冠脉造影文献总结
1. 原始灰度造影序列预处理
- Zhang et al., Locating X-Ray Coronary Angiogram Keyframes via Long Short-Term Spatiotemporal Attention With Image-to-Patch Contrastive Learning. IEEE Transactions on Medical Imaging, 43(1):51–63, 2024。
期刊：IEEE TMI；2025 JIF：12.4。
- 直接识别造影剂运动的 start/apex/end 关键帧，适合支撑“稳定显影窗口检测”。
- 报告 mAP 72.45%、F-score 0.8296。
- 不负责刚体漂移校正、导管去除或亮度归一。
- Chen et al., Cardio-respiratory motion compensation for coronary roadmapping in fluoroscopic imaging. Medical Physics, 51(9):6103–6119, 2024。
期刊：Medical Physics；2025 JIF：3.2。
- 采用心动状态同步、形状约束导管提取、级联匹配和异常值剔除估计运动。
- 导管提取 F1 为 92.8%，动态路图误差为 5.6 px。
- 导管在该文中是运动代理，并非从原始造影图像中直接擦除；也没有处理整体亮度波动。
判定：两篇组合可支撑“显影窗检测＋导管/运动建模”，但不能证明四项预处理已经由一个统一算法全部实现。
2. 时序冠脉分割
- He et al., Deep learning based coronary vessels segmentation in X-ray angiography using temporal information. Medical Image Analysis, 102:103496, 2025。
期刊：Medical Image Analysis；2025 JIF：14.0。
- TVS-Net 使用稠密连接的 3D 编码器—2D 解码器融合多帧信息，并以 elastic-interaction loss 保持血管连通性。
- 测试集 Dice 83.4%，外部数据 Dice 78.5%。
- 最适合作为“多帧时序信息＋连通性约束”的高水平依据。
- 未直接输出分叉点或经过校准的置信度。
- Tang et al., Temporally consistent segmentation of main coronary artery in X-ray coronary angiography sequences. Expert Systems with Applications, 271:126591, 2025。
期刊：Expert Systems with Applications；2025 JIF：9.4。
- LME-SSM 分别处理跨帧定位、语义和拓扑三类不一致。
- 使用多尺度状态空间、历史噪声过滤项和拓扑保持损失；验证规模为 1,026 段序列、283 名受试者。
- 与您的“时间一致性＋拓扑约束”表述最直接匹配。
- 主要处理主冠脉，不是完整冠脉树；同样没有分叉点和校准置信度输出。
补充说明：2026 年的 DOSTA-Net 更新、期刊层级也高，但重点是合成—真实域混合和时间注意力血管提取，没有显式拓扑保持，因此未取代上述两篇主选。
3. 造影剂—解剖运动解耦
- Sun et al., Coarse-to-fine registration and time-intensity curves constraint for liver DCE-MRI synthesis. Computerized Medical Imaging and Graphics, 111:102319, 2024。
期刊：CMIG；2025 JIF：5.5。
- 显式把图像分解为 anatomy/content 与 contrast/style，先生成去增强图像，再估计 DVF。
- 使用时间—强度曲线平滑约束保护血管等小结构。
- 是目前与“避免把造影强度变化误判为解剖运动”机制最匹配的期刊论文。
- 关键限制：模态是肝脏 DCE-MRI，不是二维 X-ray 冠脉造影。
- Schueler et al., Deep learning motion correction of quantitative stress perfusion cardiovascular magnetic resonance. Journal of Cardiovascular Magnetic Resonance, 2026。
期刊：JCMR；2025 JIF：5.0。
- 最新的心血管动态造影序列运动校正证据；利用 PCA/RPCA 削弱动态造影变化的影响，再估计仿射及非刚性运动。
- 多厂商 201 例数据，38 例独立测试，处理速度约提高 15 倍。
- 仍属于灌注 CMR，而非冠脉 XCA；组织增强与冠脉腔内造影传播的物理机制不同。
关键判定：截至检索日期，没有发现 2023–2026 年期刊论文在原始二维冠脉 XCA 上同时完成： [ \text{造影传播—解剖运动显式解耦} +\text{真实解剖运动 EPE 验证}. ]因此这两篇只能作为理论和方法迁移依据，不能作为 H1 已被证明的直接证据。最接近的 X-ray 工作 AngioMoCo 是 MICCAI 2023 会议论文，没有期刊 JIF。
4. 非同步心动相位估计
- Song et al., Deep motion tracking from multiview angiographic image sequences for synchronization of cardiac phases. Physics in Medicine & Biology, 64(2):025018, 2019。
期刊：Physics in Medicine & Biology；2025 JIF：3.1。
- 跟踪关键点和网格运动，以简谐模型分离心动与呼吸/患者运动，再通过带通滤波恢复相位。
- 使用分段线性变换同步不同造影角度。
- 相对 ECG 的平均峰值时间差为 0.027 s，同患者序列相位相关性超过 89%。
- 是对“轨迹＋周期信号＋非同步多视角匹配”最直接的期刊依据，但样本仅 13 例。
- Ciusdel et al., Deep neural networks for ECG-free cardiac phase and end-diastolic frame detection on coronary angiographies. Computerized Medical Imaging and Graphics, 84:101749, 2020。
期刊：CMIG；2025 JIF：5.5。
- 推理阶段完全基于冠脉造影图像，不需要 ECG。
- 数据覆盖 13,081 名患者；相位识别准确率 98.8%，舒张末帧精确率 98.4%。
- 主要输出收缩/舒张分类和舒张末帧，不是连续标准化相位，也没有直接完成跨视角配对。
严格交叉主题近年确实缺少新期刊论文。最新方法学参照是 Wu et al. 的 Cardiac Phase Estimation Using Deep Learning Analysis of Pulsed-Mode Projections，IEEE TMI, 2025，JIF 12.4；它包含连续 RR 相位、预测不确定性和 Viterbi 周期约束，但模态是心脏 CT 投影，不能替代冠脉 XCA 直接证据。
总体上，第 1、2 点已有较强同模态依据；第 3 点是真正的方法空缺，必须依靠数字/实体体模和解剖真值 EPE 自证；第 4 点有高度适配但年代较早的直接证据，论文应把创新定位在“连续相位、不确定性和现代跨视角联合优化”，而不是笼统声称首次进行心动同步。影响因子仅代表期刊层级，不等于单篇论文的证据强度。