使用四维CT与深度学习测量心脏功能指标的低剂量值.
Pengwei Wu1, Kyle Kim2, Lauren Severance2
1GE Healthcare Technology & Innovation Center, Niskayuna, New York, USA.
Journal of applied clinical medical physics
|December 3, 2024
概括
深度学习模型可以将心脏CT成像中的辐射剂量降低多达5倍,并保持弹射率 (EF) 和应变等关键功能指标的准确性. 这种剂量降低对于诸如心力衰竭和心肌梗塞后的心脏病等疾病至关重要.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 心血管成像 - 心血管成像
背景情况:
- 四维CT (4DCT) 对于心脏成像和预后至关重要,但引起了辐射剂量问题.
- 在4DCT期间减少辐射暴露对于患者安全至关重要.
- 深度学习 (DL) 提供了一种潜在的解决方案,用于降低心脏CT的剂量.
研究的目的:
- 在4DCT心脏成像中研究基于深度学习的细分来减少4DCT心脏成像中的剂量.
- 评估剂量降低对功能性心脏指标的影响.
- 评估使用标准剂量和低剂量数据训练的DL模型的性能.
主要方法:
- 开发了一个3D残余U-Net,用于对左心室 (LV) 心肌和血液池进行细分.
- 训练了两个DL网络:标准DL (仅SD数据) 和噪声强大的DL (SD+低剂量数据).
- 测量了250个4DCT体积的功能性心脏指标 (EF,GLS,CS,WT) 在不同的剂量水平下.
主要成果:
- 来自DL的功能指标与标准剂量图像的专家手动分析密切匹配.
- 标准DL显示EF,GLS,CS的差异很小 (<0.8%),剂量减少约76%.
- 噪声强大的DL即使在显著降低剂量 (50mA) 中也保持了可接受的性能.
结论:
- 在4DCT中,辐射剂量可以减少平均5倍,对全球功能指标的影响最小.
- DL细分技术可以显著降低剂量,同时保持诊断准确度.
- 用模拟的低剂量数据训练DL模型提高了对图像质量降低的稳定性.
更多相关视频
09:57Four-Dimensional Computed Tomography-Guided Valve Sizing for Transcatheter Pulmonary Valve Replacement
Published on: January 20, 2022
2.5K
08:13In Vivo Quantitative Assessment of Myocardial Structure, Function, Perfusion and Viability Using Cardiac Micro-computed Tomography
Published on: February 16, 2016
19.5K
