实体
coronary stenosis
coronary stenosis
PulseAugur coverage of coronary stenosis — every cluster mentioning coronary stenosis across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的MAC-XA方法融合多视图X射线数据用于冠状动脉狭窄报告
研究人员开发了MAC-XA，一种通过融合多视图数据从X射线造影生成冠状动脉狭窄报告的新颖方法。该方法解决了交叉视图对齐的挑战，这对于准确的病变定位和狭窄分级至关重要，但在真实数据中无法直接监督。MAC-XA利用合成造影生成策略来创建补丁级别的对应监督，使解剖对应模块能够在证据聚合之前学习显式的交叉视图对齐。实验表明，与现有的单视图和传统多视图方法相比，这种对齐约束融合提高了报告的一致性和准确性，并成功地实现了对真实造影的零样本迁移。
-
新的深度学习模型改进冠状动脉狭窄分级
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。
-
新AI框架可从ECG检测冠状动脉狭窄
研究人员开发了StenCE，一个新颖的预训练框架，旨在从心电图（ECG）数据中识别冠状动脉狭窄。该方法旨在通过检测ECG中的狭窄特异性信号来实现早期诊断，ECG是非侵入性的且常规获取。该框架在分类严重狭窄和其他ECG相关疾病方面表现出改进的性能，优于先前的方法，并为风险分层提供了一个新工具。