产生对抗性基于网络的非对比CT血管造影用于大动脉和动脉
Jinhao Lyu1, Ying Fu1, Mingliang Yang1
1From the Department of Radiology, Chinese PLA General Hospital, 28 Fuxing Rd, Haidian District, Beijing 100853, China (J. Lyu, Y.X., Q.D., C.D., X.W., X.X., D.Z., J. Lin, C. Luo, X.M., X.B., J. Hu, C. Li, J. Huang, X.L.); College of Medical Technology, School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China (Y.F., M.Y., X.L.); Department of Radiology, Brain Hospital of Hunan Province, Changsha, China (W.Z.); Department of Radiology, Xiangyang No. 1 People's Hospital, Hubei University of Medicine, Xiangyang, China (Y.Z.); and Department of Radiology, Xiamen Humanity Hospital, Xiamen, China (S.S.).
一个新的深度学习模型可以在没有对比剂的情况下创建CT血管学样图像,为血管诊断提供安全有效的替代方案. 这种人工智能驱动的方法显示了与传统方法相比的图像质量和诊断准确性.
科学领域:
- 医疗成像中的人工智能
- 深度学习用于图像合成.
- 放射学和诊断成像 放射学和诊断成像
背景情况:
- 在CT血管造影 (CTA) 中使用的化对比剂 (ICAs) 带来风险并增加成本.
- 开发无ICA成像方法对于患者安全和医疗保健效率至关重要.
研究的目的:
- 开发和验证一种深度学习模型,用于在没有ICAs的情况下合成CTA类图像.
- 为了评估合成CTA (Syn-CTA) 图像的定量和定性图像质量.
- 为了评估Syn-CTA对血管疾病的诊断准确性.
主要方法:
- 一个生成对抗网络 (GAN) 模型被训练在非对比CT和CTA图像对上.
- 该模型在内部和外部使用定量指标和放射科医生评估进行了验证.
- 诊断准确性比较Syn-CTA和真实CTA之间对大动脉和动脉疾病进行了比较.
主要成果:
- Syn-CTA图像在各种定量指标上与真实CTA图像具有很高的相似性.
- Syn-CTA的视觉质量与真实CTA相似,没有显著差异 (P > .35).
- Syn-CTA 实现了血管疾病的良好诊断准确性 (94% 内, 86% 外).
结论:
- 一个基于GAN的模型可以在没有含的对比剂的情况下合成高质量的CTA样图像.
- Syn-CTA显示出作为传统CTA用于血管诊断的可行替代方案的承诺.
- 这种无ICA的方法为更安全,更有效的医学成像提供了潜力.
更多相关视频
06:59Improved Registration of 3D CT Angiography with X-ray Fluoroscopy for Image Fusion During Transcatheter Aortic Valve Implantation
Published on: June 3, 2018
06:46Quantitative Micro-CT Analysis of Aortopathy in a Mouse Model of β-aminopropionitrile-induced Aortic Aneurysm and Dissection
Published on: July 16, 2018
相关概念视频
Imaging Studies for Cardiovascular System V: CT
Imaging Studies for Cardiovascular System IV: CMRI
Aneurysm II: Clinical Manifestations and Diagnostic Studies
