Automated Quality Controlled Analysis of 2D Phase Contrast Cardiovascular Magnetic Resonance Imaging

要約

位相コントラスト心臓磁気共鳴画像法 (PC-CMR) を使用して実行されるフロー解析により、心血管機能の評価に使用される重要なパラメーターの定量化が可能になります。
この分析の重要な部分は、フローの定量化に影響を与える可能性のあるアーティファクトを検出するための正しい CMR ビューと品質管理 (QC) の識別です。
完全な CMR スキャンからの流れの完全に自動化された分析のための新しい深層学習ベースのフレームワークを提案します。これは、最初にこれらのビュー選択と 2 つのシーケンシャル畳み込みニューラル ネットワークを使用した QC ステップを実行し、続いて大動脈と肺動脈の自動セグメンテーションを実行して、
キー フロー パラメータ。
ビューの分類と QC で、それぞれ 0.958 と 0.914 の精度値が得られました。
セグメンテーションでは、Dice スコアは $>$0.969 で、Bland-Altman プロットは、手動と自動のピーク フロー値の間の優れた一致を示しました。
さらに、外部の検証データ セットでパイプラインをテストした結果、パイプラインの堅牢性が良好であることが示されました。
この作業は、986 例からなるマルチベンダーの臨床データを使用して実施され、臨床現場でこのパイプラインを使用する可能性を示しています。

要約(オリジナル)

Flow analysis carried out using phase contrast cardiac magnetic resonance imaging (PC-CMR) enables the quantification of important parameters that are used in the assessment of cardiovascular function. An essential part of this analysis is the identification of the correct CMR views and quality control (QC) to detect artefacts that could affect the flow quantification. We propose a novel deep learning based framework for the fully-automated analysis of flow from full CMR scans that first carries out these view selection and QC steps using two sequential convolutional neural networks, followed by automatic aorta and pulmonary artery segmentation to enable the quantification of key flow parameters. Accuracy values of 0.958 and 0.914 were obtained for view classification and QC, respectively. For segmentation, Dice scores were $>$0.969 and the Bland-Altman plots indicated excellent agreement between manual and automatic peak flow values. In addition, we tested our pipeline on an external validation data set, with results indicating good robustness of the pipeline. This work was carried out using multivendor clinical data consisting of 986 cases, indicating the potential for the use of this pipeline in a clinical setting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google