开发一种深度学习算法,用于在全心冠状动脉磁共振血管学中检测显著的冠状动脉狭窄

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
• 医学诊断 医学诊断 医学诊断

背景情况:

• 全心冠状动脉磁共振血管学 (CMRA) 是检测冠状动脉狭窄的一种非侵入性方法.
• 解释CMRA需要大量的观察者经验,这限制了它的广泛应用.
• 开发自动化工具可以提高CMRA解释的准确性和可访问性.

研究的目的:

• 开发一种深度学习 (DL) 算法,用于准确检测CMRA中显著的冠状动脉狭窄.
• 评估DL算法的有效性,作为CMRA解释的辅助工具.

主要方法:

• 一个深层卷积神经网络被训练并使用75名患者的951个冠状动脉段进行了测试.
• 显著的狭窄被定义为在侵袭性冠状动脉血管学上>50%的光线直径减少.
• 一项观察员研究比较了放射学专家和实习生的表现,包括DL算法支持和没有DL算法支持.

主要成果:

• DL算法实现了0.890的接收器操作特征曲线 (AUC) 下的面积,以检测显著的狭窄.
• 通过DL辅助,学员的诊断性能显著改善 (AUC为0.898比0.821).
• 专家们表明,随着DL辅助的改善,性能有所改善 (AUC为0.897比0.879).

结论:

• 一个DL算法证明了在CMRA上检测显著的冠状动脉狭窄的高诊断准确性.
• 该DL算法作为一个有效的工具,以帮助观察员,特别是那些经验较少的人,在CMRA解释.
• 这种人工智能驱动的方法有可能提高冠状动脉狭窄检测的一致性和准确性.