从MRI用完全卷积网络对左心室进行自动细分,以研究乳腺癌患者的CTRCD

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
• 在瘤学瘤学.

背景情况:

• 与癌症治疗有关的心脏功能障碍 (CTRCD) 是乳腺癌患者的一个重大问题.
• 精确评估左心室 (LV) 功能对于监测和管理CTRCD至关重要.
• 目前用于LV量化和菌株分析的方法可能耗时且取决于操作人员.

研究的目的:

• 开发和验证一个完全卷积网络 (FCN) 用于LV心肌的自动细分,使用带有刺激回声的位移编码.MRI.
• 为了使精确的LV腔量化和心肌应变分析能够用于乳腺癌患者的CTRCD风险评估.

主要方法:

• 一个配备ResNet-101骨干的DeepLabV3+ FCN被设计用于自动化LV细分.
• 该FCN在45名女性乳腺癌患者数据集上进行了培训和验证.
• 对细分的准确性进行了评估,使用诸如子得分和豪斯多夫距离之类的指标与基本真相对比.
• 相当性测试比较了FCN衍生的LV喷射分数 (LVEF) 和应变参数与供应商工具.

主要成果:

• 该FCN在验证和测试套件上实现了高精度的心肌分类与基准真相相对比.
• 相当性测试表明,基于FCN的LVEF和纵向应变测量与供应商工具可比.
• 置信区间和p值证实了FCN与主要心脏参数的供应商工具之间的等价性.

结论:

• 开发的FCN工具提供了准确和自动的LV心肌细分.
• 该方法允许可靠的LV室量化和应变分析用于CTRCD调查.
• 这种自动化方法为接受治疗的乳腺癌患者的心脏健康监测提供了有希望的解决方案.