从通过深度神经网络的模拟静态心肌计算机断层扫描 perfusion 来合成心肌动脉血流的可行性探索

科学领域:

• 心脏病学 心脏病学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 心肌血流 (MBF) 对于诊断心肌缺血至关重要.
• 动态计算断层扫描输液 (CTP) 用于MBF,但由于多次暴露,涉及高剂量的辐射.

研究的目的:

• 调查从模拟的静态CTP合成MBF的潜力.
• 为MBF评估探索显著的辐射剂量减少.
• 在CTP中绕过传统的动态输入函数的需求.

主要方法:

• 开发了一个深度神经网络 (DNN),将模拟的静态CTP转换为合成MBF.
• 该研究包括253名受试者,这些受试者具有阻塞性冠状动脉疾病 (CAD) 的中等至高预测概率.
• 合成MBF经过图像质量评估,细分和临床功能评估以确定一致性和相关性.

主要成果:

• 合成MBF与参考MBF具有很高的相似性 (SSIM:0.87).
• 接收器操作特征 (ROC) 分析显示,在使用合成MBF识别缺血段时,曲线下面面积很大 (AUC:0.915).
• 该方法理论上允许通过减少对动态CTP高时间分辨率的依赖来显著降低辐射剂量.

结论:

• 从静态CTP合成MBF的拟议方法是可行的.
• 合成MBF表现出令人满意的临床功能.
• 需要进一步验证,以确认在临床实践中确实减少了辐射剂量.