使用深度学习的计算机断层扫描血管学分流储备的性能评估:SMART试验摘要
Wei Zhang1,2, You-Bing Yin3, Zhi-Qiang Wang1
1Department of Cardiology, Beijing Anzhen Hospital, Capital Medical University, Beijing Institute of Heart Lung and Blood Vessel Disease, Beijing Key Laboratory of Precision Medicine of Coronary Atherosclerotic Disease, Clinical center for coronary heart disease, Capital Medical University, Beijing, China.
基于深度学习的CT-FFR (DVFFR) 准确评估冠状动脉疾病,比传统的CTA单独提供更好的诊断性能. 这种非侵入性方法显示出作为入侵性手术的守门员的承诺.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 基于非侵入性计算机断层扫描血管造影 (CTA) 的分量流量储备 (CT-FFR) 显示出作为侵入性冠状动脉血管造影的预选工具的潜力.
- 基于深度学习 (DL) 的CT-FFR技术与侵入性FFR相比,已经显示出有前途的结果.
研究的目的:
- 为了评估基于DL的特定CT-FFR技术的诊断性能,深船FFR (DVFFR).
- 评估DVFFR在识别血液动力学上显著的冠状动脉病变方面的准确性.
主要方法:
- 一项回顾性单中心研究 (SMART) 包括疑似稳定冠状动脉疾病 (CAD) 的患者,他们接受了CTA和侵入性FFR.
- 使用DL方法在完整的冠状动脉树结构上计算DVFFR,入侵FFR作为参考标准.
- 分析了339名患者和414个血管的数据.
主要成果:
- 在DVFFR中,每种血管的诊断准确度高 (90.8%),灵敏度为94.7%,特异性为88.6%.
- 对于DVFFR,接收器运行特征曲线 (AUC) 下的面积为0.95,显著超过单独的CTA (0.56).
- DVFFR的计算速度很快,平均为22.5秒.
结论:
- 在冠状动脉疾病中,DVFFR准确有效地评估病变的血液动力学意义.
- 基于DL的CT-FFR技术提供了与单独CTA相比更好的诊断性能.
- 准确评估心肌缺血症对于及时治疗和改善患者结果至关重要.
更多相关视频
12:00Evaluation of a Novel Laser-assisted Coronary Anastomotic Connector - the Trinity Clip - in a Porcine Off-pump Bypass Model
Published on: November 24, 2014
06:59Improved Registration of 3D CT Angiography with X-ray Fluoroscopy for Image Fusion During Transcatheter Aortic Valve Implantation
Published on: June 3, 2018