分享团队：
所刊杂志：
Quantitative Imaging in Medicine and Surgery（点击查看杂志详情与影响因子）
文章标题：
内容亮点
该研究利用AI对南京鼓楼医院医学影像科前瞻性招募的2022年7月至2023年3月间112例患者不同层厚低剂量非门控胸部CT进行冠脉钙化积分（CACS）评估，发现该模型对1 mm层厚的非门控胸部CT表现出极好的相关性、一致性和风险分层性能。
目前，CACS是心血管疾病风险评估的重要工具，有助于早期发现、风险分层、治疗决策和监测当前临床中冠心病的进展。传统钙化评估需要基于额外的心电门控心脏CT平扫图像，采用半自动方法进行计算。之前的人工智能算法也一直停留在基于心电门控心脏CT平扫图像得到钙化积分值，无法从直接非门控胸部CT获取。我们研究团队开发了一种基于深度学习方法，建立了自动从非门控胸部CT得到钙化积分的模型。该AI模型对1 mm非门控胸部CT的CACS相关性(ρ = 0.973)、风险分层准确性（91%）、风险分层一致性(κ = 0.868)都是最好的，明显高于3 mm（ρ = 0.941，84.8%，κ = 0.772）和5 mm（ρ = 0.834，62.5%，κ = 0.412）的。同时我们利用Bland-Altman分析显示1 mm非门控胸部CT的CACS与传统Agatston评分的差异性最小[95%置信区间 (CI)]: -6.5 [-95.0, 81.9]。
由此得出结论，该研究提出的AI模型从1 mm非门控胸部CT图像中自动量化CACS是可行的，适合于体检肺癌筛查患者的CACS计算和冠心病的风险分层。（论著中文信息由第一作者整理提供，欲览英文原文请扫描下方二维码）
第一作者：尹克杰
尹克杰，毕业于蚌埠医科大学，硕士研究生，南京鼓楼医院医学影像科主治医师，从事心血管影像诊断临床工作及科研。发表 6篇 SCI 及国内期刊论文。
通讯作者：牡丹
牡丹，主任医师，博士生导师，博士，美国华盛顿大学医学院高级访问学者，博士后，江苏省优秀青年放射学医师，江苏省333高层次医学人才，南京市十三五第二层次医学青年人才，现任南京鼓楼医院国际交流合作处副处长，南京鼓楼医院南部院区影像科主任，南京大学医学影像与人工智能研究所副所长，南京大学分子影像实验室主任，长期从事心血管影像诊断临床工作及科研，担任国际心血管 CT 协会中国区委员会委员、江苏省医学会心血管病学分会影像学组秘书等。主持国家自然科学基金 2 项、其他省、市、院级课题项 14项，并参与 2 项国家重点研发计划重点专项，一作和通讯发表 30 余篇 SCI 及国内核心期刊论文，单篇最高影响因子19.7， 参编著作及教材 5 部，获得国家发明专利 2 项，获得江苏省青年科技奖、南京市新技术引进一等奖等多个奖项，任英文期刊 Radiology Science，Infectious Disease of Radiology 的编委。
资讯
前往QIMS杂志首页
