相关实验视频
Updated: May 2, 2026
10:53
Ultrasonic Assessment of Myocardial Microstructure
Published on: January 14, 2014
5.4K
静脉内超声波中的机器学习:验证复杂冠状动脉干预的自动化损伤评估
Jason Galo1, Abhishek Chaturvedi1, Abdullah Al-Qaraghuli2
1Section of Interventional Cardiology, MedStar Washington Hospital Center, Washington, District of Columbia, USA.
概括
使用机器学习的自动化损伤评估软件与血管内超声波支架尺寸测定专家达成高度一致. 这项技术可能会提高IVUS在复杂冠状动脉干预中的效率和采用.
科学领域:
- 心血管成像 - 心血管成像
- 医疗器械技术 医疗器械技术
- 人工智能在医学中的应用
背景情况:
- 血管内超声波 (IVUS) 对于复杂的冠状动脉病变评估至关重要,但由于解释挑战,其使用率不足.
- 使用机器学习 (ML) 的自动化损伤评估 (ALA) 软件旨在简化IVUS图像解释.
- 本研究评估了基于ML的IVUS分析在复杂病变的支架尺寸选择中的一致性.
研究的目的:
- 评估AVVIGO IVUS ALA软件与核心实验室 (CL) 和干预心脏病专家 (IC) 之间的支架尺寸选择协议.
- 用AVVIGO ALA对I类病变进行自动细分,与黄金标准的CL测量和专家IC评估进行比较.
- 评估ALA,CL和IC测量之间的容器和流明面积的相对差异.
主要方法:
- 复杂冠状动脉病变患者IVUS数据的回顾性分析 (左侧主要分叉,长,化).
- 通过AVVIGO ALA对独立的CL和专家IC使用既定方法进行支架尺寸选择和面积测量的比较.
- 对于支架尺寸选择,在0.25毫米范围内评估一致性.
主要成果:
- AVVIGO ALA与CL (92%-100%) 和IC (91%-98.5%) 在病变类型的支架尺寸选择方面表现出高度一致.
- 基于流量尺寸的尺寸显示出比基于血管尺寸的尺寸更高的一致性,特别是在化病变 (100%与87%相比).
- 在ALA和CL之间以及ALA和IC之间观察到相对差异的变化,特别是在容器面积测量中.
结论:
- 与专家CL和IC分析相比,AVVIGO ALA软件在支架大小选择方面具有很高的一致性.
- 基于ML的IVUS分析自动化有可能提高操作员的效率并减少辐射暴露.
- 需要进一步评估,以确定这项技术对常规IVUS采用的影响,以指导复杂的穿皮冠状动脉干预.
关键词:
自动化损伤评估 (ALA)化的病变是化的病变.一个复杂的PCI.冠状动脉病变 冠状动脉病变血管内超声波 (IVUS) 是一种超声波.基于流明的尺寸测量.机器学习 (ML) 是指机器学习.支架尺寸选择选择支架尺寸的选择.基于船只的尺寸测量.更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
06:18Intravascular Ultrasound Image-Based Finite Element Modeling Approach for Quantifying In Vivo Mechanical Properties of Human Coronary Artery
Published on: December 6, 2024
417
