Phenotyping calcification in vascular tissues using artificial intelligence

要約

血管石灰化は、心臓発作や脳卒中などの重大な心血管イベント（MACE）の重要な要因として関与しています。
さまざまな形態の血管石灰化を臨床リスク評価ツールにどのように統合するかについては、依然として論争が続いています。
リスクが完全な石灰化に応じて正に比例すると仮定する冠状動脈の一般的に使用されるカルシウムスコアでさえ、重要な矛盾を抱えています。
多様な石灰化表現型がリスクにどのような影響を与えるかを判断するには、基礎研究が必要です。
しかし、この種の研究は、画像データセット内の石灰化を分類するための高スループットで客観的かつ非破壊的なツールの欠如によって妨げられています。
ここでは、石灰化の表現型を判定するための新しい分類システムと、アテローム性動脈硬化組織であってもこれらの表現型を区別できる半自動の非破壊パイプラインを紹介します。
このパイプラインには、ノイズの多いマイクロ CT 画像内の脂質プールをセグメント化するための深層学習ベースのフレームワークと、サイズ、クラスタリング、およびトポロジーに基づいて石灰化を分類するための教師なしクラスタリング フレームワークが含まれています。
このアプローチは 5 つの血管標本について示されており、7 時間未満で 3,200 枚もの画像にわたって数千の石灰化粒子の表現型解析が可能です。
これらの組織の不均一性が高いにもかかわらず、わずか 13 枚の画像で必要なトレーニングと検証で、組織と脂質プールでそれぞれ 0.96 と 0.87 の平均ダイス類似係数を達成できました。
この研究では、石灰化の表現型を特定するための効率的かつ包括的なアプローチを導入することで、世界的な死亡率と罹患率の主な原因である心血管イベントのリスクを示す、より信頼できる指標を特定する大規模研究が可能になります。

要約(オリジナル)

Vascular calcification is implicated as an important factor in major adverse cardiovascular events (MACE), including heart attack and stroke. A controversy remains over how to integrate the diverse forms of vascular calcification into clinical risk assessment tools. Even the commonly used calcium score for coronary arteries, which assumes risk scales positively with total calcification, has important inconsistencies. Fundamental studies are needed to determine how risk is influenced by the diverse calcification phenotypes. However, studies of these kinds are hindered by the lack of high-throughput, objective, and non-destructive tools for classifying calcification in imaging data sets. Here, we introduce a new classification system for phenotyping calcification along with a semi-automated, non-destructive pipeline that can distinguish these phenotypes in even atherosclerotic tissues. The pipeline includes a deep-learning-based framework for segmenting lipid pools in noisy micro-CT images and an unsupervised clustering framework for categorizing calcification based on size, clustering, and topology. This approach is illustrated for five vascular specimens, providing phenotyping for thousands of calcification particles across as many as 3200 images in less than seven hours. Average Dice Similarity Coefficients of 0.96 and 0.87 could be achieved for tissue and lipid pool, respectively, with training and validation needed on only 13 images despite the high heterogeneity in these tissues. By introducing an efficient and comprehensive approach to phenotyping calcification, this work enables large-scale studies to identify a more reliable indicator of the risk of cardiovascular events, a leading cause of global mortality and morbidity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google