焦虑意识 迟到 机械激活 检测 网络 为最佳的心脏再同步 治疗 规划

科学领域:

• 心血管成像 - 心血管成像
• 医学图像分析 医学图像分析
• 计算心脏病学 计算心脏病学

背景情况:

• 准确识别晚期机械激活 (LMA) 区域对于有效的心脏再同步治疗 (CRT) 引领植入至关重要.
• 目前用于LMA检测的心脏磁共振 (CMR) 成像方法可能错误地将心肌痕识别为延迟激活,可能会损害CRT结果.
• 将痕信息整合到LMA检测中对于提高CRT规划精度至关重要.

研究的目的:

• 开发和验证一个痕意识的LMA检测网络,同时识别心肌痕和LMA区域.
• 防止痕组织被错误分类为LMA,从而提高LMA映射的准确性.
• 通过更精确的LMA识别,提高CRT规划的整体有效性.

主要方法:

• 集成预先训练的痕细分网络 (使用晚期加多增强 - LGE CMRs) 与使用激发回声 (DENSE) CMRs的位移编码的LMA检测网络.
• 引入了一种新的痕感知损失函数,以惩罚痕区域中错误阳性LMA检测.
• 具有配对LGE数据或不配对LGE数据的模型训练能力,并且不需要LGE图像的推断,依赖于菌株数据模式.

主要成果:

• 在患有心肌痕和没有心肌痕的受试者中显著提高了LMA检测准确度.
• 在推断过程中成功地减轻了潜在痕区域的错误阳性LMA检测.
• 在有痕和没有痕的场景中验证了模型的有效性,展示了强大的性能.

结论:

• 拟议的痕迹感知LMA检测网络为CRT识别LMA地区提供了重大进展.
• 这种方法通过有效地区分痕组织与延迟激活来提高LMA绘图的准确性.
• 这些发现为改进CRT规划和潜在的更好的患者结果铺平了道路.