Exploiting 4D CT Perfusion for segmenting infarcted areas in patients with suspected acute ischemic stroke

要約

急性虚血性脳卒中 (AIS) 患者の虚血領域 (コアおよび周辺部) の正確かつ迅速な予測方法は、臨床的に大きな関心を集めています。診断と治療計画の改善に不可欠な役割を果たしています。
コンピューター断層撮影 (CT) スキャンは、AIS が疑われる患者の早期評価のための主要なモダリティの 1 つです。
CT 灌流 (CTP) は、多くの場合、脳卒中の位置、重症度、および虚血性病変の量を判断するための主要な評価として使用されます。
CTP の現在の自動セグメンテーション方法は、ほとんどの場合、放射線科医による視覚的評価に従来使用されていた処理済みの 3D カラー マップを入力として使用します。
あるいは、生の CTP データは、2D+時間入力としてスライスごとに使用され、ボリューム上の空間情報は無視されます。
このホワイト ペーパーでは、時空間情報を十分に活用するための入力として 4D CTP 全体を利用するためのさまざまな方法を調査します。
これにより、新しい 4D 畳み込み層が提案されます。
3 つのグループに分けられた 152 人の患者で構成されるローカル データセットに対する包括的な実験では、提案されたモデルが、調査された他の方法よりも正確な結果を生成することが示されています。
0.70 と 0.45 のダイス係数は、周辺領域とコア領域でそれぞれ達成されます。
コードは https://github.com/Biomedical-Data-Analysis-Laboratory/4D-mJ-Net.git で入手できます。

要約(オリジナル)

Precise and fast prediction methods for ischemic areas (core and penumbra) in acute ischemic stroke (AIS) patients are of significant clinical interest: they play an essential role in improving diagnosis and treatment planning. Computed Tomography (CT) scan is one of the primary modalities for early assessment in patients with suspected AIS. CT Perfusion (CTP) is often used as a primary assessment to determine stroke location, severity, and volume of ischemic lesions. Current automatic segmentation methods for CTP mostly use already processed 3D color maps conventionally used for visual assessment by radiologists as input. Alternatively, the raw CTP data is used on a slice-by-slice basis as 2D+time input, where the spatial information over the volume is ignored. In this paper, we investigate different methods to utilize the entire 4D CTP as input to fully exploit the spatio-temporal information. This leads us to propose a novel 4D convolution layer. Our comprehensive experiments on a local dataset comprised of 152 patients divided into three groups show that our proposed models generate more precise results than other methods explored. A Dice Coefficient of 0.70 and 0.45 is achieved for penumbra and core areas, respectively. The code is available on https://github.com/Biomedical-Data-Analysis-Laboratory/4D-mJ-Net.git.

arxiv情報

著者 Luca Tomasetti,Kjersti Engan,Liv Jorunn Høllesli,Kathinka Dæhli Kurz,Mahdieh Khanmohammadi
発行日 2023-03-15 16:53:19+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.LG, eess.IV パーマリンク