Rezumat

Patologiile cardiovasculare reprezinta principala cauza de deces la nivel mondial. Cea mai frecventa si devastatoare patologie cardiovasculara este ateroscleroza. Scopul acestui proiect este dezvoltarea, implementarea, testarea si validarea unei metode bazate pe machine learning (ML) pentru determinarea in timp real a unor marimi hemodinamice de interes folosind imagini medicale si masuratori de rutina. Diferite modele ML vor fi dezvoltate si validate pentru a prezice marimi medii pe ciclul cardiac (e.g. presiuni, debite), marimi medii pe regiuni anatomice (e.g. tensiunea intraparietala) si marimi instantanee (e.g. viteza maxima). In cazul metodelor bazate pe ML, relatia dintre datele de intrare, e.g. anatomia unui arbore vascular, si marimile hemodinamice de interes este reprezentata de un model construit prin intermediul unei baze de date de esantioane cu caracteristici si marimi de iesire cunoscute. Se propune o solutie inovativa, bazata pe reconstructia eficienta a modelelor anatomice din imagini medicale, pe extragerea complet automatizata a caracteristicilor din imaginile medicale, modelele anatomice reconstruite si din masuratorile de rutina, precum si pe calculul in timp real al marimilor hemodinamice de interes. Un flux de lucru ML in cascada va fi dezvoltat pentru a calcula diferitele tipuri de marimi hemodinamice iar fluxul de lucru eficient poate fi integrat direct in rutina clinica din laboratorul de cateterizare. Deoarce procesul de antrenare a modelelor ML necesita baza de date mari, antrenarea va utiliza exclusiv date sintetice iar marimile de interes de iesire vor fi calculate cu modele bazate pe dinamica fluidelor. Pentru validarea modelelor ML se vor folosi peste 200 de seturi de date de la pacienti, reprezentand una dintre urmatoarele patologii cardiovasculare: stenoza de artera coronariana, stenoza de artera carotida, coarctatie aortica, anevrism cerebral si anevrism al aortei abdominale.

Obiective

Obiectivul principal al acestui proiect este dezvoltarea si validarea unei metode bazate pe machine learning (ML) pentru determinarea in timp real a unor marimi hemodinamice de interes folosind imagini medicale si masuratori de rutina. S-au definit urmatoarele obiective masurabile: dezvoltarea unei metodologii pentru generarea datelor sintetice reprezentative pentru pacienti cu patologii cardiovasculare, a unei metodologii pentru generarea de modele ML pentru calculul unor marimi medii pe ciclul cardiac, a unei metodologii pentru generarea de modele ML pentru calculul unor marimi medii pe regiuni anatomice, a unei metodologii pentru generarea de modele ML pentru calculul unor marimi instantanee, precum si validarea modelelor.

Rezultate estimate

La finalul proiectului se va obtine o aplicatie software a metodei propuse (o serie de modele ML pentru calculul valorilor unor marimi hemodinamice medii pe ciclul cardiac, a unor marimi hemodinamice medii pe regiuni anatomice si a unor marimi hemodinamice instantanee), care va rula pe un calculator desktop obisnuit si care va fi fost validata pe baza datelor medicale disponibile anterior desfasurarii proiectului.