联合深度学习 为了改进心肌痕检测心脏MRI的心脏痕检测
Jiarui Xing1, Shuo Wang2, Kenneth C Bilchick2
1Department of Electrical and Computer Engineering, University of Virginia, USA.
概括
这项研究引入了一种新的联合深度学习框架,用于在心脏MRI中自动检测心肌痕. 该方法通过使用细分信息来减少噪音和人工物来提高准确性,从而提高了患者的风险预测和治疗反应.
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:
- 从晚期加多增强心磁共振图像 (LGE-CMR) 来自动化心肌痕识别受到图像噪音和文物挑战.
- 现有的方法通常将痕检测和心肌细分作为单独的任务来处理,从而限制了性能.
研究的目的:
- 开发一种新的联合深度学习 (JDL) 框架,以在LGE-CMR中改进心肌痕自动检测.
- 利用同时学习的心肌细分来减轻噪音和人工制造物的影响.
主要方法:
- 设计了一个新的JDL框架,其中包含一个传递消息的模块.
- 心肌分段信息直接传递给网络内的痕探测器指导.
- 该框架共同学习细分和痕检测任务,以加强信息利用.
主要成果:
- 在LGE-CMR图像上,JDL框架在自动左心室 (LV) 痕检测方面表现出有效性.
- 实验结果显示,与最先进的方法相比,实验结果表现优越,包括两步和多任务学习方法.
- 在JDL方法的表现优于间接任务交互的方法.
结论:
- 拟议的JDL框架为LGE-CMR自动心肌痕识别提供了重大进展.
- 这种方法有可能改善心脏病患者的风险预测,并改善心脏再同步治疗 (CRT) 的反应预测.
- 联合学习方法有效地利用来自细分的互补信息来有利于痕检测.
