X線冠状動脈分岐インスタンスセグメンテーションおよびマッチングタスクに関する研究

科学分野:

• 医用画像処理
• コンピュータビジョン
• 生体医工学

背景:

• X線画像からの冠状動脈の3D再構築は、異なる視点間での血管分岐のマッチングにおいて課題をもたらします。
• 左冠状動脈分岐と右冠状動脈分岐の区別は、セグメンテーションとマッチングプロセスを複雑にします。

研究 の 目的:

• 血管分岐マッチングの課題に対処することにより、X線画像からの3D冠状動脈再構築のための正確な方法を開発すること。
• 変形および動的な冠状動脈血管の処理のための特殊なインスタンスセグメンテーションネットワーク（YOLO-CAVBIS）を提案すること。

主な方法:

• YOLOv8-clsを使用して左冠状動脈と右冠状動脈を区別するための冠状動脈分類データセットを作成しました。
• 分類された画像は、冠状動脈分岐のインスタンスセグメンテーションのために2つの並列YOLO-CAVBISネットワークによって処理されました。
• 血管分岐の異なる視点間でのマッチングは、色の整合性に基づいて実行されました。

主要な成果:

• 冠状動脈分類モデルは100%の精度を達成しました。
• YOLO-CAVBISモデルは、左冠状動脈分岐で98.4%、右冠状動脈分岐で99.4%のmAP50スコアで高いパフォーマンスを示しました。
• YOLO-CAVBISネットワークは、他のネットワークと比較して、変形および動的な血管からの特徴抽出において優位性を示しました。

結論:

• 提案されたYOLO-CAVBISネットワークは、特に変形および動的な血管に対して、冠状動脈分岐のインスタンスセグメンテーションに効果的です。
• この方法は、3D冠状動脈再構築タスクのための堅牢なベースラインを提供します。
• このアプローチは、医療画像における血管分岐マッチングの精度と特異性を大幅に向上させます。