对于胎儿心血管磁共振成像的自动流量规划
Sara Neves Silva1, Tomas Woodgate2, Sarah McElroy3
1Research Department for Early Life Imaging, School of Biomedical Engineering & Imaging Sciences, King's College London, London, UK; Research Department for Medical Engineering, School of Biomedical Engineering & Imaging Sciences, King's College London, London, UK.
概括
使用深度学习 (OWL) 的自动化胎儿流量成像规划通过简化实时2D相对比序列设置来增强对心血管磁共振 (CMR) 的访问.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管成像 - 心血管成像
背景情况:
- 胎儿流动成像,特别是二维相对比 (PC) 成像,对于评估胎儿心血管健康至关重要.
- 目前用于PC成像的手动规划是耗时的,需要专门的专业知识,限制了其广泛使用.
- 自动化规划过程可以显著扩大对这一至关重要的诊断工具的访问.
研究的目的:
- 开发和评估一个自动化系统 (OWL) 实时规划胎儿2D相对流成像.
- 评估深度学习网络的可行性和准确性,用于胎儿身体定位和心脏里程碑检测.
- 在准确性和效率方面,比较自动化规划与手动规划的性能.
主要方法:
- 训练了两个深度学习网络,用于胎儿身体定位和在冠状全子宫扫描上检测心脏里程碑.
- 该系统实现了相对比序列的实时自动规划.
- 评估涉及10个数据集的回顾性分析和7个胎儿对象的前性评估,比较自动化与手动规划.
主要成果:
- 自动化系统 (OWL) 在7个前性案例中成功实施了6个.
- 在胎儿体位定位 (迪斯分数0.94±0.05) 和心脏基准检测 (例如,下降大动脉5.77±2.91毫米) 中获得了高精度.
- 索引流量测量显示自动化和手动规划之间的差异很小 (-1.8%),规划质量相似.
结论:
- 对胎儿主要血管进行二维相对照心血管磁共振 (CMR) 的自动规划是可行的,使用OWL.
- 该系统在0.55T的实时应用中取得了成功,这表明了跨场强度的潜在泛化.
- 这项技术有可能扩大超出专业中心的先进胎儿心血管成像的访问范围.
