CardioSpectrum: Comprehensive Myocardium Motion Analysis with 3D Deep Learning and Geometric Insights

要約

コンピュータ断層撮影血管造影法 (CTA) を使用して左心室 (LV) の心筋の動きをマッピングする機能は、心血管の状態を診断し、介入手順を誘導するために不可欠です。
従来のニューラル ネットワークは、その固有の局所性により、通常、微妙な接線方向の動きを予測することが困難であり、心筋の 3 次元 (3D) マッピングを実行できる精度のレベルが大幅に低下します。
3D オプティカル フロー技術とファンクショナル マップ (FM) を使用して、この問題に対処するための包括的なアプローチを提案します。
FM は、グローバルな幾何学的特徴をキャプチャする能力で知られており、これにより 3D ジオメトリをより完全に理解できるようになります。
従来のセグメンテーション ベースの事前分布の代わりに、スペクトル対応法から導出された表面ベースの 2 次元 (2D) 制約を採用します。
ARFlow モデルに基づく当社の 3D ディープ ラーニング アーキテクチャは、複雑な 3D モーション分析タスクを処理できるように最適化されています。
FM を組み込むことで、心筋表面の微妙な接線方向の動きを正確に捉えることができるため、心筋の 3D マッピングの精度が大幅に向上します。
実験結果により、心筋運動解析の強化におけるこの方法の有効性が確認されました。
このアプローチは、心臓血管の診断と治療の改善に貢献できます。
私たちのコードと追加リソースは、https://shaharzuler.github.io/CardioSpectrumPage から入手できます。

要約(オリジナル)

The ability to map left ventricle (LV) myocardial motion using computed tomography angiography (CTA) is essential to diagnosing cardiovascular conditions and guiding interventional procedures. Due to their inherent locality, conventional neural networks typically have difficulty predicting subtle tangential movements, which considerably lessens the level of precision at which myocardium three-dimensional (3D) mapping can be performed. Using 3D optical flow techniques and Functional Maps (FMs), we present a comprehensive approach to address this problem. FMs are known for their capacity to capture global geometric features, thus providing a fuller understanding of 3D geometry. As an alternative to traditional segmentation-based priors, we employ surface-based two-dimensional (2D) constraints derived from spectral correspondence methods. Our 3D deep learning architecture, based on the ARFlow model, is optimized to handle complex 3D motion analysis tasks. By incorporating FMs, we can capture the subtle tangential movements of the myocardium surface precisely, hence significantly improving the accuracy of 3D mapping of the myocardium. The experimental results confirm the effectiveness of this method in enhancing myocardium motion analysis. This approach can contribute to improving cardiovascular diagnosis and treatment. Our code and additional resources are available at: https://shaharzuler.github.io/CardioSpectrumPage

arxiv情報

提供元, 利用サービス

arxiv.jp, Google