3D电影心血管磁共振成像的自动细分 3D电影心血管磁共振成像的自动细分
Soroosh Tayebi Arasteh1,2,3, Jennifer Romanowicz1,4, Danielle F Pace5,6
1Department of Cardiology, Boston Children's Hospital, and Department of Pediatrics, Harvard Medical School, Boston, MA, United States.
Frontiers in cardiovascular medicine
|October 31, 2023
概括
一种新的半监督深度学习方法改善了先天性心脏病 (CHD) 患者的3D心血管磁共振 (CMR) 图像细分. 这种先进的技术提高了确定心脏结构和计算体积的准确性,简化了临床工作流程.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 心血管研究研究心血管研究
背景情况:
- 增加患有先天性心脏病 (CHD) 的儿童的预期寿命,需要改善临床工作流程.
- 目前的心血管磁共振 (CMR) 检查依赖于二维影像采集,其在同位素划分方面存在局限性.
- 对于日益增长的成人慢性病患者群体,需要有效和标准化的CMR分析方法.
研究的目的:
- 为CMR开发一种同位体3D电影采集和自动细分方法.
- 为心脏病患者建立一个更直接,更有效的CMR工作流.
- 提高心脏结构划分和心脏病体积量化的准确性和效率.
主要方法:
- 99名心脏病患者接受了非角化的3D电影CMR.
- 开发了监督和半监督的深度学习方法,用于全心细分.
- 细分精度与使用Dice分数和体积测量的手动细分进行了比较.
主要成果:
- 半监督方法比监督方法 (77.98%) 实现了更好的重叠协议 (迪斯得分83.23%).
- 通过半监督方法观察到心房和心室体积测量的较低平均差异误差 (偏差 ≤ 5.2 毫升).
- 半监督方法在细分心脏结构和量化体积方面表现出卓越的表现.
结论:
- 拟议的半监督方法准确地细分心脏结构,并在具有解剖学变异性的心脏病患者中量化体积.
- 这种方法减少了观察者之间的和观察者内部的变异性,从而导致更标准化和更有效的CMR检查.
- 开发的方法具有显著的潜力,可以改善成人心血管疾病患者的临床管理.
