基于深度殘差網絡的冠狀動脈CT血管造影圖像斑塊的識別算法研究

摘要：目的:研究探討基于深度殘差網絡(ResNet)的冠狀動脈CT血管造影(CTA)圖像斑塊的識別算法。方法:結合深度學習在圖像識別中的優勢,提出一種基于深度ResNet的冠狀動脈斑塊識別算法。選擇三種不同深度的ResNet,卷積層數分別為18層、50層和152層,對來自100例患者的6000幅曲面重建(CPR)圖像進行識別,最終選擇出最適合冠狀動脈斑塊分析的ResNet深度,并用最佳網絡深度輔助兩名放射科診斷醫師進行診斷,分析在實際臨床應用中對斑塊識別帶來的影響。結果:不同網絡深度的ResNet神經網絡均能對冠狀動脈斑塊進行識別,其中ResNet-50的靈敏度最高為50.70%,ResNet-152的準確率和特異度最高,分別為86.28%和96.71%。選擇ResNet-50網絡輔助兩名放射科診斷醫師診斷準確率分別提升了10.91%和12.35%。結論:經過訓練的ResNet神經網絡可以有效對冠狀動脈斑塊進行識別,在適宜網絡深度的ResNet的輔助下可以有效縮短放射科診斷醫師的診斷時間,并且在保證特異性的同時提高診斷的準確性和靈敏度。