在非对比性胸部计算机断层扫描中检测大动脉解剖和内壁血瘤,使用基于"你只看一次"的深度学习模型

科学领域:

• 医疗成像医学成像
• 放射学中的人工智能
• 心血管疾病 心血管疾病

背景情况:

• 大动脉解剖 (AD) 和大动脉内血瘤 (IMH) 是危及生命的疾病,临床表现重叠.
• 增强对比度的计算机断层扫描 (CT) 通常对于诊断AD和IMH至关重要.
• 开发替代诊断方法至关重要,特别是当对比剂的使用是不可行的.

研究的目的:

• 开发和评估一个深度学习算法来区分AD和IMH与正常的大动脉 (NA),使用非对比CT图像.
• 评估YOLOv4模型在没有对比剂的情况下识别这些大动脉病理方面的有效性.

主要方法:

• 对121名患者的8881个非对比胸部CT扫描进行了回顾性分析.
• 一个深度学习模型,YOLO (You Only Look Once) v4,在被分类为NA,AD或IMH的CT图像上进行训练和验证.
• 数据集被划分为培训,验证和测试集,比例为8:1:1.

主要成果:

• YOLOv4深度学习模型在同时区分AD,IMH和NA方面实现了超过92%的准确性.
• 该模型在单独使用非对比CT成像来识别这些大动脉疾病方面表现强.

结论:

• 开发的深度学习模型为诊断AD和IMH提供了一个有前途的非对比成像方法.
• 这种由人工智能驱动的工具可以帮助临床医生识别关键的大动脉病理,当对比度增强CT具有挑战性或禁忌时.