MultiFlow: 用于相位对比 MRI 多血管分类、分割与聚类的统一深度学习框架，在多中心单心室患者队列上验证
计算机视觉与模式识别
2025-06-03 v2
摘要
我们提出了一种深度学习框架，包含两个模型，用于在单心室患者注册表中实现自动分割和大规模流动表型分析。MultiFlowSeg 同时对五条关键血管——左肺动脉、右肺动脉、主动脉、上腔静脉和下腔静脉——从速度编码相位对比磁共振 (PCMR) 数据中进行分类和分割。基于 260 次 CMR 检查（每次检查 5 次 PCMR 扫描）训练，在 50 个未见测试案例上取得了平均 Dice 分数 0.91。该方法随后被整合到自动流水线中，在无需人工协助的情况下处理了超过 5,500 次注册检查，在所有 5 条血管均存在的检查中取得了 98% 的分类准确率和 90% 的分割准确率。成功分割产生的流动曲线被用于训练 MultiFlowDTC，该模型应用深度时间聚类来识别不同的流动表型。生存分析表明，不同表型与死亡/移植及肝病风险增加显著相关，展示了该框架的潜力。
引用
@article{arxiv.2502.11993,
title = {MultiFlow: A unified deep learning framework for multi-vessel classification, segmentation and clustering of phase-contrast MRI validated on a multi-site single ventricle patient cohort},
author = {Tina Yao and Nicole St. Clair and Madeline Gong and Gabriel F. Miller and Jennifer A. Steeden and Rahul H. Rathod and Vivek Muthurangu and FORCE Investigators},
journal= {arXiv preprint arXiv:2502.11993},
year = {2025}
}
备注
6 Figures