급성 신장 손상으로 인한 중증 패혈증 진단에서 딥러닝 기반 초음파 영상 기능 설명

본 연구는 중증 패혈증에 대한 딥러닝을 통한 컨볼루셔널 신경망 모델의 진단적 가치를 분석하는 것을 목적으로 한다.급성 신장 손상그리고 e를 제공하는 것Ff 로초음파영상진단의 임상적 활용을 위한 효과적인 이론적 참고자료. 급성 신장 손상을 동반한 중증 패혈증 환자 50명과 건강한 지원자 50명이 본 연구에 선정되었습니다. 그들은 모두 초음파 검사를 받았습니다. 디Ff 로Erent 딥 러닝 컨볼루셔널 신경망은 DenseNet121, Google Inception Net(GoogLeNet) 및 Microsoft를 모델로 합니다.'훈련과 진단에는 ResNet(Residual Network)이 사용되었습니다. 그 후 전문 영상의학과 진단 결과를 비교하였습니다.' 아티fi시알 진단. 그 결과 세 가지 딥러닝 알고리즘의 정확도와 민감도가 유의미한 것으로 나타났습니다.fi전문 이미지 의사보다 훨씬 높음' 아티fi시알 진단. 게다가 급성 신장 손상을 동반한 중증 패혈증에 대한 세 가지 알고리즘 모델의 오류율은 유의미했습니다.fi전문 의사보다 훨씬 낮습니다.' 아티fi시알 진단. 세 가지 알고리즘의 곡선 아래 면적(AUC)은 다음과 같습니다.fi의사의 AUC보다 훨씬 높음' 진단 결과. 그만큼DenseNet121의 손실 함수 매개변수그리고 GoogLeNet은 서명했습니다fi통계적으로 유의미한 수준으로 ResNet보다 훨씬 낮습니다.fi할 수 없어Ff 로에렌스(P < 0:05). 시그니는 없었어요fi할 수 없어Ff 로딥러닝에서 ResNet, GoogLeNet, DenseNet121 알고리즘의 훈련 시간은 각각 700회, 700회, 650회 후에 수렴에 도달했기 때문에 (P > 0:05). 결론적으로, 중증 패혈증 진단에서 딥러닝을 활용한 세 가지 알고리즘의 가치는 다음과 같습니다.급성 신장 손상전문의사보다 높았다.' 아티ficial 판단과 임상적 가치가 매우 높았습니다.질병의 진단과 치료.

신장 감염을 위한 25% 에키나코사이드와 9% 액테오사이드가 함유된 천연 유기농 시스탄체 추출물을 섭취하세요

1. 소개

이제 패혈증이 더 잘 이해되면서 학자들은 패혈증을 다음과 같은 임상 증후군으로 정의합니다.유기체의 염증 반응감염으로 인해 부적응되어생리학 및 기관 기능에 심각한 손상. 패혈증은 중환자실에서 이환율과 사망률이 매우 높으며, 중증 환자의 주요 사망 원인이 되었습니다[1]. 일부 연구에 따르면 전 세계적으로 매년 3천만 건 이상의 새로운 집중 질병 사례가 발생하고 있으며, 500만 명 이상이 패혈증으로 사망하여 전 세계 공중 보건에 심각한 압박과 부담을 안겨주고 있습니다[2-4] . 그 발병기전과 병리학적 과정은 복잡하고 염증, 응고 기능 장애, 면역 장애와 밀접하게 관련되어 있습니다[5-7]. 그 중 조절되지 않는 염증 반응이 패혈증의 발병 원인 중 하나로 간주됩니다. 초기 염증 반응에서는 다량의 전염증성 사이토카인이 방출되고항염증 사이토카인[8]. 그러나 패혈증 환자에서는 염증 유발 인자와 항염증 인자 사이에 불균형이 있는 경우가 많고, 염증 반응이 조절되지 않아 패혈증 발병이 가속화된다[9-11]. 또한 염증은 종종 응고 기능 장애와 상호작용하여 패혈증 발병에 영향을 미칩니다. 조직 인자의 발현 감소는 외인성 응고 경로를 시작할 수 없으며, 이로 인해 응고 장애가 발생하고 혈관 손상 형성이 가속화됩니다[12-14].

