Aligning Multi-Sequence CMR Towards Fully Automated Myocardial Pathology Segmentation

要約

心筋病理セグメンテーション（MyoPS）は、心筋梗塞（MI）のリスク層別化と治療計画立案に重要である。マルチシーケンス心臓磁気共鳴（MS-CMR）画像は貴重な情報を提供することができる。例えば、バランス定常フリープリセッションシネシークエンスは明確な解剖学的境界を示し、後期ガドリニウム増強とT2強調CMRシーケンスはそれぞれMIの心筋瘢痕と浮腫を可視化する。既存の方法は、通常、MyoPSのために異なるCMRシーケンスからの解剖学的および病理学的情報を融合するが、これらの画像は空間的に整列されていることを前提としている。しかし、MS-CMR画像は臨床現場での呼吸運動により通常アライメントが取れていないため、MyoPSを行う上でさらなる課題となる。本研究では、アライメントされていないMS-CMR画像に対する自動MyoPSフレームワークを提案する。具体的には、画像登録と情報融合を同時に行う複合コンピューティングモデルを設計し、複数シーケンスの特徴を共通の空間に集約して解剖学的構造（すなわち心筋）を抽出する。その結果、心筋病変と心筋の空間的関係を考慮し、抽出された心筋を介して共通空間内の情報量の多い領域を強調し、MyoPSの性能を向上させることができる。MS-CMRのプライベートデータセットとMYOPS2020チャレンジのパブリックデータセットでの実験から、我々のフレームワークは完全自動MyoPSのための有望なパフォーマンスを達成できることが示された。

要約(オリジナル)

Myocardial pathology segmentation (MyoPS) is critical for the risk stratification and treatment planning of myocardial infarction (MI). Multi-sequence cardiac magnetic resonance (MS-CMR) images can provide valuable information. For instance, balanced steady-state free precession cine sequences present clear anatomical boundaries, while late gadolinium enhancement and T2-weighted CMR sequences visualize myocardial scar and edema of MI, respectively. Existing methods usually fuse anatomical and pathological information from different CMR sequences for MyoPS, but assume that these images have been spatially aligned. However, MS-CMR images are usually unaligned due to the respiratory motions in clinical practices, which poses additional challenges for MyoPS. This work presents an automatic MyoPS framework for unaligned MS-CMR images. Specifically, we design a combined computing model for simultaneous image registration and information fusion, which aggregates multi-sequence features into a common space to extract anatomical structures (i.e., myocardium). Consequently, we can highlight the informative regions in the common space via the extracted myocardium to improve MyoPS performance, considering the spatial relationship between myocardial pathologies and myocardium. Experiments on a private MS-CMR dataset and a public dataset from the MYOPS2020 challenge show that our framework could achieve promising performance for fully automatic MyoPS.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL