基于SPECT MPI极地图图像和深度学习的冠状动脉疾病严重程度的分类:关于多血管疾病预测的研究
Jui-Jen Chen1, Ting-Yi Su2, Chien-Che Huang3
1Department of Nuclear Medicine, Chang Gung Memorial Hospital, Kaohsiung Medical Center, Chang Gung University College of Medicine, Kaohsiung.
Digital health
|November 1, 2024
概括
深度学习使用SPECT MPI扫描准确预测多血管疾病 (MVD),改善冠状动脉疾病评估. 这种方法提供了高效的诊断和潜在的成本节省.
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:
- 冠状动脉疾病 (CAD) 是一个主要的全球健康问题.
- 单光子发射计算机断层扫描心肌输液成像 (SPECT MPI) 用于评估CAD的严重程度.
- 手动解释SPECT MPI可能导致错误;深度学习提供自动化分析.
研究的目的:
- 应用深度学习来评估CAD的严重程度和识别多血管疾病 (MVD).
- 通过使用 SPECT MPI 图像,评估 EfficientNet-V2 模型与 DeepSMOTE 结合用于 MVD 预测的有效性.
主要方法:
- 使用了EfficientNet-V2深度学习模型.
- 使用DeepSMOTE进行数据增强和模型培训.
- 分析了254名患者的数据集,其中包括SPECT MPI图像.
主要成果:
- 在预测MVD时获得了84.31%的准确性.
- 获得了0.8714的接收器运行特征曲线 (AUC) 下的面积,用于MVD预测.
- 成功地区分了MVD和单血管疾病 (SVD).
结论:
- 深度学习技术可用于从SPECT MPI图像中预测MVD.
- EfficientNet-V2和DeepSMOTE的集成有效地评估了CAD的严重程度,并区分了MVD.
- 这种方法可以进行早期的MVD预测,从而有可能改善患者的治疗结果并降低成本.
