通过使用数据驱动的原生对比映射使用原生T1心脏MRI实现慢性心肌梗塞的可靠视觉检测
Khalid Youssef1, Xinheng Zhang1, Ghazal Yoosefian1
1From the Krannert Cardiovascular Research Center, Indiana University School of Medicine, IU Health Cardiovascular Institute, 1700 N Capitol Ave, E316, Indianapolis, IN 46202-1228 (K.Y., X.Z., G.Y., S.F.C., K.V., B.S., R.D.); University of California Los Angeles, Los Angeles, Calif (X.Z.); Zhongshan Hospital, Fudan University, Shanghai, China (Y.C.); Cedars-Sinai Medical Center, Los Angeles, Calif (H.J.Y.); Libin Cardiovascular Institute of Alberta, University of Calgary, Alberta, Canada (A.H.); and Northern Ontario School of Medicine University, Sudbury, Canada (A.K.).
使用机器学习的新型数据驱动原生映射 (DNM) 方法显著提高了心脏MRI对比度,用于可视化慢性心肌梗塞. 与标准T1地图相比,这种方法可以提高心脏病发作的检测.
科学领域:
- 心血管成像 - 心血管成像
- 机器学习在医学中的应用
- 放射学 放射学是一门学科.
背景情况:
- 慢性心肌梗塞的评估依赖于心脏MRI,通常使用T1映射.
- 标准的T1映射算法可能无法完全优化心脏梗塞和心肌组织之间的对比.
- 心脏病发作中的组织学异质性对准确的成像提出了挑战.
研究的目的:
- 评估一个数据驱动的本地映射 (DNM) 方法,使用机器学习来优化心脏病发作到心肌远程对比.
- 替代通用的拟合算法以像素智能,数据驱动的方法为本地T1地图.
- 改进可视化慢性再流动性心脏病发作在狗模型.
主要方法:
- 使用慢性心肌梗塞的狗模型 (n=24).
- 使用无监督集群 (自组织地图,t-SNE) 来获得原生T1加权的像素模式.
- 训练有素的深度神经网络将本地T1加权模式映射到DNM的晚期加多增强 (LGE) 图像中.
主要成果:
- 在心脏病发作和偏远地区之间观察到明显的像素强度模式.
- 与标准原生T1地图 (5.64 ± 1.58;P < .001) 相比,DNM显示了显著更高的对比度与噪声比率 (15.01 ± 2.88).
- 对于心脏病发作的鉴定,DNM与LGE的相关性比原生T1图 (R2 = 0.71) 更强 (R2 = 0.85).
结论:
- 原生T1加权像素包含可提取的信息,以增强心脏病发作可视化.
- 拟议的DNM方法有效地最大化了心脏病和偏远地区之间的图像对比度.
- 在心脏MRI中,DNM提供了一种有前途的非对比方法,用于改善慢性心脏梗塞的特征.
更多相关视频
06:29Cardiac Magnetic Resonance for the Evaluation of Suspected Cardiac Thrombus: Conventional and Emerging Techniques
Published on: June 11, 2019
08:13In Vivo Quantitative Assessment of Myocardial Structure, Function, Perfusion and Viability Using Cardiac Micro-computed Tomography
Published on: February 16, 2016
