多中心研究:大動脈解剖を予測するための革新的な双方向コンピュータトモグラフィのデータ駆動型深層学習モデル

科学分野:

• 医療用イメージング
• 人工知能
• 心血管疾患

背景:

• 大動脈解剖 (AD) は生命を脅かす状態で,迅速な診断が必要です.
• 現在の計算機断層撮影 (CTA) 診断は,コントラスト剤により時間がかかります.
• 既存のディープラーニング (DL) モデルは,単一モダリティの入力 (非コントラストCTまたはCTA) に限定されています.

研究 の 目的:

• 改善された大動脈解剖 (AD) 診断のためのバイモダル深層学習 (DL) フレームワークを開発する.
• デュアルパス検出のための非コントラストCTとCTAデータの独立した処理を可能にします.
• アルツハイマー病の診断の効率を高めるため

主な方法:

• 2016年2月から2021年9月の間にコントラストのないCTとCTAを受けた患者を含めた遡及研究です.
• 2段階のDLモデルが開発されました:大動脈検知ネットワーク (AoDN) と大動脈解剖診断ネットワーク (ADDiN).
• 性能は,大動脈検出のための結合値0. 5 (AP@0. 5) 以上の交差点での平均精度と,診断のための受容器操作特性曲線 (AUC) 以下の面積を使用して評価されました.

主要な成果:

• AoDNは,非コントラストCTでは99. 14%,CTAでは99. 34%のAP@0. 5で,大動脈検出において高い性能を達成した.
• ADDiNは優れた診断精度を示し,非コントラストCTでは0. 98のAUC,CTAでは0. 99のAUCを達成した.
• このモデルは3つの機関で検証されました.

結論:

• 提案されたバイモダルCTデータ駆動DLモデルはADを正確に診断します.
• このフレームワークは,AD患者の迅速な病院診断と治療開始を促進します.
• この研究は,心血管の緊急診断を改善するマルチモダルのDLの可能性を強調しています.