在使用4DCT的跨导管大动脉门中自动识别小册子血栓
Laura Busto1, César Veiga1, Carlos Martínez1
1Cardiology Research Group, Galicia Sur Health Research Institute, 36312, Vigo, Spain; AI Platform for Biomedical Analysis, Galicia Sur Health Research Institute, 36312, Vigo, Spain.
自动化的深度学习模型准确地检测了叶片血栓症 (LT),这是通过导管的大动脉植入 (TAVI) 的并发症. 这种方法增强了早期诊断,并改善了长期的透导管心脏门耐用性.
科学领域:
- 心脏病学和医学成像学
- 医疗保健中的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 传单血栓 (LT) 是通过导管的大动脉植入 (TAVI) 后的一个主要并发症,影响患者的结果和通过导管心脏 (THV) 的长期耐用性.
- 亚临床LT (SLT),以低衰减的叶片加厚 (HALT) 和减少的叶片运动 (RELM) 为特征,由于观察者可变性,难以手动诊断.
- 目前对LT的计算机断层扫描 (CT) 评估是劳动密集型和不一致的,随着TAVI在年轻人群中越来越多地使用,这带来了挑战.
研究的目的:
- 开发和评估使用nnU-Net架构的自动化细分模型,用于在TAVI患者的4DCT扫描中检测和表征血栓.
- 为了减少手工劳动和观察者变异性在诊断的小册子血栓症.
- 探索动态4DCT分析的潜力,以改善LT诊断和个性化抗凝策略.
主要方法:
- 从TAVI患者的4DCT扫描数据集的手动注释.
- 培训和实施八个不同的nnU-Net模型用于血栓细分.
- 使用细分指标和临床血栓数据评估模型性能.
主要成果:
- 几种自动化细分模型在检测小册子血栓症方面达到超过0.8的精度值.
- 在整个心脏周期中观察到的血栓体积变化表明,对于准确的LT评估,阶段选择的重要性.
- 该研究证明了自动LT检测和表征的可行性,减少了诊断挑战.
结论:
- 使用nnU-Net的自动细分显示了在TAVI患者中准确有效地检测叶片血栓的巨大潜力.
- 动态4DCT分析可以提高LT诊断的准确性,并为个性化治疗策略提供信息.
- 这项工作为开发预测生物标志物和通过早期LT检测改善长期THV结果提供了基础.
更多相关视频
06:59Improved Registration of 3D CT Angiography with X-ray Fluoroscopy for Image Fusion During Transcatheter Aortic Valve Implantation
Published on: June 3, 2018
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
相关概念视频
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Imaging Studies for Cardiovascular System V: CT
