深度学习合成菌株:在MRI上对区域性心肌壁运动的定量评估
Evan M Masutani1, Rahul S Chandrupatla1, Shuo Wang1
1From the Departments of Bioengineering (E.M.M.) and Radiology (R.S.C., L.D.H., M.H., K.J., S.K., A.H.), University of California, San Diego, 9300 Campus Point Dr, MC 0841, La Jolla, CA 92037-0841; Department of Medicine, University of Virginia, Charlottesville, Va (S.W., A.P.); and Meyer Children's Hospital IRCCS, Cardiac Imaging Unit, Pediatric Cardiology, University of Florence, Florence, Italy (C.Z., F.R.).
一个新的深度学习算法,深度学习合成菌株 (DLSS),可以从心脏MRI扫描中准确检测心脏壁运动异常. DLSS在鉴定缺血性心脏病患者的问题方面,表现与专家放射科医生相美.
科学领域:
- 心血管成像 - 心血管成像
- 人工智能在医学中的应用
- 医学诊断 医学诊断 医学诊断
背景情况:
- 评估心肌速度和检测壁运动异常对于诊断缺血性心脏病至关重要.
- 传统的方法可能是耗时和主观的.
- 人工智能的进步为心脏成像的自动化分析提供了潜力.
研究的目的:
- 评估一种新的深度学习合成菌株 (DLSS) 算法的可行性.
- 通过磁共振成像 (MRI) 数据从 cine 稳态自由前行 (SSFP) 推断心肌速度.
- 在患有缺血性心脏病的患者中检测墙壁运动异常.
主要方法:
- 使用223个心脏MRI检查与cine SSFP和四维流速数据开发了DLSS.
- 在40个健康个体中确定的正常菌株范围.
- 在患有冠状动脉疾病的患者中,评估DLSS性能与共识放射科医生的解释.
主要成果:
- 为了检测异常,DLSS实现了0.90的接收器操作特征曲线下的面积.
- 该算法显示灵敏度为86%,特异性为85%,准确度为86%,使用30%的峰值辐射应变值.
- 放射科医生之间对墙壁运动异常的读者间一致性在科恩 κ 0.60-0.78.8 之间.
结论:
- DLSS算法显示了与子专业放射科医生相似的性能.
- DLSS可以有效地推断心肌速度,并从电影SSFP图像中识别墙壁运动异常.
- 这种深度学习方法对评估缺血性心脏病充满希望.
更多相关视频
11:13Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging
Published on: May 24, 2021
11:50High-frequency High-resolution Echocardiography: First Evidence on Non-invasive Repeated Measure of Myocardial Strain, Contractility, and Mitral Regurgitation in the Ischemia-reperfused Murine Heart
Published on: July 9, 2010
