基于深度学习的心脏 MRI 左心室分割与体积估计
计算机视觉与模式识别
2018-11-22 v2 机器学习
机器学习
摘要
在美国，心脏病是男性和女性死亡的首要原因，每年导致 610,000 人死亡 [1]。医生使用磁共振成像（MRI）扫描获取心脏图像，以无创地估计其结构与功能参数，用于心血管诊断和疾病管理。左心室（LV）的收缩末期容积（ESV）和舒张末期容积（EDV）以及射血分数（EF）是心脏病的指标。这些度量可由 LV 的分割轮廓导出；因此，从 MRI 图像中对 LV 进行一致且准确的分割对于 ESV、EDV 和 EF 的准确性以及无创心脏病检测至关重要。本工作中，研究了各种图像预处理技术、使用 U-Net 深度学习架构的模型配置、后处理方法以及体积估计方法。提供了一个具有多个阶段的端到端分析流水线用于自动化 LV 分割与体积估计。首先，图像数据从 DICOM 和 NIfTI 格式被重新格式化并处理为数组格式的原始图像。其次，原始图像经多种图像预处理方法处理并裁剪以仅包含感兴趣区域（ROI）。第三，使用 U-Net 模型对预处理图像进行分割。最后，对分割图像进行后处理以去除额外轮廓，并应用智能切片与帧选择，随后计算 ESV、EDV 和 EF。该分析流水线在 UCSD 圣地亚哥超级计算中心的 GPU 集群分布式计算环境中实现并运行。
引用
@article{arxiv.1809.06247,
title = {Left Ventricle Segmentation and Volume Estimation on Cardiac MRI using Deep Learning},
author = {Ehab Abdelmaguid and Jolene Huang and Sanjay Kenchareddy and Disha Singla and Laura Wilke and Mai H. Nguyen and Ilkay Altintas},
journal= {arXiv preprint arXiv:1809.06247},
year = {2018}
}
备注
42 pages