LASF:冠状动脉血管图片段的局部自适应细分框架
Hao Ren1,2,3, Dongxiao Li4, Fengshi Jing1,5
1Faculty of Data Science, City University of Macau, Taipa, 999078 Macao Special Administrative Region China.
Health information science and systems
|January 30, 2025
概括
一个新的本地自适应细分框架 (LASF) 通过增强医学成像细分来改善冠状动脉疾病 (CAD) 诊断. 这种人工智能工具在冠状动脉血管图中提供了更准确的血管识别,以获得更好的患者结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管疾病研究研究
背景情况:
- 冠状动脉疾病 (CAD) 是全球主要的死亡原因.
- 目前的冠状动脉血管图细分方法面临着血管不连续性和准确性的挑战.
- 准确的细分对于有效的CAD诊断和治疗计划至关重要.
研究的目的:
- 为冠状动脉血管图开发一个先进的细分框架.
- 为了提高医学图像中血管细分的精度和连续性.
- 为了提高冠状动脉疾病的诊断能力.
主要方法:
- 通过增强YOLOv8架构开发了本地自适应细分框架 (LASF).
- 将扩展和侵蚀算法集成到YOLOv8模型中,以改善细分.
- 丰富了ARCADE数据集,详细说明了近端和远端血管段.
- 与已建立的模型进行比较分析,例如UNet和DeepLabV3Plus.
主要成果:
- 与UNet和DeepLabV3Plus相比,LASF表现出更高的性能.
- 在血管细分任务中获得了更高的精度,回忆和F1分数.
- 增强的ARCADE数据集提高了细分模型的稳定性.
- LASF有效地解决了船舶不连续性和细分不准确的问题.
结论:
- 拉斯夫在冠状动脉血管图像的血管图像细分方面取得了重大进展.
- 该框架提供了对临床应用至关重要的更可靠,更准确的细分.
- 拉斯夫有可能改善CAD的临床管理,提高诊断准确性和患者的治疗结果.
