Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Les chercheurs analysent les méthodes visuelles d'interpolation de coronarographie pour réduire la fréquence d'exposition aux rayons X

Dans une publication neuve des innovations cardiovasculaires et des applications ; Xiao-Lei Yin, Dong-xue Liang, Lu Wang, Jing Qiu, Zhi-YUN Yang, Jian-zeng Dong et mamans de Zhao-yuan d'université de Tsinghua, Pékin, Chine ; L'université médicale capitale, le Pékin, la Chine et le premier hôpital filiale de l'université de Zhengzhou, Zhengzhou, Chine analysent les méthodes visuelles d'interpolation de coronarographie pour réduire la fréquence d'exposition aux rayons X basée sur apprendre profondément.

La coronarographie cardiaque est une technique importante qui aide des médecins pendant la chirurgie cardiaque interventionnelle. Sous l'irradiation de rayon X, le médecin injecte un agent de contraste par un cathéter et détermine la condition des artères coronaires en temps réel.

Cependant, pour obtenir une condition plus précise des artères coronaires, les médecins doivent augmenter la fréquence et l'intensité de l'exposition aux rayons X, qui augmentera inévitablement le potentiel pour le tort au patient et au chirurgien.

Dans le travail rapporté ici, l'utilisation d'auteurs a avancé des algorithmes apprenants profondément pour trouver une méthode d'interpolation de bâti pour des vidéos de coronarographie qui réduit la fréquence de l'exposition aux rayons X en réduisant le débit d'images du vidéo de coronarographie, réduisant de ce fait les dégâts X-rayon-induits aux médecins.

Les auteurs ont déterminé un ensemble de données neuf de groupe d'image de coronarographie contenant 95.039 groupes d'images extraites de 31 vidéos. Chaque groupe inclut trois images consécutives, qui sont employées pour former le modèle de réseau visuel d'interpolation et appliquées six méthodes populaires d'interpolation de bâti à l'ensemble de données pour confirmer que la technologie d'interpolation d'image vidéo peut réduire le débit d'images visuel et ramener l'exposition des médecins aux rayons X.

Source:
Journal reference:

Dong-xue, L., (2021) Analysis of Coronary Angiography Video Interpolation Methods to Reduce X-ray Exposure Frequency Based on Deep Learning. Cardiovascular Innovations and Applications. doi.org/10.15212/CVIA.2021.0011.