Radiology:深度学习在冠状动脉CTA钙化评分的应用
作者：佚名 来源：MedSci梅斯 日期：2022-01-16
导读
冠状动脉疾病风险分层的影像学指标。在临床上存在多种类型的钙化评分，其中Agatston钙化评分是使用最为广泛的一项。冠状动脉内的体素如果衰减超过预定的阈值130H以上，就被定义为钙化。然后通过一个预定义的方程式来计算得分。过去采用的是半自动的方法进行计算，近几年，人们尝试在平扫CT中自动计算Agatston评分，其中就包括基于深度学习的计算方法。
关键字：
冠状动脉
冠状动脉疾病风险分层的影像学指标。在临床上存在多种类型的钙化评分，其中Agatston钙化评分是使用最为广泛的一项。冠状动脉内的体素如果衰减超过预定的阈值130H以上，就被定义为钙化。然后通过一个预定义的方程式来计算得分。过去采用的是半自动的方法进行计算，近几年，人们尝试在平扫CT中自动计算Agatston评分，其中就包括基于深度学习的计算方法。
光谱CT利用了X射线光子衰减的能量依赖性，根据多能级下的材料分解提供更详细的组织分析。通过使用材料分解的虚拟碘减法算法，光谱CT扫描仪能够生成虚拟非强化(VNC)CT扫描。同时，在不需要额外辐射的情况下，成像后的重建可以取代真正的平扫CT。
近日，发表在Radiology杂志的一项研究提出了一种深度学习方法来自动量化CTA的钙化评分，为快速准确的获得钙化评分提供了技术支持。
总之，本研究提出了一种深度学习方法来自动量化来自CT血管造影(CTA)图像的冠状动脉钙(CAC)评分。本研究结果表明，所提出的方法可以准确地量化CAC，并对CTA的风险进行分类。
分享：
相关文章
评论
我要跟帖发表
回复 小鸭梨：
发表
.jpg)
