SEGMENTAÇÃO DE ARTÉRIAS CORONÁRIAS EM IMAGENS DE ANGIOGRAFIA POR TOMOGRAFIA COMPUTADORIZADA UTILIZANDO REDES NEURAIS CONVOLUCIONAIS 3D

Abstract

A doença arterial coronariana (DAC) é a principal causa de morte por doenças cardiovasculares no mundo. A avaliação precisa do risco de DAC é crucial para a prevenção. A angiografia por tomografia computadorizada (ATC) é um método não invasivo amplamente utilizado para diagnosticar a DAC. A segmentação precisa das artérias coronárias nas imagens de ATC é fundamental para quantificar a doença e auxiliar no diagnóstico. Neste estudo, avaliamos um conjunto de imagens de ATC disponibilizado pelo projeto ImageCAS e comparamos diferentes algoritmos de segmentação, incluindo um método de segmentação direta proposto. Avaliamos o desempenho dos algoritmos utilizando o índice de dice score, comparando os resultados com um padrão de referência (ground truth). Experimentamos diferentes resoluções de imagem para analisar o impacto no desempenho e no consumo de recursos computacionais. Além disso, propomos um método de ensemble para combinar os resultados de diferentes algoritmos, visando melhorar a precisão da segmentação. Os resultados obtidos demonstram que o método de ensemble proposto alcança um desempenho superior em comparação com os algoritmos individuais.

Keywords

• Artéria coronária
• Segmentação
• Aprendizado profundo
• Auxílio ao diagnóstico
• Imagens médicas