多图形图表对冠状动脉语义标签在侵袭性冠状动脉血管图中的匹配图
Chen Zhao1, Zhihui Xu2, Pukar Baral3
1Department of Computer Science, Kennesaw State University, Marietta GA, USA.
概括
一个新的多图匹配算法准确地标记了来自侵入性冠状动脉血管学 (ICA) 的冠状动脉段. 这一进步改善了狭窄的检测,为冠状动脉疾病 (CAD) 分析提供了新的见解.
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
- 图形理论应用 图形理论应用
背景情况:
- 冠状动脉疾病 (CAD) 是全球主要的死亡原因.
- 侵入性冠状动脉血管学 (ICA) 是评估冠状动脉解剖学的标准.
- 由于解剖学变异和分支相似性,深度学习方法难以对冠状动脉段进行语义标记.
研究的目的:
- 开发一种先进的算法,准确标记冠状动脉段的语义标签.
- 为了改善冠状动脉狭窄的检测.
- 为了利用图形建模进行增强的冠状动脉分析.
主要方法:
- 将冠状动脉血管树建成图形.
- 提出了一种包含循环一致性的多图匹配 (MGM) 算法.
- 利用了解剖图形结构,放射学特征和语义映射.
主要成果:
- 在一个多站点数据集 (718 ICAs) 上,对冠状动脉语义标签的准确度达到0.9471.
- 在使用语义标记动脉检测狭窄症的总准确率达到0.9155.
- 证明了MGM在处理不同动脉解剖和投射角度方面的有效性.
结论:
- MGM算法为冠状动脉语义标签提供了一种新且准确的方法.
- 这种方法增强了来自多个ICA的冠状动脉的分析.
- 这些发现为了解CAD中的血管健康和病理学提供了宝贵的见解.


