试图计划:基于深度学习的自动评估框架,用于对心脏右侧的评估,用于跨导管三管置换计划

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
• 医疗器械技术 医疗器械技术

背景情况:

• 对右侧心脏结构复合体 (RSHSc) 的术前评估对于跨导管三门置换 (TTVR) 计划至关重要.
• 目前的手动评估方法耗时且缺乏一致性.
• 需要自动化解决方案来提高TTVR前评估的效率和准确性.

研究的目的:

• 开发和验证TRI-PLAN,这是一个全新的,完全自动化的深度学习 (DL) 框架,用于TTVR前评估.
• 评估TRI-PLAN在细分RSHSc,定位三管环和测量关键解剖参数方面的表现.
• 评估TRI-PLAN系统的临床适用性和工作流程效率.

主要方法:

• 对140个手术前计算机断层扫描血管学 (CTA) 扫描的回顾性分析,这些扫描来自严重三管吐的患者.
• 开发TRI-PLAN使用双阶段右心评估网络 (DRA-Net) 进行细分和定位.
• 自动测量解剖学参数和右心室喷射率 (RVEF),并根据专家基准评估性能.

主要成果:

• 试验计划 (TRI-PLAN) 证明了专家级别的细分精度 (体积滴 0.952/0.955) 和精确的定位 (SD 1.18/1.14 mm).
• 在解剖学测量 (ICC 0.984/0.979) 和可靠的RVEF评估 (R=0.97,偏差<5%) 中观察到出色的一致性.
• 该系统实现了80%的直接验收率,并将评估时间缩短了95%以上 (从30分钟到2分钟以下).

结论:

• 试验计划为TTVR前评估提供了一个准确,高效和临床适用的解决方案.
• 自动化框架具有强大的潜力,可以简化TTVR规划.
• 实施TRI-PLAN可以提高TTVR的程序结果.