通过启发性路径规划和基于深度学习的血管细分来增强穿皮冠状动脉干预

科学领域:

• 医疗成像医学成像
• 干预心脏病学 干预心脏病学
• 计算机辅助手术 计算机辅助手术

背景情况:

• 穿皮冠状动脉干预 (PCI) 依赖于血液动力学参数作为指导,这些参数比成像更不直观.
• 当前的指导方法在PCI程序期间为心脏病学家的决策提出了挑战.

研究的目的:

• 开发一种新的PCI指导辅助系统,将血管细分和路径规划结合起来.
• 为心脏病专家提供清晰,可视化的信息,以改善PCI程序.

主要方法:

• 开发了一个新的血管细分网络和一个启发式干预路径规划算法.
• 使用了来自288名患者的1077张DSA图像的数据集.
• 用利克特尺度进行了用户实验,以评估系统性能.

主要成果:

• 该系统为PCI产生了令人满意和合理的路径.
• 拟议的方法在Jaccard (0.4091),F1 (0.5626) 和精度 (0.9583) 中超过了最先进的基线.

结论:

• 开发的系统通过提供清晰的血管细分和最佳干预路径,有效地协助心脏病学家.
• 该系统显示了推进机器人PCI自主性的巨大潜力.