nastanak vaskularnih oštećenja [12–14].

Akutnu ozljedu bubrega obično karakterizira brz pad bubrežne funkcije, što rezultiraakutno zatajenje bubregai drugihzatajenje organau teškim slučajevima.Akutna povreda bubregamogu biti uzrokovani raznim faktorima, koji uključuju upotrebu lijekova, ishemiju/reperfuziju i infekciju [15–17]. Posljednjih godina incidencija i mortalitet od akutne ozljede bubrega raste, a stopa mortaliteta od teške akutne ozljede bubrega može dostići i više od 50%. Uzročnici akutnog oštećenja bubrega često su povezani sa njihovim patogenim faktorima. Tijekom transplantacije organa, akutnog gubitka krvi ili toksičnog šoka, ishemijska/reperfuzijska ozljeda postala je važan patogeni mehanizam koji dovodi do akutne ozljede bubrega [18]. Kao najvažniji organ za izlučivanje u ljudskom tijelu, lijekovi se često izlučuju putem bubrega, a njihova masovna upotreba ili čak zloupotreba vjerovatno će uzrokovati akutnu ozljedu bubrega uzrokovanu lijekovima [19]. Sepsa komplikovana akutnom ozljedom bubrega odnosi se na akutnu povredu bubrežnog parenhima koja se javlja kod pacijenata sa sepsom, a isključeni su drugi faktori koji mogu uzrokovati oštećenje bubrega poput ishemije bubrega ili nefrotoksičnih supstanci. Akutna povreda bubrega je prilično česta kod osoba sa sepsom, a incidenca raste sa težinom sepse. Epidemiološki podaci pokazuju da je incidencija akutnog oštećenja bubrega 19%, 23%, odnosno 51% kod pacijenata sa umjerenom sepsom, teškom sepsom i septičkim šokom. S obzirom na visoku učestalost sepse, može se procijeniti da je broj slučajeva akutne ozljede bubrega uzrokovanih sepsom prilično alarmantan. U poređenju sa drugim uzrocima, sepsa daje nestabilniju hemodinamiku akutnog oštećenja bubrega; veći je udio pacijenata kojima su potrebni vazopresori i mehanička ventilacija, veći je skor ozbiljnosti bolesti, a u konačnici je značajno povećan i mortalitet. Kašnjenja u ranoj dijagnozi i liječenju dovode do kontinuirane progresije bolesti, a kontinuirana hipoperfuzija dovodi do akutne tubularne nekroze, koja se na kraju razvija u ireverzibilno oštećenje, čak i u smrti pacijenta [20–22].

Klinički, rane dijagnoze se često postavljaju detekcijom kreatinina i volumena urina prema međunarodnim smjernicama, ali obično nije u mogućnosti postaviti ispravnu dijagnozu na vrijeme i u potpunosti. Kontinuiranim razvojem slikovnog pregleda, ultrazvučni pregled slike postepeno se primjenjuje u kliničkoj dijagnozi sepse komplikovane akutnom ozljedom bubrega. Klinički radnici često nisu u stanju da sakupe kvantitativne i tačne medicinske informacije iz ultrazvučnih snimaka golim okom. Analiza medicinske slike i tehnologije obrade rješavaju ovu dilemu i postaju važni pomagači kliničkih dijagnoza [23–25]. Svrha daljnjih analiza i pojašnjenja je pomoći kliničarima da preciznije i brže dijagnosticiraju bolest i dobiju detaljnije informacije o bolesti. Konvoluciona neuronska mreža, vrsta duboke neuronske mreže, sastoji se od dublje mrežne strukture koja može čitati slikovne podatke kao vizuelne patološke karakteristike i pronaći karakteristike koje ljudske oči ne mogu pročitati. Ovo je veoma važno za ultrazvuk u dijagnostici sepsekomplikovano akutnom povredom bubrega.

Ova studija je imala za cilj da analizira dijagnostičku vrijednost teške sepse sa kompliciranomakutna povreda bubregapod konvolucionom neuronskom mrežom zasnovanom na dubokom učenju, da obezbedi određenu referencu za dijagnostiku kliničke ultrazvučne slike.

2. Materijali i metode

2.1. Studijski objekti.

U ovoj studiji kao eksperimentalnu grupu odabrano je 50 pacijenata sa teškom sepsom komplikovanom akutnom povredom bubrega koji su primljeni u bolnicu od 10. januara 2020. do 10. maja 2021. godine. Prema starosnoj i polnoj distribuciji ovih pacijenata, 50 zdravih dobrovoljaca je također odabrano kao zdrava kontrolna grupa. Ovu studiju je odobrila etička komisija bolnice, a porodice pacijenata su obaviještene o ovoj studiji i potpisale informirani pristanak.

Kriterijumi za uključivanje bili su sljedeći. Prvo, pacijentima je dijagnostikovana sepsa komplikovana akutnom povredom bubrega prema dijagnostičkim kriterijumima. Drugo, pacijenti su potpisali formulare za informirani pristanak. Treće, pacijenti nisu patili od drugih ozbiljnih bolesti organa ilinasledne bolesti. Četvrto, pacijenti nisu pregledani na kontraindikacije.

