基于深度学习的冠状动脉造影侧支循环检测
计算机视觉与模式识别
2024-03-20 v1 人工智能
摘要
冠状动脉疾病（CAD）是全球死亡和住院的主要原因。动脉粥样硬化是一种逐渐使动脉变窄并具有潜在致命影响的炎症性疾病，是 CAD 最常见的病因。尽管如此，循环系统通常会通过形成侧支动脉来适应动脉粥样硬化的存在，从而带来显著的长期健康益处。因此，及时检测冠状动脉侧支循环（CCC）对于 CAD 个性化医疗至关重要。我们提出了一种基于深度学习的新方法来检测血管造影图像中的 CCC。我们的方法依赖卷积主干网络从血管造影序列的每一帧中提取空间特征。然后将这些特征拼接起来，随后由另一个在时间上处理嵌入的卷积层进行处理。由于数据稀缺，我们还在冠状动脉分割任务上对主干网络进行了预训练实验，这持续改善了结果。此外，鉴于我们的低数据量环境，我们通过实验利用小样本学习进一步提升性能。我们展示了结果以及基于 Rentrop 分级、侧支血流和侧支分级的亚组分析，为模型性能提供了有价值的见解。总体而言，所提出的方法在检测 CCC 方面显示出有前景的结果，并且可以进一步扩展以执行基于标志点的 CCC 检测和 CCC 量化。
引用
@article{arxiv.2403.12055,
title = {Deep learning based detection of collateral circulation in coronary angiographies},
author = {Cosmin-Andrei Hatfaludi and Daniel Bunescu and Costin Florian Ciusdel and Alex Serban and Karl Bose and Marc Oppel and Stephanie Schroder and Christopher Seehase and Harald F. Langer and Jeanette Erdmann and Henry Nording and Lucian Mihai Itu},
journal= {arXiv preprint arXiv:2403.12055},
year = {2024}
}