通过基于深度学习的三维多目标分割对 PCI 支架贴壁进行三维距离色彩编码评估
计算机视觉与模式识别
2025-06-30 v1 光学
摘要
冠状动脉疾病构成重大的全球健康挑战，通常需要经皮冠状动脉介入治疗（PCI）进行支架植入。评估支架贴壁对于预防和识别导致支架内再狭窄的 PCI 并发症具有至关重要的意义。在此，我们提出了一种通过基于深度学习的血管内光学相干断层扫描（IV-OCT）三维多目标分割，对 PCI 支架贴壁进行三维距离色彩编码评估的新方法。我们提出的 3D DccA 使用空间匹配网络和结合风格迁移的双层训练，精确分割 IV-OCT 图像中的三维血管腔和支架。它将支架与血管腔的距离量化并映射到三维色彩空间中，从而促进对 PCI 支架贴壁的三维视觉评估。我们提出的 DccA 实现了超过 95% 的分割精度，增强了对 PCI 支架部署的临床评估，并支持个性化治疗规划。
引用
@article{arxiv.2410.20055,
title = {3D Distance-color-coded Assessment of PCI Stent Apposition via Deep-learning-based Three-dimensional Multi-object Segmentation},
author = {Xiaoyang Qin and Hao Huang and Shuaichen Lin and Xinhao Zeng and Kaizhi Cao and Renxiong Wu and Yuming Huang and Junqing Yang and Yong Liu and Gang Li and Guangming Ni},
journal= {arXiv preprint arXiv:2410.20055},
year = {2025}
}