PlaqueViT:一种视觉转换器模型,用于冠状动脉计算机断层扫描血管造影中完全自动的血管和斑块细分
Jennifer Alvén1, Richard Petersen1, David Hagerman1
1Department of Electrical Engineering, Chalmers University of Technology, Gothenburg, Sweden.
European radiology
|February 5, 2025
概括
一个新的深度学习模型,PlaqueViT,在冠状动脉计算机断层扫描 (CCTA) 扫描中准确地细分冠状动脉斑块. 这种自动化工具的性能与专家阅读器相当,有助于冠状动脉疾病研究和临床使用.
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
- 医学图像分析 医学图像分析
背景情况:
- 冠状动脉计算机断层扫描血管造影 (CCTA) 对于诊断冠状动脉疾病 (CAD) 至关重要.
- 在CCTA中,冠状动脉斑块和血管的准确细分对于定量分析和风险分层至关重要.
- 目前的细分方法可能会耗时,并且会受到观察者之间的变化.
研究的目的:
- 开发和评估深度学习模型,用于CCTA中冠状动脉血管和斑块的自动细分.
- 评估模型与专家阅读器的性能及其在CAD检测中的实用性.
主要方法:
- 使用来自瑞典心肺生物图像研究 (SCAPIS) 的CCTA数据开发了一个定制的3D视觉转换器模型 (PlaqueViT).
- 模型的性能被用Dice系数,平均表面距离,类内相关系数 (ICC),灵敏度和特异性来评估.
- 外部验证使用来自林科平大学医院的数据进行,并在单独的SCAPIS数据集上测试CAD检测能力.
主要成果:
- 与专家阅读器相比,PlaqueViT在冠状动脉斑块细分方面实现了0.55的子系数和0.93的ICC.
- 该模型的性能与观察者间研究中的专家阅读器相当 (迪斯系数~0.50,ICC~0.97).
- PlaqueViT在测试数据集中显示88%的一致性检测冠状动脉斑块,在CAD检测数据集中显示89%的一致性.
结论:
- 一个完全自动的深度学习模型 (PlaqueViT) 用于冠状动脉斑块细分在CCTA已经成功开发.
- 该模型的性能可与经验丰富的读者相美,为临床和研究应用提供了宝贵的工具.
- 这种自动化细分工具对于像SCAPIS这样的大规模人口研究非常重要.
更多相关视频
13:07Optical Coherence Tomography Based Biomechanical Fluid-Structure Interaction Analysis of Coronary Atherosclerosis Progression
Published on: January 15, 2022
3.8K
06:59Improved Registration of 3D CT Angiography with X-ray Fluoroscopy for Image Fusion During Transcatheter Aortic Valve Implantation
Published on: June 3, 2018
10.3K
