利用卷积神经网络实现颈动脉内膜中层厚度视频自动判读
摘要
心血管疾病（CVD）是导致死亡的主要原因，但在很大程度上是可以预防的，而预防的关键在于在不良事件发生前识别出高危个体。对于预测个体CVD风险，颈动脉内膜中层厚度（CIMT）这一无创超声方法已被证明具有重要价值，相比CT冠状动脉钙化评分具有多项优势。然而，每次CIMT检查包含多个超声视频，判读每个CIMT视频涉及三项操作：（1）在视频中选取三个舒张末期超声帧（EUF），（2）在每个选定帧中定位感兴趣区域（ROI），（3）在每个ROI中描记管腔-内膜界面和中膜-外膜界面以测量CIMT。这些操作繁琐、费力且耗时，这一严重局限阻碍了CIMT在临床实践中的广泛应用。为克服这一局限，本文提出了一种自动判读CIMT视频的新系统。我们的大量实验表明，所提出的系统显著优于现有最优方法。其优越性能归因于我们基于卷积神经网络（CNN）的统一框架，结合了我们为上述三项操作分别独特设计的信息丰富的图像表示以及对CNN输出的有效后处理。
引用
@article{arxiv.1706.00719,
title = {Automating Carotid Intima-Media Thickness Video Interpretation with Convolutional Neural Networks},
author = {Jae Y. Shin and Nima Tajbakhsh and R. Todd Hurst and Christopher B. Kendall and Jianming Liang},
journal= {arXiv preprint arXiv:1706.00719},
year = {2017}
}
备注
J. Y. Shin, N. Tajbakhsh, R. T. Hurst, C. B. Kendall, and J. Liang. Automating carotid intima-media thickness video interpretation with convolutional neural networks. CVPR 2016, pp 2526-2535; N. Tajbakhsh, J. Y. Shin, R. T. Hurst, C. B. Kendall, and J. Liang. Automatic interpretation of CIMT videos using convolutional neural networks. Deep Learning for Medical Image Analysis, Academic Press, 2017