相关实验视频
Updated: Jul 18, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
441
POST-IVUS:一种感知组织意识的选择性变压器框架,用于血管内超声波细分
Xingru Huang1, Retesh Bajaj2, Yilong Li3
1School of Electronic Engineering and Computer Science, Queen Mary University of London, London, E3 4BL, UK; School of Communication Engineering, Hangzhou Dianzi University, Xiasha Higher Education Zone, Hangzhou, Zhejiang, China.
Medical image analysis
|August 20, 2023
概括
这项研究引入了一种新的AI框架,用于在静脉内超声波 (IVUS) 图像中自动细分冠状动脉血管壁,提高精度并减少指导干预的手工劳动.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管干预 心血管干预
背景情况:
- 血管内超声波 (IVUS) 成像对于指导冠状动脉干预至关重要.
- 手动对IVUS图像进行光和外部弹性膜 (EEM) 的细分是繁的,容易出现错误,并且显示了观察者之间的变化.
研究的目的:
- 在IVUS图像中开发一个自动化,准确和强大的框架来对冠状动脉光和EME边界进行细分.
- 在时间,准确性和一致性方面克服手动细分的局限性.
主要方法:
- 一个新的感知组织意识的选择性变压器框架,利用基于时间上下文的特征编码器.
- 一个专门的边界损失函数,用于准确的边界信息提取.
- 时间约束和融合模块用于强大的细分,处理各种容器形态和文物.
主要成果:
- 在IVUS 2011公开挑战数据集中实现了最先进的性能.
- 报告的贾卡德指数为0.92的光线细分和0.94的EEM细分.
- 在各种IVUS序列中表现出强度,包括正常,分叉和化血管与影子文物.
结论:
- 拟议的AI框架显著提高了IVUS图像细分的准确性和稳定性.
- 使用这种方法的自动细分可以简化冠状动脉干预的指导.
- 该框架已集成到用户友好的软件 (QCU-CMS2) 中,以便在实践中应用.
