YOLO神经网络在急性主动脉综合征影像学诊断及鉴别诊断中的应用价值

摘要

目的 建立急性主动脉综合征(acute aortic syndrome, AAS)计算机断层扫描血管造影(computed tomography angiography, CTA)图像的人工智能(artificial intelligence, AI)诊断系统，并评价其对AAS诊断及疾病亚组间鉴别诊断的效能。方法 收集2016年6月至2022年6月于西安交通大学第一附属医院周围血管科确诊为AAS患者的CTA图像序列，主要包括主动脉夹层(aortic dissection, AD)、壁内血肿(intramural hematoma, IMH)和穿透性动脉粥样硬化性溃疡(penetrating atherosclerotic ulcer, PAU)。经过严格的纳入和排除标准，最终截取并筛选有效断层图像2 057张。以正常人主动脉CTA图像为对照组，通过YOLO v7神经网络对AAS患者的CTA图像进行诊断和亚组间的鉴别诊断，并评价诊断效能。结果 基于YOLO v7网络构建的智能诊断系统可有效识别AAS患者，灵敏度为98.72%,特异度为83.10%,阳性预测值97.82%,阴性预测值为89.40%,总准确度达96.92%。对AD、IMH及PAU疾病亚组间鉴别诊断的总准确率达85.58%。该系统对于AAS的诊断结果总准确率高于疾病亚组间鉴别诊断结果(P<0.05)。结论 基于YOLO v7构建的AAS智能诊断系统可满足疾病诊断的标准，但对于AAS疾病各亚组间的鉴别诊断，仍需要更大的图像数据库和深度学习网络进一步研究。

关键词

人工智能(AI) / YOLO神经网络 / 急性主动脉综合征(AAS) / 图像识别 / 诊断模型

基金资助

陕西省重点研发计划项目(No.2022ZDLSF02-02)