급성 신장 손상은 일반적으로 신장 기능의 급속한 저하를 특징으로 하며, 이는 다음을 초래합니다.급성 신부전및 기타장기부전심한 경우에는.급성 신장 손상약물 사용, 허혈/재관류, 감염 등 다양한 요인에 의해 발생할 수 있습니다[15-17]. 최근에는 급성 신장 손상의 발생률과 사망률이 증가하고 있으며, 중증 급성 신장 손상의 사망률은 50% 이상에 달할 수 있습니다. 급성 신장 손상의 병원체는 종종 병원성 요인과 관련이 있습니다. 장기 이식, 급성 혈액 손실 또는 독성 쇼크 동안 허혈/재관류 손상은 급성 신장 손상을 초래하는 중요한 병원성 메커니즘이 되었습니다[18]. 약물은 인체의 가장 중요한 배설기관으로서 신장을 통해 배설되는 경우가 많으며, 약물을 대량으로 사용하거나 남용할 경우 약물로 인한 급성 신장 손상을 일으킬 가능성이 높습니다[19]. 급성 신장 손상을 동반한 패혈증은 패혈증 환자에게 발생하는 급성 신장 실질 손상을 말하며, 신장 허혈이나 신독성 물질 등 신장 손상을 일으킬 수 있는 기타 요인은 제외됩니다. 급성 신장 손상은 패혈증 환자에게 매우 흔하며, 패혈증의 중증도에 따라 발생률이 증가합니다. 역학 데이터에 따르면 중등도 패혈증, 중증 패혈증, 패혈성 쇼크 환자에서 급성 신장 손상 발생률은 각각 19%, 23%, 51%입니다. 패혈증 발생률이 높다는 점을 고려하면, 패혈증으로 인한 급성 신장 손상 사례의 수는 상당히 놀랄만하다고 추정할 수 있습니다. 다른 원인과 비교하여 패혈증은 급성 신장 손상의 혈역학을 더욱 불안정하게 만듭니다. 승압제와 기계적 환기가 필요한 환자의 비율이 높을수록 질병 심각도 점수가 높으며 궁극적으로 사망률도 크게 증가합니다. 조기 진단과 치료가 늦어지면 질병은 계속 진행되며, 지속적인 저관류는 급성 세뇨관 괴사로 이어져 결국 환자가 사망하더라도 돌이킬 수 없는 손상으로 발전하게 된다[20-22].

임상적으로는 국제 가이드라인에 따라 크레아티닌과 소변량 검출을 통해 조기 진단이 이루어지는 경우가 많지만, 일반적으로 제때에 완전하게 정확한 진단을 내릴 수는 없습니다. 영상검사의 지속적인 발전에 따라 초음파 영상검사는 급성 신장 손상을 동반한 패혈증의 임상 진단에 점차 적용되고 있습니다. 임상 작업자는 육안으로 초음파 이미지를 통해 정량적이고 정확한 의료 정보를 요약할 수 없는 경우가 많습니다. 의료 영상 분석 및 처리 기술은 이러한 딜레마를 해결하고 임상 진단의 중요한 도우미가 됩니다[23-25]. 추가 분석 및 설명의 목적은 임상의가 질병을 보다 정확하고 신속하게 진단하고 질병에 대한 보다 심층적인 정보를 얻을 수 있도록 돕는 것입니다. 심층 신경망의 일종인 컨벌루션 신경망은 이미지 데이터를 시각적 병리학적 특징으로 읽어 인간의 눈이 읽을 수 없는 특징을 찾아낼 수 있는 더 깊은 그리드 구조로 구성됩니다. 이는 패혈증 진단에 있어 초음파 검사에 매우 중요합니다.급성 신장 손상으로 인한 합병증.

본 연구는 다음과 같은 합병증을 동반한 중증 패혈증의 진단적 가치를 분석하고자 한다.급성 신장 손상딥러닝 기반 컨볼루션 신경망을 통해 임상 초음파 영상 진단에 대한 특정 참고 자료를 제공합니다.

2. 재료 및 방법

2.1. 연구 객체.

본 연구에서는 2020년 1월 10일부터 2021년 5월 10일까지 병원에 입원한 급성 신장 손상을 동반한 중증 패혈증 환자 50명을 실험군으로 선정하였다. 이들 환자의 연령과 성별 분포에 따라 건강한 지원자 50명도 건강한 대조군으로 선정됐다. 본 연구는 병원 윤리위원회의 승인을 받았으며 환자 가족에게 본 연구에 대한 정보를 제공하고 동의서에 서명했습니다.

포함 기준은 다음과 같았다. 첫째, 환자들은 진단 기준에 따라 급성 신장 손상을 동반한 패혈증으로 진단되었습니다. 둘째, 환자들은 사전 동의서에 서명했습니다. 셋째, 환자는 다른 심각한 장기 질환을 앓고 있지 않았거나유전병. 넷째, 환자에게 금기 사항이 있는지 검사하지 않았습니다.

제외 기준을 충족한 환자들은 심각한 알레르기, 기타 심각한 기저 질환, 만성 신장 손상 병력이 있었습니다. 게다가 환자들은 오랫동안 이뇨제를 복용했습니다.

정지와 제명 기준에는 두 가지 요건이 있었습니다. 첫째, 환자는 일반적으로 초음파 검사를 완료할 수 없습니다. 둘째, 치료에 순응하지 않는 환자는 지표 평가를 위해 추적 관찰되었습니다.

