本技術提供一種新穎快速一站式用以作為阻塞性冠狀動脈疾病的預測系統及方
法,可全自動的將心肌灌注掃描影像進行預處理,並利用深度學習方法預測顯著
的血管阻塞及預後。影像預處理包含全自動的心肌範圍分割、心肌與標準模板自
動對位、灌流活性標準化處理、以及球座標轉換。這些預處理技術能夠讓深度學
習模型用三度空間的方式進行影像的運算與疾病預測,而創新的球座標轉換方式
也克服了卷積神經網路對於三度空間心肌結構判讀時方向性的問題。
經過千例實際臨床掃描的交叉實驗、額外千例案例的外部驗證,同時進行兩個中
心的比對驗證,證實本技術可以超越傳統使用的全灌流缺損分數(total perfusio
n deficit,TPD)所做的預測,接收者操作特性曲線下面積為0.844,顯著優於用
TPD預測的0.759。在維持相同診斷特異度的狀況下,檢查的敏感度可以顯著由76.6%提升至83.8%。更重要的是能夠在無需正常人資料庫(normal database,
NDB)之下達到相同的預測能力,因此可以免去收集NDB的麻煩步驟。