基于机器学习的心脏MRI左心室分割的两阶段方法
图像与视频处理
2024-07-31 v1 计算机视觉与模式识别
机器学习
摘要
准确分割左心室（Left Ventricle, LV）在疾病检测、区域分析以及心脏外科规划中具有重要意义。心脏MRI（Cardiac MRI, CMR）是诊断多种心脏疾病的黄金标准。CMR中的左心室由三个 distinct 部分组成：基底部、中心室部和心尖部。本研究聚焦于从心脏MRI（CMR）扫描中对左心室进行精确分割，结合机器学习（Machine Learning, ML）的能力。本研究的核心挑战在于缺乏适用于三种类型左心室切片的统一参数集。针对基底切片优化的参数常常在中耻部和心尖部切片上难以胜任，反之亦然。为解决此问题，本文提出了一种新方法以增强左心室分割。该方法采用针对不同切片类型的不同参数集，形成一种两阶段分割方法。初始阶段将图像按左心室切片类型分为三组，而第二阶段则利用来自前一阶段派生的参数对CMR图像进行分割。本研究采用公开数据集（Automated Cardiac Diagnosis Challenge, ACDC）进行实验，并采用10折交叉验证，实现平均得分0.9228。详实的测试表明，针对特定切片类型的最佳参数集对其他切片类型并不够充分。所有结果均表明，本文提出的方法通过针对左心室的两阶段分割模型填补了参数标准化的关键空白，旨在不仅提高心脏图像分析的准确性，也为左心室分割领域的发展做出贡献。
引用
@article{arxiv.2407.20387,
title = {Two-Phase Segmentation Approach for Accurate Left Ventricle Segmentation in Cardiac MRI using Machine Learning},
author = {Maria Tamoor and Abbas Raza Ali and Philemon Philip and Ruqqayia Adil and Rabia Shahid and Asma Naseer},
journal= {arXiv preprint arXiv:2407.20387},
year = {2024}
}