頸動脈狭窄および狭窄評価のためのマルチステージ深層学習アーキテクチャ：DSAとの比較研究

科学分野:

• 医用画像処理;人工知能;心血管疾患

背景:

• 高解像度磁気共鳴画像法（HR-MRI）は、頸動脈アテローム性動脈硬化症の狭窄を評価するための非侵襲的な方法です。;手動セグメンテーションおよび狭窄評価は時間がかかり、観察者間変動が生じやすいです。

研究 の 目的:

• HR-MRIを使用した頭蓋外頸動脈のセグメンテーションおよび狭窄評価のための新しい自動アーキテクチャを開発および検証すること。;提案されたアーキテクチャのパフォーマンスを、手動セグメンテーションおよびデジタルサブトラクション血管造影（DSA）と比較すること。

主な方法:

• 422人の患者からの641の狭窄動脈のデータセットが使用され、トレーニング検証セットおよび独立テストセットに分割されました。;第4病院からの外部検証セットも含まれていました。;アーキテクチャのパフォーマンスは、Dice類似係数および狭窄評価精度を使用して評価されました。

主要な成果:

• 自動アーキテクチャは、手動セグメンテーション（Diceスコア0.97 ± 0.01および0.96 ± 0.01）と高い一貫性を達成しました。;狭窄評価の精度は、独立したテストセットで0.88、外部検証セットで0.86に達しました。;パフォーマンスはDSA診断基準に匹敵しました。

結論:

• 提案されたアーキテクチャは、HR-MRIからの頸動脈の正確で信頼性の高い自動セグメンテーションおよび狭窄評価を提供します。;手動方法と比較して、診断時間と観察者間変動を大幅に削減します。;このインテリジェントツールは、頭頸部のアテローム性動脈硬化症の診断と脳卒中リスクの評価に有望です。