Subscribe to RSS
DOI: 10.1055/s-0042-1749762
Deep Learning-basierte Synthese virtueller monoenergetischer Bilder zur Optimierung einer automatisierten Detektion von Lungenarterienembolien in konventionellen CT-Scans
Zielsetzung Unser Ziel war die Entwicklung eines Deep Learning (DL)-Modells, das virtuell-monoenergetische Bilder (VMI) auf Grundlage der spektralen Dual-Energy CT-Pulmonalisangiographie (DE-CTPA) erzeugt, um die automatische Detektion von Lungenarteriemembolien (LAE) in konventionellen Single-Energy CT-Scans zu verbessern.
Material und Methoden Hierfür haben wir zwei Datensätze verwendet: unseren institutseigenen DE-CTPA-Datensatz (D1), der die arterielle Serie und die korrespondierenden VMI-Serie bei 40 keV mit 7.892 Bildpaaren umfasste und ein 10%-Subset der RSNA Pulmonary Embolism Detection Challenge von 2020 (Datensatz D2), das aus 161.253 polyenergetischen Bildern mit dichotomen schichtweisen Annotationen (LAE/keine LAE) bestand. Wir trainierten ein 9-Block-ResNet-Encoder-Decoder-Netzwerk auf D1, das VMI der polyenergetischen CT-Scans aus D2 erzeugt, welche wiederum in ein ResNet50-Netzwerk für die LAE-Klassifizierungsaufgabe eingespeist wurden. Die Ergebnisse unserer synthetischen VMI wurden mittels Peak-Signal-to-Noise-Ratio (PSNR) und Structural Similarity Index Measure (SSIM) bewertet. Die Evaluation der LAE-Detektion erfolgte mittels AUC.
Ergebnisse Unser DL-Modell erzielte hochwertige visuelle VMI-Synthesen mit Rekonstruktionsergebnissen von 0.984 ± 0.002 (SSIM) und 41.706 ± 0.547 (PSNR). Die LAE-Detektion unseres Modells wies eine AUC von 0.84 auf und schnitt im Vergleich zu anderen DL-Ansätzen (AUCs von bis zu 0.81) besser ab.
Schlußfolgerungen Die Erzeugung synthetischer VMI aus konventionellen CT-Scans kann die automatische LAE-Detektion verbessern und bietet einen ökonomischen Ansatz zur Optimierung der LAE-Diagnostik in Zentren ohne Zugang zur Dual-Energy-Technik. Zudem könnte der Einsatz des DL-Modells zu einer Verbesserung der diagnostischen Qualität konventioneller CTPAs mit suboptimaler Kontrastierung der Lungenarterien beitragen.
Publication History
Article published online:
29 August 2022
© 2022. Thieme. All rights reserved.
Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany