在外周动脉疾病患者中,用血管图形计算机视觉预测肢体救援
Yury Rusinovich1, Vitalii Liashko2,3, Volha Rusinovich4
1Department of Vascular Surgery, University Hospital Leipzig, Leipzig, Germany.
使用计算机视觉的人工智能 (AI) 准确地预测了从踏板血管图 (pedal angiograms) 中的外周动脉疾病肢体结果. 人工智能模型的性能优于传统的分期系统,为患者提供精确,个性化的治疗决策.
科学领域:
- 血管外科 血管外科
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 周围动脉疾病 (PAD) 的结果被主观地由血管单位分阶段.
- 客观的肢体结果预测对于PAD患者管理至关重要.
- 像IM GLASS这样的标准化分期系统有其局限性.
研究的目的:
- 为了评估AI在PAD患者预测肢体结果的能力,使用踏板血管图.
- 为了比较人工智能驱动的分期与全球肢体解剖分期系统 (IM GLASS) 的inframalleolar修饰器.
- 评估AI在机构间专业知识标准化方面的潜力.
主要方法:
- 一个回顾性,多中心队列研究,涉及518名PAD患者的脚踏血管图.
- 利用计算机视觉 (CV) 使用MobileNetV2模型进行特征提取.
- 在已知3个月肢体结果 (救援,轻度截肢,大截肢) 的血管图上训练了AI模型.
主要成果:
- 人工智能模型在将肢体救援与截肢区分时实现了93%的测试准确度.
- 人工智能以很高的准确度预测了肢体救援概率 (救援为96%,轻度截肢为27%,大截肢为17%).
- CV模型显示与实际结果的相关性为0.7,明显高于IM GLASS (0.14).
结论:
- 计算机视觉有效地分析血管图来预测PAD肢体结果.
- 人工智能在预测肢体救援率方面表现优于IM GLASS.
- 人工智能提供了立即,精确的治疗指导和在血管干预中增强个性化决策的潜力.
更多相关视频
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
13:48Reduction of Radiation Exposure during Endovascular Treatment of Peripheral Arterial Disease Combining Fiber Optic RealShape Technology and Intravascular Ultrasound
Published on: April 21, 2023
相关概念视频
Peripheral Artery Disease I: Introduction
Peripheral Arterial Disease II: Clinical Manifestations and Diagnostic Evaluation
Peripheral Artery Disease III: Interprofessional Care
Peripheral Artery Disease IV: Nursing Management
Peripheral Artery Disease V: Postoperative Nursing Management
