机器学习用于侵入性冠状动脉造影动脉提取与定量评估的综述
医学物理
2024-05-15 v1
摘要
综述目的：近年来，机器学习在医学领域发展迅速，在疾病诊断中发挥着重要作用。本文旨在概述应用于侵入性冠状动脉造影（ICA）的机器学习技术的进展，包括冠状动脉分割以及诸如分数血流储备（FFR）和狭窄评估等定量评估。最新发现：ICA 与机器学习技术被广泛结合用于动脉分割和狭窄、冠状动脉疾病的定量评估以及分数血流储备测量，这代表了在心血管医学中使用计算方法提高诊断精度的趋势。总结：该领域已开展多项研究，各自使用不同的算法和数据集。这些研究的性能在很大程度上取决于所采用的算法以及用于训练和评估的数据集。然而，尽管已取得进展，但仍需要能够轻松整合到临床实践中的机器学习（ML）算法。
引用
@article{arxiv.2405.08474,
title = {A review on machine learning for arterial extraction and quantitative assessment on invasive coronary angiograms},
author = {Pukar Baral and Chen Zhao and Michele Esposito and Weihua Zhou},
journal= {arXiv preprint arXiv:2405.08474},
year = {2024}
}