基于深度三维卷积神经网络的冠脉CTA自动动脉粥样硬化检测与弱监督定位
图像与视频处理
2020-06-09 v3 机器学习
摘要
我们提出一种基于深度学习框架的全自动算法，能够对冠脉计算机断层 angiography（CCTA）检查进行筛查，以可靠检测冠脉动脉粥样硬化的存在或缺失。系统首先从CCTA数据集中提取冠状动脉及其分支，并以多平面重组体积表示；随后应用预处理和增强技术以提升系统的鲁棒性和泛化能力。利用三维卷积神经网络（3D-CNN）对冠脉血管中的病理改变（如动脉粥样硬化斑块）建模。系统学习有和无动脉粥样硬化血管之间的判别特征。最终卷积层的判别特征通过显著图方法可视化，以提供与动脉粥样硬化可能性和位置相关的视觉线索。我们在代表247名动脉粥样硬化患者和246名无动脉粥样硬化患者的参考数据集上评估了该系统。采用五折交叉验证，在动脉/分支级别阈值0.5下取得准确率=90.9%、阳性预测值=58.8%、灵敏度=68.9%、特异度=93.6%、阴性预测值（NPV）=96.1%。受试者工作特征曲线下平均面积为0.91。该系统显示出高NPV，可能有助于阅片医师排除急性胸痛患者的冠脉动脉粥样硬化。
引用
@article{arxiv.1911.13219,
title = {Automated Coronary Artery Atherosclerosis Detection and Weakly Supervised Localization on Coronary CT Angiography with a Deep 3-Dimensional Convolutional Neural Network},
author = {Sema Candemir and Richard D. White and Mutlu Demirer and Vikash Gupta and Matthew T. Bigelow and Luciano M. Prevedello and Barbaros S. Erdal},
journal= {arXiv preprint arXiv:1911.13219},
year = {2020}
}