多模态学习以改进基于电影磁共振图像的心脏晚期机械激活检测
计算机视觉与模式识别
2024-02-29 v1
摘要
本文提出了一种多模态深度学习框架，利用先进的图像技术来提高严重依赖常规获取的标准图像的临床分析性能。具体而言，我们开发了一个联合学习网络，首次利用从刺激回波位移编码（DENSE）获得的心肌应变的准确性和可重复性，来指导电影心脏磁共振（CMR）成像在晚期机械激活（LMA）检测中的分析。利用图像配准网络从标准电影 CMR 中获取心脏运动的知识，这是应变值的重要特征估计器。我们的框架由两个主要部分组成：(i) 一个 DENSE 监督的应变网络，利用从配准网络学到的潜在运动特征来预测心肌应变；(ii) 一个 LMA 网络，利用预测的应变进行有效的 LMA 检测。实验结果表明，我们提出的工作显著提高了从电影 CMR 图像进行应变分析和 LMA 检测的性能，使其与 DENSE 的成就更加一致。
引用
@article{arxiv.2402.18507,
title = {Multimodal Learning To Improve Cardiac Late Mechanical Activation Detection From Cine MR Images},
author = {Jiarui Xing and Nian Wu and Kenneth Bilchick and Frederick Epstein and Miaomiao Zhang},
journal= {arXiv preprint arXiv:2402.18507},
year = {2024}
}