用于大规模非结构化临床电影CMR数据库自动分析的AI工具
图像与视频处理
2023-07-07 v2 机器学习
定量方法
摘要
人工智能(AI)技术已被提出用于自动化分析短轴(SAX)电影心脏磁共振(CMR),但目前尚无CMR分析工具能够自动分析大型(非结构化)临床CMR数据集。我们开发并验证了一种稳健的AI工具,用于从大型临床数据库中的SAX电影CMR进行心脏功能的端到端自动量化。我们处理和分CMR数据库的流程包括自动识别正确数据、稳健的图像预处理、用于SAX CMR双心室分割和功能生物标志物估计的AI算法,以及用于检测和纠正错误的自动分析后质量控制。该分割算法在来自两家NHS医院的2793例CMR扫描上训练,并在该数据集的额外病例(n=414)和五个外部数据集(n=6888)上进行验证,包括使用所有主要厂商的CMR扫描仪在12个不同中心采集的一系列疾病患者扫描。各数据集中心脏生物标志物的中位绝对误差均在观察者间变异性范围内:左心室容积<8.4mL、右心室容积<9.2mL、左心室质量<13.3g、射血分数<5.9%。根据心脏病表型和扫描仪厂商对病例进行分层显示各组均表现良好。我们表明,我们所提出的工具结合了图像预处理步骤、在大规模多域CMR数据集上训练的域可泛化AI算法以及质量控制步骤,可对来自多个中心、厂商和心脏疾病的(临床或研究)数据库进行稳健分析。这使得我们的工具能够转化应用于大规模多中心数据库的全自动处理。
引用
@article{arxiv.2206.08137,
title = {An AI tool for automated analysis of large-scale unstructured clinical cine CMR databases},
author = {Jorge Mariscal-Harana and Clint Asher and Vittoria Vergani and Maleeha Rizvi and Louise Keehn and Raymond J. Kim and Robert M. Judd and Steffen E. Petersen and Reza Razavi and Andrew King and Bram Ruijsink and Esther Puyol-Antón},
journal= {arXiv preprint arXiv:2206.08137},
year = {2023}
}
备注
Accepted at EHJ Digital Health; Bram Ruijsink and Esther Puyol-Ant\'on are shared last authors