自动右心室细分用于基于新型深层地图网络的心脏磁共振图像

科学领域:

• 医学成像分析 医学成像分析
• 心血管成像 - 心血管成像
• 人工智能在医学中的应用

背景情况:

• 心脏病对健康构成重大威胁,需要准确的诊断工具.
• 在心磁共振 (CMR) 图像中右心室 (RV) 细分对于评估心脏功能至关重要,但由于RV的复杂性而具有挑战性.
• 传统的RV细分方法对于复杂的心脏结构通常是无效的.

研究的目的:

• 提出一个新的深度地图网络,整合多地图学习,以提高深度学习网络的效率和细分精度.
• 为了提高电影心脏磁共振图像中右心室细分的准确性.

主要方法:

• 一个密集的多尺度U-net (DMU-net) 被开发出来,用于导出地图和目标图像之间的转换参数.
• 空间转换层根据所获得的参数变形了图像图表图像,随后使用反向传播进行了网络优化.
• 该网络使用两种损失函数进行训练:图像相似性的平均平方误差 (MSE) 和轮重叠精度的子度量 (DM),使用20个图表图像和15个测试数据集.

主要成果:

• 拟议的方法实现了0.871的子度量和4.67毫米的豪斯多夫距离,证明了高细分精度.
• 对心脏体积和喷射率观察到优异的相关系数 (0.926-0.991),在可接受的临床范围内的平均差异较小.
• 与其他方法相比,深度地图网络在对VR的顶部区域进行细分方面表现优异,而其他方法在这些区域方面遇到了困难.

结论:

• 拟议的深度地图网络显著提高了RV细分的准确性和一致性,与以前的方法相比.
• 该方法显示出高度相关性和一致性,表明其在心脏诊断中实际临床应用的潜力.