深度学习从肺癌筛查低剂量计算机断层扫描预测心血管疾病风险
图像与视频处理
2021-06-09 v2 计算机视觉与模式识别
摘要
癌症患者较一般人群具有更高的心血管疾病（CVD）死亡风险。用于肺癌筛查的低剂量计算机断层扫描（LDCT）为在高风险患者中同步估计 CVD 风险提供了契机。我们的深度学习 CVD 风险预测模型使用来自国家肺癌筛查试验的 30,286 例 LDCT 进行训练，在由 2,085 名受试者组成的独立测试集上取得了 0.871 的曲线下面积（AUC），并识别出具有高 CVD 死亡风险的患者（AUC 为 0.768）。我们针对基于 ECG 门控心脏 CT 的标志物（包括冠状动脉钙化（CAC）评分、CAD-RADS 评分以及来自 335 名受试者独立数据集的 MESA 10 年风险评分）对模型进行了验证。我们的工作表明，在高风险患者中，深度学习可将用于肺癌筛查的 LDCT 转化为用于 CVD 风险估计的双重筛查定量工具。
引用
@article{arxiv.2008.06997,
title = {Deep Learning Predicts Cardiovascular Disease Risks from Lung Cancer Screening Low Dose Computed Tomography},
author = {Hanqing Chao and Hongming Shan and Fatemeh Homayounieh and Ramandeep Singh and Ruhani Doda Khera and Hengtao Guo and Timothy Su and Ge Wang and Mannudeep K. Kalra and Pingkun Yan},
journal= {arXiv preprint arXiv:2008.06997},
year = {2021}
}