基于图像深度学习的胸部 X 射线亚临床动脉粥样硬化的检测
原文中文,约300字,阅读约需1分钟。发表于: 。通过基于深度学习的系统在普通胸部 X 线上识别亚临床动脉硬化,开发了一个预测冠状动脉钙化分数的深度学习算法,在内、外部验证中表现出良好的诊断准确性和预测动脉粥样硬化心血管疾病事件的负预测价值。
本研究使用3D多类别nnU-Net验证了一种自动化心脏斑块检测模型,适用于非对比度胸部CT体积。结果显示,nnU-Net能够准确估计Agatston分数,比手动评分更好。
通过基于深度学习的系统在普通胸部 X 线上识别亚临床动脉硬化,开发了一个预测冠状动脉钙化分数的深度学习算法,在内、外部验证中表现出良好的诊断准确性和预测动脉粥样硬化心血管疾病事件的负预测价值。
本研究使用3D多类别nnU-Net验证了一种自动化心脏斑块检测模型,适用于非对比度胸部CT体积。结果显示,nnU-Net能够准确估计Agatston分数,比手动评分更好。