多个国际中心研发!人工智能(AI)实现IVOCT斑块自动表征

2021
07/29

+
分享
评论
医心-专注心血管
A-
A+

AI实现IVOCT斑块自动表征!

血管内光学相干断层扫描(IVOCT)可以详细地描述体内冠状动脉粥样硬化斑块的特征,然而,依靠视觉测量的项目不仅耗时还存在观察者的主观性。近日,《Eurointervention》最新期刊上发表了一项人工智能(AI)参与IVOCT回撤影像分析的研究,结果证实搭载AI用于IVOCT斑块自动表征系统在内部和外部验证中均提供了极好的诊断准确性。该研究由上海交通大学生物医学工程学院、哈尔滨医科大学附属第二医院、福建医科大学附属协和医院、中国医学科学院阜外医院4家国内中心联合西班牙、美国、日本、爱尔兰、丹麦5家国际中心共同研发。

研究目的

本研究旨在开发和验证一种采用人工智能(AI)自动表征IVOCT斑块特征的方法。

研究方法

(1)核心实验室分析了来自5个国际中心的IVOCT回撤影像,影像被标注了基本斑块成分、炎症和其他性质的结构。(2)研究者利用混合损耗法对研发的具有编解码结构和伪3D输入的深度卷积网络进行训练。这种被整合到商业软件中的网络,在参考核心实验室共识的基础上,对来自3个国际核心实验室的其他IVOCT回撤影像进行外部验证。

研究结果

509个影像(来自391例患者)被分为10,517和1,156个横断面,分别用于训练和测试数据集。在测试数据集中,模型Dice系数分别为纤维斑块0.906,钙化0.848,脂质0.772。模型和人工测量在斑块负荷定量方面基本一致(R2=0.98)。在外部验证中,该软件从300个IVOCT横切面中正确识别了598个斑块区域中的518个,纤维斑块的诊断准确率为97.6%[95%CI:93.4%-99.3%],脂质90.5%[95%CI:85.2%-94.1%],钙化88.5%[95%CI:82.4%-92.7%]。分析所需的中位时间为每个回撤影像21.4秒(18.6-25.0秒)。

结 论

搭载AI用于IVOCT斑块自动表征系统在内部和外部验证中都提供了极好的诊断准确性。该模型可减少图像判读的主观性,有助于IVOCT对斑块成分的定量分析,在研究和IVOCT引导PCI中具有潜在应用价值。

参考文献

Miao Chu, Haibo Jia, Juan Luis Gutiérrez-ChicoAutomatic,et al. Characterisation of Human Atherosclerotic Plaque Composition from Intravascular Optical Coherence Tomography Using Artificial Intelligence. DOI: 10.4244/EIJ-D-20-01355.

本文由作者自行上传,并且作者对本文图文涉及知识产权负全部责任。如有侵权请及时联系(邮箱:nanxingjun@hmkx.cn
关键词:
人工智能,主观性,斑块,AI,表征,研发

人点赞

收藏

人收藏

打赏

打赏

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

推荐课程


社群

精彩视频

您的申请提交成功

确定 取消
剩余5
×

打赏金额

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!