Automated prediction of major adverse cardiovascular events

Prédiction automatique des épisodes cardio-vasculaires adverses majeurs

Mario Viti (1)

1 CVN - Centre de vision numérique

This research project is expected to be financed by a CIFRE scholarship in collaboration between GE Healthcare and CentraleSupelec. We are seeking to predict Major Adverse Cardiovascular Events (MACE). These are typically embolism and aneurisms in the aorta and the coronary arteries, that give rise respectively to interrupted blood flow to the heart and so a risk of infarctus, or major hemorrhage. Both are life-threatening. When a patient is brought to hospital for an alert (angina, etc), they will undergo an X-ray CAT scan, which can be more or less invasive. A major objective of this research is to utilize as well as possible the available information in the form of 3D images together with patient history and other data, in order to avoid needless, invasive, irradiating or dangerous exams, while simultaneously guaranteeing optimal care and the best possible clinical outcome. The proposed methodologies include image analysis, image processing, computer vision and medical imaging procedures and methods, that will be developed in partnership between GE Healthcare and the CVN lab of CENTRALE SUPELEC.

Dans ce projet de recherche financé en contrat CIFRE avec GE Healthcare, on cherche a prédire les épisodes cardio-vasculaire adverses majeurs (ECAM), c’est à dire typiquement les embolies et les anévrismes dans l’aorte et les artères coronaires, qui donnent lieu a une respectivement à une interruption catastrophique du flux sanguin vers le coeur et donc un infarctus, ou à une hémorragie interne. Les deux types d’épisodes sont extrêmement graves. Lorsqu’un patient est hospitalisé pour une alerte reliée à ces épisodes, il va subir un examen scanner X, injecté ou non, plus ou moins invasif. Un objectif majeur de cette recherche est d’utiliser au mieux l’information obtenue sous forme d’images 3D ainsi que l’historique du patient pour éviter de soumettre le patient à des examens inutiles, invasifs ou dangereux, tout en garantissant le meilleur résultat clinique. Les méthodologies proposées reposeront sur des techniques d’analyse et traitement d’image, de vision par ordinateur et d’imagerie médicale qui seront développée en partenariat entre GE Healthcare et le laboratoire Centre de Vision Numérique (CVN) de CentraleSupélec.

Mots clés: Medical imaging; Computer-Aided diagnosis; Computer-Aided Tomography; Vascular networks; Computer Vision; Machine learning

Mots clés: Aide à la décision; Tomodensitométrie; Réseaux vasculaires; Vision par ordinateur; Imagerie médicale; Apprentissage automatique

Domaines: Intelligence artificielle [cs.AI]; Vision par ordinateur et reconnaissance de formes [cs.CV]; Imagerie médicale; Cardiologie et système cardiovasculaire

Mario Viti. Automated prediction of major adverse cardiovascular events. Artificial Intelligence [cs.AI]. Université Paris-Saclay, 2022. English. ⟨NNT : 2022UPASG084⟩. ⟨tel-04021981⟩