StenUNet: Automatic Stenosis Detection from X-ray Coronary Angiography

要約

冠動脈血管造影は、世界的な死亡の主な原因である冠動脈疾患（CAD）を診断するための主要な方法として機能し続けています。
CAD の重症度は、位置、狭窄 (狭窄) の程度、および関与する動脈の数によって定量化されます。
現在の実務では、この定量化は目視検査を使用して手動で実行されているため、評価者間および評価者内の信頼性が低いという問題があります。
MICCAI のグランド チャレンジ: X 線血管造影画像を使用した領域ベースの冠状動脈疾患自動診断 (ARCADE) は、自動狭窄検出アルゴリズムを作成することを目的として、狭窄の注釈を含むデータセットを厳選しました。
機械学習とその他のコンピューター ビジョン技術を組み合わせて、X 線冠状動脈造影から狭窄を正確に検出するためのアーキテクチャとアルゴリズム StenUNet を提案します。
ARCADE チャレンジへの提出結果は、全チーム中 3 位となりました。
テストセットでは F1 スコア 0.5348 を達成しましたが、これは 2 位より 0.0005 低いものでした。

要約(オリジナル)

Coronary angiography continues to serve as the primary method for diagnosing coronary artery disease (CAD), which is the leading global cause of mortality. The severity of CAD is quantified by the location, degree of narrowing (stenosis), and number of arteries involved. In current practice, this quantification is performed manually using visual inspection and thus suffers from poor inter- and intra-rater reliability. The MICCAI grand challenge: Automatic Region-based Coronary Artery Disease diagnostics using the X-ray angiography imagEs (ARCADE) curated a dataset with stenosis annotations, with the goal of creating an automated stenosis detection algorithm. Using a combination of machine learning and other computer vision techniques, we propose the architecture and algorithm StenUNet to accurately detect stenosis from X-ray Coronary Angiography. Our submission to the ARCADE challenge placed 3rd among all teams. We achieved an F1 score of 0.5348 on the test set, 0.0005 lower than the 2nd place.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google