在动态对比增强MRI上的左心室心肌的基于深度学习的细分:跨时间框架的全面评估

科学领域:

• 心血管成像 - 心血管成像
• 医疗成像中的人工智能
• 心脏MRI分析分析

背景情况:

• 心脏输液MRI对于诊断和管理缺血性心脏疾病至关重要.
• 精确细分左心室 (LV) 心肌是必不可少的,但由于复杂的数据,具有挑战性.
• 人工智能为跨动态对比增强MRI (DCE-MRI) 时间框架的高效和精确的LV心肌细分提供了解决方案.

研究的目的:

• 在DCE-MRI数据上开发和评估用于LV心肌细分的自动化AI辅助方法.
• 为应对针对临床应用的多维DCE-MRI数据细分的挑战.
• 评估拟议的自动化细分技术的稳定性和准确性.

主要方法:

• 使用1.5T扫描仪对55名受试者的DCE-MRI数据进行了回顾性分析.
• 使用标准偏差识别参考框架 (对比后的LV心肌)
• 应用代图像注册 (马克斯韦尔的恶魔算法) 和U-Net框架进行细分.

主要成果:

• 精心调整的U-Net模型 (Net_dyn) 在所有时间范围内实现了0.78 ± 0.03的平均子相似系数 (DSC) 对于LV心肌细分.
• 对于Net_dyn的个人DSC值在0.71到0.93.9之间.
• 参考框架的平均DSC为0.82±0.06.

结论:

• 在DCE-MRI上开发了一种快速,完全自动化的AI方法,用于DCE-MRI上的LV心肌细分.
• 该方法证明了其稳定性和独立于时间内序列记录准确度.
• 人工智能方法可以有效地处理具有潜在注册错误的时间框架,提高临床效用.