A Deep Learning-Based Fully Automated Pipeline for Regurgitant Mitral Valve Anatomy Analysis From 3D Echocardiography

要約

三次元経食道心エコー検査（3DTEE）は、外科的修復または経カテーテル修復が必要な僧帽弁逆流（MR）の場合の僧帽弁（MV）形態および病変の評価に推奨される画像技術です。
このような評価は、徹底的な介入計画と手順内ガイダンスの鍵となります。
ただし、3DTEE 画像からのセグメンテーションが必要ですが、これには時間がかかり、オペレーターに依存し、多くの場合は単に定性的なものになります。
現在の研究では、3DTEE から患者固有の MV 形状を定量化するための新しいワークフローが提案されています。
開発されたアプローチは、MV 輪と小葉のマルチクラス セグメンテーションのための U-Net アーキテクチャを備えた 3D マルチデコーダ残差畳み込みニューラル ネットワーク (CNN) に依存しています。
CNN は、MR の影響を受けた患者の 55 件の 3DTEE 検査で構成されるデータセットでトレーニングおよびテストされました。
トレーニング後、CNN は完全に自動化され、したがって完全に再現可能なパイプラインに組み込まれ、予測されたセグメンテーションを改良し、MV の解剖学的ランドマークを検出し、MV の形態を定量化します。
トレーニングされた 3D CNN は、セグメンテーションを洗練する前に、平均 Dice スコア $0.82 \pm 0.06$、平均表面距離 $0.43 \pm 0.14$ mm、95% ハウスドルフ距離 (HD) $3.57 \pm 1.56$ mm を達成し、状態を上回りました。
-最先端のベースライン残余 U-Net アーキテクチャを採用し、前例のないマルチクラス セグメンテーションを提供します。
輪、前尖および後尖。
弁輪と小葉の自動 3D 線形形態学的測定、特に直径と長さは、グランド トゥルース値と比較した場合、1.45 mm 未満の差を示します。
これらの測定は、半自動の商用ソフトウェアによって実行された分析と全体的に強く一致していることも示しています。
プロセス全体には最小限のユーザー操作が必要で、所要時間は約 15 秒です

要約(オリジナル)

Three-dimensional transesophageal echocardiography (3DTEE) is the recommended imaging technique for the assessment of mitral valve (MV) morphology and lesions in case of mitral regurgitation (MR) requiring surgical or transcatheter repair. Such assessment is key to thorough intervention planning and to intraprocedural guidance. However, it requires segmentation from 3DTEE images, which is timeconsuming, operator-dependent, and often merely qualitative. In the present work, a novel workflow to quantify the patient-specific MV geometry from 3DTEE is proposed. The developed approach relies on a 3D multi-decoder residual convolutional neural network (CNN) with a U-Net architecture for multi-class segmentation of MV annulus and leaflets. The CNN was trained and tested on a dataset comprising 55 3DTEE examinations of MR-affected patients. After training, the CNN is embedded into a fully automatic, and hence fully repeatable, pipeline that refines the predicted segmentation, detects MV anatomical landmarks and quantifies MV morphology. The trained 3D CNN achieves an average Dice score of $0.82 \pm 0.06$, mean surface distance of $0.43 \pm 0.14$ mm and 95% Hausdorff Distance (HD) of $3.57 \pm 1.56$ mm before segmentation refinement, outperforming a state-of-the-art baseline residual U-Net architecture, and provides an unprecedented multi-class segmentation of the annulus, anterior and posterior leaflet. The automatic 3D linear morphological measurements of the annulus and leaflets, specifically diameters and lengths, exhibit differences of less than 1.45 mm when compared to ground truth values. These measurements also demonstrate strong overall agreement with analyses conducted by semi-automated commercial software. The whole process requires minimal user interaction and requires approximately 15 seconds

arxiv情報

提供元, 利用サービス

arxiv.jp, Google