Buscar en
Revista Española de Medicina Nuclear e Imagen Molecular (English Edition)
Toda la web
Inicio Revista Española de Medicina Nuclear e Imagen Molecular (English Edition) Improved diagnostic accuracy for myocardial perfusion imaging using artificial n...
Journal Information
Vol. 38. Issue 5.
Pages 275-279 (September - October 2019)
Share
Share
Download PDF
More article options
ePub
Visits
5
Vol. 38. Issue 5.
Pages 275-279 (September - October 2019)
Original Article
DOI: 10.1016/j.remnie.2019.04.005
Improved diagnostic accuracy for myocardial perfusion imaging using artificial neural networks on different input variables including clinical and quantification data
Precisión diagnóstica mejorada para la imagen de perfusión miocárdica usando redes neuronales artificiales en diferentes variables de entrada incluyendo datos clínicos y de cuantificación
Visits
...
Reza Rahmania, Parisa Niazib, Maryam Naserib, Mohamadreza Neishabourib, Saeed Farzanefarb, Mohammad Eftekharic, Farhang Derakhshanb, Reza Mollazadeha, Alipasha Meysamid, Mehrshad Abbasib,
Corresponding author
meabbasi@tums.ac.ir

Corresponding author.
a Cardiology Department, Imam-Khomeini Hospital Complex, Tehran University of Medical Sciences, Tehran, Iran
b Department of Nuclear Medicine, Vali-asr Hospital, Tehran University of Medical Sciences, Tehran, Iran
c Research Institute for Nuclear Medicine, Shariati Hospital, Tehran University of Medical Sciences, Tehran, Iran
d Department of Social Medicine, Tehran University of Medical Sciences, Tehran, Iran
Article information
Abstract
Full Text
Bibliography
Download PDF
Statistics
Figures (1)
Tables (2)
Table 1. Health characteristics of the participants with and without abnormal MPI.
Table 2. Diagnostic performance of MPI alone and the ANN using MPI in addition to incremental combinations of age, gender, number of cardiac risk factors and counts of stress and rest MPI polar plots.
Show moreShow less
Abstract
Objective

Diagnostic accuracy of myocardial perfusion imaging (MPI) is not optimal to predict the result of angiography. The current study aimed at investigating the application of artificial neural network (ANN) to integrate the clinical data with the result and quantification of MPI.

Methods

Out of 923 patients with MPI, 93 who underwent angiography were recruited. The clinical data including the cardiac risk factors were collected and the results of MPI and coronary angiography were recorded. The quantification of MPI polar plots (i.e. the counts of 20 segments of each stress and rest polar plots) and the Gensini score of angiographies were calculated. Feed-forward ANN was designed integrating clinical and quantification data to predict the result of angiography (normal vs. abnormal), non-obstructive or obstructive coronary artery disease (CAD), and Gensini score (≥10 and <10). The ANNs were designed to predict the results of angiography using different combinations of data as follows: reports of MPI, the counts of 40 segments of stress and rest polar plots, and the count of these 40 segments in addition to age, gender, and the number of risk factors. The diagnostic performance of MPI with different ANNs was compared.

Results

The accuracy of MPI to predict the result of angiography, obstructive CAD, and Gensini score increased from 81.7% to 92.9%, 65.0% to 85.7%, and 50.5% to 92.9%, respectively by ANN using counts and clinical risk factors.

Conclusion

The diagnostic accuracy of MPI could be improved by ANN, using clinical and quantification data.

Keywords:
Myocardial perfusion imaging
Coronary artery disease
Gensini score
Artificial neural networks
Resumen
Objetivo

La precisión diagnóstica de la imagen de perfusión miocárdica (IPM) no es óptima para predecir el resultado de la angiografía. El objetivo del presente estudio es investigar la aplicación de la red neuronal artificial (RNA) para integrar los datos clínicos con el resultado y la cuantificación del IPM.

Métodos

De 923 pacientes con IPM, se reclutaron 93 que se sometieron a angiografía. Se recogieron los datos clínicos, incluidos los factores de riesgo cardíaco, y se registraron los resultados de la IPM y la angiografía coronaria. Se calculó la cuantificación de las gráficas polares IPM (es decir, los recuentos de 20 segmentos de cada una de las gráficas polares de esfuerzo y de reposo) y la puntuación de Gensini de las angiografías. ANN fue diseñado integrando datos clínicos y de cuantificación para predecir el resultado de la angiografía (normal vs. anormal), la enfermedad coronaria no obstructiva u obstructiva (EAC), y la puntuación de Gensini (≥10 y <10). Las RNA fueron diseñadas para predecir los resultados de la angiografía usando diferentes combinaciones de datos como sigue: informes de IPM, la cuantificación de 40 segmentos de diagramas polares de esfuerzo y reposo, y la cuantificación de estos 40 segmentos además de la edad, el sexo y el número de factores de riesgo. Se comparó el rendimiento diagnóstico del IPM con diferentes RNA.

Resultados

La precisión del IPM para predecir el resultado de la angiografía, la EAC obstructiva y la puntuación de Gensini aumentó del 81,7% al 92,9%, del 65,0% al 85,7% y del 50,5% al 92,9%, respectivamente, mediante la RNA con cuantificación y factores de riesgo clínicos.

Conclusión

La precisión diagnóstica de la IPM podría mejorarse mediante la RNA, utilizando datos clínicos y de cuantificación.

Palabras clave:
Imagen de perfusión miocárdica
Enfermedad de las arterias coronarias
Puntuación de gensini
Redes neurales artificiales

Article

These are the options to access the full texts of the publication Revista Española de Medicina Nuclear e Imagen Molecular (English Edition)
Subscriber
Subscriber

If you already have your login data, please click here .

If you have forgotten your password you can you can recover it by clicking here and selecting the option “I have forgotten my password”
Subscribe
Subscribe to

Revista Española de Medicina Nuclear e Imagen Molecular (English Edition)

Comprar
Comprar acceso al artículo

Comprando el artículo el PDF del mismo podrá ser descargado

Precio 19,34 €

Comprar ahora
Contact
Phone for subscriptions and reporting of errors
From Monday to Friday from 9 a.m. to 6 p.m. (GMT + 1) except for the months of July and August which will be from 9 a.m. to 3 p.m.
Calls from Spain
932 415 960
Calls from outside Spain
+34 932 415 960
E-mail
Article options
Tools
es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos