冠状动脉结石化和心血管结果,通过静脉内OCT和人工智能进行评估
Jinwei Tian1, Chao Li2, Zhifeng Qin1
1Department of Cardiology, Second Affiliated Hospital of Harbin Medical University, Harbin, China.
一种新的深度学习方法从血管内OCT图像中准确量化冠状动脉化 (CAC). 在罪祸首血管中严重的CAC强烈预测了心肌梗塞患者的主要心血管不良事件.
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
- 动脉样硬化研究 动脉样硬化研究
背景情况:
- 冠状动脉化 (CAC) 是动脉样硬化的关键指标,与不良临床结果有关.
- 大规模的高分辨率成像数据对于理解CAC的预后价值至关重要.
- 现有的CAC量化方法可能缺乏可扩展性和精度.
研究的目的:
- 开发和验证一种新的深度学习算法,用于自动化CAC识别和量化.
- 评估ST段高心肌梗塞 (STEMI) 患者中罪祸首和非罪祸首血管的CAC负担与重大心血管和脑血管不良事件 (MACCE) 之间的关联.
主要方法:
- 一个深度学习模型在使用稀疏标签的100多万个血管内光学连贯断层扫描 (OCT) 图像上受过训练.
- 该模型的性能被评估使用Dice相似系数进行细分和准确性进行分类.
- 经过验证的算法被应用于分析1259名接受OCT成像的STEMI患者的CAC.
主要成果:
- 深度学习方法在CAC细分 (Dice:0.693) 和分类 (精度:0.932) 中取得了高性能,接近人类水平的精度.
- 在罪祸首船只中,CAC的增加程度和严重程度与MACCE的更高率 (p <0.05) 显著相关.
- 在非罪祸首的船只中,在MACCE和非MACCE组之间没有观察到CAC的显著差异.
结论:
- 通过对血管内OCT数据进行自动化的深度学习分析,可实现准确且可扩展的CAC量化.
- 在罪祸首冠状动脉内的CAC负担是STEMI患者心血管不良结果的重要预测因素.
- 这项技术可以增强冠状动脉疾病患者的风险分层和临床决策.
更多相关视频
13:07Optical Coherence Tomography Based Biomechanical Fluid-Structure Interaction Analysis of Coronary Atherosclerosis Progression
Published on: January 15, 2022
06:57Author Spotlight: Advancing Cardiovascular Imaging - Introducing the Spatially Weighted Calcium Score for Early Disease Detection
Published on: September 22, 2023
相关概念视频
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Imaging Studies for Cardiovascular System V: CT
Coronary Artery Disease I: Introduction
Imaging Studies for Cardiovascular System III: X-Ray
Definition and Purpose
An X-ray, or radiograph, is a non-invasive method that uses ionizing radiation to take images of internal structures. It is mainly used in cardiac imaging to examine the heart, lungs, and major blood vessels, aiming to identify abnormalities in the heart's size, shape, and position, such as heart failure, congenital defects, and vascular...
Coronary Artery Disease II: Pathophysiology
Acute Coronary Syndrome III: Diagnostic studies
