Classification, Regression and Segmentation directly from k-Space in Cardiac MRI

要約

心臓磁気共鳴画像法 (CMR) は、心血管疾患を診断するためのゴールドスタンダードです。
臨床診断は主に等級のみの DICOM (Digital Imaging and Communications in Medicine) 画像に依存しており、さらなる診断上の利点をもたらす可能性がある重要な位相情報が省略されています。
対照的に、k 空間は複素数値であり、大きさと位相の両方の情報を含みますが、人間は直接認識することができません。
この研究では、k 空間データを直接処理するために特別に設計された Transformer ベースのモデルである KMAE を提案し、画像領域への従来の中間変換ステップを排除します。
KMAE は、重大な心疾患の分類、関連する表現型の退行、および心臓の形態セグメンテーションのタスクを処理できます。
私たちはこのモデルを利用して、心臓 MRI における k 空間ベースの診断の可能性を調査します。
注目すべきことに、このモデルは、画像領域の手法と比較して、競合する分類および回帰パフォーマンスを達成します。
マスクされたオートエンコーダ (MAE) により、心筋ダイス スコア 0.884 で満足のいくセグメンテーション パフォーマンスを実現します。
最後に重要なことですが、私たちのモデルは、k 空間が 8* アンダーサンプリングされている場合でも、一貫した結果で堅牢なパフォーマンスを示します。
私たちは MR コミュニティに対し、k 空間の未開発の可能性を探求し、人間の介入を減らしたエンドツーエンドの自動診断を追求することを奨励します。

要約(オリジナル)

Cardiac Magnetic Resonance Imaging (CMR) is the gold standard for diagnosing cardiovascular diseases. Clinical diagnoses predominantly rely on magnitude-only Digital Imaging and Communications in Medicine (DICOM) images, omitting crucial phase information that might provide additional diagnostic benefits. In contrast, k-space is complex-valued and encompasses both magnitude and phase information, while humans cannot directly perceive. In this work, we propose KMAE, a Transformer-based model specifically designed to process k-space data directly, eliminating conventional intermediary conversion steps to the image domain. KMAE can handle critical cardiac disease classification, relevant phenotype regression, and cardiac morphology segmentation tasks. We utilize this model to investigate the potential of k-space-based diagnosis in cardiac MRI. Notably, this model achieves competitive classification and regression performance compared to image-domain methods e.g. Masked Autoencoders (MAEs) and delivers satisfactory segmentation performance with a myocardium dice score of 0.884. Last but not least, our model exhibits robust performance with consistent results even when the k-space is 8* undersampled. We encourage the MR community to explore the untapped potential of k-space and pursue end-to-end, automated diagnosis with reduced human intervention.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google