基于深度学习的大动脉环检测用于使用心脏计算机断层扫描进行跨导管大动脉置换
Yongwon Cho1,2, Soojung Park1, Sung Ho Hwang3
1Department of Radiology, Korea University Anam Hospital, Seoul, Korea.
一个新的深度学习模型,ADPANet,在心脏CT扫描中有效地检测到大动脉环平面,用于跨导管大动脉置换 (TAVR). 这种自动化方法有望改善TAVR的规划和结果.
科学领域:
- 心血管成像 - 心血管成像
- 人工智能在医学中的应用
- 医学图像分析 医学图像分析
背景情况:
- 过导管大动脉置换 (TAVR) 需要精确的解剖评估.
- 准确检测大动脉环平面对于TAVR的成功至关重要.
- 目前用于环平面检测的方法可能耗时且取决于操作员.
研究的目的:
- 提出和评估深度学习架构用于自动化大动脉环平面检测.
- 开发一种使用心脏计算机断层扫描 (CT) 进行复杂3D结构分析的新方法.
- 提高TAVR程序前规划的效率和准确性.
主要方法:
- 对72名接受TAVR治疗的患者进行了回顾性审查.
- 开发了基于3D U-net的架构Anulus Detection Permuted AdaIN网络 (ADPANet),这是一个基于3D U-net的架构.
- 该模型经过心脏CT扫描的训练和测试,使用RMSE和DSC评估性能.
主要成果:
- ADPANet证明了检测3D大动脉环平面的可行性.
- 该模型实现了根平均平方误差 (RMSE) 的 55.078 ± 35.794.4.
- 记录了0.496 ± 0.217的子相似系数 (DSC),表明了中度的重叠.
结论:
- 开发的深度学习框架是一个可行的工具,用于检测TAVR心脏CT中的复杂的大动脉环平面.
- 与其他卷积神经网络相比,ADPANet的性能表明了提高准确性的潜力.
- 这种自动化方法可以简化TAVR前的评估,并可能改善患者的治疗结果.
更多相关视频
06:59Improved Registration of 3D CT Angiography with X-ray Fluoroscopy for Image Fusion During Transcatheter Aortic Valve Implantation
Published on: June 3, 2018
07:46Author Spotlight: Revolutionizing Remote Surgery with Augmented Reality and Robotics for Enhanced Precision and Accessibility
Published on: August 9, 2024
相关概念视频
Aortic Regurgitation II: Clinical Features and Diagnostic Tests
Imaging Studies for Cardiovascular System V: CT
Aortic Regurgitation I: Introduction
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Thoracic Aorta
