X線冠動脈造影における冠動脈と狭窄検出の深層学習ベースセグメンテーション

科学分野:

• 心臓病学
• 人工知能
• 医用画像

背景:

• 深層学習（DL）は、侵襲的冠動脈造影（ICA）における冠動脈検出の自動化の可能性を示しています。
• 正確なセグメンテーションと狭窄検出は、冠動脈疾患の診断に不可欠です。

研究 の 目的:

• ICAにおける冠動脈セグメンテーションと有意な狭窄検出のためのDLモデルを開発および検証すること。
• これらのDLモデルのパフォーマンスを専門家のばらつきと比較すること。

主な方法:

• 2つの主要な医療センターからのICA研究の後ろ向き収集。
• 専門家による冠動脈と狭窄の手動セグメンテーション。
• 単一施設および複数施設のデータセットを使用したDLモデルのトレーニング。
• 外部検証と専門家パフォーマンスとの比較。

主要な成果:

• 両施設からのデータでトレーニングされたDLモデルは、最高のセグメンテーションパフォーマンス（ダイス係数：0.86）を達成しました。
• DLモデルによる狭窄検出率（0.67）は、専門家の一致率（0.65）と比較可能でした。

結論:

• DLモデルは、ICAにおける冠動脈セグメンテーションにおいて専門家レベルのパフォーマンスを示します。
• AI搭載ツールは、主要な冠動脈における有意な狭窄を効果的に検出できます。
• これらの発見は、日常の心臓画像ワークフローへのDLの統合を支持します。