关键词:
人工智能(AI)深度学习
头颈部
计算机断层血管造影(CTA)
后处理
狭窄评估
摘要:
目的:探讨基于人工智能(AI)深度学习头颈部计算机断层血管造影(CTA)后处理对狭窄评估的可行性。方法:选取2022年1月至2023年6月北京中医医院顺义医院行头颈部CTA的108例患者,依据诊断方法的不同将其分为AI组和人工组,每组54例。采用双源CT进行检查,数据分别传输至深睿***头颈CTA智能辅助系统和Siemens Syngo View后处理工作站。图像评价采用5分制,观察比较两组头颈部动脉CTA图像后处理耗时和诊断耗时,以及头颈部动脉CTA图像质量、头颈部动脉狭窄程度诊断结果。结果:AI组图像后处理耗时和诊断耗时分别为(4.09±1.09)min和(3.22±1.23)min,与人工组比较差异均有统计学意义(t=52.315、24.509,P<0.05);两名医师对头颈部动脉各分支图像评分的组内相关系数(ICC)为0.996,AI组颈总动脉评分为(4.77±0.12)分,颈内动脉(4.56±0.13)分,椎动脉(4.55±0.16)分,大脑中动脉(4.78±0.16)分;人工组颈总动脉评分为(3.02±0.12)分,颈内动脉(3.02±0.12)分,椎动脉(3.02±1.14)分,大脑中动脉(3.11±1.09)分;两组头颈部动脉各主要分支图像评分比较,AI组均高于人工组,差异均有统计学意义(t=107.165、94.590、13.812、15.753,P<0.05)。以数字减影血管造影(DSA)结果为“金标准”,纳入的所有患者44段存在狭窄的动脉进行比较,DSA显示AI组轻度狭窄12例,中度狭窄12例,重度狭窄10例;人工组轻度狭窄12例,中度狭窄8例,重度狭窄7例,AI组诊断与“金标准”有较好一致性(Kappa=0.898,P<0.05)。狭窄符合率AI组均高于人工组,AI诊断头颈部动脉狭窄程度的灵敏度(96.80%)和特异度(66.52%)均高于人工组(68.36%、14.75%),特异度差异显著。结论:AI模式头颈部动脉CTA图像后处理耗时及诊断耗时及图像质量均优于人工模式,两者诊断效能一致性良好。