Coronary Artery Disease Automatic Classification

Abstract

Atherosclerosis represents the restriction of blood flow in the heart muscle and is one of the main causes of death in the world. The assessment of atherosclerosis is challenging and is currently evaluated by the Fractional Flow Reserve (FFR) and the Quantitative Flow Ratio (QFR). Both exams are based on angiography, which is the gold standard for geometrical assessment. This study presents a pipeline to automatically determine the presence of narrowing in the right coronary artery (RCA) angiography exams, segmenting the artery silhouette, selecting regions of interest (ROIs) followed by a classification model. Initial results suggest a valid sequence of steps to classify the lesion, but require some improvements in the network architecture for better classification accuracy.

DEEPCADD: A Deep Neural Network for Automatic Detection of Coronary Artery Disease

“…O dataset sintético foi criado com curvas de Bézier [Antczak and Liberadzki 2018]. O mesmo dataset foi utilizado na primeira parte desse estudo em que propomos uma detecc ¸ão de lesões automática com o uso de selective search publicado na ERCAS 2021 [Freitas et al 2021b]. Com esse dataset, obtivemos a precisão de 0.9 e especificidade de 0.94 na classificac ¸ão de presenc ¸a e ausência de estenoses; a segunda melhoria foi o uso de um dataset de angiografia anotado com o formato Common Objects in Context (COCO) polygon, obtido em parceria com uma instituic ¸ão de Novo Hamburgo -RS; a terceira melhoria foi a utilizac ¸ão de um módulo de máscaras, que produz a segmentac ¸ão de instância e detecc ¸ão de DAC baseada em frames, diferenciando-se da literatura.…”