هوش مصنوعی در تصویربرداری آترواسکلروز قلبی عروقی

هوش مصنوعی در تصویربرداری آترواسکلروز قلبی عروقی

با مهندس شکوفه ساتری

  خلاصه

در حال حاضر ، هوش مصنوعی (AI) قبلاً در تصویربرداری قلبی عروقی (به عنوان مثال ، تقسیم بندی تصویر ، اندازه گیری خودکار و در نهایت تشخیص خودکار) اعمال شده است و به خط مقدم تحقیقات تصویربرداری پزشکی قلبی عروقی منتقل شده است. در این بررسی ، ما وضعیت فعلی هوش مصنوعی استفاده شده برای تجزیه و تحلیل تصویر پلاک های آترواسکلروتیک عروق کرونر را ارائه دادیم ، و مناطق مختلفی را از تجزیه و تحلیل مؤلفه پلاک پوشش می دهیم (به عنوان مثال ، شناسایی خصوصیات پلاک ، شناسایی پلاک آسیب پذیر ، تشخیص عملکرد میوکارد و پیش بینی خطر) برای پیش بینی خطر. علاوه بر این ، ما در مورد شواهد ، نقاط قوت ، محدودیت ها و جهت های آینده برای هوش مصنوعی در تصویربرداری قلبی از پلاک های آترواسکلروتیک و همچنین درسهایی که می توان از مناطق دیگر آموخت ، بحث می کنیم. توسعه مداوم علوم و فناوری رایانه ممکن است پیشرفت این زمینه را بیشتر کند.

کلمات کلیدی: هوش مصنوعی ، آترواسکلروز ، خصوصیات پلاک

1. مقدمه

اگرچه مراقبت های پزشکی مدرن به طور فزاینده ای پیشرفته است ، بیماری قلبی عروقی (CVD) که شیوع فزاینده ای در سراسر جهان دارد ، هنوز هم تهدیدی جدی برای کیفیت زندگی و سلامتی انسان ایجاد می کند. براساس آخرین گزارش ، CVDS علت اصلی مرگ زودرس در اکثر کشورها ، به ویژه کشورهای کم درآمد و متوسط ​​است [1] ، که نشان می دهد هنوز هم باید درمان و پیشگیری از CVD ها بهبود یابد [2]. آترواسکلروز کرونر زیربنای CAD و حوادث اصلی قلبی (MACES) است. تشخیص این پلاک های آترواسکلروتیک ، شناسایی مؤلفه ها و ارزیابی خطر آنها برای مدیریت بیماران مبتلا به بیماری قلبی عروقی ضروری است. در طول دو دهه گذشته ، تکنیک های مختلف تصویربرداری پزشکی ، از جمله اندازه گیری های تهاجمی مانند توموگرافی انسجام نوری (OCT) ، سونوگرافی داخل عروقی (IVUS) و اندازه گیری های غیر تهاجمی مانند توموگرافی کامپیوتری (CT) ، تصویربرداری رزونانس مغناطیسی (MRI) و اندازه گیری های غیر تهاجمی ، و اندازه گیری های غیر تهاجمی ، و اندازه گیری های غیر تهاجمی مانند توموگرافی کامپیوتری (CT) ، تصویربرداری رزونانس مغناطیسی (MRI) و سونوگرافی (ایالات متحده) برای ارزیابی آترواسکلروز عروق کرونر توسعه یافته است [3].

با توسعه مداوم فناوری تصویربرداری و محبوبیت معاینه تصویربرداری ، مجموعه داده های عظیم تصویر ایجاد شده است. در همین حال ، داده های بزرگ یک عامل اصلی در توسعه پزشکان دقیق پزشکی هستند و محققان به طور یکسان فرصت های بیشتری نسبت به گذشته دارند تا بتوانند در توسعه و ارزیابی الگوریتم های تجزیه و تحلیل تصویر جدید شرکت کنند ، با هدف نهایی ایجاد ابزارهای جدید برای بهینه سازی مراقبت از بیمار [ 4،5] هوش مصنوعی (AI) به عنوان یک موضوع تحقیقاتی هیجان انگیز در زمینه های چندگانه در نظر گرفته می شود ، زیرا پیشرفت های عمده در هوش مصنوعی در سالهای اخیر رخ داده است [6]. استفاده از هوش مصنوعی در زمینه تصویربرداری پزشکی امکان شناسایی اطلاعاتی را که باعث بهبود کارآیی کار بالینی می شود ، امکان پذیر است. علاوه بر این ، هوش مصنوعی اخیراً به خط مقدم تحقیقات تصویربرداری پزشکی قلبی عروقی منتقل شده است [7،8].

هدف از این مقاله ، تمرکز بر تحقیقاتی است که از هوش مصنوعی برای پلاک های آترواسکلروتیک کرونر استفاده می کند تا روشهای تصویربرداری (به عنوان مثال ، OCT ، IVUS ، CT) و زمینه های مختلف پلاک های آترواسکلروتیک عروق کرونر (به عنوان مثال ، شناسایی خواص پلاک ، شناسایی خصوصیات آسیب پذیر پلاک ، تشخیص عملکرد میوکارد و پیش بینی خطر). سرانجام ، ما به برخی از مشکلات فعلی موجود و مسیرهای آینده اشاره کردیم.