Object Detection for Automated Coronary Artery Using Deep Learning

要約

デジタル医療の時代において、医用画像処理は病気の早期発見のための広く普及した技術として機能しており、毎日相当量の画像が生成され、電子患者記録に保存されています。
X 線血管造影イメージングは​​標準的であり、冠状動脈疾患を迅速に診断するための最も一般的な方法の 1 つです。
最近の深層学習アルゴリズムの注目すべき成果は、電子健康記録や画像診断の使用増加と一致しています。
ディープ ニューラル ネットワークは、豊富なデータ、高度なアルゴリズム、強力な計算能力を活用し、画像の分析と解釈に非常に効果的であることが証明されています。
これに関連して、物体検出方法は、特に畳み込みニューラル ネットワーク (CNN) を介した有望なアプローチとなっており、手動による特徴抽出を排除して医用画像分析を合理化します。
これにより、画像からの直接の特徴抽出が可能になり、結果の高精度が保証されます。
そこで本論文では、X線血管造影画像上の物体検出手法を活用し、冠動脈狭窄の位置を正確に特定することを試みた。
その結果、このモデルは狭窄位置の自動かつリアルタイムの検出を可能にし、医療専門家にとって重要かつ繊細な意思決定プロセスを支援します。

要約(オリジナル)

In the era of digital medicine, medical imaging serves as a widespread technique for early disease detection, with a substantial volume of images being generated and stored daily in electronic patient records. X-ray angiography imaging is a standard and one of the most common methods for rapidly diagnosing coronary artery diseases. The notable achievements of recent deep learning algorithms align with the increased use of electronic health records and diagnostic imaging. Deep neural networks, leveraging abundant data, advanced algorithms, and powerful computational capabilities, prove highly effective in the analysis and interpretation of images. In this context, Object detection methods have become a promising approach, particularly through convolutional neural networks (CNN), streamlining medical image analysis by eliminating manual feature extraction. This allows for direct feature extraction from images, ensuring high accuracy in results. Therefore, in our paper, we utilized the object detection method on X-ray angiography images to precisely identify the location of coronary artery stenosis. As a result, this model enables automatic and real-time detection of stenosis locations, assisting in the crucial and sensitive decision-making process for healthcare professionals.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google