Phase Unwrapping of Color Doppler Echocardiography using Deep Learning

要約

カラードップラー心エコー検査は、心臓内の血流に関するリアルタイムの情報を提供する、広く使用されている非侵襲性画像診断法です。
左心室の心尖部の長軸像では、特に心臓の充満と駆出中に、カラードプラは位相ラッピングまたはエイリアシングの影響を受けます。
カラードップラーに基づく定量的手法を設定する場合、このラッピングアーティファクトを修正する必要があります。
私たちは、カラードプラ心エコー画像をアンラップ（デエイリアス）するための展開されたプライマルデュアルネットワークを開発し、nnU-Net とトランスフォーマーモデルに基づく 2 つの最先端のセグメンテーションアプローチとその有効性を比較しました。
社内のデータセットで各メソッドのパフォーマンスをトレーニングおよび評価したところ、nnU-Net ベースのメソッドが最良のデエイリアス結果を提供し、次に主双対アプローチとトランスフォーマー ベースの手法が続くことがわかりました。
注目すべきことに、訓練可能なパラメータが大幅に少ない主双対ネットワークは、他の 2 つの方法と比較して競合的に機能し、ディープ アンフォールディング方法の高い可能性を示しています。
私たちの結果は、深層学習ベースの手法がカラードップラー心エコー画像のエイリアシングアーチファクトを効果的に除去でき、最先端の半自動手法である DeAN を上回るパフォーマンスを発揮できることを示唆しています。
全体として、私たちの結果は、ディープラーニングベースの手法が、下流の定量分析のためにカラードップラー画像を効果的に前処理できる可能性があることを示しています。

要約(オリジナル)

Color Doppler echocardiography is a widely used non-invasive imaging modality that provides real-time information about the intracardiac blood flow. In an apical long-axis view of the left ventricle, color Doppler is subject to phase wrapping, or aliasing, especially during cardiac filling and ejection. When setting up quantitative methods based on color Doppler, it is necessary to correct this wrapping artifact. We developed an unfolded primal-dual network to unwrap (dealias) color Doppler echocardiographic images and compared its effectiveness against two state-of-the-art segmentation approaches based on nnU-Net and transformer models. We trained and evaluated the performance of each method on an in-house dataset and found that the nnU-Net-based method provided the best dealiased results, followed by the primal-dual approach and the transformer-based technique. Noteworthy, the primal-dual network, which had significantly fewer trainable parameters, performed competitively with respect to the other two methods, demonstrating the high potential of deep unfolding methods. Our results suggest that deep learning-based methods can effectively remove aliasing artifacts in color Doppler echocardiographic images, outperforming DeAN, a state-of-the-art semi-automatic technique. Overall, our results show that deep learning-based methods have the potential to effectively preprocess color Doppler images for downstream quantitative analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google