梅斯医学MedSci APP
医路相伴,成就大医

Radiology:深度学习在冠状动脉CTA钙化评分的应用

Tags: 冠状动脉钙化评分   冠状动脉CTA      作者:shaosai 更新:2022-01-15

 冠状动脉钙评分(CAC)是一种有效的冠状动脉疾病风险分层的影像学指标在临床上存在多种类型的钙评分,其中Agatston钙评分是使用最为广泛的一项。冠状动脉内的体素如果衰减超过预定的阈值130H以上,就被定义为钙。然后通过一个预定义的方程式来计算得分。过去采用的是半自动的方法进行计算近几年,人们尝试在平扫CT中自动计算Agatston评分,其中就包括基于深度学习的计算方法。

光谱CT利用了X射线光子衰减的能量依赖性,根据多能级下的材料分解提供更详细的组织分析。通过使用材料分解的虚拟碘减法算法,光谱CT扫描仪能够生成虚拟非强化(VNC)CT扫描。同时,在不需要额外辐射的情况下,成像后的重建可以取代真正的平扫CT。

近日,发表在Radiology杂志的一项研究提出了一种深度学习方法来自动量化CTA的钙化评分为快速准确的获得钙化评分提供了技术支持

 (A-F)钙化(蓝色箭头)在两位患者CT血管造影(CTA)、VNC CT和平扫CT扫描中的显示。VNC CT扫描(B,E)和平扫CT扫描(C,F)上的钙化外观相似,使用预定义的阈值130HU可以很容易获得,因为冠状动脉的衰减(B,C,E和F中的橙色箭头)明显小于130HU。然而,通过CTA(A,D)获得冠状动脉钙化(CAC)区域并估计相应的CAC评分可能具有挑战性,因为造影剂增强的动脉衰减不一。

总之,本研究提出了一种深度学习方法来自动量化来自CT血管造影(CTA)图像的冠状动脉钙(CAC)评分。本研究结果表明,所提出的方法可以准确地量化CAC,对CTA的风险进行分类。

原文出处

Dan Mu,Junjie Bai,Wenping Chen,et al.Calcium Scoring at Coronary CT Angiography Using Deep Learning.DOI:10.1148/radiol.2021211483

来源:MedSci原创
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言
小提示:本篇资讯需要登录阅读,点击跳转登录

相关推荐

移动应用
medsci.cn © 2020