在CCTA图像中面膜SAM 3D用于冠状动脉和斑块细分

科学领域:

• 心血管成像和诊断系统
• 医学图像分析 医学图像分析
• 人工智能在医学中的应用

背景情况:

• 冠状动脉疾病 (CAD) 构成了全球严重的健康负担,特别是在阻塞性病例中.
• 冠状动脉和动脉样斑块的准确细分对于有效的患者管理和治疗计划至关重要.
• 现有的研究缺乏统一的框架,可以同时对冠状动脉和斑块进行细分.

研究的目的:

• 引入一个新的框架,Mask SAM 3D,用于冠状动脉和动脉样硬化斑块的关节细分.
• 通过提供统一的方法来细分这些关键的心血管组件来解决先前研究的局限性.
• 开发一种创新的方法,在单一模型中提高动脉和斑块细分的准确性.

主要方法:

• 开发PCCTA120数据集,包括冠状动脉和动脉样硬化斑块的120个注释CCTA卷.
• 实施Mask SAM 3D,这是一个利用nnUNet进行精确冠状动脉面具生成的框架.
• 引入了斑块感知适配器和原型引导预测模块,以改进斑块定位并提高细分精度.

主要成果:

• 面具SAM 3D框架在动脉细分方面实现了84.5%的子相似系数.
• 该方法在斑块细分方面获得了55.2%的Dice相似系数.
• 性能指标表明,拟议的方法在PCCTA120数据集上表现优于当前最先进的技术.

结论:

• 公开发布PCCTA120数据集的目的是促进心血管研究的进步.
• 面具SAM 3D框架成功地提高了冠状动脉和动脉硬性斑块细分的准确性.
• 这项研究为心血管研究界提供了有价值的工具,源代码和数据集将公开提供.