Usformer:一个用于3D LGE MRI左心脏细分的小型网络

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:

• 左心房纤维化 (LA) 是心房的进展的一个关键因素.
• 3D晚期加多增强 (LGE) 核磁共振是有效的识别LA纤维化.
• 手动对3D LA LGE MRI进行细分是耗时且困难的,而自动化方法面临数据变化和复杂解剖学的挑战.

研究的目的:

• 开发一种计算效率高,准确的自动化方法,用3D LGE MRI对左心房纤维化进行细分.
• 为了解决现有的两阶段细分方法的局限性,并提高细分的准确性和速度.

主要方法:

• 基于轻型变压器的新型3D架构Usformer被提议用于单阶段LA细分.
• 该Usformer利用转移的注意力,以大3D卷高效地捕捉全球背景.
• 该模型的性能在2018年心房细分挑战数据集和当地机构数据集上进行了评估.

主要成果:

• Usformer在挑战和本地数据集上分别获得了93.1%和92.0%的Dice分数,实现了高准确度.
• 与最先进的方法相比,该模型显著降低了计算复杂性 (3.8x) 和参数 (2.8x).
• 即使训练数据有限,Usformer也表现出强的表现 (92.1%的子得分与16次扫描).

结论:

• Usformer提供精确高效的自动细分LA纤维化从3D LGE MRI.
• 由于Usformer的轻量级和数据效率高,这有助于其用于心房动导管切除计划的临床翻译.