LT-YOLO:长期时间增强的YOLO用于侵入性冠状动脉血管学上的狭窄检测

科学领域:

• 医疗成像医学成像
• 心血管诊断心血管诊断服务
• 人工智能在医学中的应用

背景情况:

• 通过侵入性冠状动脉血管学检测冠状动脉狭窄是诊断和治疗的关键.
• 挑战包括将冠状动脉与背景区分开来,各种狭窄形态,以及检测小狭窄.
• 现有的自动化方法往往忽视了长期时间信息的重要性.

研究的目的:

• 开发一种增强的You Only Look Once (YOLO) 方法,用于在侵袭性冠状动脉血管学中自动检测和评估狭窄.
• 解决当前自动化方法的局限性,包括狭窄形态的混乱和缺乏长期时间分析.
• 为了提高检测小冠状动脉狭窄症的准确性.

主要方法:

• 提出了一个长期时间增强的YOLO方法,集成状态空间模型和YOLOv8.
• 使用具有空间意识的骨干与动态变压器和C2f卷积来提取特征.
• 实现了一个时空空间多层融合和一个细节感知检测头来进行全面的分析.

主要成果:

• 与7种最先进的方法相比,该方法在350个侵袭性冠状动脉血管学视频序列上表现出更高的性能.
• 在检测小狭窄症 (<50%) 中取得了显著的改进,这是以前未经探索的领域.
• 有效地整合了长期的时间和空间信息,以进行可靠的狭窄检测.

结论:

• 长期时间增强的YOLO方法为准确的冠状动脉狭窄检测和评估提供了有希望的解决方案.
• 这种方法通过有效处理具有挑战性的狭窄形态和小病变来提高诊断能力.
• 这些发现突出了整合时间动态的潜力,以改善心血管成像中的计算机辅助诊断.