通过使用自动深度学习的四维流动心血管磁共振来评估扩张功能,使用E/A比率分析进行自动深度学习
Federica Viola1, Mariana Bustamante2, Ann Bolger3
1Division of Diagnostics and Specialist Medicine, Department of Health, Medicine and Caring Sciences, Linköping University, Linköping, Sweden; Center for Medical Image Science and Visualization (CMIV), Linköping University, Linköping, Sweden.
概括
这项研究比较了自动和半自动的4D Flow CMR方法来评估在透缩功能障碍中E/A比率. 基于深度学习的自动化方法与心声回声学有着强烈的关联,并获得了最快的结果.
科学领域:
- 心血管成像 - 心血管成像
- 医疗技术 医疗技术 医学技术
- 扩张功能评估 扩张功能评估
背景情况:
- 扩张性左心室 (LV) 功能障碍显著影响心力衰竭症状和预后.
- 由传导流速推导的E/A比率对于分级透缩功能障碍至关重要,特别是在减少LV缩功能的患者中.
- 多普勒回声心电图是对扩张功能评估的标准,但心血管磁共振 (CMR) 较不成熟.
研究的目的:
- 为了比较自动和半自动的4D流CMR技术来评估E/A比率与传统心声回声相比.
- 评估基于深度学习的自动化方法与半自动化方法对4D Flow CMR E/A比率计算的性能.
- 确定在患有心血管疾病的患者中使用4D流式CMR进行透静功能评估的可行性.
主要方法:
- 97名患有慢性缺血性心脏病的受试者接受了心声回声和CMR.
- 使用了三种4D流CMR方法:两种半自动 (MVvel, MVflow) 测量中枢平面的流入量,一种完全自动 (LVvel) 使用深度学习进行中枢细分.
- 使用所有三种4D Flow方法计算了E/A比率,并与心声谱衍生的E/A比率进行了比较.
主要成果:
- 所有三种4D流式CMR方法 (MVvel,MVflow,LVvel) 都显示出与心声谱衍生的E/A比率 (R2 = 0.60,0.58,0.72) 有很强的关联.
- 自动化LVvel方法显示了最强的相关性 (R2 = 0.72) 和最快的运行时间 (∼40秒).
- 半自动化方法 (MVvel,MVflow) 与LVvel方法有很强的关联,表明它们作为替代品的实用性.
结论:
- 通过4D Flow CMR评估的E/A比率,特别是自动化深度学习方法,与多普勒心声学有很强的相关性.
- 这些4D流式CMR方法可以扩大CMR在评估心血管疾病患者的舒张功能障碍时的实用性.
- 虽然绝对速度可能被低估,但来自4D流CMR的E/A比率是可靠的,自动化方法提供了最佳性能.
更多相关视频
11:13Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging
Published on: May 24, 2021
6.3K
11:16In vitro Assessment of Aortic Regurgitation Using Four-Dimensional Flow Magnetic Resonance Imaging
Published on: February 25, 2022
3.3K
