Open-Access Fully Automated Intravenous Contrast Detection and Body Part Classification for Computed Tomography...

科学分野:

• 医用画像処理;人工知能;放射線学

背景:

• コンピューター断層撮影（CT）スキャンにおける静脈内造影剤の存在は、大規模データセットではしばしば十分に文書化されていない。CTスキャンの文書化の効率と信頼性を向上させるためには、自動化されたツールが必要である。

研究 の 目的:

• CTスキャンにおける静脈内造影剤の自動検出と部位分類のためのオープンアクセス深層学習モデルであるFALCONを開発および検証すること。FALCONのパフォーマンスを評価し、専門家との注釈速度を比較すること。

主な方法:

• ResNet9アーキテクチャを使用した4つの畳み込みニューラルネットワーク（CNN）モデルを、6つの独立したデータセット（3138件のCTスキャン）でトレーニングおよび検証した。造影剤の存在に関するグラウンドトゥルースは、放射線科医によって検証された。ユーザーフレンドリーな操作のために、モデルをグラフィカルユーザーインターフェイスに統合した。

主要な成果:

• 外部テストセット（1348件のスキャン）で、造影剤検出のF1スコアは、頭頸部で99.4％、胸部で98.3％、腹部/骨盤部で98.1％と高かった。部位分類は、未知のデータで100％のF1スコアを達成した。FALCONは、注釈時間において専門家を大幅に上回った（例：頭頸部CTで1.3秒対21秒）。

結論:

• FALCONは、CTスキャンにおける静脈内造影剤の検出と部位分類のための、高速で信頼性の高い自動化ソリューションを提供する。このオープンアクセスモデルは、データ注釈の効率と精度を向上させることにより、大規模な研究を強化する可能性を秘めている。