基于改进U-Net深度网络在定量评估腕管综合征正中神经卡压中的应用
【部分图文】:
改进U-Net深度网络可以定量表示CTS中卡压的正中神经回声减低,其中区域明暗参数A值有统计学意义(P=0.000);明暗参数I,包括I平均数(Imean)以及I中位数(Imedian),均有统计学意义(P=0.000,表1),表明在CTS中正中神经的回声减低;而明暗对比参数RI,包括RI95分位数(RIquantl95)、RI90分位数(RI90quantl90)、RI平均数(RImean)、RI中位数(RImedian)、RI平均数95分位数(RImean-quantl95)、RI平均数90分位数(RImean-quantl90)、RI中位数95分位数(RImedian-quantl95)以及RI中位数90分位数(RImedian-quantl90),均有统计学意义(P=0.000),表明在CTS中,即使不同操作者不同超声设备,即使在检查中调高增益,卡压的正中神经对比周围软组织的回声均减低。表1 改进U-Net深度网络定量验证CTS正中神经回声减低 指标 P值 平均数/中位数 标准差/四分位距 1为非正态分布 A 4.43×10-9 0.293715 0.167939 1 Imean 1.35×10-20 49.58499 29.7533 1 Imedian 1.30×10-17 45 30 1 RImean 3.51×10-25 0.760146 0.177648 1 RImedian 0.000 0.798438 0.198139 1 RIquantl90 9.82×10-43 0.714719 0.214834 1 RIquantl95 6.29×10-41 0.709131 0.28933 1 RImean-quantl90 3.57×10-26 0.522433 0.092618 0 RImean-quantl95 1.06×10-30 0.348128 0.140247 1 RImedian-quantl90 4.94×10-20 0.473851 0.107941 0 RImedian-quantl95 1.7×10-24 0.308219 0.152024 1 注:A=区域明暗参数,Imean=明暗参数均数,Imedian= 明暗参数中位数,RI=对比明暗参数,RImean=对比明暗参数均数,RImedian=对比明暗参数中位数,RI95分位数=RIquantl95、RI90分位数=RI90quantl90, RI平均数95分位数=RImean-quantl95、RI平均数90分位数=RImean-quantl90、RI中位数95分位数=RImedian-quantl95,RI中位数90分位数=RImedian-quantl90。当参数为非正态分布,参数值为中位数与四分位距,P值使用中位数与四分位距由KW检验计算;当参数符合正态分布时,参数值为均数与标准差,P值使用平均数与标准差由t检验计算。
【相似文献】
相关期刊论文 前9条
1 韩超;朱丽娜;刘想;刘伟鹏;张晓东;王霄英;;基于U-Net实现前列腺MR图像上腺体的自动分割和径线测量:临床植入验证研究[J];放射学实践;2020年04期
2 马明明;姜原;刘义;谢辉辉;张靖远;王祥鹏;刘伟鹏;张晓东;秦乃姗;王霄英;;U-Net深度学习模型对DCE-MRI上乳腺肿块自动分割和定位的准确性分析[J];放射学实践;2020年08期
3 何慧;陈胜;;改进预训练编码器U-Net模型的PET肿瘤自动分割[J];中国图象图形学报;2020年01期
4 芦玥;马瑜;王慧;王原;;基于U-Net的多图谱标签融合算法[J];液晶与显示;2019年11期
5 贺宝春;贾富仓;;基于组合U-Net网络的CT图像头颈放疗危及器官自动分割[J];集成技术;2020年02期
6 杜倩倩;强彦;李硕;杨晓棠;;基于空洞U-Net神经网络的PET图像重建算法[J];太原理工大学学报;2020年02期
7 黄锦威;萧文鹏;朱思婷;丘皓怡;陈星宇;刘深泉;;基于对抗训练的U-Net神经网络在稀疏投影CT图像增强的应用[J];中国医学物理学杂志;2020年05期
8 肖亮;娄煜堃;周航宇;;用于SAR估计的基于U-Net网络的快速膝关节模型重建[J];波谱学杂志;2020年02期
9 董飒;杨海英;;高频超声在四肢神经卡压性病变诊断中的应用[J];影像研究与医学应用;2017年08期
相关博士学位论文 前1条
1 周解平;基于三维残差与U-Net混合网络的调强放疗自动计划方法研究[D];中国科学技术大学;2020年
相关硕士学位论文 前2条
1 许强;基于多尺度U-net的三维稀疏角度CT图像后处理算法研究[D];东南大学;2019年
2 刘远航;基于深度学习肺部CT图像分割算法研究[D];电子科技大学;2020年
本文编号:2884470
本文链接:https://www.wllwen.com/linchuangyixuelunwen/2884470.html