在3DCT肺血管学中检测和细分肺栓塞,使用值调整细分网络
Jian-Cong Fan1,2, Haoyang Luan1,2, Yaqian Qiao3
1College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao, 266590, Shandong Province, PR China.
Scientific reports
|March 2, 2025
概括
一种新的深度学习模型,即值调整细分网络 (TSNet),改善了CT肺血管造影 (CTPA) 扫描中肺栓塞 (PE) 的检测. TSNet显著减少了假阳性和假阴性,提高了这种关键条件的诊断准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管疾病 心血管疾病
背景情况:
- 肺栓塞 (PE) 诊断在很大程度上依赖于CT肺血管造影 (CTPA).
- 当前的细分算法在3D CTPA中难以区分血栓和血管,导致诊断不准确.
- 精确的血栓定位对于有效的PE患者管理至关重要.
研究的目的:
- 引入值调整细分网络 (TSNet) 进行增强的3D CTPA图像细分.
- 提高PE诊断中血栓检测和定位的准确性.
- 在自动化PE细分中减少虚假阳性和虚假阴性.
主要方法:
- 开发TSNet,其中包括一个值调整模块 (TAD) 和一个几何-拓轴特征模块 (GT-AFM).
- TAD采用对数缩放,适应性调整和非线性转换来优化概率分布.
- GT-AFM集成几何和拓特征,以改进复杂结构的识别.
主要成果:
- 在0毫米的宽容度下,TSNet实现了0.761的灵敏度,每次扫描中有1.273个假阳性.
- 在5毫米的宽容度下,灵敏度增加到0.878,每次扫描的虚假阳性率降低到0.515.
- 展示了优越的细分性能和灵敏度和错误阳性之间的强有力的权衡.
结论:
- TSNet提供了一个有前途的解决方案,用于精确和强大的细分肺栓塞在3DCTPA.
- 该网络能够减少虚假阳性和负性的能力提高了诊断可靠性.
- 在改善PE诊断和患者结果方面,TSNet显示出临床应用的巨大潜力.
