使用深度学习在CTA扫描中对斯坦福A型和B型大动脉剖析的自动检测和区分
Hung-Hsien Liu1, Chun-Bi Chang2, Yi-Sa Chen1
1Department of Medical Imaging and Intervention, New Taipei City Municipal Tucheng Hospital, New Taipei City 236043, Taiwan.
Diagnostics (Basel, Switzerland)
|January 11, 2025
概括
一个新的深度学习模型从CT扫描中准确地检测A型大动脉解剖 (AD),帮助在紧急情况下快速诊断. 这种人工智能工具将A型AD与B型AD和正常病例区分开来,从而有可能降低死亡率.
科学领域:
- 医疗成像中的人工智能
- 心血管放射学 心血管放射学
- 深度学习用于疾病检测和检测.
背景情况:
- 大动脉解剖 (AD) 是一种危及生命的疾病,需要快速诊断.
- 准确区分A型和B型AD对于治疗至关重要.
- 目前的诊断方法可能耗时,影响紧急护理.
研究的目的:
- 开发和验证用于自动检测A型AD的深度学习模型.
- 为了区分A型AD与正常病例和B型AD.
- 评估模型的性能和CT血管图扫描的处理时间.
主要方法:
- 使用大动脉计算机断层扫描血管学 (CTA) 扫描对498名患者进行的回顾性研究.
- 开发一个由两部分组成的深度学习模型:大动脉检测和剖析分类.
- 在316名患者的独立测试组上进行验证.
主要成果:
- 该模型实现了A型AD (0.969,0.982) 和B型AD (0.946,0.996) 的高灵敏度和特异性.
- 在正常病例 (0.988,1.000) 中也观察到出色的表现.
- 每次CTA扫描的平均处理时间很快,为7.9 ± 2.8秒.
结论:
- 深度学习模型准确而快速地检测A型AD.
- 它显示出在紧急情况下作为成像选工具的潜力.
- 促进早期干预和手术,旨在降低A型AD患者的死亡率.


