基于人工智能的动脉输入函数用于心肌磁共振中的心肌动脉血流量和 perfusion 储备的定量评估:一个验证研究

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
• 医学图像分析 医学图像分析

背景情况:

• 心肌动脉血流量 (MBF) 的量化对于诊断冠状动脉疾病至关重要.
• 准确的动脉输入功能 (AIF) 估计对于可靠的MBF测量至关重要.
• 深度学习模型为自动化心脏MRI中的AIF估计提供了潜力.

研究的目的:

• 为了验证基于人工智能的动脉输入函数 (AI-AIF) 深度学习模型用于MBF量化.
• 评估AI-AIF模型的休息MBF和心肌输液储备 (MPR) 计算的性能.
• 将AI-AIF衍生MBF和MPR与双序 (DS) AIF方法进行比较.

主要方法:

• 60名患者接受了定量压力和休息心脏MRI输液成像.
• 开发了一个AI-AIF模型 (1-D U-Net) 来从和输入中预测不和的AIF.
• 使用费米函数受约束解卷法量化了MBF;MPR被计算为应力/休息MBF比率.

主要成果:

• 在压力MBF量化方面,AI-AIF模型的性能与DS-AIF的性能相当 (偏差为-0.07mL/g/min).
• 冠状动脉疾病分类对应力MBF高 (>92%).
• 对于休息的MBF (0.12mL/g/min) 和MPR (-0.30) 观察到较大的偏差,一致性较低.

结论:

• AI-AIF模型是心脏MRI中压力MBF量化的一个有希望的工具.
• 需要进一步改进模型,以提高休息MBF和MPR评估的准确性.
• AI-AIF显示了增强自动心脏 perfusion 分析的潜力.