YOLO神经网络在急性主动脉综合征影像学诊断及鉴别诊断中的应用价值

The application value of YOLO neural network for imaging-based diagnosis and differential diagnosis of acute aortic syndrome

二维码有效期 120s

摘要目的建立急性主动脉综合征(acute aortic syndrome,AAS)计算机断层扫描血管造影(computed tomography angiography,CTA)图像的人工智能(artificial intelligence,AI)诊断系统,并评价其对AAS诊断及疾病亚组间鉴别诊断的效能.方法收集2016年6月至2022年6月于西安交通大学第一附属医院周围血管科确诊为AAS患者的CTA图像序列,主要包括主动脉夹层(aortic dissection,AD)、壁内血肿(intramural hematoma,IMH)和穿透性动脉粥样硬化性溃疡(penetrating atherosclerotic ulcer,PAU).经过严格的纳入和排除标准,最终截取并筛选有效断层图像2 057张.以正常人主动脉CTA图像为对照组,通过YOLO v7神经网络对AAS患者的CTA图像进行诊断和亚组间的鉴别诊断,并评价诊断效能.结果基于YOLO v7网络构建的智能诊断系统可有效识别AAS患者,灵敏度为98.72％,特异度为83.10％,阳性预测值97.82％,阴性预测值为89.40％,总准确度达96.92％.对AD、IMH及PAU疾病亚组间鉴别诊断的总准确率达85.58％.该系统对于AAS的诊断结果总准确率高于疾病亚组间鉴别诊断结果(P＜0.05).结论基于YOLO v7构建的AAS智能诊断系统可满足疾病诊断的标准,但对于AAS疾病各亚组间的鉴别诊断,仍需要更大的图像数据库和深度学习网络进一步研究.