건강한 대조군 지원자의 포함 기준은 급성 신장 손상을 동반한 패혈증 환자(2-4번째)의 포함 기준과 동일했습니다. 제외 기준은 다음과 같은 패혈증이 복합된 환자의 제외 기준과 동일했습니다.급성 신장 손상(두 번째-4번째). 패혈증을 동반한 급성 신장 손상 환자는 중단되고 제외되었습니다.

그림 5: 세 가지 알고리즘과 전문 의사 간의 정확도, 특이성 및 민감도 비교. 참고: *는 유의미한 차이를 나타냅니다: P < 0:05.

2.2. 초음파 이미지 검사.

초음파 영상검사는 100명의 환자를 대상으로 동시에 시행되었습니다. 환자는 공복 상태에서 검사를 받아야 하며, 검사 전 물을 많이 마시지 않아야 하며, 검사대에 바로 누운 자세와 왼쪽 옆으로 누워 있어야 합니다. 신장 초음파 검사에는 초음파 시스템과 볼록 배열 3.5MHZ 프로브가 적용되었습니다. 탐침을 후액와선에 위치시키고, 신장의 가장 큰 관상 영상을 얻을 수 있도록 탐침의 위치와 각도를 조정하였다. 프로브를 관상면에서 90도 회전시킨 후 상하로 움직여 사운드빔의 각도를 조절한 후 신장의 단면영상을 획득하였다. 환자가 엎드린 자세에 있을 때 세로 스캔을 위해 프로브를 등의 갈비뼈 아래에 배치했습니다. 탐침 표시가 머리 쪽을 향하게 하면 신장의 시상면을 관찰할 수 있습니다.

2.3. 컨볼루셔널 신경망 모델.

Dense-Net121 컨볼루셔널 신경망 구조 모델은 각각 컨볼루션, 최대 풀링 레이어, 밀집 모듈 및 완전 연결 레이어를 통해 분류 프로세스를 완료했습니다. DenseNet121 모델은 서로 다른 레벨 간의 긴밀한 연결로 인해 각 레벨의 기능을 흡수하고 사용할 수 있으며 그래디언트 소멸 문제를 어느 정도 극복할 수 있습니다. DenseNet121의 특정 그리드 구조 모델은 그림 1에 나와 있습니다.

GoogLeNet 컨벌루션 신경망의 구조 모델에서는 네트워크 계층의 수가 크게 증가했지만 매개 변수가 거의 없었습니다. 풀링 레이어와 컨볼루션 레이어를 결합하여 빠른 컴퓨팅 속도를 달성하고 더 많은 기능 정보를 얻을 수 있는 통합 인셉션 모듈이 있었습니다. 또한, 많은 수의 시작 지점이 있었습니다. 구조와 특성이 다르고 최종 계산 결과가 더 정확했습니다. Goo gLeNet의 시작 모듈은 그림 2에 나와 있습니다.

ResNet은 컨볼루셔널 신경망에서 널리 사용되는 뛰어난 객체 감지, 이미지 분류 및 분할 모델이었습니다. ResNet 모델에 잔여 구조가 나타나 최적화가 더 쉬워졌습니다. 신경망의 전파 과정에서 역전파(backpropagation) 현상이 나타나면서 전파 기울기(propagation Gradient)가 점차 사라지게 된다. 잔여 구조의 존재가 이 문제를 해결했기 때문에 잔여 구조의 역전송 과정에서 기울기 정보가 더 쉽게 전송되고 잔여 모듈이 있는 네트워크는 더 높은 식별 정확도를 얻을 수 있습니다. 동시에 ResNet 잔여 네트워크 모델은 상대적으로 표준화된 효소 훈련 방법을 많이 채택했습니다. 구체적인 구조 모델은 그림 3에 나와 있습니다.

그림 7: 세 가지 알고리즘의 ROC 곡선 결과와 전문 의사의 진단.

ResNet은 잔여 구조를 통해 네트워크 레이어 수를 개선하고 학습 객체를 단순화하여 훈련 속도 및 매개 변수의 정확성 향상을 실현했습니다. 초기값 xi를 입력하고 가중치를 a로 설정하는 것이 제안되었습니다. 편향은 c로 표현하였고, yi는 가지합(branch sum)으로 계산함수는 다음과 같은 식으로 나타내었다.

Wecistanche의 지원 서비스 - 중국 최대의 cistanche 수출업체:

이메일:wallence.suen@wecistanche.com

Whatsapp/전화:+86 15292862950

더 많은 사양을 보려면 쇼핑하세요.

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

신장 감염을 위한 25% 에키나코사이드와 9% 액테오사이드가 함유된 천연 유기농 시스탄체 추출물을 섭취하세요