Celem projektu jest ocena porównawcza dwóch metod: klasycznej opartej na metodach widzenia komputerowego i bazującej na głębokich sieciach neuronowej.

Działanie metody sprowadza się do wyznaczenia na obrazie graficznym z angiografii naczyń wieńcowych tzw. punktów bifurkacji (i/lub trifurkacji), czyli podziału głównego naczynia na dwa (trzy) mniejsze.

Zadaniem grupy jest implementacja obu metod zawartych np. w [1] i [2] oraz przeprowadzenie porównania czułości i specyficzności metody.

[1] S. Yang et al., Deep learning segmentation of major vessels in X-ray coronary angiography. Scientific Reports. 9 (2019), doi:10.1038/s41598-019-53254-7.

[2] Wu, W., Samant, S., de Zwart, G. et al. 3D reconstruction of
coronary artery bifurcations from coronary angiography and optical
coherence tomography: feasibility, validation, and reproducibility.
Sci Rep 10, 18049 (2020). https://doi.org/10.1038/s41598-020-74264-w