基于人工智能的冠状动脉评分算法在不同切片厚度的非门胸部CT扫描中的性能评估

科学领域:

• 放射学 放射学是一门学科.
• 心血管成像 - 心血管成像
• 人工智能在医学中的应用

背景情况:

• 冠状动脉分数 (CACS) 是心血管事件的关键预测指标.
• 传统的CACS算法需要ECG导入图像,限制它们在常规的胸部CT中使用.
• 低剂量计算机断层扫描 (LDCT) 扫描为CACS计算提供了一个潜在的替代方案.

研究的目的:

• 为了评估AI-CACS算法在非门胸部LDCT扫描中的性能.
• 为了比较不同切片厚度 (1,3,5毫米) 的AI-CACS准确度.
• 评估AI-CACS算法在心血管风险分层中的实用性.

主要方法:

• 前性研究包括135名患有LDCT和ECG导入心脏CT的患者.
• AI-CACS自动计算了从LDCT图像中重建的Agatston分数,其切片厚度为1,3和5毫米.
• 使用相关性和布兰德-阿尔特曼分析,AI-CACS与ECG-gated冠状动脉分数 (ECG-CACS) 的比较.

主要成果:

• 观察到AI-CACS和ECG-CACS之间的高度相关性 (1毫米时为0.973,3毫米时为0.941,5毫米时为0.834).
• 风险类别一致性最高,切片厚度为1毫米 (86.8%).
• 符合率为91% (1毫米),84.8% (3毫米) 和62.5% (5毫米).

结论:

• AI-CACS可以从无门胸部LDCT扫描中可靠地计算.
• 与3mm和5mm相比,1mm的切片厚度产生了最准确的CACS和风险分层.
• AI-CACS有望使用常规LDCT进行广泛的心血管风险评估.