时间不确定性定位以实现动态对比增强心脏 MRI 数据集的人机协同分析
图像与视频处理
2023-11-14 v2 人工智能
计算机视觉与模式识别
医学物理
摘要
动态对比增强(DCE)心脏磁共振成像(CMRI)是诊断心肌血流(灌注)异常的广泛使用模态。在一次典型的自由呼吸 DCE-CMRI 扫描中,会在不同对比剂“流入/流出”相位采集近 300 幅时间分辨心肌灌注图像。对 DCE 图像序列每一时间帧的心肌轮廓进行手动分割可能繁琐且耗时,尤其在非刚性运动校正失败或不可用时。尽管深度神经网络(DNN)在分析 DCE-CMRI 数据集方面已显示出前景,但缺乏用于可靠检测分割失败的“动态质量控制”(dQC)技术。本文提出一种新的时空不确定性度量,作为基于 DNN 的自由呼吸 DCE-CMRI 数据集分割的 dQC 工具,通过在外部数据集上验证该度量并建立人机协同框架以改善分割结果。在所提方法中,我们将 dQC 工具检测出的不确定性最高的前 10% 分割交由人类专家精修。该方法使 Dice 分数显著提升(p<0.001),且分割失败图像数量明显减少(16.2% 降至 11.3%),而随机选取相同数量分割进行人工转交的替代方法未实现任何显著改进。我们的结果表明,所提 dQC 框架有潜力准确识别低质量分割,并可在动态 CMRI 数据集的临床解读与报告的人机协同流程中实现高效的基于 DNN 的 DCE-CMRI 分析。
引用
@article{arxiv.2308.13488,
title = {Temporal Uncertainty Localization to Enable Human-in-the-loop Analysis of Dynamic Contrast-enhanced Cardiac MRI Datasets},
author = {Dilek M. Yalcinkaya and Khalid Youssef and Bobak Heydari and Orlando Simonetti and Rohan Dharmakumar and Subha Raman and Behzad Sharif},
journal= {arXiv preprint arXiv:2308.13488},
year = {2023}
}
备注
Accepted for publication in MICCAI 2023