심장 관상동맥 분할 및 심혈관 질환 위험 경고 딥러닝 알고리즘 기반

이 논문은 질병 위험 예측을 위한 심장 관상동맥 분할을 위한 개선된 3차원 U-net 합성곱 신경망 딥러닝 알고리즘을 기반으로 하며, 중심선이 없는 두 가지 배경에서 여러 데이터 세트로 실용적입니다. 심실 정보를 추출하기 위해 새로운 지역 특징을 사용하고, 깊은 신념 네트워크를 사용하여 양쪽 심실의 윤곽 좌표를 회귀하기 위한 특징을 추출합니다. 특징들과 깊은 신념 네트워크를 결합하고 회귀 네트워크를 훈련시킴으로써, 높은 수준의 정보를 추출할 수 있을 뿐만 아니라 적은 계산 비용으로 좌심실과 우심실을 정확하게 나눌 수 있습니다. 두 데이터 세트 간의 다이스 계수를 기반으로 하는 분할 성능을 비교했습니다. 결과는 중심선 전처리의 모델 훈련 효과가 원래 데이터보다 우수하다는 것을 보여줍니다. 실험 결과는 최고 성능이 다이스 계수 0.8291에 도달한다는 것을 보여줍니다. 실험에서 단순한 데이터 확장이 테스트 데이터에 해로울 수 있다는 것을 발견했습니다. 훈련 곡선에서 훈련 데이터의 질이 개선됨에 따라 관상동맥 분할의 성능이 더욱 향상될 수 있다고 믿고 있으며, 이는 임상 실습에서 의사와 환자에게 보다 정확하고 효율적인 의견과 제안을 제공하여 진단 및 치료의 질을 향상시키는 데 큰 의미가 있습니다. 전문가의 실시간 진단 및 분석을 지원하는 목적이 달성되었습니다.