StenUNet：基于 X 射线冠状动脉造影的自动狭窄检测
图像与视频处理
2023-10-24 v1 计算机视觉与模式识别
机器学习
摘要
冠状动脉造影仍是诊断冠状动脉疾病（CAD）的主要方法，而 CAD 是全球首要死亡原因。CAD 的严重程度由病变位置、狭窄程度（stenosis）以及受累动脉数量来量化。在当前临床实践中，该量化通过目视检查手动完成，因此存在评级者间与评级者内可靠性差的问题。MICCAI 大挑战赛：基于区域的自动冠状动脉疾病诊断使用 X 射线造影图像（ARCADE）整理了一个带狭窄标注的数据集，旨在创建自动狭窄检测算法。结合机器学习与其他计算机视觉技术，我们提出架构与算法 StenUNet，以从 X 射线冠状动脉造影中准确检测狭窄。我们对 ARCADE 挑战赛的提交在所有队伍中排名第 3。我们在测试集上取得了 0.5348 的 F1 分数，仅比第 2 名低 0.0005。
引用
@article{arxiv.2310.14961,
title = {StenUNet: Automatic Stenosis Detection from X-ray Coronary Angiography},
author = {Hui Lin and Tom Liu and Aggelos Katsaggelos and Adrienne Kline},
journal= {arXiv preprint arXiv:2310.14961},
year = {2023}
}
备注
12 pages, 5 figures, 1 table