Coronary Artery Disease Automatic Classification

• Samuel A. Freitas UNISINOS
• Cristiano A. da Costa UNISINOS
• Gabriel de O. Ramos UNISINOS

DOI: https://doi.org/10.5753/ercas.2021.17431

Resumo

Aterosclerose representa a restrição de fluxo sanguíneo no músculo do coração e é uma das principais causas de morte no mundo. A avaliação de uma aterosclerose é desafiadora e é atualmente realizada pelas técnicas de Fractional Flow Reserve (FFR) e Quantitative Flow Ratio (QFR). Ambos os métodos são baseados em angiografia, que é o padrão-ouro para avaliação geométrica de lesões. Esse estudo apresenta uma cadeia de etapas para a determinação automática da presença de estreitamentos arteriais em angiografias de artéria coronária esquerda (ACE), segmentando a silhueta da artérias, selecionando regiões de interesse seguidas de um modelo classificador. Resultados iniciais indicam a validade da sequência de etapas para classificação, ainda necessitando que melhorias na arquitetura para melhor acurácia.

Referências

Antczak, K. and Liberadzki, . (2018). Stenosis Detection with Deep Convolutional Neural Networks. MATEC Web of Conferences, 210:1–6.

Benton, S. M., Tesche, C., De Cecco, C. N., Duguay, T. M., Schoepf, U. J., and Bayer, R. R. (2018). Noninvasive Derivation of Fractional Flow Reserve From Coronary Computed Tomographic Angiography: A Review. Journal of Thoracic Imaging, 33(2):88– 96.

Chakladar, A., Gan, J., and Edsell, M. (2017). Angiograa arterial coronária. Anaesthesia Tutorial of the Week.

Cong, C., Kato, Y., Vasconcellos, H. D., Ostovaneh, M. R., Lima, J. A., and AmbaleVenkatesh, B. (2021). Deep learning-based end-to-end automated stenosis classication and localization on catheter coronary angiography. medRxiv.

Guyton, A. and Hall, J. (2006). Textbook of Medical Physiology. Elsevier Saunders.

Hideo-Kajita, A., Garcia, H., Schlofmitz, E., and Campos, C. (2019). Atualização sobre tecnologias siológicas baseadas em angiograa coronariana update on coronary angiography-based physiology technologies.

Johnson, N. P., Gould, K. L., Di Carli, M. F., and Taqueti, V. R. (2016). Invasive FFR and Noninvasive CFR in the Evaluation of Ischemia: What Is the Future? Journal of the American College of Cardiology, 67(23):2772–2788.

Loewe, C. (2019). Hemodynamically signicant coronary stenosis: Detection with CT Myocardial Perfusion Imaging versus Machine Learning Coronary CT Fractional Flow Reserve. Radiology, 293(2):315–316.

Moon, J. H., Lee, D. Y., Cha, W. C., Chung, M. J., Lee, K.-S., Cho, B. H., and Choi, J. H. (2021). Automatic stenosis recognition from coronary angiography using convolutional neural networks. Computer Methods and Programs in Biomedicine, 198:105819.

World Health Organization, W. (2020). Cardiovascular diseases. [link].