使用深度学习自动进行 CAD-RADS 评分
图像与视频处理
2020-11-22 v1 机器学习
摘要
冠脉 CT 血管造影（CCTA）已确立其作为诊断冠心病（CAD）的非侵入性方式的地位。CAD 报告与数据系统（CAD-RADS）旨在标准化交流并辅助基于 CCTA 发现的决策。CAD-RADS 评分通过对所有冠脉血管的人工评估以及冠状动脉树内病变的分级来确定。我们提出了一种自底向上的方法，利用在冠脉动脉分段表示上运行的深度学习对該评分进行全自动预测。该方法仅依赖于先前的全自动中心线提取和分段标记，并在多任务学习设置中将分段狭窄程度和总体钙化等级作为辅助任务进行预测。我们在包含 2867 名患者的数据集中评估了我们的方法。在识别 CAD-RADS 评分表明需要进一步有创检查的患者任务上，我们的方法达到了 0.923 的曲线下面积（AUC），在判断患者是否患有 CAD 的任务上达到了 0.914 的 AUC。这种性能水平使我们的方法可用于全自动筛查设置或辅助诊断性 CCTA 阅片，特别是由于其神经架构设计——其允许全面的预测。
引用
@article{arxiv.2010.01963,
title = {Automatic CAD-RADS Scoring Using Deep Learning},
author = {Felix Denzinger and Michael Wels and Katharina Breininger and Mehmet A. Gülsün and Max Schöbinger and Florian André and Sebastian Buß and Johannes Görich and Michael Sühling and Andreas Maier},
journal= {arXiv preprint arXiv:2010.01963},
year = {2020}
}
备注
Published at MICCAI 2020