ディープラーニングを使用した経カテーテル大動脈弁埋め込み手順のX線血管造影シーケンス上のバイオプロステセの自動識別

経カテーテル大動脈弁埋め込み（TAVI）は、重度の大動脈狭窄症と高い外科的リスクのある患者の選択の治療となっています。このモダリティは、介入をサポートするために必要なリアルタイム画像を提供するため、AngiographyはTaviの重要なツールとして確立されています。このような画像の自動解釈とパラメーター抽出は、ほとんどの場合、トランスカテーテル心臓バルブ（THV）の事前の識別に依存する手順で、重要な改善と新しいアプリケーションにつながる可能性があります。この論文では、血管造影上のTHVの自動セグメンテーションのためにU-Netアーキテクチャを提案し、セグメンテーションの品質におけるハイパーパラメーターの役割を研究しています。複数の構成を使用して方法論をテストし、手順中にキャプチャされたさまざまな種類のフレームで結果を評価し、いくつかの実験が行われました。この評価は、この問題のために特に定義されている2つの新しいメトリックで補完され、従来の分類メトリックの観点から実行されています。これらの新しいメトリックは、データセットのクラスの不均衡を考えると、結果の品質のより適切な評価を提供します。評価結果の分析から、このメソッドはこのデータセットの適切なセグメンテーション結果を提供すると結論付けることができます。

Transcatheter aortic valve implantation (TAVI) has become the treatment of choice for patients with severe aortic stenosis and high surgical risk. Angiography has been established as an essential tool in TAVI, as this modality provides real-time images required to support the intervention. The automatic interpretation and parameter extraction on such images can lead to significative improvements and new applications in the procedure that, in most cases, rely on a prior identification of the transcatheter heart valve (THV). In this paper, U-Net architecture is proposed for the automatic segmentation of THV on angiographies, studying the role of its hyperparameters in the quality of the segmentations. Several experiments have been conducted, testing the methodology using multiple configurations and evaluating the results on different types of frames captured during the procedure. The evaluation has been performed in terms of conventional classification metrics, complemented with two new metrics, specifically defined for this problem. Those new metrics provide a more appropriate assessment of the quality of the results, given the class imbalance in the dataset. From an analysis of the evaluation results, it can be concluded that the method provides appropriate segmentation results for this dataset.