用多轴视觉变压器对冠状动脉CT血管学进行CAD-RADS评分:一种临床启发的深度学习管道
Alessia Gerbasi1, Arianna Dagliati1, Giuseppe Albi1
1Department of Electrical, Computer and Biomedical Engineering, University of Pavia, Via Ferrata 5, Pavia, Italy.
Computer methods and programs in biomedicine
|December 23, 2023
概括
一个新的深度学习管道自动化冠状动脉疾病 (CAD) 评估使用冠状动脉计算机断层扫描 (CCTA) 扫描. 这种人工智能工具有助于识别需要进一步调查的患者,并对狭窄症的严重程度进行分类,提高查效率.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 冠状动脉疾病 (CAD) 的评估依赖于冠状动脉计算机断层扫描血管学 (CCTA).
- 用于CAD报告和数据系统 (CAD-RADS) 的手动CCTA分级是耗时且主观的.
- 边界病例在准确的CAD评估中提出了挑战.
研究的目的:
- 开发用于CAD选的自动化,可解释的深度学习管道.
- 为CCTA分析创建一个决策支持系统.
- 根据CAD严重程度和狭窄程度对患者进行分类.
主要方法:
- 使用多轴视觉转换器架构开发了一个深度学习管道.
- 该模型使用CCTA数据进行训练,通过处理冠状动脉截面来模拟临床实践.
- 为了提高预测可靠性,生成了可视解释的地图.
主要成果:
- 该管道实现了0.87的曲线下的面积 (AUC),用于识别需要进一步调查的患者.
- 在基于狭窄的基础上将患者分为CAD-RADS亚组时,获得了0.93的AUC.
- 该系统在253名患者的1873张CCTA图像数据库上得到了验证.
结论:
- 这是第一个训练有素的模型,只使用患者级数据来分配CAD-RADS分数.
- 该管道为CAD选提供了一种完全自动化的,可视化解释的CAD选方法.
- 该系统简化了CAD评估,减少了对手工分级和复杂注释的依赖.
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
10.6K
08:02Author Spotlight: Enhanced Quantification of Cardiovascular Calcification Progression for Longitudinal Micro PET/CT Studies in Small Research Animals
Published on: November 15, 2024
625
