ASOCA Veri Kümesinin Potansiyelini Ortaya Çıkarma: Kardiyovasküler Teşhis ve Tedaviyi Geliştirme

Kardiyovasküler hastalık, çok sayıda ölümden sorumlu olan endişe verici bir küresel endişe kaynağıdır. Bu yıkıcı sağlık sorunuyla mücadele etmek için kesin teşhis araçlarının ve etkili tedavilerin geliştirilmesi çok önemlidir. Kardiyovasküler araştırma ve teşhiste en sık kullanılan teknikler arasında bilgisayarlı tomografi koroner anjiyografi (CTCA) yer alır. Bu non-invaziv görüntüleme yöntemi, tıp uzmanlarının ve araştırmacıların koroner arterlerin yapısını görselleştirmesine ve olası tıkanıklıkları veya darlıkları belirlemesine olanak tanır.

Bununla birlikte, koroner arterlerin analizi sırasında ortaya çıkan bir zorluk, görüntü bölütlemedir. Bu süreç, ilgilenilen yapıların tıbbi görüntülerden tanımlanmasını ve izole edilmesini içerir. Koroner arterlerin segmentasyonu karmaşıklık, küçük boyut, görüntü artefaktları ve benzer yoğunluğa sahip yapılara yakınlıkları gibi faktörler nedeniyle zorlu bir görev olmaya devam etmektedir. Sonuç olarak, önemli araştırma ve ticari ilgi, bu zorlukların üstesinden gelmeye yöneliktir.

New South Wales Üniversitesi’nden (UNSW) araştırmacı ekibimiz bu engelleri doğrudan ele alarak çığır açan bir çözüm sundu: hem normal hem de hastalıklı atardamarlara ilişkin ilişkili verilerle birlikte CTCA görüntülerinden oluşan açıklamalı bir veri kümesi. Koroner arter segmentasyonunu kolaylaştırmak için, bir araştırma mücadelesi olan “Koroner Arterlerin Otomatik Segmentasyonu” (ASOCA) yarışmasını oluşturduk. [1] ve bir kıyaslama veri seti [2].

İlk olarak 2020’deki Tıbbi Görüntü Hesaplama ve Bilgisayar Destekli Müdahale konferansı için oluşturulan ASOCA zorluk veri seti artık dünya çapındaki araştırmacıların kullanımına sunuldu. Bu dikkate değer veri seti, yaklaşık 13.000 2D dilimi kapsayan 60 hastadan alınan CTCA taramalarını içermektedir. Her CTCA, türünün en büyük ve en kapsamlı veri kümelerinden biri ile sonuçlanan üç uzman tarafından açıklamalıdır. Doğrulanmış koroner arter hastalığı olan 30 vaka ve hastalık belirtisi göstermeyen 30 normal vaka dahil edilerek dengeli bir sınıf dağılımı elde edilir. Sonuç olarak, bu veri seti, farklı popülasyonları temsil eden çok çeşitli anatomik varyasyonları yakalarken aynı zamanda farklı görüntü kalitesi seviyeleri sunar ve böylece tıbbi görüntüleme uygulayıcılarının gerçek dünya senaryolarında karşılaştığı zorlukların gerçekçi bir tasvirini sunar.

Veri setinin değerini artırmak için, kalsiyum skorlarını ve her hasta için en şiddetli tıkanıklığın tanımını da dahil ettik, böylece hastalık ilerlemesinin bir ölçüsünü sağladık. Ek olarak, diğer çeşitli uygulamaları kolaylaştırmak için ek açıklamalardan türetilen önceden işlenmiş kafesler ve merkez çizgileri dahil edilmiştir.

Bu veri setinin mevcudiyeti, kardiyovasküler tıp alanındaki araştırmacılar için sayısız avantaj sağlar. İlk olarak, ASOCA veri seti, koroner arter segmentasyon algoritmalarının performansını değerlendirmek için yeni bir kriter görevi görür. Araştırmacılar, segmentasyon algoritmalarını eğitmek ve geliştirmek için bu veri setini kullanabilir ve daha sonra otomatik bir çevrimiçi platform aracılığıyla test seti tarafından sağlanan temel gerçekliğe karşı sonuçları değerlendirebilir. İkinci olarak, veri setinde sunulan altın standart notlar ve kafesler, hesaplamalı modelleme, 3D baskılı modellerin oluşturulması, stentler gibi tıbbi cihazların geliştirilmesi ve test edilmesi ve hatta eğitim için Sanal Gerçeklik (VR) uygulamaları gibi diğer alanlarda uygulama buluyor. eğitim.

Bu veri setinin mevcudiyeti, hasta sonuçlarını iyileştirme ve kardiyovasküler hastalık anlayışımızı ilerletme potansiyelini barındırarak alana önemli bir katkıyı temsil etmektedir. Önemli boyutu, kapsamlı ek açıklamaları ve izin verilen lisansı göz önüne alındığında, veri setimiz kardiyovasküler tıpla ilgilenen araştırmacılar için paha biçilmez bir kaynak olarak duruyor. Koroner arter segmentasyon algoritmalarının doğruluğunu ve etkinliğini artıracağını, koroner arter hastalığının özelliklerinin ve ilerlemesinin daha iyi anlaşılmasına ve yeni tedavi seçeneklerinin keşfedilmesine yol açacağını tahmin ediyoruz. Sonuç olarak, bu doğrudan gelecekte hastalar için gelişmiş teşhis ve daha etkili tedavi stratejilerine dönüşecektir.

Hem araştırmacılar hem de tıp uzmanları, test seti için ayrılan 20 temel gerçek notu hariç, veri setine ücretsiz olarak erişebilir. Hem ticari hem de ticari olmayan kullanıma izin verilir ve Birleşik Krallık Veri Hizmeti platformu (https://reshare.ukdataservice.ac.uk/855916/) aracılığıyla kolayca kullanılabilir. Birleşik Krallık Veri Hizmetiyle ilgili herhangi bir sorun olması durumunda, (https://forms.office.com/r/HK38BahFiM) adresinde geçici bir erişim formu bulunabilir. Dosya formatları ve gerekli yazılım araçları hakkında bilgiler de dahil olmak üzere veri setinin kullanımına ilişkin ayrıntılı talimatlar makale içinde verilmektedir.

[1] R. Gharleghi et al.“Normal ve hastalıklı koroner arterlerin otomatik segmentasyonu – asoca challenge”, Bilgisayarlı Tıbbi Görüntüleme ve Grafikler, cilt 97, s. 102049, 2022.

[2] R. Gharleghi et al.“Normal ve hastalıklı arterlerin açıklamalı bilgisayarlı tomografi koroner anjiyogram görüntüleri ve ilişkili verileri”, Bilimsel Veriler, cilt 10, hayır. 1, s. 128, 2023.

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir