基于深度学习的MitraClip器械在3D经食管超声心动图中的自动定位
定量方法
2025-02-04 v2
摘要
MitraClip是治疗二尖瓣反流最广泛使用的经皮方法，通常在3D经食管超声心动图（TEE）实时引导下进行。然而，超声心动图中的伪影和低图像对比度阻碍了对夹钉的准确可视化。本研究提出了一种从3D TEE图像中自动检测夹钉的管线。采用注意力UNet进行器械分割，同时使用DenseNet分类器预测其配置状态，包括从完全闭合到完全展开的十种可能状态。根据预测的配置状态，基于计算机辅助设计（CAD）推导出的模板模型将自动注册，以细化分割并实现对器械的定量表征。该管线在196个使用心脏模拟器获取的3D TEE图像上进行训练和验证， ground-truth标注通过CAD模板细化。注意力UNet在分割方面实现了平均表面距离为0.76 mm、95% Hausdorff距离为2.44 mm的性能，而DenseNet在分类方面实现了平均加权F1得分0.75。经过后期细化后，分割精度得到提升，平均表面距离和95% Hausdorff距离分别降至0.75 mm和2.05 mm。该管线增强了夹钉的可视化，提供了快速准确的检测并定性反馈， potentially improve procedural efficiency and reduce adverse outcomes.
引用
@article{arxiv.2412.15013,
title = {MitraClip Device Automated Localization in 3D Transesophageal Echocardiography via Deep Learning},
author = {Riccardo Munafò and Simone Saitta and Luca Vicentini and Davide Tondi and Veronica Ruozzi and Francesco Sturla and Giacomo Ingallina and Andrea Guidotti and Eustachio Agricola and Emiliano Votta},
journal= {arXiv preprint arXiv:2412.15013},
year = {2025}
}
备注
29 pages, 7 figures