一个基于人工智能的自动分类器,用于在冷大象干手术后发现虚假光层血栓的存在
Anja Osswald1, Konstantinos Tsagakis1, Matthias Thielmann1
1Department of Thoracic and Cardiovascular Surgery, West-German Heart and Vascular Centre, University Duisburg-Essen, 45122 Essen, Germany.
Diagnostics (Basel, Switzerland)
|January 8, 2025
概括
一个人工智能算法现在可以使用CT扫描自动检测和测量冷象手术后的虚假光线血栓. 这种人工智能工具有助于在后续检查期间评估大动脉重塑.
科学领域:
- 心血管成像 - 心血管成像
- 人工智能在医学中的应用
- 胸部外科手术 胸部外科手术
背景情况:
- 冷大象干 (FET) 手术是一种复杂的动脉瘤切割手术.
- 在FET后评估虚假光线 (FL) 血栓形成对于监测大动脉重塑至关重要.
- 目前用于FL血栓形成评估的方法可能耗时且主观.
研究的目的:
- 开发一个无监督的人工智能 (AI) 算法,用于自动识别和定量虚假光线 (FL) 血栓形成.
- 为此分析使用计算机断层扫描血管图像 (CTA).
- 将算法应用于冷后的象牙干 (FET) 操作.
主要方法:
- 从八名FET手术后患者的CTA数据集的回顾性收集.
- 使用二维卷积神经网络 (2D CNN) 开发一个变化自编码器 (VAE).
- 训练人工智能模型根据FL血栓的存在或不存在对图像进行分类,并分配血栓分数.
主要成果:
- 2D CNN VAE准确地重建了血栓形成的图像.
- 自动化血栓评分与患者的FL血栓形成程度相关.
- 在没有显著血栓形成的患者中观察到较低的得分,证明了算法的特异性.
结论:
- 无监督的2D CNN VAE可以自动从患者特定的CTA数据中对FL血栓进行分类.
- 这种人工智能驱动的方法为FET后大动脉重塑的必要后续评估提供了一个有希望的工具.
- 自动分类和量化FL血栓形成可以增强临床决策.
