基于ResUNet与PSPNet的CT血管造影自动分割模型可辅助诊断颈动脉粥样硬化斑块

摘要

目的 探讨基于ResUNet与PSPNet的CT血管造影（CTA）自动分割模型在帮助评估颈动脉粥样硬化斑块中的价值。方法回顾性纳入647例于2020年10月～2022年10月在连云港市第一人民医院行头颈部CTA检查的颈动脉粥样硬化斑块形成患者，按7∶1.5∶1.5的比例随机分为训练集（n=475）、验证集（n=86）及测试集（n=86）。训练集中放射科医师标记的图像用于开发基于ResUNet与PSPNet的自动分割模型，在验证集、测试集使用精确度、敏感度、召回率等参数评估模型对颈动脉斑块的诊断性能。结果 在训练集中，自动分割模型在动脉粥样硬化斑块分割方面显示出良好的性能；验证集和测试集的结果进一步验证了其实用性。对测试集进行不同斑块类型亚组分析，结果显示基于CTA图像的深度学习模型对不同斑块类型显示出良好的斑块诊断准确性。结论 基于ResUNet与PSPNet的自动分割模型辅助诊断颈动脉粥样硬化斑块的准确性较高，具有临床可行性。

关键词

颈动脉斑块 / 深度学习 / 卒中