基于顶帽变换与神经网络的延迟钆增强MRI心肌梗死量化
计算机视觉与模式识别
2022-04-27 v1
摘要
意义：延迟钆增强磁共振成像（LGE-MRI）是心肌活性评估的金标准技术。尽管该技术能准确反映受损组织，但目前尚无量化心肌梗死（MI）的临床标准，导致大多数算法依赖专家。目标与方法：本文提出一种从LGE-MRI自动量化MI的新方法。我们新颖的分割方法旨在不仅准确检测高增强病灶，还检测微血管阻塞区域。此外，它包含一个心肌疾病检测步骤，使算法可扩展至健康扫描下工作。该方法基于级联策略：首先，由卷积神经网络（CNN）识别病变切片；其次，通过形态学操作获得快速的粗略瘢痕分割；第三，利用CNN集成通过边界体素重分类策略细化分割。为验证、评估可重复性并与其他方法比较，我们在一个包含健康与病例的大型多中心专家标注LGE-MRI数据库上测试了该方法。结果与结论：在与九种参考算法的详尽比较中，本方案取得了最先进的分割性能，且被证明是唯一在瘢痕体积量化上与专家勾画一致的方法。此外，该方法能够复现观察者内与观察者间的变异性范围。结论是，该方法可适宜地转化至临床场景。
引用
@article{arxiv.1901.02911,
title = {Myocardial Infarction Quantification From Late Gadolinium Enhancement MRI Using Top-hat Transforms and Neural Networks},
author = {Ezequiel de la Rosa and Désiré Sidibé and Thomas Decourselle and Thibault Leclercq and Alexandre Cochet and Alain Lalande},
journal= {arXiv preprint arXiv:1901.02911},
year = {2022}
}
备注
Submitted to IEEE