基于深度学习的血管造影视频序列自动分析用于冠状动脉疾病诊断
图像与视频处理
2021-02-01 v1 计算机视觉与模式识别
摘要
目前冠状动脉狭窄的评估由医师对冠状动脉造影视频序列进行目视评估完成。该方法费力，且易受观察者间差异影响。先前研究曾尝试使该过程自动化，但鲜有展示用于血管造影端到端分析的集成算法套件。我们报告了一种基于深度学习的自动分析流程，可快速、客观地评估冠状动脉造影、突出显示感兴趣的冠脉血管并量化潜在狭窄。我们提出了一种由关键帧提取、血管分割和狭窄测量组成的三阶段自动分析方法。我们将 ResNet 和 U-Net 等强大的深度学习方法与传统图像处理和几何分析相结合。我们使用从三级心脏机构获取的匿名造影图像，在右冠状动脉（RCA）左前斜（LAO）视图上训练和测试了算法，随后测试了该技术对右前斜（RAO）视图的泛化能力。我们展示了相较先前工作的整体改进：关键帧提取前 5 精度为 98.4%，血管分割 F1 分数为 0.891，狭窄测量 I 类错误率为 20.7%。
引用
@article{arxiv.2101.12505,
title = {Automated Deep Learning Analysis of Angiography Video Sequences for Coronary Artery Disease},
author = {Chengyang Zhou and Thao Vy Dinh and Heyi Kong and Jonathan Yap and Khung Keong Yeo and Hwee Kuan Lee and Kaicheng Liang},
journal= {arXiv preprint arXiv:2101.12505},
year = {2021}
}