光学流量引导电影MRI细分与学习校正

科学领域:

• 医疗成像医学成像
• 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:

• 心脏影像核磁共振是诊断心脏病的关键,需要分析心脏结构的时间变化.
• 对心室和心房等感兴趣区域 (ROI) 的准确细分对于临床评估至关重要.
• 手动细分是耗时的,容易引起观察者之间的变化.

研究的目的:

• 开发一种自动化方法,在心脏影像核磁共振 (MRI) 中在整个心脏周期中传播细分感兴趣的区域 (ROI).
• 为了提高临床诊断的心脏结构细分的准确性和效率.
• 为了能够精确跟踪心脏运动和体积变化.

主要方法:

• 一种新的方法,将3D TV-L1光流用于运动估计与3D U-Net卷积神经网络 (CNN) 结合起来,用于细分精细化.
• 双向光流被用来传播专家注释的面具从末缩和末腹缩阶段.
• 一个自定义的损失函数,包括一个惩罚术语,用于改进细分口罩并确保一致性.

主要成果:

• 提出的方法成功地自动化了ROI在心脏循环中的传播.
• 在专用和公共数据集上的基准测试表明了最先进的性能.
• 新的损失函数方便了单个患者的微调,提高了细分精度.

结论:

• 开发的自动化细分方法为心脏MRI分析提供了重大进步.
• 这种技术提供了心脏结构的准确和高效跟踪,有助于临床诊断.
• 这种方法有望改善对心脏功能的定量评估.