时空V-Net用于自动细分和定量右心室在封闭心肌 perfusion SPECT图像上的右心室

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:

• 准确的右心室 (RV) 功能评估使用封闭心肌 perfusion 单光子发射计算断层扫描 (MPS) 取决于精确的RV轮提取.
• 目前用于RV细分的方法可能是劳动密集型,容易变化.

研究的目的:

• 开发和验证一种新型的深度学习模型,用于在封闭的MPS图像中自动细分RV表心和内心轮.
• 整合空间和时间特征以提高细分精度.

主要方法:

• 开发了一个空间-时间V-Net (ST-VNet),结合了用于空间特征提取的V-Net和用于从顺序心脏图像中提取时间特征的卷积长期短期记忆 (ConvLSTM) 单元.
• 该模型在45名受试者的回顾性门禁MPS数据上进行了训练和验证.
• 子相似系数 (DSC) 损失被用于模型优化.

主要成果:

• 在ST-VNet实现了高分段精度,与DSC得分为0.8914的RV上心和0.8157的RV内心.
• 该模型在预测RV射出分数 (RVEF) 中表现出强的性能,平均绝对误差为0.0609,与手动注释相比,Pearson相关系数为0.6985.

结论:

• 拟议的ST-VNet是一个有效和有前途的工具,用于在封闭的MPS中实现自动化RV细分.
• 这种自动化方法具有显著的潜力,可以提高临床环境中VR功能评估的效率和准确性.