对CT血管学中内动脉瘤检测深度学习方法的系统审查
1Laboratory of Imaging Technologies, Faculty of Electrical Engineering, University of Ljubljana, 1000 Ljubljana, Slovenia.
Biomedicines
|November 25, 2023
概括
人工智能算法在CT血管学上检测大脑动脉瘤时显示出高准确度. 然而,检测较小的动脉瘤仍然是一个挑战,需要进一步的研究和标准化指标,以提高诊断准确度.
科学领域:
- 神经学 神经学
- 放射学 放射学是指放射学
- 医疗成像医学成像
背景情况:
- 由脑动脉瘤破裂引起的脑下关节出血是导致死亡和残疾的主要原因.
- 通过计算机断层扫描 (CTA) 早期检测动脉瘤对于患者的治疗结果至关重要.
- 人工智能 (AI) 可以提高动脉瘤检测率并减少变异性.
研究的目的:
- 系统地审查和元分析深度学习AI算法的诊断准确性,以检测CTA上的脑动脉瘤.
- 评估AI在识别不同大小的动脉瘤方面的表现.
主要方法:
- 在PubMed,Embase和Cochrane图书馆进行系统搜索 (2015年1月至2023年7月).
- 包括使用自动/半自动深度学习用于CTA上的动脉瘤检测的研究.
- 使用PRISMA和QUADAS-2指南进行评估;对敏感性,特异性和错误阳性结果进行元分析.
- 使用增强的FROC曲线进行研究比较.
主要成果:
- 包含了15项研究,显示了对内动脉瘤的高聚合性损伤水平敏感性 (0.87).
- 对小动脉瘤 (<3毫米) 的敏感性显著低 (0.56).
- 由于定义不一致和缺乏对照组,对患者级敏感性和特异性的数据有限.
结论:
- 深度学习AI在CTA上检测大脑动脉瘤>3毫米时表现出高准确度.
- 显著需要研究,重点是改善检测较小的动脉瘤 (<3毫米).
- 呼吁在动脉瘤检测中为AI提供标准化测试数据集和一致的性能指标.
