相关实验视频
Updated: Jan 14, 2026
09:55
Three-Dimensional Imaging of Aortic Tissues in Atherosclerosis
Published on: October 25, 2024
1.4K
在OCT图像上对动脉样斑块的结构组件的细分使用深度机器学习
V V Laptev1, V V Danilov2, E A Ovcharenko1
1Research Institute of Complex Issues of Cardiovascular Diseases, Kemerovo.
Kardiologiia
|October 23, 2025
概括
这项研究开发了一种最佳方法,用于在光学连贯性断层扫描 (OCT) 图像中对动脉样斑块成分进行细分,使用一组深度学习模型. 权重组合显著提高了对关键斑块特征的细分精度,有助于诊断心血管疾病.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管研究研究心血管研究
背景情况:
- 在OCT图像中的动脉样硬化斑块细分对于心血管疾病的诊断和治疗至关重要.
- 精确细分斑块组成部分,如光膜,纤维状盖,脂质核心和微容器仍然具有挑战性.
- 深度学习模型为复杂的生物结构的自动和准确细分提供了潜力.
研究的目的:
- 开发一种最佳的自动化方法,用于在OCT图像中对动脉样硬化斑块结构部件进行细分.
- 为了比较九个人工神经网络架构的性能,用于此细分任务.
- 创建一个加权的深度学习模型组合,以提高整体细分精度.
主要方法:
- 利用了来自103名患者的多学科OCT数据集,对光层,纤维盖,脂质核和微血管进行像素级注释.
- 实现并比较了九个深度学习模型,包括U-Net和DeepLabV3,用于细分.
- 采用贝叶斯优化用于超参数调整,并使用子相似系数 (DSC) 评估性能.
主要成果:
- 血管光线 (0.987) 的高DSC和纤维盖 (0.736) 和脂质核心 (0.751) 的中等DSC.
- 微容器细分显示精度较低 (DSC:0.61),表明细分存在挑战.
- 权重组合模型的平均DSC为88.2%,明显优于单个模型,并提高了整体准确性.
结论:
- 建议使用专门模型和加权组合的策略在OCT图像中对动脉样硬化斑块细分有效.
- 这种方法成功地解决了不均的阶级代表和形态复杂性的挑战.
- 这些发现可以有助于开发决策支持系统,以改善心血管疾病的诊断和治疗.
更多相关视频
13:45A Method to Study the Correlation Between Local Collagen Structure and Mechanical Properties of Atherosclerotic Plaque Fibrous Tissue
Published on: November 11, 2022
2.5K
07:57Imaging and Analysis of Oil Red O-Stained Whole Aorta Lesions in an Aneurysm Hyperlipidemia Mouse Model
Published on: May 2, 2022
15.1K
