基于神经网络的RCA血管造影冠脉优势型分类
计算机视觉与模式识别
2023-09-14 v1
摘要
背景。心脏优势型分类对于SYNTAX评分估计至关重要，该评分是用于确定冠状动脉疾病复杂程度并指导患者选择最优血运重建策略的工具。目的。基于右冠状动脉（RCA）血管造影分析的心脏优势型分类神经网络算法。方法。我们采用卷积神经网络ConvNext与Swin transformer进行2D图像（帧）分类，并结合多数投票用于心血管造影视图分类。另使用一辅助网络检测无关图像并将其从数据集中排除。我们的数据集包含828项血管造影研究，其中192项为左优势型患者。结果。5折交叉验证给出如下优势型分类指标（p=95%）：宏召回率=93.1%，准确率=93.5%，宏F1=89.2%。模型经常失败的最常见情形为RCA闭塞，因其需利用LCA信息。另一误预测原因为小直径合并低质量心血管造影视图。此类情况下心脏优势型分类可能复杂，需专家讨论以得出准确结论。结论。使用机器学习方法仅基于RCA分类心脏优势型已被证明成功且具满意准确率。然而，为获更高准确率，在RCA闭塞情形下须利用LCA信息，并检测高不确定性案例。
引用
@article{arxiv.2309.06958,
title = {Neural network-based coronary dominance classification of RCA angiograms},
author = {Ivan Kruzhilov and Egor Ikryannikov and Artem Shadrin and Ruslan Utegenov and Galina Zubkova and Ivan Bessonov},
journal= {arXiv preprint arXiv:2309.06958},
year = {2023}
}