基于深度学习自动化诊断颈动脉狭窄效能的人机对照研究
目的 基于深度学习颈动脉CT血管成像自动化后处理软件(CACTA-AI)在处理及评估颈动脉狭窄与不同年资影像科医师使用常规颈动脉CTA后处理技术诊断效能的对照研究.方法 回顾性搜集118例行颈动脉CTA及数字减影血管造影(DSA)检查的患者.比较低年资医师、高年资医师、CACTA-AI及CACTA-AI联合低年资医师诊断颈动脉狭窄(≥50％)的准确率及狭窄程度的一致性,并分别记录CACTA-AI及人工后处理的时间.以DSA为金标准,采用受试者工作特征曲线(ROC)及卡方检验比较各组诊断的效能;组内相关系数(ICC)比较各组诊断的一致性.此外,通过患者血管水平的钙化积分,将颈动脉狭窄患者分为高钙化积分(H)组(＞109)及低钙化积分(L)组(＜109),评估钙化对CACTA-AI诊断颈动脉狭窄(≥50％)准确率的影响.结果 CACTA-AI与人工后处理相比减少了70％的后处理和诊断的时间[CACTA-AI(3.7±0.5) min,人工后处理(11.3 ±0.7) min].以DSA为金标准诊断颈动脉狭窄(≥50％)时,AI联合低年资医师的准确性最优.CACTA-AI与不同年资医师诊断效能相比,差异均无统计学意义(P均＞0.05).评估颈动脉狭窄程度时,AI联合低年资医师诊断颈动脉狭窄程度与DSA评估结果的一致性最优.根据钙化积分分组后,CACTA-AI在H组及L组诊断颈动脉狭窄的敏感度和特异度,两组间差异无统计学意义(P＞0.05).结论 基于深度学习CACTA-AI能够有效减少后处理时间,在诊断效能上相当于高年资医师,并可辅助低年资医师提高对颈动脉狭窄的诊断及狭窄程度评估.
深度学习、颈动脉狭窄、颈动脉CTA、诊断效能
40
2022-01-04（万方平台首次上网日期，不代表论文的发表时间）
共5页
2089-2093
