Neural network-based coronary dominance classification of RCA angiograms

要約

背景。
心臓優位分類は、冠状動脈疾患の複雑さを判断し、最適な血行再建戦略に向けて患者の選択を導くために使用されるツールである SYNTAX スコア推定に不可欠です。
目標。
ニューラル ネットワーク法を使用した右冠状動脈 (RCA) 血管造影の分析に基づく心臓優位分類アルゴリズム。
2D 画像 (フレーム) 分類には畳み込みニューラル ネットワーク ConvNext と Swin トランスフォーマーを使用し、心臓血管造影ビューの分類には多数決を採用しました。
補助ネットワークも、データセットから除外された無関係な画像を検出するために使用されました。
私たちのデータセットは 828 件の血管造影研究で構成されており、そのうち 192 件は左利きの患者でした。
結果。
5 分割相互検証により、以下の優勢分類メトリクスが得られました (p=95%): マクロ再現率 = 93.1%、精度 = 93.5%、マクロ F1 = 89.2%。
モデルが定期的に失敗する最も一般的なケースは、LCA 情報の利用が必要な RCA オクルージョンでした。
誤った予測のもう 1 つの原因は、直径が小さいことと心臓血管造影の品質が低いことです。
このような場合、心臓優位の分類は複雑になる可能性があり、正確な結論に達するために専門家間の議論が必要になる場合があります。
結論。
RCA のみに基づいて心臓優位性を分類するための機械学習アプローチの使用は、満足のいく精度で成功することが示されています。
ただし、より高い精度を得るには、閉塞した RCA の場合の LCA 情報を利用し、不確実性の高いケースを検出する必要があります。

要約(オリジナル)

Background. Cardiac dominance classification is essential for SYNTAX score estimation, which is a tool used to determine the complexity of coronary artery disease and guide patient selection toward optimal revascularization strategy. Objectives. Cardiac dominance classification algorithm based on the analysis of right coronary artery (RCA) angiograms using neural network Method. We employed convolutional neural network ConvNext and Swin transformer for 2D image (frames) classification, along with a majority vote for cardio angiographic view classification. An auxiliary network was also used to detect irrelevant images which were then excluded from the data set. Our data set consisted of 828 angiographic studies, 192 of them being patients with left dominance. Results. 5-fold cross validation gave the following dominance classification metrics (p=95%): macro recall=93.1%, accuracy=93.5%, macro F1=89.2%. The most common case in which the model regularly failed was RCA occlusion, as it requires utilization of LCA information. Another cause for false prediction is a small diameter combined with poor quality cardio angiographic view. In such cases, cardiac dominance classification can be complex and may require discussion among specialists to reach an accurate conclusion. Conclusion. The use of machine learning approaches to classify cardiac dominance based on RCA alone has been shown to be successful with satisfactory accuracy. However, for higher accuracy, it is necessary to utilize LCA information in the case of an occluded RCA and detect cases where there is high uncertainty.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google