Pacijenti koji su ispunjavali kriterijume za isključenje imali su teške alergije, druge ozbiljne osnovne bolesti i istoriju hronične povrede bubrega. Štaviše, pacijenti su dugo uzimali diuretike.

U kriterijumu za suspenziju i eliminaciju postojala su dva uslova. Prvo, pacijenti nisu mogli normalno završiti ultrazvučni pregled. Drugo, pacijenti koji se nisu pridržavali tretmana praćeni su radi procjene indeksa.

Za zdrave dobrovoljce kontrolne grupe, kriterij uključivanja bio je isti kao i za pacijente sa sepsom komplikovanom akutnom ozljedom bubrega (2.{1}}). Kriterijum isključenja bio je isti kao i za pacijente sa kompliciranom sepsomakutna povreda bubrega(2. -4). Pacijenti s akutnom ozljedom bubrega komplikovanom sepsom su prekinuti i isključeni.

Slika 5: Poređenje tačnosti, specifičnosti i osetljivosti između tri algoritma i profesionalnih lekara. Napomena: ∗ predstavlja značajne razlike: P < 0:05.

2.2. Ultrazvučni pregledi slike.

Ultrazvučni pregledi su istovremeno obavljeni kod 100 pacijenata. Bolesnike je potrebno pregledati na prazan želudac, ne piti puno vode prije pregleda i ležati na krevetu za pregled u ležećem i lijevom bočnom položaju. Za ultrazvučni pregled bubrega primijenjen je ultrazvučni sistem i konveksna sonda 3,5 MHZ. Sonda je postavljena u zadnju aksilarnu liniju, a položaj i ugao sonde su podešeni kako bi se dobila najveća koronalna slika bubrega. Sonda je rotirana za 90 stepeni na koronalnom preseku i pomerana gore-dole da bi se podesio ugao zvučnog snopa, a zatim je dobijena slika poprečnog preseka bubrega. Kada su pacijenti bili u ležećem položaju, sonda se postavljala ispod rebara leđa za uzdužno skeniranje. Sa oznakom sonde okrenutom prema glavi, mogla se posmatrati sagitalna ravan bubrega.

2.3. Modeli konvolucijskih neuronskih mreža.

Modeli strukture konvolucione neuronske mreže Dense-Net121 su završili procese klasifikacije kroz konvoluciju, slojeve maksimalnog udruživanja, guste module i kompletne slojeve povezivanja, respektivno. Zbog tesne veze između različitih nivoa, DenseNet121 model bi mogao da apsorbuje i koristi karakteristike svakog nivoa i prevaziđe probleme nestajanja gradijenta u određenoj meri. Specifični model strukture mreže DenseNet121 prikazan je na slici 1.

U modelu strukture GoogLeNet konvolucione neuronske mreže, broj slojeva mreže je značajno povećan, ali je bilo malo parametara. Postojao je integrisani početni modul koji je mogao kombinovati sloj objedinjavanja i sloj konvolucije da bi se postigla velika brzina računarstva i dobilo više informacija o karakteristikama. Pored toga, postojao je veliki broj početnih grana. Njihove strukture i karakteristike su bile različite, a konačni rezultati proračuna bili su precizniji. Početni modul Goo gLeNeta prikazan je na slici 2.

ResNet je bio odličan model za detekciju objekata, klasifikaciju slika i segmentaciju koji se široko koristio u konvolucijskim neuronskim mrežama. Rezidualne strukture su se pojavile u ResNet modelu, što je olakšalo optimizaciju. U procesu propagacije neuronskih mreža, gradijent propagacije je postepeno nestajao zbog pojave povratnog širenja. Budući da je postojanje rezidualnih struktura riješilo ovaj problem, informacije o gradijentu su se lakše prenosile u procesu obrnutog prijenosa rezidualnih struktura, a mreža sa rezidualnim modulima bi dobila veću točnost identifikacije. Istovremeno, model rezidualne mreže ResNet usvojio je veliki broj relativno standardizovanih metoda treninga enzima. Njegov specifični strukturni model prikazan je na slici 3.

Slika 7: Rezultati ROC krive tri algoritma i dijagnoze profesionalnih liječnika.

ResNet je poboljšao broj mrežnih slojeva kroz rezidualne strukture i pojednostavio objekte učenja kako bi ostvario poboljšanje brzine treninga i tačnosti parametara. Predloženo je da se unese početna vrijednost xi i postavi težina na a. Pristrasnost je predstavljena sa c, yi je zbir grana, a njegove računske funkcije su prikazane u sljedećim jednačinama:

Wecistanche usluga podrške - najveći izvoznik cistanchea u Kini:

Email:wallence.suen@wecistanche.com

Whatsapp/tel:+86 15292862950

Kupite za više detalja o specifikacijama:

https://www.xjcistanche.com/cistanche-shop

NABAVITE PRIRODNI ORGANSKI EKSTRAKT CISTANCHE SA 25% EHINAKOZIDA I 9% AKTEOZIDA ZA INFEKCIJU BUBREGA