CAD-RADS scoring of coronary CT angiography with Multi-Axis Vision Transformer: a clinically-inspired deep learning pipeline

要約

タイトル：多軸ビジョン・トランスフォーマーを用いた冠状動脈CTアンギオグラフィーのCAD-RADSスコアリング：臨床にインスパイアされた深層学習パイプライン

要約：

– 冠状動脈疾患（CAD）の程度と拡がりを評価するために使用される非侵襲的イメージング技術の標準は冠状動脈CTアンギオグラフィー（CCTA）である。
– しかしながら、各患者のCCTAをCAD-RADSスコアリングに従って手動で分類することは、特に境界線の場合には時間がかかり、作業者依存性がある。
– この研究は、CADスクリーニング手順の意思決定支援システムとして使用するための、完全自動化され、視覚的に説明できる深層学習パイプラインを提案する。
– このパイプラインは2つの分類タスクを実行する：第一に、さらなる臨床調査が必要な患者を識別すること、第二に、一般的に使用されるCAD-RADS閾値に基づいて狭窄度に基づいて患者をサブグループに分類すること。
– パイプラインは、元のCCTAから抽出された冠状動脈の多面投影を前処理し、ファインチューニングされたMulti-Axis Vision Transformerアーキテクチャを使用して分類する。
– 現在の臨床実践を模倣することを目的として、モデルは、3つの主要冠状動脈の二次元縦断面をチャネル次元に沿って積み重ねて、患者ごとにスコアを割り当てるように訓練される。
– さらに、予測の信頼性を評価するために、視覚的に解釈可能なマップを生成する。
– ミラノのモンツィノ心臓病センターで収集された253人の1873の3チャンネル画像のデータベースで実行された場合、パイプラインは、2つの分類タスクについて、それぞれ0.87および0.93のAUCを獲得した。
– このモデルは、患者のスコアだけから学習しており、臨床的ルーティンに組み込まれていないより微細なイメージング注釈手順を必要としないCAD-RADSスコアリングを割り当てるために訓練された初めてのモデルである。

要約(オリジナル)

The standard non-invasive imaging technique used to assess the severity and extent of Coronary Artery Disease (CAD) is Coronary Computed Tomography Angiography (CCTA). However, manual grading of each patient’s CCTA according to the CAD-Reporting and Data System (CAD-RADS) scoring is time-consuming and operator-dependent, especially in borderline cases. This work proposes a fully automated, and visually explainable, deep learning pipeline to be used as a decision support system for the CAD screening procedure. The pipeline performs two classification tasks: firstly, identifying patients who require further clinical investigations and secondly, classifying patients into subgroups based on the degree of stenosis, according to commonly used CAD-RADS thresholds. The pipeline pre-processes multiplanar projections of the coronary arteries, extracted from the original CCTAs, and classifies them using a fine-tuned Multi-Axis Vision Transformer architecture. With the aim of emulating the current clinical practice, the model is trained to assign a per-patient score by stacking the bi-dimensional longitudinal cross-sections of the three main coronary arteries along channel dimension. Furthermore, it generates visually interpretable maps to assess the reliability of the predictions. When run on a database of 1873 three-channel images of 253 patients collected at the Monzino Cardiology Center in Milan, the pipeline obtained an AUC of 0.87 and 0.93 for the two classification tasks, respectively. According to our knowledge, this is the first model trained to assign CAD-RADS scores learning solely from patient scores and not requiring finer imaging annotation steps that are not part of the clinical routine.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI