基于深度学习的动态冠状动脉路线图深度校准与术中导航方法

《Scientific Reports》：Deep dynamic coronary roadmap guidance in percutaneous coronary intervention: a deep learning approach

　　

摘要

动态冠状动脉路线图（DCR）在经皮冠状动脉介入手术中作为一种术中导航辅助工具。然而，当前技术依赖于通过滤波对单帧冠状动脉进行分割，难以调整由心跳和呼吸运动引起的位置偏移，导致冠状动脉和导丝段的路线图对齐不完整。为应对这些挑战，我们提出了一种深度DCR方法，集成了三个模型：基于深度学习的冠状动脉和导管分割、导管尖端检测以及基于光流的预测心率。通过利用光流，系统直接从冠状动脉造影（CAG）图像中提取与心跳相关的信息，在满足适用条件的序列中无需心电图输入即可运行。深度DCR使用基于半监督学习的分割模型生成血管路线图，并将其叠加在冠状动脉上进行导管分割。此叠加通过对捕获从造影剂注射到消散过程中导管与冠状动脉运动之间的关系来实现路线图的校准。该方法显著提高了对齐精度，这通过病例评估和导丝覆盖实验得到证实。我们的方法为术中导航提供了更精确、更可靠的DCR。