PHT-bot：基于深度学习的依据肺动脉高压征象对 COPD 患者进行自动风险分层系统
计算机视觉与模式识别
2019-05-29 v1 图像与视频处理
摘要
慢性阻塞性肺疾病（COPD）是全球发病和死亡的主要原因。识别恶化风险最高的患者将有助于更有效地分配预防和监测资源。继发性肺动脉高压是晚期 COPD 的一种表现，可通过主肺动脉（PA）与升主动脉（Ao）比值可靠诊断。实际上，PA 直径与 Ao 直径之比大于 1 已被证明是肺动脉压升高的可靠标志。尽管具有临床价值且易于观察，PA 和 Ao 直径的人工评估耗时且常被漏报。本研究描述了一种从增强胸部计算机断层扫描（CT）测量 Ao 和 PA 直径的非侵入性方法。该方案应用深度学习技术以选择正确的轴向切片进行测量，并对两条动脉进行分割。该系统在测试中 Ao 的 Pearson 相关系数为 93%，PA 为 92%。据我们所知，这是首个此类全自动化解决方案。
引用
@article{arxiv.1905.11773,
title = {PHT-bot: Deep-Learning based system for automatic risk stratification of COPD patients based upon signs of Pulmonary Hypertension},
author = {David Chettrit and Orna Bregman Amitai and Itamar Tamir and Amir Bar and Eldad Elnekave},
journal= {arXiv preprint arXiv:1905.11773},
year = {2019}
}