在支气管动脉栓塞中检测Adamkiewicz动脉和前脊髓动脉的深度学习模型:一个多中心的回顾性研究
Chao Zhang1, Hu Lin2, Hongwei Zhang3
1Department of General Surgery, Xuanwu Hospital of Capital Medical University, Beijing, 100053, PR China; Oncology and Vascular Intervention Center, National Clinical Research Center for Geriatric Diseases, Beijing, 100053, PR China.
Journal of vascular and interventional radiology : JVIR
|February 25, 2026
概括
一个新的深度学习模型在支气管动脉栓塞过程中准确地识别脊柱动脉,有助于预防严重并发症. 虽然有效,但该系统仍然存在虚假负面,需要进一步开发.
科学领域:
- 医学成像分析分析 医学成像分析
- 干预性放射学是干预性的放射学.
- 医学中的人工智能
背景情况:
- 脊髓梗塞是支气管动脉栓塞 (BAE) 的严重并发症.
- 在血管造影期间精确的脊柱动脉识别对于预防至关重要.
- 目前用于放射学中脊柱动脉识别的AI是有限的.
研究的目的:
- 评估深度学习模型识别Adamkiewicz动脉和前脊髓动脉 (ASA) 的能力.
- 评估模型在预防BAE期间脊髓动脉栓塞的有效性.
主要方法:
- 为脊柱动脉识别开发了一个深度学习框架.
- 该框架包括兴趣区域 (ROI) 感知和目标识别的逐步改进学习.
- 这种方法增强了脊柱动脉的显著性和局部化.
主要成果:
- 该研究分析了2019年1月至2023年12月期间接受BAE的2,036名患者.
- 深度学习模型在识别Adamkiewicz和ASA的动脉时实现了92.10%的灵敏度和84.62%的特异性.
- 他们的表现与放射学研究员的表现相当.
结论:
- 在BAE期间展示了一种用于脊髓动脉检测的新型深度学习系统.
- 该系统表现出高灵敏度和与人类专家相似的性能.
- 假负片的存在表明需要进一步精细化.
