Multitask Learning for Improved Late Mechanical Activation Detection of Heart from Cine DENSE MRI

要約

理想的には瘢痕がなく、活性化が遅れている最適なペーシング部位の選択は、心臓再同期療法 (CRT) の反応にとって重要です。
活性化時間回帰の問題として、このような後期機械的活性化 (LMA) 領域の検出を定式化する現在のアプローチの成功にもかかわらず、特に心筋瘢痕が存在する場合、その精度は不十分なままです。
この問題に対処するために、このホワイト ペーパーでは、誘導エコー (DENSE) 磁気共鳴画像法 (MRI) を使用したシネ変位エンコーディングに基づいて、LMA 量を同時に推定し、瘢痕のない LMA 領域を分類するマルチタスク ディープ ラーニング フレームワークを紹介します。
新しく導入された補助 LMA 領域分類サブネットワークにより、提案されたモデルは、心筋瘢痕によって引き起こされる複雑なパターンに対してより堅牢性を示し、LMA 検出におけるそれらの悪影響を大幅に排除し、ひいては瘢痕分類のパフォーマンスを向上させます。
この方法の有効性を評価するために、実際の心臓 MR 画像でモデルをテストし、予測された LMA を最先端のアプローチと比較します。
これは、私たちのアプローチが大幅に精度を向上させていることを示しています。
さらに、勾配加重クラス アクティベーション マッピング (Grad-CAM) を使用して、すべての方法で学習した特徴マップを視覚化します。
実験結果は、提案されたモデルが LMA 領域パターンをよりよく認識することを示唆しています。

要約(オリジナル)

The selection of an optimal pacing site, which is ideally scar-free and late activated, is critical to the response of cardiac resynchronization therapy (CRT). Despite the success of current approaches formulating the detection of such late mechanical activation (LMA) regions as a problem of activation time regression, their accuracy remains unsatisfactory, particularly in cases where myocardial scar exists. To address this issue, this paper introduces a multi-task deep learning framework that simultaneously estimates LMA amount and classify the scar-free LMA regions based on cine displacement encoding with stimulated echoes (DENSE) magnetic resonance imaging (MRI). With a newly introduced auxiliary LMA region classification sub-network, our proposed model shows more robustness to the complex pattern cause by myocardial scar, significantly eliminates their negative effects in LMA detection, and in turn improves the performance of scar classification. To evaluate the effectiveness of our method, we tests our model on real cardiac MR images and compare the predicted LMA with the state-of-the-art approaches. It shows that our approach achieves substantially increased accuracy. In addition, we employ the gradient-weighted class activation mapping (Grad-CAM) to visualize the feature maps learned by all methods. Experimental results suggest that our proposed model better recognizes the LMA region pattern.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google