在计算机断层扫描中自动检测肺栓塞 肺血管图扫描使用三维卷积神经网络进行扫描
Huiyuan Zhu1, Guangyu Tao2, Yifeng Jiang2
1Department of Radiology, Shanghai Pulmonary Hospital, School of Medicine, Tongji University, Shanghai, China; Department of Radiology, Shanghai Chest Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China.
European journal of radiology
|June 28, 2024
概括
一个新的深度学习模型,EmbNet,在CTPA扫描上显示高精度检测肺栓塞. 这种人工智能工具可以帮助临床实践中进行肺栓塞的初步查.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 心血管成像 - 心血管成像
背景情况:
- 肺栓塞 (PE) 是一种危及生命的疾病,需要及时诊断.
- 计算机断层扫描肺血管造影 (CTPA) 是检测PE的主要成像方式.
- 手动解释CTPA扫描可能耗时,并容易引起观察者之间的变化.
研究的目的:
- 开发和评估EmbNet,一个卷积神经网络,用于CTPA扫描中自动检测PE.
- 评估 EmbNet 在不同栓塞位置的诊断性能.
- 确定EmbNet在PE查中的潜在临床实用性.
主要方法:
- 在内部培训和验证中使用了305个CTPA扫描的数据集,另外250个扫描用于外部验证.
- 网框架包括肺血管细分,随后基于深度学习的栓塞检测.
- 在中央动脉,叶叶分支和外围区域分析了胚胎,由专家放射学家确定了基本真相.
主要成果:
- EmbNet实现了高的每扫描灵敏度 (90.9%内部, 88.0%外部) 和负预测值 (97.0%内部, 95.9%外部).
- 通过栓塞分析表明,在各个位置都有很强的敏感性:中央 (89.7%的内部,94.4%的外部),叶片 (95.2%的内部,93.5%的外部) 和外围 (82.6%的内部,80.2%的外部).
- 该模型表现出有希望的性能,虚假阳性率低,平均每扫描0.45-0.69个虚假栓塞.
结论:
- 在CTPA扫描中,EmbNet在CTPA扫描中的不同位置检测肺栓塞的高度灵敏度.
- 人工智能模型显示了协助临床医生在怀疑肺栓塞的患者初步查中的潜力.
- 进一步融入临床工作流程可以提高PE的诊断效率和准确性.
更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.4K
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020
14.1K
