用于改进心脏 MRI 心肌瘢痕检测的联合深度学习
图像与视频处理
2022-11-14 v1 计算机视觉与模式识别
摘要
从晚期钆增强心脏磁共振图像（LGE-CMR）中自动识别心肌瘢痕受到图像噪声以及与运动和部分容积效应相关的伪影的限制。本文提出了一种新颖的联合深度学习（JDL）框架，通过利用同时学习到的心肌分割来消除非感兴趣区域的负面影响，从而改进此类任务。与以往将瘢痕检测和心肌分割视为独立或并行任务的方法不同，我们提出的方法引入了一个消息传递模块，将心肌分割的信息直接传递以指导瘢痕检测器。这种新设计的网络将有效利用来自这两个相关任务的联合信息，并使用所有可用的心肌分割源来有益于瘢痕识别。我们展示了 JDL 在 LGE-CMR 图像中用于左心室（LV）瘢痕自动检测的有效性，在改善缺血性和非缺血性心脏病患者的风险预测，以及提高心力衰竭患者对心脏再同步化治疗（CRT）的反应率方面具有巨大潜力。实验结果表明，我们提出的方法优于多种 SOTA 方法，包括常用的两步分割-分类网络，以及子任务间接交互的多任务学习方案。
引用
@article{arxiv.2211.06247,
title = {Joint Deep Learning for Improved Myocardial Scar Detection from Cardiac MRI},
author = {Jiarui Xing and Shuo Wang and Kenneth C. Bilchick and Amit R. Patel and Miaomiao Zhang},
journal= {arXiv preprint arXiv:2211.06247},
year = {2022}
}