换一批基于机器学习的FFRCT对冠状动脉功能性狭窄的诊断准确性研究
Diagnostic performance of machine learning based FFRCTin coronary artery stenosis
摘要目的 以有创性冠状动脉血流储备分数(FFR)为金标准,探讨不同区间内基于机器深度学习的CT冠状动脉血流储备分数(FFRCT)对冠状动脉功能性狭窄的诊断准确性.方法 回顾性收集先后行冠状动脉CT血管成像(CCTA)及FFR检查的病人125例(162处病变),年龄42.0~88.0岁,平均(61.0±8.2)岁,男79例,女46例.两项检查时间间隔≤2周.在CCTA影像上获得病变直径狭窄程度,采用西门子cFFR原型软件(cFFR,version 3.0.0)计算FFRCT数值.以FFR≤0.8为具有血流动力学意义的狭窄,绘制FFRCT及CCTA的受试者操作特征曲线,获得曲线下面积(AUC).并计算两种方法的敏感度、特异度、阳性预测值、阴性预测值及准确度.结果 FFRCT及CCTA对于诊断功能性狭窄的AUC分别为0.85、0.76(P<0.05).基于病人水平分析,CCTA和FFRCT的诊断敏感度、特异度、准确度分别为77.6%、69.7%、76.8%和85.7%、78.9%和86.1%.当FFRCT数值≤0.69、0.7~0.8、0.81~0.89、≥0.9时,FFRCT诊断功能性狭窄的准确度分别为86.4%、61.2%、88.6%、98.2%.结论 以FFR为金标准,FFRCT数值在0.7~0.8之外的病变结果具有良好的诊断准确性,而数值在0.7~0.8区域内的病变诊断准确性欠佳.
更多相关知识
关键词
冠心病体层摄影术,X线计算机有创性冠状动脉造影血流储备分数Coronary artery diseaseComputed tomographyX-ray computedInvasive coronary angiographyFractional flow reserve
医学主题词
性(Sex)冠状血管(Coronary Vessels)诊断(Diagnosis)缩窄, 病理性(Constriction, Pathologic)机器学习(Machine Learning)
栏目名称
DOI
10.19300/j.2018.L6085zt
发布时间
2018-06-25（万方平台首次上网日期，不代表论文的发表时间）
基金项目
上海市重中之重医学影像重点学科项目（2017ZZ02005）
- 浏览0
- 被引10
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
