Benchmark CARDIAG per il Deep Learning in Angiografia Coronarica
È stato introdotto un nuovo benchmark chiamato CARDIAG per valutare modelli di deep learning che classificano i pixel in angiogrammi coronarici secondo le classi SYNTAX. Lo studio copre 24 architetture, dalle classiche convnet agli algoritmi di visione basati su stato. Il dataset è multicentrico, multi-etichetta e include etichette SYNTAX, maschere binarie, maschere di incertezza, maschere di segmentazione, fotogrammi intermedi e metadati DICOM non sensibili. Le metriche tengono conto dell'errore di diametro, della sovrapposizione, della qualità della linea centrale e della calibrazione. Il modello con le migliori prestazioni è l'encoder ConvNeXt V2 con decoder DeepLab V3 Plus.
Fatti principali
- CARDIAG è un nuovo benchmark per la classificazione densa di segmenti di angiogrammi coronarici.
- Valuta 24 architetture di deep learning.
- Il dataset è multicentrico e multi-etichetta.
- Le classi SYNTAX sono utilizzate per la classificazione dei pixel.
- Le metriche includono errore di diametro, sovrapposizione, qualità della linea centrale e calibrazione.
- I dati includono etichette SYNTAX, maschere binarie, di incertezza e di segmentazione.
- Vengono forniti fotogrammi intermedi e metadati DICOM non sensibili.
- L'encoder ConvNeXt V2 con decoder DeepLab V3 Plus è il miglior performante.
Entità
Istituzioni
- arXiv