易PISA:自动集成的PISA测量从二维颜色多普勒使用深度学习的腹反

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
• 心声回声扫描 (Echocardiography) 是一种心声回声扫描.

背景情况:

• 邻近等速度表面积 (PISA) 方法是额头吐 (MR) 量化的标准.
• 皮萨具有局限性,包括高的观察者间变异性和与非半球流或非全晶体MR的不准确性.

研究的目的:

• 开发和验证EasyPISA,这是一个自动化框架,用于从二维彩色多普勒序列进行集成PISA测量.
• 为了解决手动PISA量化MR的局限性.

主要方法:

• 卷积神经网络 (UNet/Attention UNet) 在1171张图像上进行训练,以分割流的融合区域.
• EasyPISA通过整合随时间推移的流量来计算反体体积 (RVol),并考虑非半球收.
• 该系统在26个MRI患者的检查中被追溯验证.

主要成果:

• 性能最好的UNet模型实现了高回忆率 (0.95) 和低流速误差 (10.4毫升/秒).
• 易PISA显示与手动PISA的良好一致性 (ICC=0.83) 和与cMRI的中等一致性 (ICC=0.66).
• EasyPISA RVol估计显示了MR严重程度分级的高诊断性能 (AUC为0.90-0.97).

结论:

• 易PISA提供了一个有前途的,完全自动化的方法,用于MR中集成的PISA测量.
• 该框架有可能在MR评估中显著减少工作量和观察者之间的变化.