在非人类灵长类动物的心脏实时MRI的基于深度学习的自动细分
Majid Ramedani1, Amir Moussavi2, Tor Rasmus Memhave1
1Functional Imaging Laboratory, German Primate Center, Leibniz Institute for Primate Research, Goettingen, Germany; Georg-August University of Goettingen, Goettingen, Germany; DZHK (German Centre for Cardiovascular Research), Partner Site Lower Saxony, Goettingen, Germany.
Computers in biology and medicine
|March 14, 2025
概括
我们开发了PrimUNet,这是一个自动化的深度学习工具,用于对非人类灵长类动物的心脏MRI数据进行细分. 这种方法增强了在临床前研究中的心血管成像分析.
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
- 临床前研究 临床前研究
背景情况:
- 实时 (RT) MRI彻底改变了心血管疾病的诊断.
- 自动心肌细分对于分析大型RT MRI数据集至关重要.
- 对于临床前动物模型,细分工具的开发不足.
研究的目的:
- 开发和训练一个完全自动化的二维卷积神经网络 (CNN),用于对非人类灵长类动物 (NHPs) 的心脏MRI数据进行细分.
- 评估开发的网络的性能,命名为PrimUNet,与手动细分对比,并评估其适用于不同类型的MRI数据的适用性.
主要方法:
- 基于U-Net框架的2D CNN被开发和训练,用于对 rhesus macaque RT心脏MRI图像中的左心室,右心室和心肌进行细分.
- 最佳性能参数包括学习率为0.0001,初始内核大小为64,最终内核大小为512和批量大小为32.
- 对关键的体积参数 (LVEDV,LVESV,LVMV) 进行了评估.
主要成果:
- 在PrimUNet的研究中,Dice的平均分数为0.9,与人类研究相比较.
- 在PrimUNet和手动对 rhesus的LVEDV,LVESV和LVMV进行细分之间观察到很强的一致性.
- 该模型在 rhesus macaques 的 cine MRI 数据上表现良好,在数据上表现可接受.
结论:
- PrimUNet有效地自动化了来自NHP的广泛RT心脏MRI数据集中的心肌分裂.
- 该工具提高了动物研究中心血管数据分析的可靠性和可重复性.
- PrimUNet促进了先进的分析,如个人心跳应变分析,推进了翻译性心血管研究.
