基于深度学习技术的非门控胸部CT冠脉钙化积分系统的准确性评价

目的:评价基于深度学习(DL)技术的非门控胸部CT冠脉钙化积分系统的准确性。方法:本研究回顾性纳入1441例因常规体检而行非增强胸部CT平扫的中老年患者。所有患者图像分别导入GE后处理工作站smartscore钙化积分软件以及基于深度学习的非门控胸部CT智能钙化积分软件。按照解剖部位将两种方法获得的Agatston评分划分为冠状动脉总评分(TOTAL)、左主干(LM)评分、左前降支(LAD)评分、左回旋支(LCX)评分以及右冠状动脉(RCA)评分。采用Pearson相关系数分析两种方法下测得钙化积分相关性,同时对测得不同厂家、不同机型各分支钙化积分及总钙化积分的统计学差异评估以及对两种不同管电压下的钙化积分差异进行比较采用配对t检验;采用组内相关系数(ICC)对两种方法测得的钙化积分进行一致性检验,所有结果以P<0.05为差异有统计学意义。结果:Pearson相关系数显示两组方法测量所有机型下大部分TOTAL,LM、LCX、RCA的Agatston积分具有较好的相关性(P>0.05),两种方式所得钙化积分差异无统计学意义(P>0.05),但在LightSpeed VCT机型中两组RCA钙化积分差异具有统计学意义(P<0.05);120 kVp、100 kVp两种管电压下两组测得CACS大部分差异无统计学意义,但在Optima CT680 Series机型中120 kVp下两者TOTAL差异具有统计学意义(P<0.05);ICC分析发现两种方法下大部分所获的钙化积分具有较好的一致性(ICC:0.710~0.996),其中六中机型中两种方式下总钙化积分的组内相关系数分别为BrightSpeed(ICC:0.875,95%CI:0.833~0.905)、Revolution CT(ICC:0.834,95%CI:0.761~0.883)、LightSpeed VCT(ICC:0.763,95%CI:0.688~0.822)、Optima CT680 Expert(ICC:0.723,95%CI;0.590~0.815)、SOMATOM go.Top(ICC:0.967,95%CI:0.955~0.975)、uCT 550(ICC:0.988,95%CI:0.984~0.991)。结论:基于深度学习的钙化积分算法在不同CT机型及不同管电压的扫描条件下对冠脉分支钙化积分的评估均具有较高的准确性。

基于人工智能技术的非门控胸部CT平扫对冠状动脉钙化积分的准确性评价

目的:采用人工智能方法,探讨非门控胸部低剂量CT平扫对冠状动脉钙化积分(CACS)评价的准确性。方法:回顾性分析行冠状动脉CTA扫描的100例患者,所有患者均行心电门控钙化积分CT(ECGgated-CT)扫描和常规非门控胸部CT平扫检查,在Siemens后处理工作站采用Agatston钙化积分软件记录心电门控CT钙化积分,采用数坤科技胸部CT人工智能钙化积分软件记录非门控胸部CT平扫的钙化积分。两种扫描方法分别获得Agatston评分,其中包括冠状动脉总评分(TOTAL),左主干(LM)评分,前降支(LAD)评分,回旋支(CX)评分,右冠状动脉(RCA)评分,采用配对t检验比较两组钙化积分的统计学差异,采用Pearson相关系数分析两组钙化积分的相关性,采用组内相关性系数(ICC)对两组钙化积分的危险度分层进行一致性检验,P<0.05为有统计学显著差异。结果:采用配对t检验比较发现两组方法测量TOTAL,LM、CX、RCA的Agatston积分无统计学显著差异(P>0.05),LAD的钙化积分两组间有统计学显著差异(P<0.05),Pearson分析发现两组间TOTAL,LM、CX、RCA、LAD的Agatston积分均有显著相关性。ICC分析发现两组所获的Agatston钙化积分在危险度分层方面具有较好的一致性,组内相关系数为0.938,P<0.001。结论:基于人工智能技术的非门控胸部CT平扫对冠状动脉钙化积分的评价具有较高的准确性,在危险度分层方面与传统门控检查一致性很好,可用于冠心病风险的筛查评估。