数据集用于基于自动区域的冠状动脉疾病诊断,使用X射线血管图像
Maxim Popov1, Akmaral Amanturdieva2, Nuren Zhaksylyk3,2
1Mohamed Bin Zayed University of Artificial Intelligence, Department of Computer Vision, Abu Dhabi, United Arab Emirates. maxim.popov@mbzuai.ac.ae.
Scientific data
|January 3, 2024
概括
一个新的数据集,ARCADE,提供1500专家标记的X射线冠状动脉血管图像,用于冠状动脉疾病诊断. 该资源有助于开发和比较用于血管分类和狭窄检测的深度学习工具.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- X射线冠状动脉造影是诊断和治疗冠状动脉疾病的标准.
- 深度学习有望改善诊断和治疗,但缺乏公开的注释数据集.
- 有限的数据集阻碍了客观评估和新诊断工具的开发.
研究的目的:
- 介绍ARCADE数据集用于冠状动脉血管分类和狭窄检测.
- 为评估冠状动脉疾病的自动诊断方法提供一个基准.
- 促进开发新的深度学习方法来进行风险评估.
主要方法:
- 创建了ARCADE数据集,包括1500张专家标记的X射线冠状动脉血管学图像.
- 图像的注释有两个目的:冠状动脉段的分类和狭窄斑块的检测.
- 数据集旨在支持对诊断工具的客观评估和比较.
主要成果:
- 现在,ARCADE数据集已经公开了.
- 包含1500个冠状动脉段的专家标记数据.
- 包括1500个狭板的位置的注释.
结论:
- 该ARCADE数据集解决了对注释X射线冠状动脉血管图像的需求.
- 它将成为推进冠状动脉疾病自动诊断的关键基准.
- 促进心脏病学和风险分层的深度学习研究.
