相关实验视频
Updated: May 3, 2026

10:46
MRI and PET in Mouse Models of Myocardial Infarction
Published on: December 19, 2013
11.8K
深度学习方法用于使用骨光学单光子发射计算机断层扫描/计算机断层扫描在怀疑心脏粉症的患者心脏的自动细分
Abhijit Bhattaru1, Chaitanya Rojulpote2, Mahesh Vidula3
1Department of Radiology, University of Pennsylvania, Philadelphia, PA, USA; Department of Cardiology, University of Pennsylvania, Philadelphia, PA, USA; Department of Medicine, Rutgers New Jersey Medical School, Newark, NJ, USA.
概括
深度学习准确地检测心肌吸收量,用于诊断心脏粉样性心肌病变 (ATTR-CM). 这种自动化工具可以通过SPECT/CT成像提高ATTR-CM的识别能力.
科学领域:
- 心脏病学 心脏病学
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 晶体氨酸心脏粉状心肌病 (ATTR-CM) 诊断依赖于确定心肌骨寻找吸收.
- 99mTc-pyrophosphate (PYP) 或基酸盐 (HDP) SPECT/CT是ATTR-CM评估的关键成像方式.
研究的目的:
- 开发和验证一个深度学习工具,用于ATTR-CM中自动检测心肌吸收.
- 与视觉评估相比,评估深度学习在分段和量化心肌吸收的准确性.
主要方法:
- 在CT扫描上使用2D U-net架构进行全心细分.
- 心肌吸收量通过心脏对血液池 (HBP) 的比率来量化.
- 深度学习模型的性能在初级队列 (n=77) 和验证队列 (n=93) 上进行了评估.
主要成果:
- 与基础真相相比,深度学习细分没有显著差异 (p=0.63).
- 自动化HBP比率量化差异化阳性和负心脏吸收 (3.1±1.4与1.4±0.2相比,p<0.01).
- 该模型在初级队列中达到100%的准确性,在验证队列中达到98%的准确性.
结论:
- 已经开发出一种非常准确的深度学习工具来诊断ATTR-CM.
- 该工具自动细分并识别出暗示ATTR-CM的心肌吸收.
- 这种自动化方法可以提高ATTR-CM的诊断效率和准确性.

