基于改进人工智能的临床电影态心脏磁共振心尖与心底切片分割
图像与视频处理
2021-09-21 v1 计算机视觉与模式识别
摘要
当前用于短轴心脏磁共振（CMR）分割的人工智能（AI）算法对位于心脏中部的切片已达到人类水平表现。然而一个常被忽视的事实是，心底与心尖切片的分割更为困难。在人工分析中，心底分割的差异被报道为人类观察者间变异的主要分歧来源之一。在本工作中，我们旨在研究 AI 算法在分割心底与心尖切片时的表现，并设计策略以改进其分割。我们在来自两家 NHS 医院的大型临床 CMR 研究数据集上训练了所有模型（n=4,228），并在两个外部数据集上评估：ACDC（n=100）与 M&Ms（n=321）。以人工分割为参考，CMR 切片被划分为四个区域之一：非心脏、基底、中部与心尖。以 nnU-Net 框架为基线，我们研究了两种不同方法来缩小心脏各区域间的分割性能差距：（1）非均匀批量采样，使我们在训练时可选择来自不同区域的图像被看到的频率；（2）心脏区域分类模型，其后接三个（即基底、中部、心尖）区域特定分割模型。我们表明分类与分割方法在缩小所有数据集上的性能差距方面最佳。我们还表明分类性能的提升可随之显著改善分割任务的表现。
引用
@article{arxiv.2109.09421,
title = {Improved AI-based segmentation of apical and basal slices from clinical cine CMR},
author = {Jorge Mariscal-Harana and Naomi Kifle and Reza Razavi and Andrew P. King and Bram Ruijsink and Esther Puyol-Antón},
journal= {arXiv preprint arXiv:2109.09421},
year = {2021}
}
备注
*Shared last authors