直接实时的心血管风险预测
计算机视觉与模式识别
2017-12-11 v1
摘要
在低剂量胸部CT中量化的冠状动脉钙化（CAC）负荷是心血管事件的预测因子。我们提出一种自动CAC量化方法，规避了CAC的中间分割。该方法使用ConvNet定位心脏周围的边界框。随后，专用的ConvNet分析边界框内的轴向切片，通过回归确定CAC量。使用了来自国家肺部筛查试验的1546例基线CT扫描数据集，其中CAC由人工标识。该方法在人工参考与自动获得的Agatston评分之间达到了0.98的ICC。将受试者分为五类心血管风险类别，准确率为85%，Cohen线性加权κ为0.90。结果表明，无需对CAC进行分割即可在胸部CT中实时量化CAC负荷。
引用
@article{arxiv.1712.02982,
title = {Direct and Real-Time Cardiovascular Risk Prediction},
author = {Bob D. de Vos and Nikolas Lessmann and Pim A. de Jong and Max A. Viergever and Ivana Isgum},
journal= {arXiv preprint arXiv:1712.02982},
year = {2017}
}
备注
Scientific paper at RSNA 2017