Multi-Model Ensemble Approach for Accurate Bi-Atrial Segmentation in LGE-MRI of Atrial Fibrillation Patients

要約

心房細動（AF）は不整脈の最も一般的な形態であり、罹患率と死亡率の増加に関連しています。
AF に対する現在の臨床介入の有効性は、この不整脈を維持する心房の解剖学的構造の不完全な理解によって制限されることがよくあります。
遅発ガドリニウム増強 MRI (LGE-MRI) は、心房線維症と瘢痕を評価するための重要な画像診断法として浮上しています。心房線維症と瘢痕は、AF 患者におけるアブレーション処置の成功を予測するための必須のマーカーです。
MICCAI 2024 のマルチクラス二心房セグメンテーション (MBAS) チャレンジは、専門家によってラベル付けされた 200 個の多施設 3D LGE-MRI の包括的なデータセットを使用して、左右の心房とその壁のセグメンテーションを強化することを目的としています。
この研究では、Unet、ResNet、EfficientNet、VGG を含む複数の機械学習モデルを統合して、LGE-MRI データから自動両心房セグメンテーションを実行するアンサンブル アプローチを紹介します。
アンサンブル モデルは、左心房壁と右心房壁、右心房腔、および左心房腔のダイス類似係数 (DSC) と 95% ハウスドルフ距離 (HD95) を使用して評価されました。
内部テスト データセットでは、モデルはそれぞれ 88.41%、98.48%、98.45% の DSC と 1.07、0.95、0.64 の HD95 を達成しました。
これは、セグメンテーション精度の向上におけるアンサンブル モデルの有効性を示しています。
このアプローチは、AF の理解を進めることに貢献し、より的を絞った効果的なアブレーション戦略の開発をサポートします。

要約(オリジナル)

Atrial fibrillation (AF) is the most prevalent form of cardiac arrhythmia and is associated with increased morbidity and mortality. The effectiveness of current clinical interventions for AF is often limited by an incomplete understanding of the atrial anatomical structures that sustain this arrhythmia. Late Gadolinium-Enhanced MRI (LGE-MRI) has emerged as a critical imaging modality for assessing atrial fibrosis and scarring, which are essential markers for predicting the success of ablation procedures in AF patients. The Multi-class Bi-Atrial Segmentation (MBAS) challenge at MICCAI 2024 aims to enhance the segmentation of both left and right atria and their walls using a comprehensive dataset of 200 multi-center 3D LGE-MRIs, labelled by experts. This work presents an ensemble approach that integrates multiple machine learning models, including Unet, ResNet, EfficientNet and VGG, to perform automatic bi-atrial segmentation from LGE-MRI data. The ensemble model was evaluated using the Dice Similarity Coefficient (DSC) and 95% Hausdorff distance (HD95) on the left & right atrium wall, right atrium cavity, and left atrium cavity. On the internal testing dataset, the model achieved a DSC of 88.41%, 98.48%, 98.45% and an HD95 of 1.07, 0.95, 0.64 respectively. This demonstrates the effectiveness of the ensemble model in improving segmentation accuracy. The approach contributes to advancing the understanding of AF and supports the development of more targeted and effective ablation strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google