通过冠状动脉血管学检测冠状动脉曲的新型深度学习方法
Miriam Cobo1, Francisco Pérez-Rojas2,3, Constanza Gutiérrez-Rodríguez4
1Advanced Computing and e-Science Research Group, Institute of Physics of Cantabria (IFCA), CSIC - UC, 39005, Santander, Cantabria, Spain. cobocano@ifca.unican.es.
Scientific reports
|July 10, 2023
概括
人工智能,特别是深度学习,现在可以自动检测冠状动脉曲从血管图. 这种人工智能工具的性能与人类专家相美,有助于关键的干预治疗规划.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 冠状动脉扭曲通常在冠状动脉造影期间没有被检测出来,这使治疗计划复杂化.
- 对冠状动脉形态的准确评估对于诸如支架等干预措施至关重要.
研究的目的:
- 开发一种人工智能算法,使用冠状动脉血管学自动检测冠状动脉扭曲.
- 用深度学习技术分析冠状动脉扭曲.
主要方法:
- 利用深度学习,特别是卷积神经网络 (CNN),将冠状动脉血管图分类为曲折或非曲折.
- 在658个左侧 (蜘蛛) 和右侧 (45°/0°) 冠状动脉血管图中使用五倍交叉验证训练模型.
主要成果:
- 人工智能系统在检测冠状动脉曲方面实现了87%±6%的测试准确度.
- 该模型显示曲线下的平均面积为0.96±0.03,其灵敏度和特异性与专家放射科医生相美.
结论:
- 深度学习CNN为检测冠状动脉曲提供了一个有希望的,自动化的方法.
- 这种由人工智能驱动的系统在心脏病学和医学成像学中具有显著的潜在应用,以改善患者护理.
