基于冠状动脉CT血管造影深度神经网络模型检出和分类左前降支心肌桥

摘要

目的观察基于冠状动脉血管造影(CCTA)构建左前降支(LAD)心肌桥检出和分类深度神经网络模型的应用价值。方法回顾性分析726例因胸痛不适接受冠状动脉CTA患者,由2名影像科医师诊断心肌桥并分为浅表型或纵深型。分别按7∶3及1∶2比例将心肌桥患者及非心肌桥患者归入训练集和测试集。建立基于CCTA的深度神经网络残差-长短期记忆级联网络(Resnet-LSTM)模型,用于检测及分类LAD心肌桥。采用训练集对模型进行学习训练;以影像科医师诊断结果为标准,利用测试集数据检测模型性能。结果CCTA显示,726例中,453例存在至少1处LAD心肌桥;共检出654处心肌桥,其中561处位于LAD、93处位于左回旋支及第一对角支等。561处LAD心肌桥中,503处为浅表型、58处为纵深型。训练集含333例心肌桥患者共406处LAD心肌桥(365处浅表型和41处纵深型)和91例非心肌桥患者;测试集含120例心肌桥患者共155处LAD心肌桥(138处浅表型和17处纵深型,139处位于LAD近、中段,16处位于LAD远段)和182例非心肌桥患者。针对测试集数据,Resnet-LSTM模型检出130例存在137处LAD心肌桥(含浅表型120处、纵深型17处),误诊27例、漏诊17例,诊断敏感度为85.83%(103/120),特异度为85.16%(155/182),与医师诊断结果的一致性高(Kappa=0.70,P<0.05);检出131处LAD近中段心肌桥,误诊2处、漏诊10处,诊断准确率为92.81%(129/139);检出36处LAD远段心肌桥,误诊28处、漏诊8处,诊断准确率为50.00%(8/16);将其中13处纵深型误诊为浅表型、9处浅表型误诊为纵深型,分类准确率为83.94%(115/137)。结论基于CCTA的深度神经网络Resnet-LSTM模型用于检出和分类冠状动脉LAD心肌桥性能较好,具有一定临床应用价值。