基于深度学习的主动脉根部计算机断层扫描血管造影图像快速分割的质量评估与临床价值

摘要

目的 通过与计算机断层扫描血管造影(CTA)图像分析相比较，探讨基于深度学习方法实现快速、准确的主动脉根自动分割与评估的可靠性和临床价值。方法 收集2021年8月至2022年10月在南京市第一医院接受经导管主动脉瓣置换术(TAVR)的68例患者的主动脉根部CTA图像，分别使用3mensio工作站和Cvpilot人工智能系统工作站进行分析。对分析结果进行回顾性统计分析与专家主观评价。结果 在专家主观评价的68例中，63例(92.6%)患者达到Ⅲ级，4例(5.9%)达到Ⅱ级，1例(1.5%)达到Ⅰ级。Cvpilot人工智能系统工作站的测量结果与3mensio工作站的测量结果无显著的统计学差异(P>0.05)。相较于低年资医生，Cvpilot人工智能系统工作站的测量结果更加接近于专家的评估结果。此外，Cvpilot人工智能系统工作站显著减少了测量的总耗时与鼠标总移动距离(P<0.01)。结论 对于接受TAVR的患者而言，Cvpilot人工智能系统工作站具有与常规计算机断层扫描测量结果良好的相关性(r=0.883)。该平台可靠的评估质量使其在未来具有广阔的临床应用前景。

关键词

主动脉瓣 / 经导管主动脉瓣置换术 / 自动分割 / 深度学习 / 计算机断层扫描

基金资助

国家自然科学基金青年科学基金(82001811); 国家重点研发计划项目(2020YFC2008105); 南京市生命健康科技专项(202205047)