基于IVOCT的动脉粥样硬化斑块识别与风险评估

动脉粥样硬化引起的易损斑块破裂已经严重危害到人类的健康,而血管内光学相干断层成像(IVOCT)凭借其高分辨率已经成为识别冠脉易损斑块的主要工具,但图像判读费时费力,通常还依赖于医生的经验。目前已有基于传统机器学习的研究实现了对单帧图像的分类,但这些信息不足以辅助医生确定治疗方案,仍然需要医生二次判读。基于Faster R-CNN(R-CNN,区域卷积神经网络),针对IVOCT图像中易损斑块的特点,在数据增强、预测框(BBox)编码、网络结构等方面进行了改进和优化,实现了对易损斑块的自动识别,并选取易损斑块的病变累积角度、纤维帽厚度、巨噬细胞浸润情况、浅表微钙化情况和血管狭窄程度作为指标,对易损斑块的破裂风险进行多方面评估。在公开数据集CCCV2017 IVOCT中进行训练,测试后取得了较好结果,该方法可推广应用于同类图像。