使用机器学习算法进行心脏计算机断层扫描血管学和心脏磁共振成像之间的左心室质量和壁厚度的比较

科学领域:

• 心脏病学 心脏病学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 心脏磁共振成像 (MRI) 是评估左心室 (LV) 质量和壁厚度的黄金标准.
• 心脏计算机断层扫描血管造影 (CCTA) 越来越多地使用,但其在定量 LV 评估中的作用较少被探索.
• 有限的研究将CCTA与心脏MRI进行了比较,以进行详细的LV分析.

研究的目的:

• 为了将CCTA衍生的LV质量和壁厚与心脏MRI进行比较.
• 评估使用机器学习算法用于基于CCTA的LV定量评估的可行性.
• 为了确定CCTA和心脏MRI在测量LV参数中的一致性.

主要方法:

• 57名参与者接受了CCTA和心脏MRI.
• 机器学习模型自动划出LV轮,用于质量和墙壁厚度计算.
• 皮尔森的相关性和布兰德-阿尔特曼分析评估了CCTA和MRI测量之间的一致性.
• 还评估了观察者之间的变化.

主要成果:

• 平均 LV 质量为 127g (CCTA) 与 128g (MRI) 相比; 平均壁厚为 7mm (CCTA) 与 8mm (MRI).
• 布兰德-阿尔特曼分析显示,LV质量 (平均差异-1.26g) 和平均墙壁厚度 (平均差异-0.57mm) 达成良好一致.
• 协议对基底,中部和顶部区域的区域壁厚测量也很好.

结论:

• 使用CCTA与机器学习进行定量LV质量和壁厚评估是可行的.
• CCTA表明与心脏MRI对LV定量分析有很好的一致性.
• 机器学习增强了CCTA作为心脏MRI对LV评估的替代方案的潜力.