从计算机断层扫描血管图像中有效地提取冠状动脉血管,使用ResUnet和血管性图像
Omar Ibrahim Alirr1, Hamada R H Al-Absi2, Abduladhim Ashtaiwi1
1College of Engineering and Technology, American University of the Middle East, Egaila 54200, Kuwait.
Bioengineering (Basel, Switzerland)
|August 29, 2024
概括
这项研究提出了一种改进的方法,用于在CT血管图像 (CTA) 中对冠状动脉进行细分,从而提高了心血管疾病的诊断. 该方法实现了高精度,有助于制定更好的患者治疗策略.
科学领域:
- 医疗成像医学成像
- 心血管疾病的诊断 心血管疾病的诊断
- 医疗保健中的人工智能
背景情况:
- 从CT血管图像 (CTA) 中精确细分冠状动脉,对于诊断和治疗心血管疾病至关重要.
- 目前的细分方法在准确性和效率方面面临挑战.
研究的目的:
- 从CTA图像中开发一种结构化的方法,以精确有效地对冠状动脉进行细分.
- 提高心血管疾病的诊断和治疗能力.
主要方法:
- 这是一种血管增强和心脏感兴趣区域 (ROI) 提取的组合.
- 使用ResUNet深度学习模型进行特征提取和细分.
- 使用诸如子相似系数 (DSC),回忆和精度等指标评估性能.
主要成果:
- 拟议的方法实现了0.867.7的子相似系数 (DSC).
- 召回达到了0.881,精度为0.892.
- 超越现有的最先进的细分方法.
结论:
- 结构化方法显著提高了冠状动脉细分的准确性和效率.
- 该方法显示了改善心血管疾病诊断和治疗规划的巨大潜力.
- ResUNet能够捕获多样化的特征是该方法成功的关键.


