Классификация типа кровообращения с помощью нейронных сетей

Цель. Классификация типа кровообращения (доминантности) важна для оценки степени поражения по шкале SYNTAX. Шкала SYNTAX используется для оценки сложности заболевания коронарных артерий и выбора оптимальной стратегии лечения пациента. Мы разработали алгоритм классификации коронарного доминирования, основанный на анализе ангиограммы правой коронарной артерии (ПКА) с использованием нейронной сети.
Методы. Мы использовали сверточную нейронную сеть Convnet и Swin transformer для классификация 20-изображений (кадров). Вспомогательная сеть также использовалась для обнаружения нерелевантных изображений, которые затем исключались из набора данных.
Результаты. 5-кратная перекрестная валидация дала следующие показатели классификации типа кровообращения ($p$ = 95%): recall macro = 93.1 $\pm$ 4.3%, accuracy = 93.5В $\pm$ 3.8%, macro F1 = 89.2 $\pm$ 5.6%. Наиболее распространенным случаем, в котором модель регулярно ошибалась, была окклюзия RCA, поскольку для этого требуется использовать информацию о левой коронарной артерии (ЛКА).
Выводы. Методы машинного обучения позволяют классифицировать тип кровообращения с достаточной точностью. Однако для повышения точности необходимо использовать информацию ЛКА в случае окклюзии ПКА и выявлять случаи, когда существует высокая неопределенность при классификации.