在血管内光学一致性断层扫描中基于组织学的自动化斑块亚型细分

科学领域:

• 心血管成像 - 心血管成像
• 人工智能在医学中的应用
• 组织病理学 组织病理学

背景情况:

• 血管内光学相干断层扫描 (IVOCT) 的解释是复杂的,限制了其临床采用.
• 人类读者很难识别组织学亚型,超出了基本的分类,如脂质,和纤维组织.
• 准确的斑块表征对于了解心血管疾病进展至关重要.

研究的目的:

• 开发和验证人工智能 (AI) 算法,使用IVOCT自动识别组织学斑块亚型.
• 提高IVOCT图像分析的标准化和准确性.
• 帮助临床医生解释复杂的IVOCT发现.

主要方法:

• 67个人类冠状动脉被用IVOCT尸检成像,并与详细的组织学检查进行比较.
• IVOCT图像被共同注册并分为特定的组织学亚型:脂池,纤维脂肪组织,化脂质和化纤维组织.
• 使用专家指导的,经组织学验证的IVOCT细分来训练一个深度学习的神经网络.

主要成果:

• 人工智能算法实现了合并脂质亚型的验证和测试Dice系数分别为0.63和0.40.
• 对于组合亚型,该算法实现了0.66和0.62的验证和测试Dice系数.
• 人工智能模型展示了识别斑块亚型的能力,这些亚型对人类解释来说并不容易明显.

结论:

• 一个经过组织学验证的AI算法可以从IVOCT图像中准确识别复杂的斑块亚型.
• 这个人工智能工具为IVOCT图像解释挑战提供了快速和标准化的解决方案.
• 该算法有可能提高心血管疾病管理中的临床决策.