FiAt-Net：在3D血管内OCT图像中检测纤维粥样斑块帽
图像与视频处理
2024-09-17 v1 计算机视觉与模式识别
摘要
冠状动脉疾病（CAD）的关键表现是纤维粥样斑块的形成，其帽部可能破裂，进而导致冠状动脉阻塞和心脏病发作。因此，对冠状动脉斑块、其帽部以及帽部破裂可能性的定量分析对于评估心血管事件风险至关重要。本文报道了一种名为FiAt-Net的新型深度学习方法，用于在3D血管内光学相干断层扫描（IVOCT）图像中检测纤维粥样斑块（fibroatheroma）的范围并分割其帽部。首先将IVOCT 2D图像帧与不同的簇关联，并使用每个簇的数据进行模型训练。由于斑块通常是局灶性的，因此分布不均，我们采用了一种二值划分方法来识别需要重点关注的纤维粥样斑块区域，以缓解数据不平衡问题。生成额外的图像表示（辅助图像）以捕捉IVOCT强度变化，帮助区分血管壁上的纤维粥样斑块区域和非纤维粥样斑块区域。从原始IVOCT和辅助图像中提取不同尺度的信息，并采用多头注意力机制来融合这些信息。FiAt-Net在3D IVOCT冠状动脉图像数据集上取得了高性能，证明了其在IVOCT图像中准确检测纤维粥样斑块帽的有效性。
关键词
引用
@article{arxiv.2409.09188,
title = {FiAt-Net: Detecting Fibroatheroma Plaque Cap in 3D Intravascular OCT Images},
author = {Yaopeng Peng and Zhi Chen and Andreas Wahle and Tomas Kovarnik and Milan Sonk and Danny Z. Chen},
journal= {arXiv preprint arXiv:2409.09188},
year = {2024}
}