基于深度学习的冠状动脉IVOCT图像中易损斑块识别算法研究进展

介绍了冠状动脉血管内光学相干断层成像(intravascular optical coherence tomography,IVOCT)图像中易损斑块的智能识别算法的研究现状,分析了传统机器学习算法在易损斑块识别领域的不足及深度学习算法的优势。从斑块分类、检测、分割3个方面阐述了基于深度学习的斑块识别网络的结构特征及针对性的结构改进方法,指出了现有基于深度学习的识别算法的局限性,提出了提升识别精度、理解易损斑块破裂机理是该领域的未来发展方向。

血管内光学相干层析成像技术在冠状动脉粥样硬化斑块检测方面的应用

血管内光学相干层析成像(IVOCT)技术近年来在冠状动脉粥样硬化斑块检测方面发展非常迅速,可实现血管内病变组织高分辨率、无辐射、实时在体成像,在临床诊断方面发挥了重要的作用。本文简要介绍了IVOCT的成像原理、生物组织光学特征参数以及色散系数的计算方法,并对动脉粥样硬化斑块的机器学习算法进行了概述,为构建斑块的智能识别系统提供了研究思路。