中文|English

点击关注

搜索
提交您的邮箱地址,我们会定期将电子期刊发送到您的邮箱
搜索

期刊目录

2020 年11 期 第35 卷

冠心病研究 HTML下载 PDF下载

基于深度神经网络的冠状动脉造影图像血管分割和节段识别

作者:谢丽华,史晓彤 *,王筱斐,黄云飞,赵森祥,杜天明,管常东,张洪刚,徐波

单位:
关键词:
深度神经网络;冠心病;冠状动脉造影;血管分割;血管节段识别

摘要:

目的:应用深度学习技术相关神经网络算法,创建冠状动脉造影图像血管分割和血管节段识别的人工智能模型。 方法:纳入 2018 年 7 月于中国医学科学院阜外医院行冠状动脉造影患者 2 834 例,共 12 900 张冠状动脉造影图像。 患者的冠状动脉造影图像由中国医学科学院阜外医院心血管介入诊疗影像分析核心实验室影像分析师标注。搭建一 种创新的深度神经网络(DNN),分别进行冠状动脉造影图像血管分割和节段识别任务。在数据集中,11 900 张标注 图像用于网络训练,1 000 张用于网络测试。以真实精标注图片为“金标准 ”,评价 DNN 对冠状动脉造影图像血管分 割及节段识别的能力。 结果:DNN 对冠状动脉造影图像血管自动分割的平均准确度达 99.2% (95% CI:99.1% ~99.2%),F1 分数为 0.91 ± 0.03,且对冠状动脉主支血管的分割结果优于一级分支血管。DNN 对冠状动脉造影图像血管节段识别的平均准确 度为 98.6%(95% CI:98.6%~98.7%),F1 分数为 0.80 ± 0.05,对冠状动脉主支血管段的识别效果优于一级分支血管, 对血管近段的识别准确度优于血管远段。随着训练数据量增加,DNN 对冠状动脉造影图像血管分割的性能明显提升。 结论:该研究显示了 DNN 用于冠状动脉造影图像血管分割及节段识别的可行性,并获得了较高的准确度,为将 来实现客观、高效的冠状动脉造影人工智能病变诊断提供了基础。

参考文献:

刊名: 中国循环杂志
Chinese Circulation Journal
主办: 国家心血管病中心
周期: 月刊(自2013年9月起改为月刊)
创刊时间:1986年
出版地:北京市
语种: 中文
开本: 大16开
ISSN: 1000-3614
CN: 11-2212/R
邮发代号:82-212
单价:30元/本

中国科技论文统计源期刊(中国科技核心期刊)
《中国核心期刊(遴选)数据库》收录
中国学术期刊综合评价数据库统计源期刊
北京大学中文核心期刊

版权说明

本刊文章和图表均有版权,未经本社书面许可,不得在互联网和其他媒体上转载和翻印,违者必究。

欢迎订阅

扫一扫,关注杂志

微信

微博

关闭
关闭