Automatically Segment the Left Atrium and Scars from LGE-MRIs Using a Boundary-focused nnU-Net

要約

タイトル：境界に焦点を当てたnnU-Netを用いたLGE-MRIからの左心房および瘢痕の自動セグメンテーション

要約：
– 心房細動（AF）は最も一般的な心臓不整脈です。
– 正確な左心房（LA）およびLA瘢痕のセグメンテーションは、AFの治療成績を予測する上で貴重な情報を提供できます。
– 本論文では、遅延ガドリニウム強調MRI（LGE-MRI）を使用して、自動的にLA腔をセグメンテーションし、LA瘢痕を定量化することを提案しました。
– 基準モデルとしてnnU-Netを採用し、TopK損失を損失関数としてLA境界特性の重要性を利用しました。
– 具体的には、トレーニング中にLA境界のピクセルに重点を置いて、より正確な境界予測を提供します。
– 一方、予測されたLA境界の距離マップ変換は、LA瘢痕予測の追加入力として扱われ、瘢痕位置に限定的な制約を提供します。
– さらに、高い不確実性を持つ予測に対してより良い結果を生み出すために、新しい不確実性アウェアモジュール（UAM）を設計しました。
– LAScarQS 2022データセット上の実験は、当研究のモデルがLA腔およびLA瘢痕のセグメンテーションについて優れた性能を発揮したことを示しました。
– 具体的には、LA腔のDice係数が88.98％、瘢痕セグメンテーションのDice係数が64.08％でした。
– 実装コードは https://github.com/level6626/Boundary-focused-nnU-Net で公開されます。

要約(オリジナル)

Atrial fibrillation (AF) is the most common cardiac arrhythmia. Accurate segmentation of the left atrial (LA) and LA scars can provide valuable information to predict treatment outcomes in AF. In this paper, we proposed to automatically segment LA cavity and quantify LA scars with late gadolinium enhancement Magnetic Resonance Imagings (LGE-MRIs). We adopted nnU-Net as the baseline model and exploited the importance of LA boundary characteristics with the TopK loss as the loss function. Specifically, a focus on LA boundary pixels is achieved during training, which provides a more accurate boundary prediction. On the other hand, a distance map transformation of the predicted LA boundary is regarded as an additional input for the LA scar prediction, which provides marginal constraint on scar locations. We further designed a novel uncertainty-aware module (UAM) to produce better results for predictions with high uncertainty. Experiments on the LAScarQS 2022 dataset demonstrated our model’s superior performance on the LA cavity and LA scar segmentation. Specifically, we achieved 88.98\% and 64.08\% Dice coefficient for LA cavity and scar segmentation, respectively. We will make our implementation code public available at https://github.com/level6626/Boundary-focused-nnU-Net.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI