进行X射线冠心血管图像和SYNTAX评分,以开发用于CHD诊断的机器学习算法
Seyed Sajjad Mahmoudi1, Mohammad Matin Alishani2, Manijeh Emdadi3
1Department of Cardiology, School of Medicine, Urmia University of Medical Sciences, Urmia, Iran.
Scientific data
|March 22, 2025
概括
这项研究引入了231张冠状动脉血管图像的新数据集,以推进人工智能 (AI) 研究以诊断冠状动脉心脏病 (CHD). 本资源旨在改善自动化狭窄估计和心血管疾病诊断.
科学领域:
- 心脏病学和医学成像学
- 医疗保健中的人工智能
背景情况:
- 冠心病 (CHD) 是一个主要的全球健康问题.
- 冠状动脉扫描是评估冠状动脉狭窄症的黄金标准,但存在操作者偏差和可变性等局限性.
- 血管图的自动解释是必要的,但需要大量的注释数据集.
研究的目的:
- 为人工智能驱动的研究提供X射线冠状动脉血管图像的新型数据集.
- 为了促进机器学习算法的发展,用于CHD诊断和狭窄的估计.
- 解决干预心脏病学中可重复和客观分析的需求.
主要方法:
- 收集了231张X射线心血管图像.
- 包括重要的血管图学变量,如SYNTAX得分.
- 数据集为支持CHD的机器学习和数据挖掘研究而策划.
主要成果:
- 现在可以获得231张注释冠状动脉血管图像的数据集.
- 该数据集包括对AI模型培训至关重要的临床和血管学变量.
- 本资源支持对自动化狭窄体量化的研究.
结论:
- 开发的数据集是推动AI在心脏病诊断中的宝贵资源.
- 它的目的是克服手动血管图解读的局限性.
- 促进未来的研究在自动化CHD评估和治疗规划.


