非对比 CT 扫描上的自动斑块检测和 Agatston 评分估算：一项多中心研究
计算机视觉与模式识别
2024-02-16 v1
摘要
冠状动脉钙化 (CAC) 是心血管疾病 (CVD) 的一个强有力且独立的预测因子。然而，手动评估 CAC 通常需要放射学专业知识和时间，以及侵入性成像技术。这项多中心研究的目的是验证一种使用 3D 多类 nnU-Net 的门控和非门控非对比胸部 CT 容积的自动心脏斑块检测模型。CT 扫描在三级医院进行了三次，并分别收集为三个数据集。心脏、主动脉和肺部分割使用 TotalSegmentator 确定，而冠状动脉和心脏瓣膜中的斑块则对 801 个体积进行了手动标注。在这项工作中，我们展示了如何调整 nnU-Net 语义分割流水线以检测冠状动脉和瓣膜中的斑块。通过线性校正，nnU-Net 深度学习方法还可以准确估算胸部非对比 CT 扫描上的 Agatston 评分。与手动 Agatston 评分相比，自动 Agatston 评分显示的线性回归斜率为 0.841，截距为 +16 HU (R2 = 0.97)。这些结果优于先前评估非门控 CT 扫描中自动 Agatston 评分计算的工作。
引用
@article{arxiv.2402.09569,
title = {Automated Plaque Detection and Agatston Score Estimation on Non-Contrast CT Scans: A Multicenter Study},
author = {Andrew M. Nguyen and Jianfei Liu and Tejas Sudharshan Mathai and Peter C. Grayson and Ronald M. Summers},
journal= {arXiv preprint arXiv:2402.09569},
year = {2024}
}
备注
Accepted at SPIE Medical Imaging 2024