遗留数据集中心脏 MRI 的深度学习分析：动脉粥样硬化多族群研究
图像与视频处理
2022-01-27 v1 机器学习
医学物理
摘要
心脏的形状与运动为理解心血管疾病机制提供了重要线索。随着大规模心脏影像数据的出现，统计图谱成为一种强有力的工具，可针对参考人群自动且精确地量化患者特异性心脏几何状态。始于 2000 年的动脉粥样硬化多族群研究（MESA）是首个在逾 5000 名参与者中纳入心血管 MRI 的大型队列研究，目前已有超过 20 年的丰富随访数据。构建基于机器学习的自动化分析对于提取扩展原始人工分析所需的额外影像信息十分必要。然而，在不同脉冲序列 MRI 数据集上训练的机器学习工具在此类遗留数据集上失效。在此，我们描述了一种应用于 MESA 中遗留心脏 MRI 数据的、使用深度学习方法的自动图谱构建流程。对于心脏解剖标志点的检测，采用了改进的 VGGNet 卷积神经网络架构，并在两腔、四腔和短轴 MRI 视图间进行迁移学习。U-Net 架构用于短轴图像中内膜和外膜边界的检测。与观察者间差异相比，两种网络架构均取得了良好的分割与标志点检测精度。基于自动与手动标注得到的图谱在与常见危险因素的统计关系上相似。该自动图谱可用于未来研究以考察心脏形态与未来事件之间的关系。
引用
@article{arxiv.2110.15144,
title = {Deep Learning Analysis of Cardiac MRI in Legacy Datasets: Multi-Ethnic Study of Atherosclerosis},
author = {Avan Suinesiaputra and Charlene A Mauger and Bharath Ambale-Venkatesh and David A Bluemke and Josefine Dam Gade and Kathleen Gilbert and Mark Janse and Line Sofie Hald and Conrad Werkhoven and Colin Wu and Joao A Lima and Alistair A Young},
journal= {arXiv preprint arXiv:2110.15144},
year = {2022}
}