该研究提出的基于深度学习的冠脉CTA自动钙化积分计算方法有三点创新:
1. 思路创新:该研究基于能谱CT优势,利用虚拟平扫图像生成准确钙化标注,避免了对钙化的冗余人工标注,适合于大数据量的人工智能研究。
2. 模型创新:该研究采用先进卷积神经网络,采用了两个模块检测模块和钙化分数回归模块,在保证准确钙化检测同时直接从图像中进行分数回归。
3. 临床创新:该团队开发的模型可以准确地从CTA图像中直接获取钙化积分,进行心血管疾病风险评估,避免额外CT平扫辐射及操作半自动钙化积分软件导致的人工负担。
![9](https://news.nju.edu.cn/DFS//file/2021/11/26/20211126143250642i6gy38.jpg)
图1 基于多任务深度学习模型的冠脉CTA图像中量化钙化积分(CAC)方法示意图
该研究以 “Calcium Scoring in Coronary CT Angiography using Deep Learning”为题首登放射学顶级期刊Radiology上,医学院附属鼓楼医院医学影像科牡丹为本文第一作者,张冰教授为通讯作者。来自纽约罗斯林圣弗朗西斯医院和心脏中心的心血管影像科学家 James W. Goldfarb博士和心血管影像中心主任 J. Jane Cao博士同期发表述评:临床工作中可以省去增强CTA前的平扫,直接进行钙化积分,既降低辐射剂量,又提高准确率。
原文及述评来源:https://doi.org/10.1148/radiol.2021211483
https://pubs.rsna.org/doi/full/10.1148/radiol.2021212586
![10](https://news.nju.edu.cn/DFS//file/2021/11/26/202111261432558846h62t2.jpg)