在MRI和AI的创新集成用于血管斑块评估和深度学习技术的概述在周围血管疾病的深度学习技术的概述
Eniko Pomozi1,2, Carlos Quintero-Peña1, Judit Csore2
1Houston Methodist DeBakey Heart & Vascular Center, Houston Methodist, Houston, Texas, US.
人工智能 (AI) 和磁共振成像 (MRI) 增强了周围动脉疾病 (PAD) 的诊断. 人工智能模型分析MRI数据,以获得血管医学中客观,可重现的临床工具.
科学领域:
- 综合医学是一个整体的医学.
- 医疗保健中的人工智能
- 医学成像分析分析 医学成像分析
背景情况:
- 人工智能 (AI) 越来越多地用于优化血管医学中的临床决策,特别是在外围动脉疾病 (PAD) 中.
- 与成像模式集成的深度学习方法提供了新的诊断能力.
- 磁共振成像 (MRI) 是PAD的首选非侵入性工具,因为它在没有电离辐射的情况下具有软组织对比度和斑块特征.
研究的目的:
- 审查目前AI与MRI在血管成像中的整合,专注于PAD.
- 为PAD引入新的MRI协议和基于AI的分类系统.
- 在血管医学中展示客观,可复制和临床解释的工具的潜力.
主要方法:
- 开发一种专门的MRI协议,使用超短回声时间和多对比序列来增强PAD的血管组织特征.
- 从专门的MRI协议创建高分辨率数据集.
- 应用深度学习模型,包括监督和无监督方法,如变异自动编码器和混合评分系统,用于PAD病变表型和程序因素预测.
主要成果:
- 开发的MRI协议改善了PAD的血管组织特征.
- 深度学习模型成功地对PAD病变进行了分类,并预测了导线穿越性等程序因素.
- 用人工智能驱动的对高保真度MRI数据的分析提供客观和可重现的见解.
结论:
- 人工智能与先进的MRI技术的整合为改善PAD诊断和管理提供了显著的潜力.
- 开发的AI模型和MRI协议代表了向血管医学中更客观和临床可解释的工具迈出的一步.
- 这种方法将高保真度成像与可扩展的AI分析相结合,以改善患者护理.
更多相关视频
09:43In vivo Near Infrared Fluorescence NIRF Intravascular Molecular Imaging of Inflammatory Plaque, a Multimodal Approach to Imaging of Atherosclerosis
Published on: August 4, 2011
12:00Non-invasive Parenchymal, Vascular and Metabolic High-frequency Ultrasound and Photoacoustic Rat Deep Brain Imaging
Published on: March 2, 2015
相关概念视频
Imaging Studies VII: Vascular Imaging
Imaging Studies for Cardiovascular System IV: CMRI
Peripheral Arterial Disease II: Clinical Manifestations and Diagnostic Evaluation
Magnetic Resonance Imaging
