基于深度学习的估计心肌肌肉物质参数从心脏MRI的估计
Yunhe Chen1,2,3, Xiwen Zhang2,3, Yongzhong Huo1
1Department of Aeronautics and Astronautics, Fudan University, Shanghai 200433, China.
Bioengineering (Basel, Switzerland)
|April 26, 2025
概括
这项研究引入了一个深度学习模型,可以从MRI扫描中快速估计心脏物质特性,改善健康个体的计算建模和临床应用.
科学领域:
- 心血管成像 - 心血管成像
- 生物医学工程 生物医学工程
- 机器学习在医学中的应用
背景情况:
- 精确估计心肌物质参数对于心脏生物力学和计算建模至关重要.
- 使用逆有限元 (FE) 分析的传统方法是计算密集和缓慢的,阻碍了临床使用.
研究的目的:
- 开发一种快速而准确的深度学习方法,用于直接从心脏磁共振成像 (CMRI) 估计左心室肌动脉物质参数.
主要方法:
- 基于ResNet18的深度学习模型使用1288名健康受试者的有限元素方法 (FEM) 衍生参数进行训练.
- 该模型从常规CMRI数据直接估计心肌物质参数.
主要成果:
- 该模型在健康人群中实现了高精度,平均绝对误差低于0.0146的Ca和0.0139的Cb (相对误差<5%).
- 在一个小的病理子集 (ARV,HCM) 上的表现显示出更高的预测误差,这表明在患病组织建模方面存在挑战.
结论:
- 建立了一个计算效率高的深度学习框架来估计心肌参数,绕过缓慢的FE优化.
- 需要对病理状况进行进一步验证,以实现个性化的心脏建模并增强临床决策.


