Segmentation of Coronary Artery Stenosis in X-ray Angiography using Mamba Models

要約

冠動脈疾患は世界的な死亡率の主な要因の1つである。X線画像から冠動脈狭窄を自動的に同定することは、冠動脈疾患の診断プロセスにおいて重要な役割を果たしている。このタスクは、冠動脈の複雑な構造、X線画像に内在するノイズ、X線血管造影では狭窄冠動脈が狭くぼやけて見えるという事実のために困難である。この研究では、冠動脈疾患における狭窄の位置決めのために、主にU-Netアーキテクチャに基づく、Mambaベースのモデルの5つの異なるバリエーションと、Swin Transformerベースのモデルの1つのバリエーションを採用した。我々の最良の結果は、U-Mamba BOTモデルのF1スコア68.79％を示し、半教師付きアプローチと比較して11.8％の改善を示した。

要約(オリジナル)

Coronary artery disease stands as one of the primary contributors to global mortality rates. The automated identification of coronary artery stenosis from X-ray images plays a critical role in the diagnostic process for coronary heart disease. This task is challenging due to the complex structure of coronary arteries, intrinsic noise in X-ray images, and the fact that stenotic coronary arteries appear narrow and blurred in X-ray angiographies. This study employs five different variants of the Mamba-based model and one variant of the Swin Transformer-based model, primarily based on the U-Net architecture, for the localization of stenosis in Coronary artery disease. Our best results showed an F1 score of 68.79% for the U-Mamba BOT model, representing an 11.8% improvement over the semi-supervised approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL