基于人工智能的心脏转氨基粉症检测和评分在剪影成像:多标记器,多扫描仪和多中心开发和评估研究

科学领域:

• 核医学就是核医学.
• 人工智能的人工智能
• 心脏病学 心脏病学

背景情况:

• 通过先进的成像评估工具,可以改进对Transthyretin amyloid心肌病 (ATTR-CM) 的诊断.
• 对光束图像的全面分析对于准确的ATTR-CM检测至关重要.

研究的目的:

• 开发和评估深度学习模型,用于ATTR-CM的自动检测和评分.
• 利用多追踪器,多扫描器和多中心光学数据集进行强大的模型训练和验证.

主要方法:

• 开发了2D平面细分和定位模型,使用99m Tc-MDP 光学数据.
• 采用深度学习来检测ATTR-CM并对各种数据集进行评分 (Tc-DPD, Tc-HDP, Tc-PYP).
• 利用组合技术和可解释性方法 (Grad-CAM,突出性地图) 来进行模型增强和解释.

主要成果:

• 在内部测试组中检测和评分的AUC> 0.95和F1得分> 0.90.
• 外部验证显示了高性能,AUC从0.93到1进行检测,从0.83到0.96进行评分.
• 可解释性地图证实了模型的重点是临床相关的心脏区域.

结论:

• 一个完全自动化的深度学习管道有效地检测和评分ATTR-CM从全身光学成像.
• 该管道在多追踪器,多扫描器和多中心数据中展示了高性能.
• 这种自动化方法承诺更及时,更准确的ATTR-CM诊断,可能改善患者管理.