将多序CMR调整为全自动化的心肌病理学细分.

科学领域:

• 医疗成像医学成像
• 心血管研究研究心血管研究
• 人工智能在医学中的应用

背景情况:

• 心肌病理细分 (MyoPS) 对于心肌梗塞 (MI) 风险分层和治疗至关重要.
• 多序心磁共振 (MS-CMR) 提供了解剖学和病理学信息 (例如痕,).
• 由于运动导致的不对齐的MS-CMR图像对现有的MyoPS方法构成重大挑战.

研究的目的:

• 使用未对齐的MS-CMR图像开发MyoPS的自动框架.
• 为了应对多序心脏成像中的空间错位的挑战.
• 为了提高心肌病理学细分的准确性和效率.

主要方法:

• 一种用于同时进行图像注册和信息融合的综合计算模型.
• 将多序列特征聚合到一个共同的空间中.
• 抽取心肌结构以突出显示病理细分的信息区域.

主要成果:

• 拟议的框架成功地在未对齐的MS-CMR图像上执行自动MyoPS.
• 在私人和公共数据集 (MYOPS2020) 上表现出有前途的表现.
• 同时的注册和融合方法有效地处理空间错位.

结论:

• 开发的框架在没有对齐的MS-CMR数据的情况下为MyoPS提供了强大的解决方案.
• 这一进步有可能提高心脏病发作患者的临床决策能力.
• 该方法为更准确和自动化的心血管图像分析提供了基础.