从长轴CMR图像中对心脏左腔进行基于深度学习的细分和应变分析
Jonas Leite1, Emilie Bollache1, Vincent Nguyen1,2
1Laboratoire D'Imagerie Biomédicale (LIB), Sorbonne Université, INSERM, CNRS, Paris, France.
European heart journal. Imaging methods and practice
|July 14, 2025
概括
这项研究引入了深度学习 (DL) 和特征跟踪 (FT) 管道,用于准确的心脏应变分析. DL-FT方法实现了可靠的左心室和左心房应变测量,与人类的可复制性相当.
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
- 生物医学工程 生物医学工程
背景情况:
- 特征跟踪 (FT) 对于心肌张力评估在心磁共振 (CMR) 成像中至关重要.
- 在FT中手动初始化是耗时的,并引入了变化,特别是在长轴 (LAX) 视图中.
- 需要自动化方法来提高菌株分析的效率和可重复性.
研究的目的:
- 开发和验证一个结合深度学习 (DL) 和FT的管道,用于自动纵向心肌应变估计.
- 评估基于DL的细分和FT初始化对左心室 (LV) 和左心房 (LA) 应变的性能.
- 将拟议的方法与参考标准进行比较,并评估其可重复性.
主要方法:
- 一个包含684个LAX-CMR数据集的多供应商数据库被用于培训,调整和测试.
- 2D和3D-ResUnet模型用于LV和LA细分,时间被视为第三维.
- 用DL细分来初始化FT算法进行应变计算,并将结果与专家衍生的参考标准进行比较.
主要成果:
- 与2D-DL相比,3D-DL细分展示了不同供应商和成像参数的卓越性能和稳定性.
- 以DL初始化的FT方法产生了较高的相关性 (r ≥0.91) 和较低的偏差 (赤字中位偏差≤0.65%) 比对应变估计的全DL方法.
- 使用DL初始化的FT进行菌株测量的可重现性相当于观察者之间的变异性.
结论:
- 对LAX-CMR图像成功开发了一种基于DL的一般化细分方法.
- DL与FT的整合为LV和LA菌株评估提供了一种完全自动化和可靠的方法.
- 拟议的管道实现了与人类专家可比的应变测量可重现性.
