MPTN:一个基于视频的多点跟踪网络,用于心血管磁共振成像中的心室节检测和跟踪
Shuang Leng1, Jianguo Chen2, Xulei Yang3
1CardioVascular Systems Imaging and Artificial Intelligence Lab, National Heart Centre Singapore, Singapore; Duke-NUS Medical School, Singapore.
Computer methods and programs in biomedicine
|September 7, 2025
概括
一个新的人工智能工具,多点追踪网络 (MPTN),可以准确地检测和跟踪心血管MRI中的心房关节 (AVJ) 点. 这使得AVJ运动参数的精确导出能够改善心脏功能评估.
科学领域:
- 心血管成像和诊断系统
- 人工智能在医学中的应用
- 心脏力学和心脏功能
背景情况:
- 准确评估心脏运动对于诊断心脏病至关重要.
- 追踪心脏结构的传统方法可能是劳动密集型和主观的.
- 开发用于心脏运动分析的自动化,人工智能驱动的解决方案是关键的研究领域.
研究的目的:
- 开发一个端到端的人工智能解决方案,多点追踪网络 (MPTN).
- 通过心血管磁共振 (CMR) 成像检测和跟踪心室关 (AVJ) 点.
- 为了获得心脏功能评估的定量AVJ运动参数.
主要方法:
- 该MPTN模型集成AVJ点检测 (卷积特征,弹性回归) 和AVJ运动跟踪 (优化DeepSORT算法).
- 该模型在286名受试者的CMR数据集上进行了训练和验证,包括健康对照组和各种心脏病.
- AVJ运动参数 (例如,S',E',A'速度,位移) 由追踪的轨迹得出.
主要成果:
- MPTN 显示了对 mitra 和 tricuspid 环形运动速度和位移的高相关性与基本真相 (相关性范围从 0.86 到 0.93).
- 来自MPTN的AVJ运动参数显示出强大的诊断能力,用于检测心室内缩和扩张功能障碍 (AUC 0.83-0.88,准确度为78-85%).
- 人工智能解决方案为定量心脏运动分析提供了强大的框架.
结论:
- 开发的MPTN提供了一种新的自动化方法,用于使用CMR进行心脏运动跟踪和功能评估.
- 这种AI框架显示了支持各种心脏病的诊断和管理的潜力.
- 进一步的研究可以在此基础上建立先进的心脏诊断的基础.
