通过基于深度学习的三维多物体细分,对PCI支架应用进行3D距离颜色编码评估

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
• 医疗器械技术 医疗器械技术

背景情况:

• 冠状动脉疾病 (CAD) 是一个主要的全球健康问题,需要通过皮肤冠状动脉干预 (PCI) 植入支架.
• 有效的支架安置对于预防PCI后的支架内静止症等并发症至关重要.
• 目前的评估方法可能缺乏最佳临床评估所需的精度.

研究的目的:

• 引入一种新的3D距离颜色编码评估 (DccA) 来评估PCI支架的安装.
• 为了利用深度学习,在IV-OCT图像中精确地对支架和血管光线进行3D细分.
• 为了提高可视化和临床评估的支架部署.

主要方法:

• 开发基于深度学习的IV-OCT图像的3D多对象细分模型.
• 使用混合维空间匹配网络和双层训练与风格转移.
• 量化和映射3D支架-光线距离到一个配色的空间进行视觉评估.

主要成果:

• 达到了超过95%的分段精度,无论是支架支架还是血管光度.
• 成功实现了对支架-光层距离的3D彩色可视化.
• 证明了PCI支架安置的准确3D评估.

结论:

• 拟议的3D DccA方法为评估PCI支架部署提供了显著的改进.
• 精确的细分和3D可视化有助于更好的临床决策.
• 这项技术支持为接受PCI的患者进行个性化治疗计划.