基于深度学习的冠状动脉CTA人工智能后处理对疑似冠心病患者诊断价值的初步研究
目的 探讨基于深度学习的冠状动脉CT血管造影(CTA)人工智能后处理对疑似冠心病患者的诊断价值.方法 对112例患者行双源双能冠状动脉CTA检查,将原始数据同时传输到数坤Coronary Doe工作站和Sie-mens Syngo View后处理工作站进行图像重组,前者设为AI组,后者设为对照组.对两组图像完成耗时、诊断耗时、图像Likert评分、诊断效能、狭窄符合率进行统计学比较.结果 AI组与对照组图像完成耗时、诊断耗时均存在统计学差异(P＜0.05),冠状动脉各主要分支Likert评分亦存在统计学差异(P＜0.05).以冠状动脉造影(CAG)为金标准,AI组与对照组敏感度分别为95.38％、95.31％,特异度分别为63.63％、16.67％,阳性预测率分别为93.94％、85.92％,阴性预测率分别为70.00％、40.00％,准确率分别为90.79％、82.89％,其中特异度有统计学差异(P＜0.05).AI组与对照组在冠状动脉轻度、重度狭窄的诊断上一致性较好,对中度狭窄的诊断一致性一般.结论 冠状动脉CTA人工智能模式能获得高效稳定的图像重组及诊断同时也能获得较高质量的图像,在筛查及诊断疑似冠心病患者方面起到了精准可靠的辅助作用.
冠心病、冠状动脉血管造影、人工智能、卷积神经网络
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6页
2128-2133
