一个全自动化分析管道用于大动脉中的4D流MRI
Ethan M I Johnson1, Haben Berhane1, Elizabeth Weiss1
1Department of Radiology, Northwestern University, Chicago, IL 60611, USA.
Bioengineering (Basel, Switzerland)
|August 28, 2025
概括
一个新的人工智能 (AI) 管道自动化了四维 (4D) 流动MRI分析,显著提高了评估大动脉血液动力学的可靠性和效率. 这种人工智能方法提供了与手工分析相似的结果,为更大规模的研究铺平了道路.
科学领域:
- 心血管成像
- 医学的人工智能
- 医学图像分析
背景情况:
- 四维 (4D) 流动MRI是评估大动脉血动学的有希望的工具.
- 传统的手动分析4D流MRI数据耗时,限制可重现性,并阻碍大队列研究.
研究的目的:
- 开发和验证用于4D流MRI分析的全自动化人工智能 (AI) 管道.
- 与手动分析相比,评估管道在量化血液动力学参数方面的性能及其可重复性.
主要方法:
- 一个集成深度学习网络的人工智能管道被开发出来,用于自动化背景阶段校正,噪声掩盖,速度反假名和大动脉细分等任务.
- 该管道量化了血液动力学参数,包括脉冲波速度 (PWV) 和流动能量.
- 试验对379名患者进行了评估,包括健康对照组,双主动脉患者和患有遗传性主动脉疾病的儿科患者,并将结果与手动分析进行了比较.
主要成果:
- 自动化管道成功处理了4D流MRI数据的96%.
- 管道衍生的血液动力学量化结果与手动分析有很高的相关性 (峰值速度:r=1.00,PWV:r=0.99,流动能量:r=0.99).
- 人工智能管道显示出与手动分析相比的优异或可比性一致性,在某些情况下超过观察者之间的一致性,并准确地重现了BAV患者的血液动力学差异.
结论:
- 一个完全自动化的AI管道用于定量4D流MRI分析已经成功开发和验证.
- 这种人工智能框架显著提高了测量可靠性和效率,克服了手工处理的局限性.
- 该管道为大规模的4D流MRI研究提供了强大的解决方案,使得血液动力学评估更加可复制和可访问.
