多尺度的双重注意嵌入U形网络用于精确细分冠状动脉血管在数字减去血管学

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 基于注意力的网络在X射线数字减去血管学 (DSA) 图像中努力整合冠状动脉血管细分的多尺度空间和通道信息.
• 这种限制在识别小而复杂的冠状动脉子分支时尤为明显.

研究的目的:

• 引入多层次的双重注意嵌入式网络 (MDA-Net),以改善冠状动脉血管细分.
• 在不同尺度和层次层次上巩固语境空间和道信息.

主要方法:

• MDA-Net使用五级级双卷积块编码器进行多级特征提取.
• 跳过连接在解码过程中保留低级别的细节,增强精细图像结构的重建.
• 多尺度双重注意力 (MDA) 模块将冠状血管与复杂的背景区分开来,一个复合损失函数 (IoU + 二元交叉) 提高了细分的准确性.

主要成果:

• 在各种条件下,MDA-Net在DSA图像上表现出强大而有效的性能.
• 该网络在细分精度方面显著优于现有的最先进的方法.
• 交叉点对欧盟 (IoU),子,准确性和豪斯多夫距离95%的最佳分数得到了实现.

结论:

• MDA-Net对冠状动脉血管细分具有很高的稳定性,为早期心血管疾病诊断提供了宝贵的工具.
• 开发的网络为改善心脏病诊断能力提供了积极的战略.