基于片段级与受试者级非局部建模的心脏运动评分
计算机视觉与模式识别
2018-06-15 v1
摘要
心肌运动评分对于各种心脏疾病的早期发现和诊断至关重要。其旨在将局部室壁运动识别为正常、运动减弱、运动消失和运动障碍四种类型之一，并且由于心肌形变的复杂性以及运动模式类别间差异的细微性而极具挑战性。现有所有关于自动化运动分析的工作都集中于二分类异常检测，以规避难度更大的运动评分，而后者在临床实际中迫切需求却从未被研究过。在本工作中，我们提出 Cardiac-MOS，这是首个基于深度卷积神经网络从心脏 MR 序列进行心脏运动评分的有力方法。由于卷积的局部性，特征图远距离非局部响应之间的关系无法被探索，而这关系与片段间运动差异密切相关。在 Cardiac-MOS 中，这种非局部关系通过非局部神经网络在单个受试者的每个片段内及所有片段间进行建模，即片段级和受试者级非局部建模，并带来了明显的性能提升。此外，Cardiac-MOS 通过沿时间维度插值卷积核，能够有效从各种长度的 MR 序列中提取运动信息，因此可应用于多来源 MR 序列。在来自多长度短轴 MR 序列的 90 名受试者共 1440 个心肌片段上的实验证明，Cardiac-MOS 取得了可靠性能，运动评分指数估计的相关系数为 0.926，运动评分的准确率为 77.4%。Cardiac-MOS 在二分类异常检测上也优于所有现有工作。作为首个自动化运动评分方案，Cardiac-MOS 在未来临床应用中展现出巨大潜力。
引用
@article{arxiv.1806.05569,
title = {Cardiac Motion Scoring with Segment- and Subject-level Non-Local Modeling},
author = {Wufeng Xue and Gary Brahm and Stephanie Leung and Ogla Shmuilovich and Shuo Li},
journal= {arXiv preprint arXiv:1806.05569},
year = {2018}
}
备注
MICCAI 2018