Automated analysis of fibrous cap in intravascular optical coherence tomography images of coronary arteries

要約

Thin-cap fibroatheroma (TCFA) とプラーク破裂は、血栓症と急性冠症候群の最も頻繁な危険因子として認識されています。
血管内光コヒーレンストモグラフィー (IVOCT) は、TCFA を識別し、プラークの脆弱性を評価する機会を提供するキャップの厚さを評価できます。
脂質プラークを検出し、IVOCT 画像で線維性キャップの厚さを評価できる自動化された方法を開発しました。
この研究では、41 人の患者の 77 病変の合計 4,360 の IVOCT 画像フレームを分析しました。
セグメンテーションのパフォーマンスを向上させるために、前処理には、生の極 (r、シータ) IVOCT 画像に対するルーメン セグメンテーション、ピクセル シフト、およびノイズ フィルタリングが含まれていました。
DeepLab-v3 とディープ ラーニング モデルを使用して、脂質プラーク ピクセルを分類しました。
脂質検出後、特別な動的プログラミング アルゴリズムを使用して線維性キャップの外縁を自動的に検出し、キャップの厚さを評価しました。
私たちの方法は、85.8% の感度と 0.837 の A ライン ダイス係数で脂質プラークの優れた識別性を提供しました。
自動化されたソフトウェアの編集後に 2 人のアナリストの間で脂質角度測定値を比較することにより、Bland-Altman 分析による良好な一致が見つかりました (差 6.7+/-17 度; 平均 196 度)。
私たちの方法は、検出された脂質プラークから線維性キャップを正確に検出しました。
自動分析では、わずか 5.5% のフレームで大幅な変更が必要でした。
さらに、私たちの方法は、Bland-Altman 分析 (4.2+/-14.6 ミクロン; 平均 175 ミクロン) を使用して 2 人の分析者の間で繊維キャップの厚さの良好な一致を示し、ユーザー間の偏りがほとんどなく、測定の再現性が良好であることを示しています。
IVOCT 画像における線維性キャップの定量化のための完全に自動化された方法を開発し、アナリストによる決定とよく一致しました。
この方法は、TCFA の高度に自動化された再現性のある包括的な評価を可能にする大きな可能性を秘めています。

要約(オリジナル)

Thin-cap fibroatheroma (TCFA) and plaque rupture have been recognized as the most frequent risk factor for thrombosis and acute coronary syndrome. Intravascular optical coherence tomography (IVOCT) can identify TCFA and assess cap thickness, which provides an opportunity to assess plaque vulnerability. We developed an automated method that can detect lipidous plaque and assess fibrous cap thickness in IVOCT images. This study analyzed a total of 4,360 IVOCT image frames of 77 lesions among 41 patients. To improve segmentation performance, preprocessing included lumen segmentation, pixel-shifting, and noise filtering on the raw polar (r, theta) IVOCT images. We used the DeepLab-v3 plus deep learning model to classify lipidous plaque pixels. After lipid detection, we automatically detected the outer border of the fibrous cap using a special dynamic programming algorithm and assessed the cap thickness. Our method provided excellent discriminability of lipid plaque with a sensitivity of 85.8% and A-line Dice coefficient of 0.837. By comparing lipid angle measurements between two analysts following editing of our automated software, we found good agreement by Bland-Altman analysis (difference 6.7+/-17 degree; mean 196 degree). Our method accurately detected the fibrous cap from the detected lipid plaque. Automated analysis required a significant modification for only 5.5% frames. Furthermore, our method showed a good agreement of fibrous cap thickness between two analysts with Bland-Altman analysis (4.2+/-14.6 micron; mean 175 micron), indicating little bias between users and good reproducibility of the measurement. We developed a fully automated method for fibrous cap quantification in IVOCT images, resulting in good agreement with determinations by analysts. The method has great potential to enable highly automated, repeatable, and comprehensive evaluations of TCFAs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google