基于心血管磁共振的基于深度学习的加速功能评估

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
• 医学诊断 医学诊断 医学诊断

背景情况:

• 心血管磁共振 (CMR) 对于评估心脏功能至关重要.
• 传统的平衡稳态自由前行 (bSSFP) 电影序列是CMR的标准,但可能耗时.
• 深度学习 (DL) 提供了更快,更有效的图像获取和分析的潜力.

研究的目的:

• 为了比较DL电影序列的诊断准确度和图像质量与传统bSSFP电影序列在CMR中用于左心室 (LV) 和右心室 (RV) 参数定量化.
• 与bSSFP序列相比,评估DL电影序列的速度.

主要方法:

• 预期包括接受临床指示CMR的患者.
• 来自bSSFP和DL电影序列的LV和RV的细分.
• 计算LV和RV的体积和功能参数 (EDV,ESV,SV,EF,LV质量).
• 使用统计测试和布兰德-阿尔特曼分析对参数进行比较,以达成一致.
• 两个阅读器使用5分利克特尺度对图像质量的评估.

主要成果:

• 在DL cine和bSSFP序列之间没有发现LV和RV参数的显著差异 (P≥.176).
• DL cine 序列比 bSSFP 序列 (2.83 分钟) 快得多 (1.35 分钟) (P < .001).
• 在DL cine和bSSFP之间观察到很强的一致性,对末缩体积,中风体积和末腹缩体积的一致性有可接受的界限.
• 整体图像质量是可比的,尽管内心边缘的定义在DL cine中略低一些.

结论:

• 深度学习电影序列可以快速准确地量化CMR中的LV和RV参数.
• DL cine的诊断准确度和整体图像质量与传统的bSSFP序列相提并论.
• DL cine代表了有效的心血管磁共振成像的有前途的进步.