基于深度学习的完全自动化图像质量评估用于动脉计算机断层扫描血管学:一个多中心研究
Wanyun Fu1, Zhangman Ma2, Zhiwen Yang3
1Rehabilitation Medicine Center, Department of Radiology, Zhejiang Provincial People's Hospital, Affiliated People's Hospital, Hangzhou Medical College, Hangzhou 310014, Zhejiang, China.; The Second School of Clinical Medicine, Zhejiang Chinese Medical University, Hangzhou 310053 Zhejiang, China.
概括
一个新的深度学习和后勤回归模型为心动脉CTA扫描提供了自动化图像质量评估. 这种自动化的多指数模型与放射科医生的性能与提高效率相匹配.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- Carotid 计算机断层扫描血管造影 (CTA) 对于诊断脑血管疾病至关重要.
- 准确的图像质量评估 (IQA) 对于可靠的CTA解释至关重要.
- 目前的IQA方法可能是主观的,耗时的.
研究的目的:
- 开发和评估一个完全自动化的深度学习和物流回归模型,用于动脉CTA图像的IQA.
- 将模型的性能与专家放射科医生的评估进行比较.
主要方法:
- 追溯收集了840张大动脉CTA图像.
- 放射科医生使用3点利克特尺度对图像质量的评估.
- 在600张训练图像上使用3D Res U-net和物流回归进行自动化模型的开发.
- 在240个内部和外部测试图像上进行验证.
主要成果:
- 自动化多指数模型以0.98 (内部) 和0.97 (外部) 的AUC取得了出色的表现.
- 在内部和外部测试数据集中,模型和放射科医生的一致性分别达到91.8%和92.6%.
- 该模型表现出高灵敏度,特异性,精度,F-score和准确性.
结论:
- 这种全自动化的多指数模型提供了与动脉CTA IQA主观放射科医生评估相当的性能.
- 这种自动化方法提高了图像质量评估的效率.
- 该模型显示了在动脉CTA分析中常规临床应用的巨大潜力.
更多相关视频
05:49Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization
Published on: February 23, 2024
743
09:32Time-Resolved, Dynamic Computed Tomography Angiography for Characterization of Aortic Endoleaks and Treatment Guidance via 2D-3D Fusion-Imaging
Published on: December 9, 2021
2.9K
