Automated Measurement of Vascular Calcification in Femoral Endarterectomy Patients Using Deep Learning

要約

アテローム性動脈硬化症は、太い動脈に影響を及ぼす慢性炎症性疾患であり、世界的な健康リスクをもたらします。
コンピューター断層撮影血管造影図 (CTA) などの診断画像の正確な分析は、末梢動脈疾患 (PAD) を含むアテローム性動脈硬化関連症状の進行を段階分けおよび監視するために不可欠です。
ただし、CTA 画像の手動分析は時間がかかり、退屈です。
この制限に対処するために、我々は深層学習モデルを使用して、大腿動脈内膜切除術を受ける PAD 患者の CTA 画像の血管系をセグメント化し、左腎動脈から膝蓋骨までの血管石灰化を測定しました。
Prisma Health Midlands が提供した大腿動脈内膜切除術を受ける 27 人の患者の独自の CTA 画像を利用して、まず下行大動脈から膝蓋骨までの動脈系をセグメント化し、次に指標を提供するディープ ニューラル ネットワーク (DNN) モデルを開発しました。
動脈石灰化のこと。
当社が設計した DNN は、大動脈から膝蓋骨までの動脈のセグメント化において平均 Dice 精度 83.4% を達成し、最先端技術を 0.8% 進歩させました。
さらに、私たちの研究は、深層学習を使用した下肢の自動石灰化測定の堅牢な統計分析を初めて提示し、平均絶対パーセント誤差（MAPE）9.5%、自動石灰化スコアと手動石灰化スコア間の相関係数0.978を達成しました。
これらの発見は、医療専門家が腹部大動脈と膝蓋骨上の枝の石灰化を評価するための迅速かつ正確なツールとしてのディープラーニング技術の可能性を強調しています。
このプロジェクトで開発された DNN モデルと関連ドキュメントは、GitHub ページ (https://github.com/pip-alireza/DeepCalcScoring) で入手できます。

要約(オリジナル)

Atherosclerosis, a chronic inflammatory disease affecting the large arteries, presents a global health risk. Accurate analysis of diagnostic images, like computed tomographic angiograms (CTAs), is essential for staging and monitoring the progression of atherosclerosis-related conditions, including peripheral arterial disease (PAD). However, manual analysis of CTA images is time-consuming and tedious. To address this limitation, we employed a deep learning model to segment the vascular system in CTA images of PAD patients undergoing femoral endarterectomy surgery and to measure vascular calcification from the left renal artery to the patella. Utilizing proprietary CTA images of 27 patients undergoing femoral endarterectomy surgery provided by Prisma Health Midlands, we developed a Deep Neural Network (DNN) model to first segment the arterial system, starting from the descending aorta to the patella, and second, to provide a metric of arterial calcification. Our designed DNN achieved 83.4% average Dice accuracy in segmenting arteries from aorta to patella, advancing the state-of-the-art by 0.8%. Furthermore, our work is the first to present a robust statistical analysis of automated calcification measurement in the lower extremities using deep learning, attaining a Mean Absolute Percentage Error (MAPE) of 9.5% and a correlation coefficient of 0.978 between automated and manual calcification scores. These findings underscore the potential of deep learning techniques as a rapid and accurate tool for medical professionals to assess calcification in the abdominal aorta and its branches above the patella. The developed DNN model and related documentation in this project are available at GitHub page at https://github.com/pip-alireza/DeepCalcScoring.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google