在计算机断层扫描上自动检测偶然的腹腔大动脉动脉瘤

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 心血管成像 - 心血管成像

背景情况:

• 腹腔大动脉瘤 (AAA) 是一个重要的健康问题,通常在CT扫描中偶然检测到.
• 早期检测和准确的评估对于管理AAA风险至关重要.
• 目前的检测方法可能耗时,准确度可能有所不同.

研究的目的:

• 开发和验证一种全自动化的深度学习软件,用于CT扫描上检测和评估腹腔大动脉动脉瘤 (AAA).
• 评估软件在大量无症状成年患者群体中的性能.
• 为了研究AAA存在与腹腔大动脉化动脉样硬化斑块之间的相关性.

主要方法:

• 一个深度学习模型被训练在手动细分的腹部CT扫描上进行大动脉细分.
• 该系统提取了轴性大动脉直径以识别AAA (直径>3厘米).
• 对9172张CT结肠镜扫描进行了外部验证,将结果与自动化化斑块检测器相关联.

主要成果:

• 深度学习软件在验证数据集上实现了AAA检测96%的灵敏度和96%的特异性.
• 对AAA检测的曲线下的面积 (AUC) 为99%.
• 与AAA阴性病例相比,AAA阳性病例的Agatston和化斑块体积得分在统计学上显著更高 (p < 0.0001).

结论:

• 在CT扫描上完全自动检测和评估AAA是可行的,并使用深度学习准确.
• 在AAA的存在和腹部大动脉化动脉硬性斑块的数量之间存在强烈的统计学关联.
• 这种自动化方法有望在大型患者队伍中进行高效可靠的AAA查.