在一个大型的多中心注册表中,使用深度学习进行自动化血管特异性冠状动脉化量化
Michelle C Williams1,2, Aakash D Shanbhag2,3, Jianhang Zhou2
1British Heart Foundation Centre for Cardiovascular Science, University of Edinburgh, Edinburgh, UK.
在CT扫描上对血管特异性冠状动脉化 (CAC) 的深度学习分析是准确的,并为主要不良心血管事件 (MACE) 提供关键的预后信息. 这种自动化方法增强了对患者的风险评估.
科学领域:
- 心血管成像 - 心血管成像
- 人工智能在医学中的应用
- 无线电学 (Radiomics) 是一种辐射学.
背景情况:
- 冠状动脉化 (CAC) 是心血管风险的一个关键指标.
- 船舶特定的CAC提供了超越全球CAC评估的附加预后价值.
- 需要自动化分析方法来提高CAC评分的效率和准确性.
研究的目的:
- 评估深度学习 (DL) 模型对船舶特定CAC量化的准确性.
- 评估DL衍生的血管特异性CAC对主要不良心血管事件 (MACE) 的预后影响.
- 在电心电图 (ECG) 及减弱校正 (AC) 计算机断层扫描 (CT) 数据集上验证DL模型.
主要方法:
- 一个DL模型在3000个门式CT扫描中接受了训练,并在2094个门式和5969个非门式ACCT扫描中进行了测试.
- 在左主/左前垂下降 (LM/LAD),左环 (LCX) 和右冠状动脉 (RCA) 中分析了特定于血管的CAC.
- 使用线性加权的科恩卡帕测量了对专家评估的同意;在随访期间,MACE风险通过危险比率 (HR) 进行了评估.
主要成果:
- DL模型表现出与专家地面真相的强有力的优异一致,对于船只特定的CAC,无论是门式还是AC CT.
- 在LM/LAD (>400阿加斯顿单位) 中,较高的CAC负担与两种CT类型中MACE的最高风险显著相关.
- 该模型在不同CAC严重程度类别和冠状动脉区域中表现良好.
结论:
- 使用DL的自动化,船舶特定的CAC评估在门式和AC CT上都是准确和快速的.
- 基于DL的船舶特定CAC分析为预测MACE提供了重要的预测价值.
- 这项技术有可能改善临床实践中的心血管风险分层.
更多相关视频
06:57Author Spotlight: Advancing Cardiovascular Imaging - Introducing the Spatially Weighted Calcium Score for Early Disease Detection
Published on: September 22, 2023
08:02Author Spotlight: Enhanced Quantification of Cardiovascular Calcification Progression for Longitudinal Micro PET/CT Studies in Small Research Animals
Published on: November 15, 2024
相关概念视频
Imaging Studies for Cardiovascular System IV: CMRI
Imaging Studies for Cardiovascular System V: CT
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
