在冠状动脉CT血管学上使用深度学习算法自动检测和分类冠状动脉样斑块
Jing Liang1, Kefeng Zhou1, Michael P Chu2
1Department of Radiology, Nanjing Drum Tower Hospital Clinical College of Nanjing University of Chinese Medicine, Nanjing, China.
一个深度学习算法在CCTA图像中准确地检测和分类冠状动脉样硬化斑块,优于经验较少的医生. 这种人工智能工具有望改善冠状动脉疾病的诊断.
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:
- 冠状动脉疾病 (CAD) 是全球主要的死亡原因.
- 深度学习 (DL) 在诊断CAD和评估斑块积累方面取得了进展.
- 冠状动脉计算机断层扫描血管学 (CCTA) 是CAD评估的关键成像方式.
研究的目的:
- 评估DL算法在检测和分类冠状动脉样硬化斑块方面的性能.
- 为了比较DL算法的准确性与人类医生的斑块检测和分类.
主要方法:
- 对669名怀疑患有CAD的患者的CCTA图像进行了回顾性分析.
- 106名患者通过DL算法和医生检测斑块.
- 563名患者通过DL算法进行斑块分类,与专家放射科医生相比.
- 斑块分类包括缺席,化,非化和混合类型.
主要成果:
- 与具有≤5年经验的医生相比,DL算法在斑块检测方面表现出卓越的灵敏度,特异性,PPV,NPV和准确性.
- 对于斑块分类,DL算法实现了高性能指标:94%的灵敏度,90%的特异性,70%的PPV,98%的NPV,90%的准确性和0.74Cohen的kappa.
- 该算法的检测和分类性能可靠且准确.
结论:
- DL算法可靠地检测和分类CCTA图像中的冠状动脉样硬化斑块.
- 这种人工智能工具可以增强初级放射科医生和干预心脏病专家的诊断能力.
- 该算法可能会简化急性冠状动脉症状的患者分组.
更多相关视频
13:07Optical Coherence Tomography Based Biomechanical Fluid-Structure Interaction Analysis of Coronary Atherosclerosis Progression
Published on: January 15, 2022
06:57Author Spotlight: Advancing Cardiovascular Imaging - Introducing the Spatially Weighted Calcium Score for Early Disease Detection
Published on: September 22, 2023
相关概念视频
Imaging Studies for Cardiovascular System V: CT
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Acute Coronary Syndrome III: Diagnostic Studies
Venous Thrombosis II: Clinical Manifestations and Diagnostic Studies
