Automatic Diagnosis of Myocarditis Disease in Cardiac MRI Modality using Deep Transformers and Explainable Artificial Intelligence

要約

心筋炎は最も重要な心血管疾患 (CVD) の 1 つであり、心筋に損傷を与えることで多くの個人の健康を危険にさらしています。
HIV などの微生物やウイルスは、心筋炎 (MCD) の発生率に重要な役割を果たします。
初期段階での MCD 診断の欠如は、不可逆的な合併症に関連しています。
心臓磁気共鳴画像法 (CMRI) は、循環器専門医の間で CVD を診断するために非常に人気があります。
この論文では、CMRI 画像を使用した MCD の診断のために、ディープラーニング (DL) ベースのコンピューター支援診断システム (CADS) を提示します。
提案された CADS には、データセット、前処理、特徴抽出、分類、および後処理の手順が含まれます。
最初に、Z-Alizadeh データセットが実験用に選択されました。
前処理ステップには、ノイズ除去、画像のサイズ変更、およびデータ拡張 (DA) が含まれていました。
このステップでは、DA に CutMix および MixUp 手法が使用されました。
次に、CMRI 画像を使用した特徴抽出と分類に、最新の事前トレーニング済みモデルとトランスフォーマー モデルが使用されました。
私たちの結果は、事前トレーニング済みのアーキテクチャと比較して、変圧器モデルを使用した MCD の検出のパフォーマンスが高いことを示しています。
DL アーキテクチャの中で、Turbulence Neural Transformer (TNT) アーキテクチャは、10 倍の交差検証戦略で 99.73% の精度を達成しました。
説明可能ベースの Grad Cam メソッドを使用して、CMRI 画像で MCD の疑いのある領域を視覚化します。

要約(オリジナル)

Myocarditis is among the most important cardiovascular diseases (CVDs), endangering the health of many individuals by damaging the myocardium. Microbes and viruses, such as HIV, play a vital role in myocarditis disease (MCD) incidence. Lack of MCD diagnosis in the early stages is associated with irreversible complications. Cardiac magnetic resonance imaging (CMRI) is highly popular among cardiologists to diagnose CVDs. In this paper, a deep learning (DL) based computer-aided diagnosis system (CADS) is presented for the diagnosis of MCD using CMRI images. The proposed CADS includes dataset, preprocessing, feature extraction, classification, and post-processing steps. First, the Z-Alizadeh dataset was selected for the experiments. The preprocessing step included noise removal, image resizing, and data augmentation (DA). In this step, CutMix, and MixUp techniques were used for the DA. Then, the most recent pre-trained and transformers models were used for feature extraction and classification using CMRI images. Our results show high performance for the detection of MCD using transformer models compared with the pre-trained architectures. Among the DL architectures, Turbulence Neural Transformer (TNT) architecture achieved an accuracy of 99.73% with 10-fold cross-validation strategy. Explainable-based Grad Cam method is used to visualize the MCD suspected areas in CMRI images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google