S'abonner

Development and Validation of Artificial Intelligence-Based Algorithms for Predicting the Segments Debulked by Rotational Atherectomy Using Intravascular Ultrasound Images - 29/06/24

Doi : 10.1016/j.amjcard.2024.05.027 
Kenta Hashimoto, MD a, Kenichi Fujii, MD a, , Daiju Ueda, MD b, Akinori Sumiyoshi, MD c, Katsuyuki Hasegawa, MD d, Rei Fukuhara, MD e, Munemitsu Otagaki, MD f, Atsunori Okamura, MD c, Wataru Yamamoto, MD d, Naoki Kawano, MD e, Akira Yamamoto, MD b, Yukio Miki, MD b, Iichiro Shiojima, MD a
a Division of Cardiology, Department of Medicine II, Kansai Medical University, Hirakata, Japan 
b Department of Diagnostic and Interventional Radiology, Graduate School of Medicine, Osaka Metropolitan University, Osaka, Japan 
c Cardiovascular Vascular Center, Sakurabashi Watanabe Hospital, Osaka, Japan 
d Department of Cardiology, Higashi Takarazuka Satoh Hospital, Takarazuka, Japan 
e Department of Cardiovascular Medicine, Hyogo Prefectural Amagasaki General Medical Center, Amagasaki, Japan 
f Department of Cardiology, Kansai Medical University Medical Center, Moriguchi, Japan 

Corresponding author: Tel: +81-72-804-0101; fax: +81-72-804-2045.

Résumé

We develop and evaluate an artificial intelligence (AI)-based algorithm that uses pre-rotation atherectomy (RA) intravascular ultrasound (IVUS) images to automatically predict regions debulked by RA. A total of 2106 IVUS cross-sections from 60 patients with de novo severely calcified coronary lesions who underwent IVUS-guided RA were consecutively collected. The 2 identical IVUS images of pre- and post-RA were merged, and the orientations of the debulked segments identified in the merged images were marked on the outer circle of each IVUS image. The AI model was developed based on ResNet (deep residual learning for image recognition). The architecture connected 36 fully connected layers, each corresponding to 1 of the 36 orientations segmented every 10°, to a single feature extractor. In each cross-sectional analysis, our AI model achieved an average sensitivity, specificity, positive predictive value, negative predictive value, and accuracy of 81%, 72%, 46%, 90%, and 75%, respectively. In conclusion, the AI-based algorithm can use information from pre-RA IVUS images to accurately predict regions debulked by RA and will assist interventional cardiologists in determining the treatment strategies for severely calcified coronary lesions.

Le texte complet de cet article est disponible en PDF.

Graphical abstract




Image, graphical abstract

Le texte complet de cet article est disponible en PDF.

Keywords : artificial intelligence, calcification, deep learning, rotational atherectomy


Plan


 Funding: This study was supported by the Research Grant D2 from Kansai Medical University, Hirakata, Japan, and a grant from an Academic Support Award: Japanese Association of Cardiovascular Intervention and Therapeutics, Tokyo, Japan.


© 2024  Elsevier Inc. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 223

P. 1-6 - juillet 2024 Retour au numéro
Article précédent Article précédent
  • Contents
| Article suivant Article suivant
  • Optimal Intravascular Ultrasound-Guided Percutaneous Coronary Intervention in Patients With Multivessel Disease and Diabetes
  • Ko Yamamoto, Hiroki Shiomi, Takeshi Morimoto, Akiyoshi Miyazawa, Sunao Nakamura, Satoru Suwa, Takanari Fujita, Tairo Kurita, Shigeo Sugawara, Kenji Fujii, Nobuhiro Suematsu, Tsuyoshi Isawa, Hitoshi Matsuo, Hiroyuki Tanaka, Kinya Shirota, Kiyoshi Hibi, Kazushige Kadota, Kenji Ando, Koh Ono, Takeshi Kimura, OPTIVUS-Complex PCI investigators

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.