从临床心脏MRI扫描中完全自动化分段心肌梗塞的深度学习管道

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:

• 人工智能 (AI) 在心血管磁共振 (CMR) 成像中显示出潜力.
• 人工智能可以减少心肌梗塞细分的变化和工作量.
• 心肌梗塞的自动细分是积极研究的一个领域.

研究的目的:

• 开发和评估一个深度学习模型,用于完全自动化的心肌梗塞细分.
• 评估人工智能模型的性能与CMR图像中的手动细分相比.
• 研究AI在心脏MRI分析中的临床实用性.

主要方法:

• 开发了2D和3D卷积神经网络 (CNN) 的级联框架.
• 人工智能模型被训练在144个晚期加多增强 (LGE) CMR数据集上.
• 在一个单独的152次CMR检查测试集上评估了性能,在质量和数量上比较AI和手动细分.

主要成果:

• 基于人工智能的心脏病发作体积计算显示出与手动测量有很好的一致性 (ρc = 0.9).
• 专家们认为人工智能细分更好地代表了心脏病发作的程度,并且更喜欢它们,而不是手动细分 (P < 0.001).
• 手动细分仍然是微血管阻塞 (MVO) 检测的首选方法 (P < 0.001).

结论:

• 开发了一种完全自动化的AI细分管道,用于CMR心脏病发作大小计算.
• 人工智能模型与训练有素的人类观察者的细分质量相匹配,而不需要图像预处理.
• 需要进一步开发临床应用,以提高心脏MRI工作流程的效率.