A Hybrid CNN-Transformer Framework for Robust Coronary Artery Stenosis Detection in X-ray Angiography

Herzkrankheiten sind nach wie vor die führende Todesursache weltweit, und das Herz des Problems ist oft eine Verengung der Arterien, die das Herzmuskelgewebe mit Blut versorgen. Dieser Zustand, bekannt als koronare Arteriosklerose (Stenose), tritt auf, wenn sich Fettablagerungen und Kalzium in den Gefäßwänden ansammeln und so den Fluss von sauerstoffreichem Blut einschränken. Wenn diese Verengung unentdeckt oder unbehandelt bleibt, kann dies zu einem Herzinfarkt führen. Ärzte verlassen sich derzeit auf die Röntgenangiographie, um in diese Arterien hineinzusehen. Bei diesem Verfahren wird ein Kontrastmittel in den Blutkreislauf injiziert, wodurch die Gefäße auf einem Röntgenbild sichtbar gemacht werden. Das Lesen dieser Bilder ist jedoch schwierig. Die Aufnahmen sind oft körnig, voller Schatten durch Knochen wie Rippen oder Wirbel und überladen mit medizinischen Instrumenten. Die Interpretation erfordert einen menschlichen Experten, der jedes Einzelbild genau untersucht – ein Prozess, der langsam, ermüdend und anfällig für menschliche Fehler ist.

Um Ärzten zu helfen, haben Wissenschaftler die künstliche Intelligenz genutzt, speziell eine Art von Computerprogramm namens Deep Learning. Jahrelang waren die erfolgreichsten Programme für diese Aufgabe auf einer Technologie namens Convolutional Neural Networks (CNNs) aufgebaut. Diese Programme sind exzellent darin, lokale Details zu erkennen, wie etwa die scharfe Kante einer Gefäßwand oder eine spezifische Textur. Sie haben jedoch Schwierigkeiten, das Gesamtbild zu erfassen. Da sie sich so intensiv auf kleine, benachbarte Pixel konzentrieren, lassen sie sich oft durch den verrauschten Hintergrund verwirren und verwechseln eine Rippe oder einen Katheter mit einer blockierten Arterie. Ihnen fehlt die Fähigkeit, einen Schritt zurückzutreten und den gesamten Pfad des Blutgefäßes zu sehen, um dessen wahre Form zu verstehen. Eine neuere Technologie, bekannt als Transformer, löst dies, indem sie es dem Computer ermöglicht, das gesamte Bild auf einmal zu betrachten und dabei die Bedeutung jedes Teils im Verhältnis zu jedem anderen Teil abzuwägen. Die Herausforderung bestand darin, die Geschwindigkeit der älteren Technologie mit dem globalen Verständnis der neuen zu kombinieren.

In dieser Studie schlugen Forscher von mehreren medizinischen Universitäten im Iran eine neue Lösung vor, die diese beiden Ansätze vereint. Sie entwickelten ein hybrides Framework, das einen Real-Time Detection Transformer, oder RT-DETR, verwendet, um blockierte Arterien in Röntgenbildern zu finden. Anstatt sich auf eine einzige Art der Computer vision zu verlassen, nutzt ihr System ein Standard-Netzwerk, um die feinen Details des Bildes zu erfassen, und leitet diese Informationen dann an ein Transformer-Modul weiter. Dieses zweite Modul fungiert wie eine globale Karte und hilft dem Computer, zwischen einer echten Blockade und einem verwirrenden Schatten, der beispielsweise von einer Rippe oder der Wirbelsäule geworfen wird, zu unterscheiden. Das Ziel war es, ein Werkzeug zu schaffen, das nicht nur hochpräzise, sondern auch schnell genug ist, um in Echtzeit während eines medizinischen Eingriffs eingesetzt zu werden.

Das Team trainierte ihr neues System unter Verwendung einer großen Sammlung von 8.325 Röntgenbildern von 100 verschiedenen Patienten. Diese Bilder stammten aus einem Forschungsinstitut in Russland und enthielten eine Vielzahl von realen Bedingungen mit unterschiedlichen Auflösungen und Rauschpegeln. Um den Computer zu lehren, wie er mit diesen schwierigen Bildern umgeht, nutzten die Forscher eine Technik, bei der sie vier verschiedene Bilder zu einem einzigen großen Trainingsbild zusammenfügten. Dies zwang das System dazu, zu lernen, wie man kleine Blockaden erkennt, selbst wenn sie von komplexen und unordentlichen Hintergründen umgeben sind. Sie verwendeten auch eine weitere Methode, bei der Paare von Bildern miteinander verschmolzen wurden, um neue, virtuelle Beispiele zu erstellen, was dem Computer half, robuster gegenüber dem zufälligen Rauschen in medizinischen Scans zu werden.

Als die Forscher ihr neues Framework gegen bestehende Methoden testeten, waren die Ergebnisse eindeutig. Das hybride Modell erreichte eine Erkennungsgenauigkeit von 97,8 Prozent, was höher ist als bei den bisherigen besten Modellen, die ausschließlich auf älterer Technologie basierten. Eine der signifikantesten Verbesserungen lag im Auffinden kleiner Blockaden. Das neue System identifizierte korrekt 59,2 Prozent dieser winzigen Läsionen, was einen erheblichen Sprung gegenüber den 51,5 Prozent darstellt, die das führende vorherige Modell erreichte. Dies ist wichtig, da kleine Blockaden oft am schwersten zu sehen, aber auch am gefährlichsten sind, wenn sie übersehen werden. Die Forscher stellten zudem fest, dass ihr System bemerkenswert schnell war und Bilder mit einer Rate von 38 Bildern pro Sekunde verarbeitete. Dies ist mehr als dreimal schneller als das bisherige Top-Modell, das lediglich 11 Bilder pro Sekunde bewältigte.

Die Studie legt nahe, dass dieser neue Ansatz die Lücke zwischen hoher Genauigkeit und der für den klinischen Einsatz erforderlichen Geschwindigkeit erfolgreich schließt. Durch die Kombination der Fähigkeit, feine Details zu sehen, mit der Kraft, den gesamten Bildkontext zu verstehen, reduziert das System die Anzahl der Fehlalarme, die durch Hintergrundrauschen verursacht werden. Die Autoren merken an, dass die Ergebnisse zwar vielversprechend sind, das System jedoch mit Daten aus einer einzigen Quelle getestet wurde und weitere Arbeiten erforderlich sind, um sicherzustellen, dass es bei Bildern aus verschiedenen Krankenhäusern und an verschiedenen Geräten gleichermaßen gut funktioniert. Dennoch deuten die Ergebnisse darauf hin, dass dieses hybride Framework ein robustes und effizientes Werkzeug bietet, das Kardiologen eines Tages dabei unterstützen könnte, während kritischer Herzprozeduren schnellere und zuverlässigere Entscheidungen zu treffen.