Simultaneous Deep Learning of Myocardium Segmentation and T2 Quantification for Acute Myocardial Infarction MRI

要約

心臓磁気共鳴画像法 (MRI) 解析では、心筋の病状を評価するために、心筋セグメンテーションと T2 定量化を同時に行うことが重要です。
既存の方法では、これらのタスクを個別に処理することが多く、相乗効果の可能性が限られています。
これに対処するために、Transformer と畳み込みニューラル ネットワーク (CNN) コンポーネントを統合するデュアルタスク ネットワークである SQNet を提案します。
SQNet は、Transformer のグローバル機能を活用した定量分析用の T2-refine フュージョン デコーダと、精度を向上させるために複数のローカル領域を監視するセグメンテーション デコーダを備えています。
密結合モジュールは CNN と Transformer ブランチの機能を調整して融合し、SQNet が心筋領域に焦点を当てることができるようにします。
健康な対照（HC）および急性心筋梗塞患者（AMI）の評価では、最先端の方法（87.7/87.9）と比較して、セグメンテーションダイススコア（89.3/89.2）が優れていることが実証されました。
T2 定量化により、HC/AMI のラベル値との強い線形相関 (ピアソン係数: 0.84/0.93) が得られ、正確なマッピングが示されます。
放射線科医の評価では、最先端の方法（セグメンテーションで 4.50/4.44、T2 定量化で 3.59/4.37）を上回る SQNet の画質スコア（セグメンテーションで 4.60/4.58、T2 定量化で 4.32/4.42）が優れていることが確認されています。
したがって、SQNet は正確な同時セグメンテーションと定量化を提供し、AMI などの心臓病の診断を強化します。

要約(オリジナル)

In cardiac Magnetic Resonance Imaging (MRI) analysis, simultaneous myocardial segmentation and T2 quantification are crucial for assessing myocardial pathologies. Existing methods often address these tasks separately, limiting their synergistic potential. To address this, we propose SQNet, a dual-task network integrating Transformer and Convolutional Neural Network (CNN) components. SQNet features a T2-refine fusion decoder for quantitative analysis, leveraging global features from the Transformer, and a segmentation decoder with multiple local region supervision for enhanced accuracy. A tight coupling module aligns and fuses CNN and Transformer branch features, enabling SQNet to focus on myocardium regions. Evaluation on healthy controls (HC) and acute myocardial infarction patients (AMI) demonstrates superior segmentation dice scores (89.3/89.2) compared to state-of-the-art methods (87.7/87.9). T2 quantification yields strong linear correlations (Pearson coefficients: 0.84/0.93) with label values for HC/AMI, indicating accurate mapping. Radiologist evaluations confirm SQNet’s superior image quality scores (4.60/4.58 for segmentation, 4.32/4.42 for T2 quantification) over state-of-the-art methods (4.50/4.44 for segmentation, 3.59/4.37 for T2 quantification). SQNet thus offers accurate simultaneous segmentation and quantification, enhancing cardiac disease diagnosis, such as AMI.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google