基于深度学习的后期拒绝对3D体积染心脏CT进行中枢倒的中枢倒
Tatsuya Nishii1, Tomoro Morikawa2, Hiroki Nakajima2
1Department of Radiology, National Cerebral and Cardiovascular Center, 6-1, Kishibe-Shimmachi, Suita, Osaka, 564-8565, Japan. ttsynishii@gmail.com.
The international journal of cardiovascular imaging
|April 23, 2025
概括
深度学习显著改善了心脏CT 3D VR图像质量,以检测心交门缩. 这种改进提高了诊断准确度和解释速度,帮助外科医生.
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:
- 心脏CT对于额头门 (MV) 脱落的评估至关重要.
- 3D体积染 (VR) 有助于可视化,但图像质量可能是一个限制.
- 基于深度学习的无色化提供了一个潜在的解决方案,以提高图像质量.
研究的目的:
- 为了评估基于深度学习的denoising对3DVR心脏CT图像对中枢门缩 (MVP) 可视化的影响.
- 在MVP检测中评估无色化3DVR图像的诊断性能和效率.
主要方法:
- 从接受MV修复的患者进行心脏CT的回顾性审查.
- 使用剩余密集网络,对原始图像进行代重建和无色化.
- 创建具有血液室透明度的3DVR图像,用于MV传单显示.
- 图像质量得分,诊断信心 (AUC) 和原始和无色化图像之间的解释时间的比较.
主要成果:
- Denoising显著改善了3D VR图像质量分数,从50到76 (P < .001).
- 用于识别MV塌的曲线下的面积 (AUC) 从0.91增加到0.94 (P = .009).
- 无色化3DVR图像的解释时间是多平面重新格式化的图像的五倍快 (P < .001).
结论:
- 基于深度学习的denoising有效地提高3D VR心脏CT图像质量,用于MV.
- 改进的图像质量导致更好的诊断性能和更高的检测MV塌的效率.
- 这种技术有望改善手术前对MV塌的评估.
