研究人员开发了一种新颖的深度学习算法，用于对冠状动脉狭窄进行分级，这是诊断冠状动脉疾病的关键步骤。提出的曲面特征重建（CFR）模块有效地融合了来自CCTA和3D SCPR图像的数据，克服了每种模态的局限性。此外，临床风险感知（CR）损失函数将临床风险信息整合到训练过程中，从而提高了诊断准确性。在内部数据集上的实验表明，该方法显著优于现有方法。 AI
影响 这项研究可能导致对冠状动脉疾病进行更准确、更具临床意义的诊断。
排序理由 该集群包含一篇详细介绍用于医学诊断任务的新算法的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.30082v1 Announce Type: new Abstract: Developing a multi-level grading model for coronary artery stenosis holds great clinical significance for the diagnosis of coronary artery disease. However, designing an effective multi-level deep learning algorithm faces significan…
Developing a multi-level grading model for coronary artery stenosis holds great clinical significance for the diagnosis of coronary artery disease. However, designing an effective multi-level deep learning algorithm faces significant challenges. Specifically, utilizing CCTA or 3D…