完全自动的初始化和对左心室和右心室的细分,用于大规模的心脏MRI,使用深度监督的网络和3D-ASM
Huaifei Hu1, Ning Pan1, Alejandro F Frangi2
1College of Biomedical Engineering, South-Central Minzu University, Wuhan 430074, China; Hubei Key Laboratory of Medical Information Analysis and Tumor Diagnosis & Treatment, Wuhan 430074, China; Key Laboratory of Cognitive Science, State Ethnic Affairs Commission, Wuhan 430074, China.
Computer methods and programs in biomedicine
|June 26, 2023
概括
自动心脏MRI分析使用混合深度学习和3D-ASM方法准确地细分左心室和右心室. 这种强大的方法可以从大量人群成像数据集进行定量心脏功能评估.
科学领域:
- 心血管成像 - 心血管成像
- 医学图像分析 医学图像分析
- 人工智能在医学中的应用
背景情况:
- 人口成像研究产生了大量的数据,压倒了客观心脏表型提取的当前能力.
- 手动心脏MRI分析是耗时和主观的,需要用于定量生物标志物计算的自动化解决方案.
- 现有的自动化方法在细分心脏轮时难以实现数据的可变性和稳定性.
研究的目的:
- 从电影磁共振成像 (MRI) 数据开发自动化分析管道,以精确量化心脏功能.
- 为了提高大规模心脏MRI数据集中左心室和右心室细分的准确性和稳定性.
- 从人口成像研究中对心脏表型进行客观和定量评估.
主要方法:
- 一种混合算法,结合了深度学习和3D-ASM (三维主动形状模型) 进行强大的心室细分.
- 一种完全自动的方法,利用时空约束进行心脏MRI细分初始化.
- 一个深度监督的网络,用于增强心脏细分和改进3D-ASM搜索,使用CNN衍生的距离地图.
主要成果:
- 拟议的混合细分方法在英国生物库心脏MRI数据上的最新方法中表现出色.
- 精确定位RV标志 (如三门,RV顶部) 的位置,错误率很低.
- 布兰德-阿尔特曼分析证实自动化管道结果与专家手动分析心脏功能参数之间的良好一致.
结论:
- 混合深度学习和统计形状建模方案有效地和稳健地从心脏MRI中分割左/右心室.
- 这种自动化方法可以从大量人群成像数据集中计算关键的心脏功能指数.
- 开发的管道解决了在大数据时代客观,定量心脏表型的需求.
