オープンソースの臨床前画像セグメンテーション:深層学習セグメンテーションフレームワークを備えたマウス心臓MRIデータセット

科学分野:

• 心血管画像検査 (CVDI) について
• 医学画像分析 医学画像分析
• 臨床前研究とは,臨床前研究のことです.

背景:

• マウスにおける心筋MRIの手動セグメンテーションは,時間がかかり,変化します.
• 既存のディープラーニングモデルは,臨床前の心臓MRIデータに一般化できません.
• 公的なデータセットとモデルの欠如は,大規模な臨床前試験を妨げています.

研究 の 目的:

• 公に公開された最初の臨床前心臓MRIデータセットを提示する.
• マウス心臓MRIのためのオープンソースのディープラーニングセグメンテーションモデルの開発とリリース.
• 臨床前心臓MRI分析の基準を確立する.

主な方法:

• 9.4Tで多様な表型を持つ130匹のマウスのシナ短軸心筋MRIのデータセットを作成しました.
• 左心室の血液プールと心筋筋の専門家による手動セグメンテーションが含まれています.
• セグメンテーションのためのオープンソースのUNet3+ベースのディープラーニングモデルを開発しました.
• 異なるフィールド強度 (7T,9.4T,11.7T) の内部および外部テストデータセットでモデルを評価しました.

主要な成果:

• ディープラーニングモデルは,シネマスタックあたり ~4.6秒でセグメンテーションを達成し,手動分析よりも6,000倍以上速い.
• 血液プールと筋動脈のダイススコア≥0.91で高セグメンテーション精度.
• 機能的パラメータ (ICC ≥0.89) について優れた一致性があり,ヒトの観察者間の変動性と比較できます.

結論:

• 最初のオープンアクセスマウス心臓MRIデータセットとオープンソースDLモデルが提供されています.
• このリソースは,前臨床心筋MRIのベンチマークを確立しています.
• 心血管研究加速のための再現可能,拡張可能,コミュニティ主導の開発を可能にします.