深度学习拒绝算法用于改进冠状动脉的评估在跨导管大动脉植入CT成像CT成像中
Ludovica R M Lanzafame1, Sebastian Steinmetz2, Tommaso D'Angelo1
1Diagnostic and Interventional Radiology Unit, BIOMORF Department, University Hospital Messina, 98124 Messina, Italy (L.R.M.L., T.D., S.M.).
基于深度学习的降噪 (DLD) 显著提高了CT图像质量,用于跨导管大动脉植入 (TAVI) 计划. 这种先进的技术可以改善冠状动脉的可视化,而不会影响冠状动脉疾病检测的诊断准确性.
科学领域:
- 心血管成像 - 心血管成像
- 放射学中的人工智能
- 医学图像分析 医学图像分析
背景情况:
- 计算机断层扫描 (CT) 对于预导管前大动脉植入 (TAVI) 计划至关重要.
- 图像噪声在CT可以阻碍冠状动脉的准确评估.
- 基于深度学习的降噪 (DLD) 为改善图像质量提供了一个潜在的解决方案.
研究的目的:
- 评估DLD技术对CT图像质量的影响.
- 评估DLD对TAVI患者冠状动脉评估诊断准确性的影响.
- 将DLD处理的图像与传统CT重建进行比较.
主要方法:
- 对200名接受TAVI前规划的患者CT扫描的回顾性分析.
- 使用DLD软件生成常规CT图像和无色CT图像.
- 使用信号与噪声比率 (SNR) 和对比与噪声比率 (CNR) 的客观图像质量评估.
- 两个读者使用利克特尺度对图像质量的主观评估.
- 对冠状动脉疾病 (CAD) 检测对侵入性冠状动脉血管学进行诊断性能评估.
主要成果:
- 否定的图像呈现出明显更高的SNR和CNR,噪声水平降低 (p<0.001).
- 主观评估偏好了无色图像的清晰度,噪音,对比度和整体质量 (p<0.001).
- 使用DLD检测CAD的诊断准确度显示AUC为90%,具有高灵敏度和特异性,与标准图像没有显著差异 (p=0.056).
结论:
- 在TAVI前的冠状动脉评估中,DLD技术大大提高了CT图像质量.
- DLD技术不会对评估冠状动脉的诊断准确性产生负面影响.
- 在TAVI规划中,DLD是增强CT成像的有希望的工具.
更多相关视频
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
04:40Identifying Coronary Artery Calcification on Non-gated Computed Tomography Scans
Published on: August 28, 2018
相关概念视频
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Imaging Studies for Cardiovascular System V: CT
Imaging Studies for Cardiovascular System IV: CMRI
Computed Tomography
The technique was invented in the 1970s and is based on the principle that as X-rays pass through the body, they are absorbed or reflected at different levels. In the technique, a patient lies on a motorized platform while a computerized axial tomography (CAT) scanner rotates...
