面向经田型与非经田型CT扫描的冠状动脉钙化评分跨域泛化框架
计算机视觉与模式识别
2026-02-26 v1 人工智能
摘要
冠状动脉钙化（CAC）评分是心血管风险的关键预测因子，但其依赖于ECG经田型CT扫描，限制了其在特殊心脏成像设置中的应用。我们引入了一个在经田型和非经田型CT扫描之间实现跨域自动化的CAC检测和靶标Agatston评分框架。其核心是CARD-ViT，一个仅在经田型CT数据上使用DINO进行自监督训练的Vision Transformer。无需任何非经田型训练数据，我们的框架在Stanford非经田型数据集上实现了0.707的准确率和0.528的Cohen's kappa值，匹配直接在非经田型扫描上训练的模型。在经田型测试集上，该框架实现了0.910的准确率，并在独立数据集上获得0.871和0.874的Cohen's kappa值，表明其在风险分层方面具有稳健的性能。这些结果表明了从经田型向非经田型域进行跨域CAC评分的可行性，支持在常规胸部成像中进行可扩展的心血管筛查，而无需额外的扫描或标注。
引用
@article{arxiv.2602.21935,
title = {A Framework for Cross-Domain Generalization in Coronary Artery Calcium Scoring Across Gated and Non-Gated Computed Tomography},
author = {Mahmut S. Gokmen and Moneera N. Haque and Steve W. Leung and Caroline N. Leach and Seth Parker and Stephen B. Hobbs and Vincent L. Sorrell and W. Brent Seales and V. K. Cody Bumgardner},
journal= {arXiv preprint arXiv:2602.21935},
year = {2026}
}