A Unified Model for Highly Accurate ECG-Free Dynamic Coronary Roadmapping Using Spatio-Temporal Transformers

技术摘要：一种用于高精度无 ECG 动态冠脉路图生成的时空 Transformer 统一模型

问题陈述

经皮冠状动脉介入治疗（PCI）依赖于重复注射碘造影剂以可视化冠状动脉并引导介入器械。这种做法增加了辐射暴露的风险，并增加了对比剂诱导的肾病风险，尤其是在肾功能受损的患者中。动态冠脉路图（DRM）提供了一种解决方案，通过将预计算的血管造影图谱叠加在实时透视图像上，从而减少了重复注射造影剂的需求。

然而，准确的 DRM 需要在血管造影序列与实时透视之间进行精确的心脏相位匹配，以及可靠的导管尖端追踪以进行运动补偿。现有方法面临显著的局限性：

• 对 ECG 的依赖： 许多方法依赖 ECG 信号进行相位对齐，但在临床环境中，这些信号并不总是可用或可靠。
• 标注负担： 基于图像的深度学习方法通常需要大量的密集人工标注（例如导管掩码）来学习运动线索，这既费时又昂贵。
• 模块化复杂性： 先前的研究通常使用独立的模型分别处理相位匹配和导管追踪，这增加了计算复杂度并阻碍了实时性能。
• 领域失配： 在自然图像上预训练的模型往往无法捕捉到 X 射线成像中特有的细微帧间动力学特征。

方法论

作者提出了一个统一的 DRM 框架，该框架可以在推理过程中无需 ECG 信号的情况下，同时执行心脏相位匹配和导管尖端追踪。该方法分为三个主要阶段：

1. 时空预训练：

   • 一个大规模时空 Transformer 编码器在来自未标记血管造影和透视数据集的 1600 万帧图像上进行预训练。
   • 这种预训练使模型能够学习精细的心脏运动动力学和针对医学领域的鲁棒特征表示，解决了模型在自然图像上预训练所带来的局限性。

2. 统一训练流水线：

   • 架构： 模型利用共享的时空编码器从血管造影和透视序列中提取特征。这些特征通过轻量级 CNN 生成帧级嵌入，随后与可学习的位置编码结合，并传递至多头自注意力（MHA）层。
   • 辅助任务： 为了稳定训练并消除对大量导管掩码标注的需求，模型采用了两个辅助任务：
     • ECG R 波检测： 一个预测 R 波的二分类任务，为心脏相位提供稀疏但强力的时域线索。
     • 导管尖端追踪： 一个热图回归任务。由于完整标注稀缺，作者使用预训练的 HiFT（历史特征引导追踪器）模型为未标注帧生成伪标签。
   • 损失函数： 总损失是 R 波检测损失（自适应加权二元交叉熵）、心脏相位匹配损失（三元组损失）和导管尖端追踪损失（Dice 损失）的加权和。

3. 推理策略：

   • 离线阶段： 对照检测模型识别血管造影序列中的一个心动周期。使用一个 10 帧的时间窗口来预计算并存储血管造影嵌入和血管路图。
   • 在线阶段： 实时处理一个 10 帧的透视滑动窗口。模型计算当前实时帧的嵌入，并使用余弦相似度将其与所有存储的血管造影嵌入进行匹配。
   • 多数投票： 为了增强鲁棒性，采用多数投票后处理策略来聚合来自时间窗口的预测。该策略生成一个置信度分数，该分数与投票频率相关，并与相位匹配误差相关联。

核心贡献

• 首个用于 DRM 的时空预训练： 本研究引入了首次使用在 1600 万帧医学帧上进行时空编码器预训练的方法，用于 DRM 中的心脏运动补偿，实现了比现有方法更优越的相位匹配性能。
• 标注高效的统一框架： 通过将 ECG R 波检测和导管尖端追踪（使用伪标签）作为辅助任务集成，该模型在无需大量人工导管掩码标注的情况下实现了稳定的收敛。
• 实时统一架构： 该设计在单个模型中共同执行相位匹配和导管追踪，与顺序的两阶段方法相比，显著降低了推理延迟。
• 置信度感知后处理： 多数投票策略不仅提高了鲁棒性，还提供了一个与相位匹配误差成反比的置信度分数，为临床环境中的不确定性估计提供了实用的机制。

结果

在临床 X 射线数据集上的全面评估表明：

• 相位匹配精度： 所提方法达到了最先进的性能，平均距离误差为 56.31 ms（心动周期的 4.38%），标准差为 0.66 帧。其表现优于使用 ImageNet 预训练的 CNN、DINOv2 以及之前的三元组损失方法（AIT）。
• 鲁棒性： 该模型在约 82% 的测试案例中保持距离误差低于一帧。置信度分数能有效预测误差大小；高置信度分数（>0.8）的预测结果表现出接近零的中值误差。
• 导管追踪： 在自动初始化下，统一模型实现的平均追踪误差为 1.58 mm，尽管统一模型依赖于伪标签，但在统计学上与需要手动初始化的 HiFT 基准（1.45 mm）相当。
• 效率： 统一的单阶段公式显著提高了吞吐量，对于 CNN 后端，运行速度可达 84 fps，而顺序两阶段流水线的速度约为 20 fps。

意义与主张

论文声称，这项工作代表了迈向实用、实时且全自动动态冠脉路图的重要一步。通过利用大规模时空预训练和精心设计的辅助任务，该框架成功降低了对大量标注数据和外部 ECG 信号的依赖。

作者强调，其方法：

1. 泛化能力更强： 与在自然图像上预训练的模型相比，该方法在不同的成像条件和心脏运动模式下具有更好的泛化性能。
2. 支持临床部署： 通过提供允许操作员评估系统输出可靠性的置信度分数，实现了临床部署。
3. 平衡了精度与效率： 提供了一个既具有计算效率又高度准确的统一解决方案，使其适用于实时介入流程。

论文结论较为谦逊，承认虽然平均误差较低，但在挑战性案例（如极端视角或部分血管裁剪）中仍存在异常值。未来的工作可能需要额外的鲁棒性策略，例如更多的辅助任务（如导丝检测）或更先进的多任务优化，以弥补实现完全可靠临床部署之间的剩余差距。