Preview

Комплексные проблемы сердечно-сосудистых заболеваний

Расширенный поиск

ПРИМЕНЕНИЕ ТЕХНОЛОГИИ OBJECT DETECTION В ЗАДАЧЕ ОБНАРУЖЕНИЯ КЛЮЧЕВЫХ ТОЧЕК АОРТОГРАФИИ

https://doi.org/10.17802/2306-1278-2024-13-1-144-151

Аннотация

Основные положения

Практическая значимость работы заключается в следующем: представленная система визуализации данных аортографии является эффективным инструментом визуального ассистирования хирурга при проведении вмешательства, поддерживающая режим работы в реальном времени. Предложенный алгоритм предварительной обработки данных, повышающий качество изображения с минимальными затратами производительности, дополняет систему визуализации, позволяя достигнуть наилучшего результата.

 

Аннотация

Цель. Разработка системы визуального ассистирования хирурга при проведении транскатетерной имплантации аортального клапана.

Материалы и методы. Для решения поставленной задачи использован собственный набор данных, состоящий из 35 видеозаписей проведения процедуры вмешательства. В основе системы визуализации лежит подход обнаружения ключевых точек аортографии, базирующийся на технологии Object detection, с применением искусственных нейронных сетей семейства YOLO. Для достижения наилучшего результата в работе предложен метод улучшения качества входных данных посредством использования сверточных нейронных сетей, а именно технологии Autoencoder.

Результаты. Установлено, что модель сверточного автоэнкодера способна восстановить информативность зашумленного входного изображения с 40 до 75%, что в свою очередь позволяет повысить точность обнаружения объектов на изображении. Представленная система отслеживания в режиме реального времени для облегчения процедур транскатетерной имплантации аортального клапана имеет конечную точность по метрике качества MAP – 51,9%. Система визуального ассистирования может распознавать и отслеживать ключевые точки, указывающие на расположение корня аорты, системы доставки и протеза клапана сердца во время операции. Представленная система визуализации данных аортографии является эффективным инструментом визуального ассистирования хирурга при проведении вмешательства, поддерживающая режим работы в реальном времени.

Заключение. Предложенный        алгоритм предварительной обработки данных, повышающий качество изображения с минимальными затратами производительности, дополняет систему визуализации, позволяя достигнуть наилучшего результата.

Об авторах

Владислав Витальевич Лаптев
Федеральное государственное бюджетное научное учреждение «Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний»
Россия

младший научный сотрудник лаборатории тканевой инженерии и внутрисосудистой визуализации федерального государственного бюджетного научного учреждения «Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний», Кемерово, Российская Федерация



Никита Александрович Кочергин
Федеральное государственное бюджетное научное учреждение «Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний»
Россия

кандидат медицинских наук заведующий лабораторией тканевой инженерии и внутрисосудистой визуализации федерального государственного бюджетного научного учреждения «Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний», Кемерово, Российская Федерация



Список литературы

1. Abdelgawad A.M.E., Hussein M.A., Naeim H., Abuelatta R., Alghamdy S. A comparative study of TAVR versus SAVR in moderate and high-risk surgical patients: hospital outcome and midterm results. Heart Surg Forum. Heart Surg Forum. 2019;22(5):E331-E339. doi: 10.1532/hsf.2243.

2. Baumgartner H., Falk V., Bax J.J., De Bonis M., Hamm C., Holm P.J., Iung B, Lancellotti P, Lansac E, Rodriguez Muñoz D, Rosenhek R, Sjögren J, Tornos Mas P, Vahanian A, Walther T, Wendler O, Windecker S, Zamorano JL; ESC Scientific Document Group.2017 ESC/EACTS Guidelines for the management of valvular heart disease. Eur Heart J.2017;38(36):2739-2791. doi: 10.1093/eurheartj/ehx391.

3. Winkel M.G., Stortecky S., Wenaweser P. Transcatheter aortic valve implantation current indications and future directions. Front Cardiovasc Med. 2019;6:179. doi: 10.3389/fcvm.2019.00179.

4. Veulemans V., Mollus S., Saalbach A., Pietsch M., Hellhammer K., Zeus T., Westenfeld R., Weese J., Kelm M., Balzer J. Optimal C-arm angulation during transcatheter aortic valve replacement: accuracy of a rotational C-arm computed tomography based three dimensional heart model. World J Cardiol. 2016;8(10):606-614. doi: 10.4330/wjc.v8.i10.606.

5. Dasi L.P., Hatoum H., Kheradvar A., Zareian R., Alavi S.H., Sun W., Martin C., Pham T., Wang Q., Midha P.A., Raghav V., Yoganathan A.P. On the mechanics of transcatheter aortic valve replacement. Ann Biomed Eng. 2017;45(2):310-331. doi: 10.1007/s10439-016-1759-3.

6. Chourdakis E., Koniari I., Kounis N.G., Velissaris D., Koutsogiannis N., Tsigkas G., Hauptmann K.E., Sontag B., Hahalis G. The role of echocardiography and CT angiography in transcatheter aortic valve implantation patients. J Geriatr Cardiol. 2018;15(1):86-94. doi: 10.11909/j.issn.1671-5411.2018.01.006.

7. Chakravarty T., Jilaihawi H., Doctor N., Fontana G., Forrester J.S., Cheng W., Makkar R. Complications after Transfemoral Transcatheter Aortic Valve Replacement with a Balloon-Expandable Prosthesis: The Importance of Preventative Measures and Contingency Planning. Catheter Cardiovasc Interv. 2018;91(5):E29-E42. doi: 10.1002/ccd.24888.

