用于基于 cine DENSE MRI 的心脏迟发机械激活检测改进的多任务学习
图像与视频处理
2022-11-14 v1 计算机视觉与模式识别
摘要
选择最佳起搏位点（理想情况下无瘢痕且迟发激活）对于心脏再同步化治疗（CRT）的响应至关重要。尽管现有方法将此类迟发机械激活（LMA）区域的检测表述为激活时间回归问题并取得了一定成功，但其精度仍不令人满意，特别是在存在心肌瘢痕的情况下。为了解决这一问题，本文引入了一个多任务深度学习框架，该框架基于具有受激回波的位移编码（DENSE）磁共振成像（MRI）电影序列，同时估计 LMA 量并对无瘢痕 LMA 区域进行分类。借助新引入的辅助 LMA 区域分类子网络，我们提出的模型对由心肌瘢痕引起的复杂模式表现出更强的鲁棒性，显著消除了其在 LMA 检测中的负面影响，进而提高了瘢痕分类的性能。为了评估我们方法的有效性，我们在真实心脏磁共振图像上测试了我们的模型，并将预测的 LMA 与最先进的方法进行了比较。结果表明，我们的方法实现了大幅提升的精度。此外，我们采用梯度加权类激活映射（Grad-CAM）来可视化所有方法学习到的特征图。实验结果表明，我们提出的模型能更好地识别 LMA 区域模式。
引用
@article{arxiv.2211.06238,
title = {Multitask Learning for Improved Late Mechanical Activation Detection of Heart from Cine DENSE MRI},
author = {Jiarui Xing and Shuo Wang and Kenneth C. Bilchick and Frederick H. Epstein and Amit R. Patel and Miaomiao Zhang},
journal= {arXiv preprint arXiv:2211.06238},
year = {2022}
}