使用深度学习在CTA扫描卷下实现主动脉夹层分类和直径测量的双功能系统

2024年第34卷第3期

摘要

关键词

补充材料

相关研究

回顶部

《工程（英文）》 >> 2024年第34卷第3期 doi: 10.1016/j.eng.2023.11.014

使用深度学习在CTA扫描卷下实现主动脉夹层分类和直径测量的双功能系统

^aSchool of Artificial Intelligence and Automation & the Engineering Research Center of Autonomous Intelligent Unmanned Systems & the State Key Laboratory of Digital Manufacturing Equipment and Technology, Huazhong University of Science and Technology, Wuhan 430074, China
^bDivision of Cardiovascular Surgery, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan 430030, China
^cWuhan Children's Hospital: Wuhan Women and Children Medical Care Center, Tongji Medical College, Huazhong University of Science and Technology, Wuhan 430010, China

收稿日期： 2023-06-06 修回日期： 2023-09-29 录用日期： 2023-11-23 发布日期： 2024-01-04

HTML0 PDF 12 收藏 0

摘要

急性主动脉夹层是最具致命性的心血管疾病之一，具有很高的死亡率。其在人群中的患病率为0.2%到0.8%，因人为检查未能及时发现而导致大量死亡。此外，主动脉直径作为手术策略选择的关键指标之会对对诊断后的手术结果有显著的影响。因此，开发一种能够识别和分类主动脉夹层类型并测量主动脉直径的自动诊断系统是一项紧迫而具有挑战性的任务。本文提出了一种名为DDAsys的双功能深度学习系统，旨在实现对主动脉夹层的准确分类和对主动脉直径的精确测量。为此，我们创建了一个包含来自中国武汉同济医院心胸血管外科部的279名患者的61 190张计算机断层扫描血管造影（CTA）图像的数据集。该数据集提供了对难以识别特征的切片级归纳，有助于提高对主动脉夹层的识别和分类的准确性。我们的系统在主动脉识别上实现了0.984的F1分数，主动脉分类上达到了0.937的平均分类F1分数，并且对升主动脉和降主动脉直径的测量精度分别为0.994 mm和0.767 mm的均方根误差（RMSE）。该系统推荐的手术治疗与实际相应手术之间的高一致性（88.6%）验证了我们的系统在协助临床医生制定更及时、精确和一致的治疗策略上的能力。

关键词

主动脉夹层 ; 计算机断层扫描血管造影 ; 分类 ; 深度学习

补充材料