用于延迟增强MRI自动评估的深度学习方法：EMIDEC挑战赛结果
图像与视频处理
2021-08-29 v2 计算机视觉与模式识别
摘要
评估心肌梗死（MI）后心脏状态的一个关键因素是衡量心肌节段在再灌注或血运重建治疗后是否存活。延迟增强MRI（DE-MRI）在对比剂注射数分钟后进行，可提供存活与坏死心肌间的高对比度，因此是评估 MI 范围的首选方法。为自动评估心肌状态，本文呈现了聚焦于该任务的 EMIDEC 挑战赛结果。挑战赛的主要目标有两点：其一，评估深度学习方法能否区分正常与病理病例；其二，自动计算心肌梗死范围。公开可用数据库由 150 项检查组成，分为 50 例注射对比剂后 MRI 正常病例与 100 例心肌梗死病例（因而在 DE-MRI 上具有高增强区域），无论其是否纳入心脏急诊科。除 MRI 外，还提供临床特征。来自数项工作的结果表明，检查的自动分类是可实现任务（最优方法准确率达 0.92），且心肌的自动分割是可行的。然而，病变区域的分割仍需改进，主要由于这些区域尺寸小且与周围结构缺乏对比。
引用
@article{arxiv.2108.04016,
title = {Deep Learning methods for automatic evaluation of delayed enhancement-MRI. The results of the EMIDEC challenge},
author = {Alain Lalande and Zhihao Chen and Thibaut Pommier and Thomas Decourselle and Abdul Qayyum and Michel Salomon and Dominique Ginhac and Youssef Skandarani and Arnaud Boucher and Khawla Brahim and Marleen de Bruijne and Robin Camarasa and Teresa M. Correia and Xue Feng and Kibrom B. Girum and Anja Hennemuth and Markus Huellebrand and Raabid Hussain and Matthias Ivantsits and Jun Ma and Craig Meyer and Rishabh Sharma and Jixi Shi and Nikolaos V. Tsekos and Marta Varela and Xiyue Wang and Sen Yang and Hannu Zhang and Yichi Zhang and Yuncheng Zhou and Xiahai Zhuang and Raphael Couturier and Fabrice Meriaudeau},
journal= {arXiv preprint arXiv:2108.04016},
year = {2021}
}
备注
Submitted to Medical Image Analysis