换一批深度学习全心运动校正算法(AI CardioCapture 2.0)用于提升计算机辅助诊断系统基于CT血管成像评估冠状动脉狭窄程度准确率
Artificial intelligence motion correction algorithm(AI CardioCapture 2.0)for improving accuracy of computer-aided diagnosis system for assessing coronary artery stenosis severity in coronary CT angiography
摘要目的 观察深度学习全心运动校正算法(AI CardioCapture 2.0)用于提升计算机辅助诊断(CAD)系统基于冠状动脉CT血管成像(CCTA)评估其狭窄程度准确率的价值.方法 回顾性分析65例疑诊冠心病的CCTA数据并生成经(A组)与未经(B组)AI CardioCapture 2.0校正图像;比较2组图像主观评分及客观评价结果,以高年资医师基于全部图像的诊断结果为参考,分别于患者层面及冠状动脉分支层面分析CAD系统评估冠状动脉狭窄程度与医师诊断结果的一致性,并计算其诊断准确率.结果 相比B组,A组冠状动脉左主干(LM)、左前降支(LAD)、左回旋支(LCX)、右冠状动脉(RCA)及主动脉瓣的主观评分更高(P均＜0.05).组间主动脉根部及冠状动脉各分支信噪比(SNR)和对比度噪声比(CNR)差异均无统计学意义(P均＞0.05).相比基于B组,CAD系统基于A组评估冠状动脉狭窄程度与医师诊断结果的一致性更佳[患者层面组内相关系数(ICC):0.788 vs.0.742;冠状动脉分支层面ICC:0.850 vs.0.822].CAD系统基于A、B组于患者层面评估冠状动脉狭窄程度的准确率分别为76.92％(50/65)及63.08％(41/65),而在冠状动脉分支层面分别为85.38％(222/260)及80.77％(210/260).结论 AI CardioCapture 2.0可改善CCTA图像质量,从而提升CAD系统评估冠状动脉狭窄程度准确率.
更多相关知识
关键词
冠状动脉疾病CT血管造影人工智能诊断,计算机辅助coronary artery diseasecomputed tomography angiographyartificial intelligencediagnosis,computer-assisted
栏目名称
DOI
10.13929/j.issn.1003-3289.2026.04.006
发布时间
2026-07-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2022YFE0209800）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
