基于深度学习的自动冠状动脉目标检测
图像与视频处理
2024-05-01 v2 计算机视觉与模式识别
机器学习
摘要
在数字医学时代，医学影像作为早期疾病检测的广泛技术，每天在电子病历中生成并存储大量图像。X射线血管造影成像是一种快速诊断冠状动脉疾病的标准且最常见的方法之一。近期深度学习算法的显著成就与电子健康记录和诊断影像使用的增加相一致。深度神经网络利用丰富的数据、先进的算法和强大的计算能力，在图像的分析和解释方面证明非常有效。在此背景下，目标检测方法已成为一种有前途的途径，特别是通过卷积神经网络（CNN），通过消除手动特征提取来简化医学图像分析。这允许直接从图像中提取特征，确保结果的高准确性。因此，在我们的论文中，我们在X射线血管造影图像上使用目标检测方法，以精确识别冠状动脉狭窄的位置。因此，该模型能够自动实时检测狭窄位置，协助医疗保健专业人员进行关键且敏感的决策过程。
引用
@article{arxiv.2312.12135,
title = {Object Detection for Automated Coronary Artery Using Deep Learning},
author = {Hadis Keshavarz and Hossein Sadr},
journal= {arXiv preprint arXiv:2312.12135},
year = {2024}
}
备注
The results in the article need fundamental corrections