8. Scarsini R., De Maria G.L., Joseph J., Fan L., Cahill T.J., Kotronias R.A., Burzotta F., Newton J.D., Kharbanda R., Prendergast B., Ribichini F., Banning A.P. Impact of complications during transfemoral transcatheter aortic valve replacement: how can they be avoided and managed? J Am Heart Assoc. 2019;8(18):e013801. doi: 10.1161/JAHA.119.013801.

9. Kappetein A.P., Head S.J., Genereux P., Piazza N., van Mieghem N.M., Blackstone E.H., Brott T.G., Cohen D.J., Cutlip D.E., van Es G.A., Hahn R.T., Kirtane A.J., Krucoff M.W., Kodali S., Mack M.J., Mehran R., Rodés-Cabau J., Vranckx P., Webb J.G., Windecker S., Serruys P.W., Leon M.B. Updated standardized endpoint definitions for transcatheter aortic valve implantation.: the Valve Academic Research Consortium-2 consensus document (VARC-2). Eur J Cardio-Thoracic Surg. 2012;33(19):2403-18. doi: 10.1093/eurheartj/ehs255.

10. Chan J.L., Mazilu D., Miller J.G., Hunt T., Horvath K.A., Li M. Robotic-assisted real-time MRI-guided TAVR: from system deployment to in vivo experiment in swine model. Int J Comput Assist Radiol Surg. 2016;11(10):1905-18. doi: 10.1007/s11548-016-1421-4.

11. Kilic T., Yilmaz I. Transcatheter aortic valve implantation: a revolution in the therapy of elderly and high-risk patients with severe aortic stenosis. J Geriatr Cardiol. 2017;14:204–17. doi: 10.11909/j.issn.1671-5411.2017.03.002

12. Codner P., Lavi I., Malki G., Vaknin-Assa H., Assali A., Kornowski R. C-THV measures of self-expandable valve positioning and correlation with implant outcomes. Catheter Cardiovasc Interv. 2014;84(6):877-84. doi: 10.1002/ccd.25594.

13. Horehledova B., Mihl C., Schwemmer C., Hendriks B.M.F., Eijsvoogel N.G., Kietselaer B.L.J.H., Wildberger J.E., Das M. Aortic root evaluation prior to transcatheter aortic valve implantation-Correlation of manual and semi-automatic measurements. PLoS One. 2018;13(6):e0199732. doi: 10.1371/journal.pone.0199732.

14. Овчаренко Е.А., Клышников К.Ю., Саврасов Г.В., Батранин А.В., Ганюков В.И., Коков А.Н., Нуштаев Д.В., Долгов В.Ю., Кудрявцева Ю.А., Барбараш Л.С. Прогнозирование результатов имплантации транскатетерного протеза клапана аорты на основе метода конечных элементов и данных микрокомпьютерной томографии. Современные технологии в медицине. 2016;8(1): 82-92. doi: 10.17691/stm2016.8.1.11

15. Онищенко П.С., Клышников К.Ю., Овчаренко Е.А. Искусственные нейронные сети в кардиологии: анализ графических данных. Бюллетень сибирской медицины. 2021; 20(4):193-204. doi: 10.20538/1682-0363-2021-4-193-204

16. Danilov V.V., Klyshnikov K.Y., Gerget O.M., Skirnevsky I.P., Kutikhin A.G., Shilov A.A., Ganyukov V.I., Ovcharenko E.A. (2021) Aortography Keypoint Tracking for Transcatheter Aortic Valve Implantation Based on Multi-Task Learning. Front Cardiovasc Med. 2021;8:697737. doi: 10.3389/fcvm.2021.697737.

17. Amit, Y., Felzenszwalb, P., Girshick, R. Object Detection. In: Computer Vision: A Reference Guide.. Springer, Cham. 2020. https://doi.org/10.1007/978-3-030-03243-2_660-1

18. Лаптев Н.В., Лаптев В.В., Гергет О.М. Обнаружение пожароопасных объектов в лесном массиве на основе динамических признаков. Вестник Томского государственного университета. Управление, вычислительная техника и информатика.2023;63: 72-83. doi: 10.17223/19988605/63/9

19. Manakov R.A., Kolpashchikov D.Y., Laptev N.V., Danilov V.V., Skirnevskiy I.P., Gerget O.M. Visual shape and position sensing algorithm for a continuum robot. 14th International Forum on Strategic Technology (IFOST-2019). Tomsk, Russia: TPU Publishing House, 2019. P. 399–402

20. Данилов В.В., Гергет О.М., Клышников К.Ю., Франжи А.Ф., Овчаренко Е.А. Анализ глубоких нейронных сетей для детекции стенозов коронарных артерий. Программирование. 2021; 3:3-11. doi: 10.31857/S0132347421030031

21. Tan M., Pang R., Le Q. V. Efficientdet: Scalable and efficient object detection. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). USA: Seattle, 2020. pp. 10778-10787 doi: 10.1109/CVPR42600.2020.01079


Дополнительные файлы

Рецензия

Для цитирования:


Лаптев В.В., Кочергин Н.А. ПРИМЕНЕНИЕ ТЕХНОЛОГИИ OBJECT DETECTION В ЗАДАЧЕ ОБНАРУЖЕНИЯ КЛЮЧЕВЫХ ТОЧЕК АОРТОГРАФИИ. Комплексные проблемы сердечно-сосудистых заболеваний. 2024;13(1):144-151. https://doi.org/10.17802/2306-1278-2024-13-1-144-151

For citation:


Laptev V.V., Kochergin N.A. APPLICATION OF OBJECT DETECTION TECHNOLOGY IN AORTOGRAPHY KEYPOINT TRACKING. Complex Issues of Cardiovascular Diseases. 2024;13(1):144-151. (In Russ.) https://doi.org/10.17802/2306-1278-2024-13-1-144-151

Просмотров: 359


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2306-1278 (Print)
ISSN 2587-9537 (Online)