心脏与胸部 CT 中的直接自动冠状动脉钙化评分
计算机视觉与模式识别
2021-09-09 v1 机器学习
机器学习
摘要
心血管疾病（CVD）是全球首要死因。CVD 事件的强风险因素为冠状动脉钙化（CAC）量。为满足对 CAC 量化即冠状动脉钙化评分日益增长的需求，尤其是作为筛查与研究中未申请的发现，已有自动方法被提出。当前自动钙化评分方法计算开销相对较大，且仅针对一种 CT 提供评分。为此，我们提出一种计算高效的方法，采用两个 ConvNet：第一个执行配准以对齐输入 CT 的视场，第二个直接回归钙化评分，从而规避耗时的中间 CAC 分割。可选的决策反馈提供了对贡献于钙化评分区域的洞察。实验使用 903 例心脏 CT 与 1,687 例胸部 CT 扫描进行。该方法预测钙化评分耗时少于 0.3 s。预测与人工钙化评分的组内相关系数在心脏与胸部 CT 中均为 0.98。该方法在两组数据集中自动与人工 CVD 风险分层间几乎完全一致，心脏 CT 中线性加权 Cohen's kappa 为 0.95，胸部 CT 中为 0.93。性能与最先进方法相似，但所提方法快数百倍。通过提供视觉反馈，决策过程得以洞察，使其易于在临床与研究环境中部署。
引用
@article{arxiv.1902.05408,
title = {Direct Automatic Coronary Calcium Scoring in Cardiac and Chest CT},
author = {Bob D. de Vos and Jelmer M. Wolterink and Tim Leiner and Pim A. de Jong and Nikolas Lessmann and Ivana Isgum},
journal= {arXiv preprint arXiv:1902.05408},
year = {2021}
}
备注
IEEE Transactions on Medical Imaging (In press)