Baidu
map

European Radiology:使用深度学习双心室分割的全自动4D血流MRI后处理

2022-04-19 shaosai MedSci原创

心内4D血流MRI分析已成功应用于测量动能(KE)和双心室的血流成分,其中每一种成分在不同疾病状态下都会发生改变。

四维(4D)血流MRI是一种很有临床前景影像学技术,可以全面评估血管、心腔内的体内血流和相关血流动力学参数,可用于临床辅助诊断,并为患有瓣膜病、心脏分流、Fontan循环、主动脉夹层和主动脉瓣狭窄的患者提供诊断信息。

心内4D血流MRI分析已成功应用于测量动能(KE)和双心室的血流成分,其中每一种成分在不同疾病状态下都会发生改变。虽然在大规模的临床研究中,从4D血流MRI中提取的高级血流动力学参数受到技术限制,但自动分割算法可以通过减少处理时间要求和消除用户间的差异性来解决这一瓶颈,而这种差异性在心内4D血流分割中往往很高。然而,为4D血流数据中的血管分割而优化的算法在心脏内的应用作并不理想。因此,建立一个新的专门用于心内4D血流MRI的自动分割方法对于推动该技术的临床应用和指导心脏疾病患者的治疗具有重要意义。

近日,发表在European Radiology杂志的一项研究定义了一个用于4D血流MRI心脏分割的自动后处理系统通过与三位专家对BSSFP MRI图像的手工分割进行比较,进一步评估了该方法相对于观察者间差异的准确性

本研究通过对机构扫描的106名受试者的本地数据库进行再训练,对先前发表的DL网络进行了微调。在26名测试对象中,心室由网络自动分割,并由3名研究者在BSSFP MRI上进行手动分割。然后将BSSFP图像与相应的4D血流图像进行登记,将分割结果应用于4D流速数据。同时评估了各种血流动力学参数的Dice系数和测量之间的相对偏差。 

与Dice评分(LV:0.92,RV:0.86)和手动分割观察者之间的相对偏差(LV KE:11%,p = 0.01;RV KE:19%,p = 0.03)相比,自动分割产生了相似的Dice评分(LV:0.92,RV:0.86)和较低的左心室(LV)平均动能(KE)和RV KE(15%)。 


 心脏4D血流MRI数据的自动后处理流程

本研究开发了一种全自动的心室内4D血流MRI数据后处理方法,可利用模式内图像登记和深度学习进行双心室自动分割。该方法得出的血流动力学测量结果(流室分布和KE)与人工分割得出的结果相吻合,也符合观察者之间的差异性。该方法可用于大大加快心室内4D血流的后处理,并提高观察者之间的重复性。

 

原文出处:

Philip A Corrado,Andrew L Wentland,Jitka Starekova,et al.Fully automated intracardiac 4D flow MRI post-processing using deep learning for biventricular segmentation.DOI:10.1007/s00330-022-08616-7.

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (2)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=1729511, encodeId=5e601e29511fe, content=<a href='/topic/show?id=986913980dd' target=_blank style='color:#2F92EE;'>#PE#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=81, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=13980, encryptionId=986913980dd, topicName=PE)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=f06c33759375, createdName=feather89, createdTime=Fri May 27 10:51:48 CST 2022, time=2022-05-27, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1212532, encodeId=78ca12125326e, content=好东西,谢谢分享, beContent=null, objectType=article, channel=null, level=null, likeNumber=82, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=d0be2111725, createdName=萌宝嘟嘟, createdTime=Tue Apr 19 15:01:47 CST 2022, time=2022-04-19, status=1, ipAttribution=)]
    2022-05-27 feather89
  2. [GetPortalCommentsPageByObjectIdResponse(id=1729511, encodeId=5e601e29511fe, content=<a href='/topic/show?id=986913980dd' target=_blank style='color:#2F92EE;'>#PE#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=81, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=13980, encryptionId=986913980dd, topicName=PE)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=f06c33759375, createdName=feather89, createdTime=Fri May 27 10:51:48 CST 2022, time=2022-05-27, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1212532, encodeId=78ca12125326e, content=好东西,谢谢分享, beContent=null, objectType=article, channel=null, level=null, likeNumber=82, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=d0be2111725, createdName=萌宝嘟嘟, createdTime=Tue Apr 19 15:01:47 CST 2022, time=2022-04-19, status=1, ipAttribution=)]
    2022-04-19 萌宝嘟嘟

    好东西,谢谢分享

    0

相关资讯

Radiology:深度学习在PTNB后气胸检测上的应用

胸部X光检查是诊断PTNB相关气胸的推荐影像技术。然而,在临床实践中,由于工作量过大,并不总是能够及时和准确地解读X光片,导致气胸的诊断延迟。

European Radiology:ComplexNet深度学习技术在SWI中的应用

SWI通常使用T2*加权梯度回波(GRE)序列进行数据采集,然后结合幅值和相位信息来增强T2*加权图像的对比。

Radiology:对DWI的深度学习重建提高了前列腺成像的图像质量

深度学习重建(DLR)技术已被引入临床以改善MRI扫描质量,对改善图像质量和诊断性能的效用已经在MR冠状动脉造影和膝关节、盆腔和脑部成像中得到证实

European Radiology:深度学习算法在腹部CT成像中的应用

最近,不同类型的深度学习重建(DLR)算法引入临床应用,深度卷积神经网络(DCNN)就是其一。

European Radiology:深度学习在自动检测肺结节中的应用

深度学习系统(DLS)作为一项新兴的人工智能技术,可直接从数据中学习影像特征,越来越被人们所熟识及使用。

European Radiology:基于深度学习的颅内动脉瘤破裂预测

深度学习模型通常比统计学习模型更强大,因为深度网络可以从数据中提取更多内在的复杂特征和关系。

Baidu
map
Baidu
map
Baidu
map