Abstract: Coronary Artery Plaque Characterization from CCTA Scans Using DL and Radiomics

Assessing coronary artery plaque segments in coronary CT angiography scans is an important task to improve patient management and clinical outcomes, as it can help to decide whether invasive investigation and treatment are necessary. In this work, we present three machine learning approaches capable of performing this task. The first approach is based on radiomics, where a plaque segmentation is used to calculate various shape-, intensity- and texture-based features under different image transformations.

Authors and Affiliations

1. Pattern Recognition Lab, Friedrich-Alexander-University Erlangen-Nuremberg, Erlangen, Deutschland

   Felix Denzinger, Katharina Breininger & Andreas Maier

2. Computed Tomography, Siemens Healthcare GmbH, Forchheim, Deutschland

   Felix Denzinger, Michael Wels & Michael Sühling

3. University Clinic Frankfurt, Frankfurt am Main, Deutschland

   Anika Reidelshöfer

4. Cardioangiological Centrum Bethanien, Frankfurt am Main, Deutschland

   Joachim Eckert & Axel Schmermund

Corresponding author

Correspondence to Felix Denzinger .

Editors and Affiliations

1. Institut für Medizinische Informatik, Charité - Universitätsmedizin Berlin, Berlin, Germany

   Thomas Tolxdorff

2. Peter L. Reichertz Institut für Medizinische Informatik, Technische Universität Braunschweig, Braunschweig, Germany

   Thomas M. Deserno

3. Institut für Medizinische Informatik, Universität zu Lübeck, Lübeck, Germany

   Heinz Handels

4. Lehrstuhl für Mustererkennung, Friedrich-Alexander-Universität, Erlangen, Germany

   Andreas Maier

5. Medical Image Computing, E230, Deutsches Krebsforschungszentrum (DKFZ), Heidelberg, Germany

   Klaus H. Maier-Hein

6. Fakultät für Informatik und Mathematik, Ostbayerische Technische Hochschule Regensburg, Regensburg, Germany

   Christoph Palm

Reprints and permissions

© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

Policies and ethics