通过非对比CT心脏多器官分割提升冠状动脉钙化积分评分
计算机视觉与模式识别
2025-01-22 v1 人工智能
机器学习
摘要
尽管冠状动脉钙化积分评分在医学人工智能领域被认为是基本解决的问题，本文认为仍可取得显著改进。通过将注意力从病灶检测转向对解剖结构的深入理解，本文提出的新型算法不仅实现了高准确率的冠状动脉钙化积分评分，还提供了结果的增强可解释性。该方法不仅有助于精确量化冠状动脉中的钙化物，还为理解心脏解剖结构提供了宝贵见解。通过这种解剖学导SENT的方法，本文表明，对心脏解剖的细致理解可导致更准确、更具可解释性的心血管健康结果。我们通过在开源多厂商数据集上进行评估，证明了所提方法的优越性能，结果达到甚级观察者水平，超越当前最先进技术。最终，定性分析显示该算法在诸如标记冠状动脉钙化、识别主动脉钙化以及过滤因噪声引起的假阳性检测等任务中具有实际价值。
引用
@article{arxiv.2501.11428,
title = {Enhancing Coronary Artery Calcium Scoring via Multi-Organ Segmentation on Non-Contrast Cardiac Computed Tomography},
author = {Jakub Nalepa and Tomasz Bartczak and Mariusz Bujny and Jarosław Gośliński and Katarzyna Jesionek and Wojciech Malara and Filip Malawski and Karol Miszalski-Jamka and Patrycja Rewa and Marcin Kostur},
journal= {arXiv preprint arXiv:2501.11428},
year = {2025}
}