冠状动脉p图:使用基于DSA的注释,自动分类和定位来自心脏CTA的冠状动脉狭窄
Yuanxiu Zhang1, XiaoLei Zhang2, Yanglong He1
1Laboratory of Image Science and Technology, School of Computer Science and Engineering, Southeast University, Nanjing, Jiangsu, China.
一个新的AI框架,冠状动脉p图,自动化冠状动脉狭窄检测从非侵入性CCTA扫描. 这种方法显示了与侵入性DSA可比的诊断性能,可能减少了对危险程序的需求.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 冠状动脉疾病 (CAD) 是一个主要的健康问题.
- 数字减去血管造影 (DSA) 是侵入性的;非侵入性的冠状动脉计算机断层扫描血管造影 (CCTA) 是有希望的,但需要专家解释.
- 人工智能 (AI) 可以在CCTA分析中帮助检测狭窄.
研究的目的:
- 引入基于冠状动脉建议的图形卷积网络 (冠状动脉p图),这是一个新的AI框架,用于从CCTA自动检测冠状动脉狭窄.
- 评估冠状动脉p图框架对侵袭性DSA的诊断性能.
主要方法:
- CCTA数据转化为曲线多平面改造 (CMPR) 图像,以划分冠状动脉中心线.
- 一个卷积神经网络 (CNN) 提取特征,生成候选狭窄细分 (节点).
- 图形卷积网络 (GCN) 处理空间关系的图形表示,用于狭窄的分类和定位.
主要成果:
- 冠状动脉p-Graph框架实现了0.844的精度,0.910的特异性,0.74的AUC和0.157.15的MAE.
- 诊断性能被发现相当于侵入性DSA.
- 该方法在259个案例的数据集上显示出与现有方法相比更高的性能.
结论:
- 冠状动脉p-Graph框架提供了一个非侵入性的AI驱动的解决方案,用于使用CCTA准确检测冠状动脉狭窄.
- 这种方法有可能减少对DSA等侵入性诊断程序的依赖.
- 这项研究强调了图形卷积网络在分析复杂的血管成像数据中的有效性.
更多相关视频
09:32Time-Resolved, Dynamic Computed Tomography Angiography for Characterization of Aortic Endoleaks and Treatment Guidance via 2D-3D Fusion-Imaging
Published on: December 9, 2021
06:57Author Spotlight: Advancing Cardiovascular Imaging - Introducing the Spatially Weighted Calcium Score for Early Disease Detection
Published on: September 22, 2023
相关概念视频
Imaging Studies for Cardiovascular System V: CT
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Coronary Artery Disease I: Introduction
Coronary Artery Disease III: Clinical Manifestations
Acute Coronary Syndrome I: Introduction
Acute Coronary Syndrome III: Diagnostic Studies
