通过长期短期时空注意力与图像到贴片对比学习来定位X射线冠心血管图的关键框架

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 心血管诊断心血管诊断服务

背景情况:

• 在X射线冠状动脉血管学 (XCA) 中准确的关键框架识别对于心血管疾病的诊断和治疗至关重要.
• 挑战包括类不平衡的数据,无边界的船只行动和复杂的背景.
• 现有的方法难以准确地定位开始,顶峰和结束的关键.

研究的目的:

• 开发一种先进的方法来定位XCA视频中的关键.
• 为应对阶级不平衡和船舶细分的复杂背景的挑战.
• 通过增强的关键框架检测,提高心血管诊断的准确性.

主要方法:

• 集成一个卷积长期短期记忆 (CLSTM) 网络与一个多尺度变压器用于时空注意力.
• 使用图像到补丁对比学习来增强特征表示.
• 开发用于长期 (图像级) 和短期 (补丁级) 对比学习的新型模块.

主要成果:

• 拟议的方法实现了72.45%的平均平均精度 (mAP) 和0.8296.6的F分数.
• 与现有最先进的方法相比,表现出优越的性能.
• 在新收集的XCA视频数据集上验证.

结论:

• 提出的与对比学习的时空注意力方法有效地解决了XCA.中的关键本地化挑战.
• 这种方法显著提高了心血管疾病的诊断能力.
• 该方法在XCA成像的自动化分析中提供了有前途的进步.