从cine-MRI使用3D-CNN估计左心室和右心室射出分数
Soichiro Inomata1, Takaaki Yoshimura2,3,4,5, Minghui Tang5,6
1Graduate School of Health Sciences, Hokkaido University, Sapporo 060-0812, Japan.
Sensors (Basel, Switzerland)
|July 29, 2023
概括
这项研究引入了3D-CNN,用于从短轴影像MRI图像中估计心脏功能指数,而无需手动追踪. 该模型准确地预测了左心室喷射率,证明了其用于自动心脏分析的潜力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心脏病学 心脏病学
背景情况:
- 心脏功能指数对于诊断心脏疾病至关重要.
- 目前的方法依赖于短轴电影MRI的手动追踪,这耗时且依赖于操作人员.
- 三维卷积神经网络 (3D-CNNs) 通过结合时间信息,为自动分析提供了潜力.
研究的目的:
- 开发和验证一个3D-CNN模型,用于从短轴影像MRI图像直接估计心脏功能指数.
- 评估模型在预测左室和右室排气分数方面的准确性.
- 为了确定模型是否捕捉到特定的心脏运动特征.
主要方法:
- 使用了100名患者的短轴影像MRI图像数据集.
- 在80%的数据上训练了一个3D-ResNet50回归模型,并在20%的数据上进行了测试.
- 使用五倍交叉验证评估准确性,计算相关系数,平均绝对误差 (MAE) 和根平均平方误差 (RMSE).
主要成果:
- 该模型为左心室喷射分数 (LVEF) 实现了0.80的平均相关系数,MAE为9.41和RMSE为12.26.
- 对于右心室喷射分数 (RVEF),平均相关系数为0.56,MAE为11.35和RMSE为14.95.
- LVEF估计的准确性明显高于RVEF,表明该模型捕捉了左心室缩功能特征.
结论:
- 3D-CNN回归建模准确地估计了短轴影像MRI的心脏功能指数,而不需要手动追踪.
- 该模型在预测左心室喷射率方面表现出优异的性能,与右心室喷射率相比.
- 这种方法有望在临床实践中实现高效和自动化的心脏功能评估.
更多相关视频
08:10Estimating Bilateral Atrial Function by Cardiovascular Magnetic Resonance Feature Tracking in Patients with Paroxysmal Atrial Fibrillation
Published on: July 20, 2022
1.7K
07:11Morphological and Functional Assessment of the Right Ventricle Using 3D Echocardiography
Published on: October 28, 2020
2.9K
