Skip to main content
main-content

11.04.2019 | Technical | Ausgabe 8/2019

Abdominal Radiology 8/2019

Automated segmentation and quantification of aortic calcification at abdominal CT: application of a deep learning-based algorithm to a longitudinal screening cohort

Zeitschrift:
Abdominal Radiology > Ausgabe 8/2019
Autoren:
Peter M. Graffy, Jiamin Liu, Stacy O’Connor, Ronald M. Summers, Perry J. Pickhardt
Wichtige Hinweise

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Objective

To investigate an automated aortic calcium segmentation and scoring tool at abdominal CT in an adult screening cohort.

Methods

Using instance segmentation with convolutional neural networks (Mask R-CNN), a fully automated vascular calcification algorithm was applied to a data set of 9914 non-contrast CT scans from 9032 consecutive asymptomatic adults (mean age, 57.5 ± 7.8 years; 4467 M/5447F) undergoing colonography screening. Follow-up scans were performed in a subset of 866 individuals (mean interval, 5.4 years). Automated abdominal aortic calcium volume, mass, and Agatston score were assessed. In addition, comparison was made with a separate validated semi-automated approach in a subset of 812 cases.

Results

Mean values were significantly higher in males for Agatston score (924.2 ± 2066.2 vs. 564.2 ± 1484.2, p < 0.001), aortic calcium mass (222.2 ± 526.0 mg vs. 144.5 ± 405.4 mg, p < 0.001) and volume (699.4 ± 1552.4 ml vs. 426.9 ± 1115.5 HU, p < 0.001). Overall age-specific Agatston scores increased an average of 10%/year for the entire cohort; males had a larger Agatston score increase between the ages of 40 to 60 than females (91.2% vs. 75.1%, p < 0.001) and had significantly higher mean Agatston scores between ages 50 and 80 (p < 0.001). For the 812-scan subset with both automated and semi-automated methods, median difference in Agatston score was 66.4 with an r2 agreement value of 0.84. Among the 866-patient cohort with longitudinal follow-up, the average Agatston score change was 524.1 ± 1317.5 (median 130.9), reflecting a mean increase of 25.5% (median 73.6%).

Conclusion

This robust, fully automated abdominal aortic calcification scoring tool allows for both individualized and population-based assessment. Such data could be automatically derived at non-contrast abdominal CT, regardless of the study indication, allowing for opportunistic assessment of cardiovascular risk.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

★ PREMIUM-INHALT
e.Med Interdisziplinär

Mit e.Med Interdisziplinär erhalten Sie Zugang zu allen CME-Fortbildungen und Fachzeitschriften auf SpringerMedizin.de. Zusätzlich können Sie eine Zeitschrift Ihrer Wahl in gedruckter Form beziehen – ohne Aufpreis.

Weitere Produktempfehlungen anzeigen
Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 8/2019

Abdominal Radiology 8/2019 Zur Ausgabe

Classics in Abdominal Radiology

Hepatization of the gallbladder

Classics in Abdominal Radiology

The “striated” testis

  1. Sie können e.Med Radiologie 14 Tage kostenlos testen (keine Print-Zeitschrift enthalten). Der Test läuft automatisch und formlos aus. Es kann nur einmal getestet werden.

Neu im Fachgebiet Radiologie

Meistgelesene Bücher aus der Radiologie

2016 | Buch

Medizinische Fremdkörper in der Bildgebung

Thorax, Abdomen, Gefäße und Kinder

Dieses einzigartige Buch enthält ca. 1.600 hochwertige radiologische Abbildungen und Fotos iatrogen eingebrachter Fremdmaterialien im Röntgenbild und CT.

Herausgeber:
Dr. med. Daniela Kildal

2011 | Buch

Atlas Klinische Neuroradiologie des Gehirns

Radiologie lebt von Bildern! Der vorliegende Atlas trägt dieser Tatsache Rechnung. Sie finden zu jedem Krankheitsbild des Gehirns Referenzbilder zum Abgleichen mit eigenen Befunden.

Autoren:
Priv.-Doz. Dr. med. Jennifer Linn, Prof. Dr. med. Martin Wiesmann, Prof. Dr. med. Hartmut Brückmann

Mail Icon II Newsletter

Bestellen Sie unseren kostenlosen Newsletter Update Radiologie und bleiben Sie gut informiert – ganz bequem per eMail.

Bildnachweise