使用深度学习和不确定性量化方法自动计算心肌 perfusion 储备

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
• 医学图像分析 医学图像分析

背景情况:

• 通过MRI测量的心肌输液储备指数 (MPRI) 对于检测缺血至关重要.
• 当前的MPRI测量技术往往是手动的,耗时的.
• 开发自动化方法对于有效的临床应用至关重要.

研究的目的:

• 使用深度学习和机器学习开发一个全自动的方法来估计MPRI.
• 评估拟议的自动化MPRI测量技术的性能和准确性.
• 为了将自动化方法与手工参考标准进行比较.

主要方法:

• 在DCE-MRI中利用蒙特卡洛脱落U-Net进行心肌细分.
• 采用机器学习进行里程碑定位,将心肌分裂成部分.
• 基于左心室和心肌对比度上升的MPRI计算.
• 与手动调整轮和上坡范围的自动化结果进行了比较.

主要成果:

• 自动方法的分段MPRI测量显示与手动参考方法有很强的相关性 (ICC = 0.75).
• 自动和手动MPRI值之间的平均差异为-0.02.
• 达成一致的95%极限为 (-0.86,0.82),这表明一致性很好.

结论:

• 开发的自动方法利用深度学习细分和机器学习里程碑检测来进行MPRI测量.
• 这种方法可以在DCE perfusion MRI中有效和定量评估心肌缺血.
• 完全自动化的过程消除了对用户交互的需求,提高了临床效用.