Deep Learning for Automatic Strain Quantification in Arrhythmogenic Right Ventricular Cardiomyopathy

要約

シネ心臓磁気共鳴画像法 (CMRI) による心臓の動きの定量化は、不整脈原性右室心筋症 (ARVC) の診断に不可欠な部分です。
しかし、CMRI による運動異常の専門家による評価は困難な作業です。
心臓の動きを自動的に評価するために、Implicit Neural Representations (INR) を使用して心周期のさまざまな時点からの CMRI を登録し、心筋非圧縮性の仮定にヒントを得た生体力学に基づいた正則化を実行します。
位置合わせのパフォーマンスを向上させるために、私たちの方法では、まず長軸ビューに基づいて厳密な位置合わせを実行することで CMRI に固有のスライス間の位置ずれを修正し、次に教師なし深層学習超解像度アプローチを使用して平面解像度を高めます。
最後に、複数の心臓時点からの情報を組み込むための初期化とともに、短軸ビューと 4 腔の長軸ビューからの情報を相乗的に結合することを提案します。
その後、心臓の動きを定量化するために、心臓周期にわたる全体的なひずみと部分的なひずみを計算し、ピークひずみを計算します。
この方法の評価は、47 人の ARVC 患者と 67 人の対照からのシネ CMRI スキャンのデータセットに対して実行されます。
我々の結果は、スライス間の位置合わせと超解像ボリュームの生成を 2 つの心臓ビューの共同解析と組み合わせることで、レジストレーションのパフォーマンスが著しく向上することを示しています。
さらに、提案された初期化により、より生理学的に妥当な位置合わせが得られます。
ARVC 患者と健常者との間で認められたピークひずみの有意な差は、自動運動定量化手法が診断に役立ち、疾患特有の心臓運動の変化についてのさらなる理解を提供する可能性があることを示唆しています。

要約(オリジナル)

Quantification of cardiac motion with cine Cardiac Magnetic Resonance Imaging (CMRI) is an integral part of arrhythmogenic right ventricular cardiomyopathy (ARVC) diagnosis. Yet, the expert evaluation of motion abnormalities with CMRI is a challenging task. To automatically assess cardiac motion, we register CMRIs from different time points of the cardiac cycle using Implicit Neural Representations (INRs) and perform a biomechanically informed regularization inspired by the myocardial incompressibility assumption. To enhance the registration performance, our method first rectifies the inter-slice misalignment inherent to CMRI by performing a rigid registration guided by the long-axis views, and then increases the through-plane resolution using an unsupervised deep learning super-resolution approach. Finally, we propose to synergically combine information from short-axis and 4-chamber long-axis views, along with an initialization to incorporate information from multiple cardiac time points. Thereafter, to quantify cardiac motion, we calculate global and segmental strain over a cardiac cycle and compute the peak strain. The evaluation of the method is performed on a dataset of cine CMRI scans from 47 ARVC patients and 67 controls. Our results show that inter-slice alignment and generation of super-resolved volumes combined with joint analysis of the two cardiac views, notably improves registration performance. Furthermore, the proposed initialization yields more physiologically plausible registrations. The significant differences in the peak strain, discerned between the ARVC patients and healthy controls suggest that automated motion quantification methods may assist in diagnosis and provide further understanding of disease-specific alterations of cardiac motion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google