使用卷积神经网络在心脏磁共振成像中进行标志点检测
图像与视频处理
2020-08-17 v1 计算机视觉与模式识别
定量方法
摘要
目的：开发一种卷积神经网络(CNN)方案，用于心脏MR图像中鲁棒的标志点检测。方法：本回顾性研究纳入来自两家医院的cine、LGE和T1 mapping扫描。训练集包括2,329名患者和34,019张图像。留出测试集包括531名患者和7,723张图像。开发CNN模型以在长轴(LAX)图像上检测两个二尖瓣平面和心尖点。在短轴(SAX)图像上，检测右心室前、后插入点和左心室中心。模型输出与两名操作者的手动标注进行比较，以t检验评估准确性的统计显著性。训练后的模型部署至MR扫描仪。结果：对于LAX图像，cine的成功检测率为99.8%，LGE为99.4%。对于SAX，cine、LGE和T1-mapping的成功率分别为96.6%、97.6%和98.9%。模型与手动标注之间的L2距离为2至3.5 mm，表明模型标志点与手动标注高度一致。对于所有视图和成像序列，模型与操作者在右心室前插入角和左心室长度上无显著差异。模型在MR扫描仪上的推断时间分别为GPU上610ms/CPU上5.6s(典型心脏cine序列)。结论：本研究开发、验证并部署了一种CNN方案，用于cine、LGE和T1 mapping序列的长轴和短轴CMR图像中鲁棒标志点检测，其精度可与操作者间差异相比。
引用
@article{arxiv.2008.06142,
title = {Landmark detection in Cardiac Magnetic Resonance Imaging Using A Convolutional Neural Network},
author = {Hui Xue and Jessica Artico and Marianna Fontana and James C Moon and Rhodri H Davies and Peter Kellman},
journal= {arXiv preprint arXiv:2008.06142},
year = {2020}
}