摘要
经皮冠状动脉介入治疗（PCI）是一种用于恢复因动脉粥样硬化斑块而阻塞的冠状血流的微创手术。在PCI过程中，需要多次注射碘基造影剂以可视化冠状动脉并引导介入设备。然而，频繁的造影剂注射会增加辐射暴露风险，并导致造影剂诱发的肾病，尤其在肾功能受损患者中，急性肾损伤发生率高达30%。动态冠状动脉成像（DRM）通过将预先计算的血管造影图层叠加到实时透视图上，持续更新来降低这些风险。
准确的DRM依赖于血管造影与透视图之间的精确心脏相位匹配，以及可靠的导管尖端跟踪以进行运动补偿。这些任务在无ECG的环境中以及仅有有限手动标注的情况下仍具挑战性。我们提出了一种统一的DRM框架，同时执行心脏相位匹配和导管尖端跟踪，以实现准确的实时指导。我们的方法采用了在1600万张X光帧上预训练的大规模时空编码器，以学习心脏运动动态。
据我们所知，这是首次将大规模时空预训练应用于DRM中的运动补偿。我们进一步引入了基于ECG R波检测和导管尖端跟踪的辅助任务，改善了优化过程，同时消除了对广泛导管掩模标注的需求。最后，采用多数投票后处理策略聚合时间预测，增强了稳健性，并提供与相位匹配误差相关的置信度评分。对临床X光数据集的全面评估展示了最先进的性能，达到了低时间错位和适合实时DRM的稳健相位匹配准确性。
博主点评： 该研究为无ECG环境下的动态冠状动脉成像提供了创新的解决方案，通过时空变换器的应用，显著提高了实时指导的准确性，展示了深度学习在医学影像中的潜力，尤其是对于复杂的心脏运动动态的处理。未来，随着模型优化和数据集的扩展，期望能在临床实践中得到更广泛的应用。