在心血管磁共振中使用人工智能进行心肌特征的方法的承诺和挑战

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
• 生物医学工程 生物医学工程

背景情况:

• 心脏磁共振 (CMR) 组织特征对于诊断和评估心肌疾病的风险至关重要.
• 目前的CMR技术面临的局限性包括对比剂的依赖性,运动灵敏度,长时间的采集时间和密集的后处理.
• 人工智能 (AI) 为克服这些CMR工作流挑战提供了潜在的解决方案.

研究的目的:

• 审查使用CMR.AI驱动的心肌组织特征的最新进展.
• 突出将AI应用转化为CMR临床实践的潜在好处和挑战.
• 探索人工智能如何通过提高图像质量,减少采集时间和启用新特性方法来增强CMR.

主要方法:

• 关于人工智能在CMR组织表征中的应用最新文献的综述.
• 专注于用于图像分割,运动校正和图像重建的深度学习.
• 使用本地CMR信号 (例如T1映射,运动) 来进行无对比性痕表征的AI探索.
• 讨论AI在加速CMR指纹和扩散张力成像等先进CMR技术中的作用.
• 包括放射学和深度学习用于特征提取,以获得新的组织表型和风险标志物.

主要成果:

• 人工智能自动化左心室射出小部分 (LGE) 细分,并改善参数映射的运动校正和重建.
• 人工智能通过分析原生CMR信号,使得无对比的心肌痕特征成为可能.
• 人工智能加速新兴的CMR技术,提供更快,更全面的组织评估.
• 放射学和深度学习提取高维特征,用于超出人类能力的高级风险分层.

结论:

• 人工智能显著增强了CMR的能力,以表征心肌组织,解决目前的局限性.
• 人工智能驱动的方法承诺更高效,更准确,更全面的诊断和心肌疾病的风险分层.
• 人工智能在CMR中的临床翻译受到数据要求,概括性问题,解释性问题和监管障碍的阻碍.