Deep learning algorithms for detecting acute thoracic aortic dissection on plain chest radiopraphy

Abstract

Background: Aortic dissection is one of the most life-threatening acute aortic syndromes in which blood leaking from the damaged inner layer of the aorta causes dissection between the intimal and adventitial layers. With the recent development of deep learning technology for image recognition, we developed a deep learning algorithm for screening aortic dissection through chest X-ray scans using a convoluted neural network and evaluated the diagnostic ability of the developed algorithm. Methods: This is a multicenter retrospective study using chest X-ray scans for learning and detecting aortic dissection using a convolutional neural network (CNN). The chest X-ray images were obtained from three tertiary academic hospitals. After learning using residual neural network 18- and 5-fold cross-validation with chest X-ray images obtained from two hospitals, a test was performed with data from the remaining one hospital. To validate the performance of five models trained through 5-fold cross-validation, accuracy, precision, recall, and F-1 score were calculated. Results: A total of 3,331 images containing 716 positive images and 2615 negative images were collected from 3,331 patients. Overall, 1,972 images consisting of 507 positive images (male, 62.7%; age [SD], 61 [15] years) in hospital A, 1,155 images consisting of 155 positive images (male, 56.1%; age [SD], 63 [13] years), and 204 images consisting of 54 positive images (male, 55.6%; age [SD], 61 [17] years) were analyzed. The diagnostic accuracy of the deep learning model was 90.20% with precision 75.00%, recall 94.44%, and F1-score 83.61%. Conclusions: The interpretation of chest X-ray images using the CNN algorithm that we developed to detect aortic dissection could help doctors screen patients with suspected aortic dissection|배경: 대동맥 박리는 손상된 대동맥 내층에서 혈액이 누출되어 내막과 대동맥 사이의 박리가 발생하는 가장 생명을 위협하는 급성 대동맥 증후군 중 하나이다. 최근 영상인식을 통한 딥러닝 기술의 발달로 복잡한 신경망을 이용한 흉부 X선 스캔을 통해 대동맥 박리를 선별하는 딥러닝 알고리즘을 개발하고, 개발된 알고리즘의 진단 능력을 평가했다. 방법: 본 연구는 CNN(Convolutional Neural Network)을 사용하여 대동맥 박리를 학습하고 감지하기 위해 흉부 X선 스캔을 사용하는 하였다. 흉부 X선 영상은 3개의 대학병원에서 획득하였다. 두 병원에서 얻은 흉부 X선 영상을 이용해 Residual 신경망을 활용해 학습한 후, 5fold 교차 검증을 실시 하였다. 그리고 나머지 한 병원의 데이터로 테스트를 진행했다. 5fold 교차 검증을 통해 훈련된 5개 모델의 성능을 검증하기 위해 정확도, 정밀도, 재현율 및 F-1 점수를 계산했다. 결과: 3,331명의 환자로부터 716개의 양성 이미지와 2615개의 음성 이미지를 포함하는 총 3,331개의 이미지가 수집하였다. 종합하면 A병원의 양성 이미지 507개(남성 62.7%; 연령[SD], 61[15]세)로 구성된 1,972개의 이미지, B병원의 d양성 이미지 155개(남성, 56.1%, 연령[SD], 63세)로 구성된 이미지 1,155개 [ 13]세),C병원의 양성 이미지 54개로 구성된 이미지 204개(남성, 55.6%, 연령[SD], 61세)을 분석하였다. 딥러닝 모델의 진단 정확도는 90.20%, 정밀도 75.00%, 재현율 94.44%, F1 점수 83.61%였다. 결론: 우리가 개발한 CNN 알고리즘을 이용한 흉부 X선 영상 해석하고 대동맥 박리를 감지하면 의사가 대동맥 박리가 의심되는 환자를 선별하는 데 도움이 될 수 있다.