基于3D UNet结合去除丘脂肌的心脏MRI分割改进方法
计算机视觉与模式识别
2024-10-10 v1 人工智能
机器学习
图像与视频处理
摘要
左心室射出率(LVEF)是心血管功能最重要的临床参数，其估计准确性高度依赖于对左心室结构在收缩期和舒张期精确分割的能力。因此，开发精准的心脏结构分割算法至关重要。方法: 本文提出改进版3D UNet模型，用于分割心肌和左心室，同时根据心血管磁共振学会的建议排除丘脂肌。为进行实际测试，共收集了来自坦加市军医院( HMPIT)和流行的ACDC公开数据集中的8400个心脏MRI图像进行分析。作为性能指标，我们使用Dice系数和F1分数对左心室和心肌的分割进行验证/测试。结果: 数据按7:1:2比例分为训练、验证和测试。值得注意的是，所提分割模型在三个轴向视图(基底、中基底和尖部)以及两个心脏相位(收缩期和舒张期)进行测试。实验结果显示，在舒张期Dice指数分别为0.965和0.945，在收缩期Dice指数分别为0.801和0.799。此外，临床评估结果表明，当包含或排除丘脂肌时，LVEF及其他临床参数存在显著差异。
引用
@article{arxiv.2410.06818,
title = {An Improved Approach for Cardiac MRI Segmentation based on 3D UNet Combined with Papillary Muscle Exclusion},
author = {Narjes Benameur and Ramzi Mahmoudi and Mohamed Deriche and Amira fayouka and Imene Masmoudi and Nessrine Zoghlami},
journal= {arXiv preprint arXiv:2410.06818},
year = {2024}
}