基于使用新型深度学习工具的心脏计算机断层扫描血管学,对大动脉根的自动化和定量评估:一项比较研究

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:

• 准确的大动脉根评估对于跨导管大动脉置换 (TAVR) 程序前规划至关重要.
• 新兴的软件为TAVR规划提供半自动或自动测量.
• 本研究评估了一种新的深度学习 (DL) 工具,用于使用心脏计算机断层扫描血管学 (CCTA) 进行全自动的大动脉根评估.

研究的目的:

• 评估一个全自动的大动脉根评估的新深度学习 (DL) 工具的准确性和效率.
• 为了将DL工具的测量与手动和现有的基于软件的方法进行比较,用于接受TAVR计划的患者.

主要方法:

• 该研究包括126名CCTA患者,其中63人接受TAVR.
• 将DL方法与整体队列中环形尺寸的手动测量进行了比较.
• 在TAVR组中,对各种大动脉根参数的DL测量与3mensio软件进行了比较.

主要成果:

• 用DL方法成功分析了96.8%的患者的数据.
• 对环形直径 (r=0.83总体) 的DL和手动测量之间观察到良好的至优良的相关性.
• 与3mensio.com相比,在LVOT (r=0.92) 和 annulus (r=0.89) 中的面积衍生直径 (aDD) 发现了很好的相关性.

结论:

• 深度学习工具提供了一种有效和高效的方法来量化大动脉根.
• 这种自动化方法可以显著帮助在术前规划的跨导管大动脉替换 (TAVR).