Radiology：神经卷积网络自动测量肥厚性心肌病心肌瘢痕体积
2020-04-11 网络 网络
心脏MRI增强晚期（LGE）瘢痕体积是预测肥厚性心肌病（HCM）患者预后侧一项重要指标。但由于目前临床尚无标准的测量方法，其临床应用并未被广泛接受。
背景
心脏MRI增强晚期（LGE）瘢痕体积是预测肥厚性心肌病（HCM）患者预后侧一项重要指标。但由于目前临床尚无标准的测量方法，其临床应用并未被广泛接受。
目的
本研究旨在建立和评价一种基于3D卷积神经网络（CNN）的自动计算HCM患者LGE瘢痕体积的方法。
材料与方法
本研究回顾性分析了多个中心的LGE MRI数据。基于U网结构建立深度3D CNN用来评价LGE心肌瘢痕体积。按4:1进行分配训练组和测试组数据。短轴位MRI层面堆栈被分割为重叠的亚堆栈，然后合并为整个体积。利用Dice相似性系数（DSC）、Pearson相关系数和Bland-Altman分析来评估每个中心每个设备的心肌瘢痕定量结果。另外，比较3D CNN与2D CNN结果。
结果
本研究共纳入了1073例HCM患者。3D CNN定量方法计算速度快，与人工心肌瘢痕体积定量(r = 0.88, P < .001)、心肌瘢痕体积与左心室体积之比(%LGE) (r = 0.91, P < .001)结果具有很好的相关性。所有中心不同设备间基于3D CNN的定量方法与人工勾画心肌瘢痕体积结果具有很强的相关性。3D CNN能够识别较大的心肌瘢痕，其准确性约为98%(202/207) (95% CI: 95%, 99%)。与3D CNN相比，2D CNN会低估心肌瘢痕体积(r = 0.85, P < .001)和%LGE (r = 0.83, P < .001)。3D CNN的DSC在不同设备间相似(P = .07)，且高于2D CNN(DSC, 0.54 ± 0.26 vs 0.48 ± 0.29; P = .02)。
结论
对于肥厚性心肌病患者来说，3D 卷积神经网络能够快速、准确地评估心肌瘢痕体积，其能力要优于2D 神经网络，该方法在不同设备间稳定性较好。
原始出处：
Fahmy AS, Neisius U, Chan RH.et al. Three-dimensional Deep Convolutional Neural Networks for Automated Myocardial Scar Quantification in Hypertrophic Cardiomyopathy: A Multicenter Multivendor Study.DOI:10.1148/radiol.2019190737
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#自动测量#
55
#瘢痕#
42
#肌病#
29
#心肌瘢痕#
37
很好的文章
103
对其有了认识
90