本技术介绍了一种利用CCTA图像自动分割与分类左心耳充盈缺损的方法,旨在自动识别左心耳血栓。该方法包括数据采集与预处理、图像分割、特征提取和分类等关键步骤,以提高诊断的准确性和效率。
背景技术
心房颤动是最常见的心律失常之一,有研究显示中国35岁以上人群房颤发病率达0.71%。非瓣膜性房颤患者脑卒中发生风险是其他患者的5-6倍,主要原因是左心房/左心耳血栓脱落导致。对于非瓣膜性房颤患者来说,90%的血栓源自左心耳。房颤发生时,心房丧失正常的收缩功能,心房内血流缓慢、淤滞;尤其是左心耳形态不规则易于形成血栓,左心房血栓是房颤或房扑患者进行转复和导管消融的禁忌症,因为转复和消融会使血栓脱落而导致心源性卒中。因此准确识别和诊断左心房、左心耳血栓对患者后续治疗方案的制定有指导意义。
经食道超声心动图是明确非瓣膜性房颤患者是否存在左心耳血栓的有效检查手段,但是该操作有创,难以常规应用。近年来心脏CT在诊断左心耳血栓方面的应用越来越广泛。双期CT在检测左心耳血栓方面表现良好,与经食道超声心动图的结果类似。但是需要进行双期扫描,增加了辐射剂量。与此同时,影像组学和深度学习在心血管领域中的应用逐渐增多。影像组学在左心耳血栓和循环瘀滞鉴别方面取得了良好的性能,高于传统影像的诊断结果。与传统组学相比,深度学习可用于左心耳充盈缺损(包含血栓和循环瘀滞)的自动量化评估,显示出更高的准确性。但是,这些研究也存在一些局限性,比如说对左心耳血栓进行手动勾画,费时费力,难以常规应用于临床。目前来说,基于深度学习技术对左心耳血栓进行自动识别和诊断的研究属创新工作。因此需要一种基于CCTA图像的左心耳充盈缺损自动分割与分类方法辅助医生进行快速准确的诊断,同时评估疾病风险,辅助临床决策。
实现思路