一个新的深度学习模型用于冠状动脉斑块侵蚀的计算机断层扫描诊断

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:

• 由于斑块侵蚀而导致的急性冠状动脉综合征 (ACS) 可以保守地管理,避免支架.
• 目前对斑块侵蚀的诊断需要侵入性成像程序.
• 对斑块侵蚀的非侵入性诊断方法对于患者管理至关重要.

研究的目的:

• 开发和验证深度学习 (DL) 模型,以使用冠状动脉计算机断层扫描血管学 (CTA) 准确诊断斑块侵蚀.
• 将新型DL模型的诊断性能与传统的卷积神经网络 (CNN) 进行比较.

主要方法:

• 一种新的DL模型,即动量蒸增强复合变压器注意力 (MD-CTA),是使用532个CTA扫描 (316名患者进行培训/验证,79名患者进行测试) 开发的.
• MD-CTA模型处理了整个CTA扫描以进行斑块侵蚀诊断.
• 用曲线下的面积 (AUC),灵敏度和特异性来评估患者级和切片级预测的性能.

主要成果:

• 与CNN相比,MD-CTA模型表现出优异的性能.
• 患者级预测:MD-CTA的AUC达到0.899对CNN的0.724,敏感度 (87.1%对71.0%) 和特异性 (85.3%对68.0%) 显著提高.
• 切片级预测:MD-CTA显示AUC为0.897对CNN的0.757,具有更高的灵敏度 (82.2%对68.9%) 和特异性 (80.1%对67.3%).

结论:

• 开发的DL模型 (MD-CTA) 能够准确,非侵入性CT诊断冠状动脉斑块侵蚀.
• 这种人工智能驱动的方法可能使心脏病学家能够为ACS患者量身定制治疗方法,而无需使用侵入性手术.