基于多轴视觉Transformer的冠脉CT血管造影CAD-RADS评分：一种受临床启发的深度学习流程
图像与视频处理
2023-04-17 v1 计算机视觉与模式识别
机器学习
摘要
用于评估冠状动脉疾病（CAD）严重程度与范围的标准无创成像技术是冠状动脉计算机断层血管造影（CCTA）。然而，根据CAD报告与数据系统（CAD-RADS）评分对每个患者的CCTA进行人工分级耗时且依赖操作者，尤其在临界病例中。本工作提出一种全自动且具视觉可解释性的深度学习流程，用作CAD筛查程序的决策支持系统。该流程执行两项分类任务：首先，识别需要进一步临床调查的患者；其次，根据常用的CAD-RADS阈值，按狭窄程度将患者分为亚组。该流程对从原始CCTA中提取的冠状动脉多平面投影进行预处理，并使用微调的多轴视觉Transformer架构对其进行分类。为模拟当前临床实践，模型通过将三条主要冠状动脉的二维纵向截面沿通道维度堆叠来分配每位患者的评分。此外，它生成视觉可解释图以评估预测的可靠性。在米兰Monzino心脏病中心收集的253名患者的1873张三通道图像数据库上运行，该流程对两项分类任务的AUC分别达到0.87和0.93。据我们所知，这是首个仅从患者评分学习来分配CAD-RADS评分、且不需要临床常规之外的更细成像标注步骤的模型。
引用
@article{arxiv.2304.07277,
title = {CAD-RADS scoring of coronary CT angiography with Multi-Axis Vision Transformer: a clinically-inspired deep learning pipeline},
author = {Alessia Gerbasi and Arianna Dagliati and Giuseppe Albi and Mattia Chiesa and Daniele Andreini and Andrea Baggiano and Saima Mushtaq and Gianluca Pontone and Riccardo Bellazzi and Gualtiero Colombo},
journal= {arXiv preprint arXiv:2304.07277},
year = {2023}
}