- 必威体育下载

姓名
邮箱
手机号码
标题
留言内容
验证码

摘要

心血管疾病(cardiovascular diseases, CVDs)的高发病率和高死亡率已经严重影响了人类的生存质量. 如何评估心脏功能、辅助临床CVDs诊疗和预后评估, 是一个迫切需要解决的问题 .针对这个问题, 本文在前期心脏电影磁共振(cardiac cine magnetic resonance, CCMR)图像左心肌分割的基础上, 提出一种基于位移流U-Net(DispFlow_UNet)和生物力学变分自动编码器(variational autoencoder, VAE)的左心肌运动追踪方法: DispFlow_UNet_VAE. 主要研究内容有: 1) 搭建压缩激励残差U-net网络精准分割左心肌, 根据分割结果计算心室体积、心肌质量等, 评估心脏整体功能; 2) 根据DispFlow_UNet_VAE估计CCMR图像连续帧之间的左心室运动, 结合左心肌分割掩膜得到左心肌密集位移场; 3)利用模拟数据真实位移场、临床数据集对追踪结果进行对比和评估. 结果表明, 本文追踪算法具有较高的精度和泛化能力.

关键词:

Abstract

The high morbidity and mortality of cardiovascular diseases (CVDs) seriously affects the quality of human life. How to asses cardiac function, assist in the diagnosis and treatment of clinical CVDs and evaluate prognosis is a problem to be solved urgently. In response to this issue, based on previous work of Cardiac Cine Magnetic Resonance (CCMR) image segmentation of the left myocardium (LVM), a robust and accurate LVM motion tracking method (DispFlow_UNet_Flow) with using the displacement flow UNet (DispFlow_UNet) and biomechanics-informed variational autoencoder (VAE) is proposed in this paper. The following are the main research contents: (1) building a compressed excitation residual U-net network to accurately segment LVM, calculating the ventricular volume and myocardial mass according to the segmentation results, and then evaluating the overall cardiac function; (2) reconstructing the dense displacement field (DDF) based on the proposed motion tracking method, and obtaining the LVM dense displacement field by combining the LVM segmentation mask; (3) contrasting and evaluating the motion tracking results by using the true displacement vector field of simulated data and clinical data sets. All the results show that the tracking algorithm proposed in this paper has high precision and generalization capability.

Keywords:

作者及机构信息

1.
2.

通信作者:王丽嘉,lijiawangmri@163.com

基金项目:广东省重点领域研发计划项目(批准号: 2019B20230004, 2020B010113015)资助的课题.

Authors and contacts

1.
2.

Corresponding author:Wang Li-Jia,lijiawangmri@163.com

Funds:Project supported by the Key-Area Research and Development Program of Guangdong Province (Grant Nos. 2019B20230004, 2020B010113015).

文章全文: translate this paragraph

参考文献

[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]

施引文献

下载: 全尺寸图片幻灯片

数据集	数据量	相位数	层数	磁共振扫描仪
ACDC	100	12—35	9—10	1.5 T Siemens Area 3.0 T Siemens Trio Tim
临床数据	75	20—28	6—10	1.5 T GE
合成MRI数据	15	30	9—14	无

下载: 导出CSV

第n重交叉验证(Foldn)	Fold1	Fold2	Fold3	Fold4	Fold5
内部数据data_ int	HCM MINFNOR RVA	DCM MINFNOR RVA	DCM HCMNOR RVA	DCM HCMMINF RVA	DCM HCMMINF NOR
外部数据 data_ ext	DCM	HCM	MINF	NOR	RVA
训练集	data_int×0.8
验证集	data_int×0.1
预测集	data_int×0.1 + data_ext×1

下载: 导出CSV

EDV /mL	ESV/mL	SV /mL	EF /%	ED_LVM/L·min^–1	ES_LVM /g
97.94 ±34.73	38.133 ±21.30	61.39 ±24.43	62.90 ±15.3	88.23 ±35.23	84.13±33.22

下载: 导出CSV

方法	Dice		MCD		HD
方法	LVC	LVM	LVC	LVM	LVC	LVM
FFD	0.920 (0.029)	0.797 (0.034)	1.256 (0.387)	1.192 (0.392)	3.431 (0.688)	3.439 (1.181)
DL+L2	0.912 (0.037)	0.800 (0.057)	1.340 (0.428)	1.171 (0.286)	3.699 (1.099)	3.285 (0.717)
DispFlow_UNet	0.925 (0.024)	0.818 (0.054)	1.203 (0.329)	0.971(0.120)	3.347(0.785)	2.906(0.358)
DispFlow_UNet_VAE	0.946(0.016)	0.843(0.031)	0.924(0.279)	0.931(0.239)	2.991(0.960)	3.178 (0.744)

下载: 导出CSV

数据集	Dice			MCD
数据集	LVC	LVM	RVC	LVC	LVM	RVC
ACDC	0.946 (0.016)	0.843 (0.031)	0.876 (0.078)	0.924 (0.279)	0.931 (0.239)	1.348 (0.858)
临床数据	0.882 (0.022)	0.836 (0.059)	0.850 (0.093)	1.874 (0.383)	1.079 (0.262)	1.427 (0.579)

下载: 导出CSV

[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]

[1]	黄宇航, 陈理想.基于未训练神经网络的分数傅里叶变换成像. 必威体育下载 , 2024, 73(9): 094201.doi:10.7498/aps.73.20240050
[2]	施岳, 欧攀, 郑明, 邰含旭, 王玉红, 段若楠, 吴坚.基于轻量残差复合增强收敛神经网络的粒子场计算层析成像伪影噪声抑制. 必威体育下载 , 2024, 73(10): 104202.doi:10.7498/aps.73.20231902
[3]	张赞, 黄北举, 陈弘达.基于可重构硅光滤波器的计算重建片上光谱仪. 必威体育下载 , 2024, 73(14): 140701.doi:10.7498/aps.73.20240224
[4]	刘鸿江, 刘逸飞, 谷付星.基于深度学习的微纳光纤自动制备系统. 必威体育下载 , 2024, 73(10): 104207.doi:10.7498/aps.73.20240171
[5]	张普渡, 王伟权, 李哲民, 张资旋, 王叶晨, 周泓宇, 银燕.基于深度学习的钻孔辐射压离子加速建模. 必威体育下载 , 2023, 72(18): 184103.doi:10.7498/aps.72.20230702
[6]	刘栋, 崔新月, 王浩东, 张贵军.蛋白质结构模型质量评估方法综述. 必威体育下载 , 2023, 72(24): 248702.doi:10.7498/aps.72.20231071
[7]	欧秀娟, 肖奕.RNA扭转角预测的深度学习方法. 必威体育下载 , 2023, 72(24): 248703.doi:10.7498/aps.72.20231069
[8]	孙涛, 袁健美.基于深度学习原子特征表示方法的Janus过渡金属硫化物带隙预测. 必威体育下载 , 2023, 72(2): 028901.doi:10.7498/aps.72.20221374
[9]	战庆亮, 白春锦, 葛耀君.基于时程深度学习的复杂流场流动特性表征方法. 必威体育下载 , 2022, 71(22): 224701.doi:10.7498/aps.71.20221314
[10]	朱琦, 许多, 张元军, 李玉娟, 王文, 张海燕.基于卷积神经网络的白蚀缺陷超声探测. 必威体育下载 , 2022, 71(24): 244301.doi:10.7498/aps.71.20221504
[11]	张航瑛, 王雪琦, 王华英, 曹良才.基于明度分量的Retinex-Net图像增强改进方法. 必威体育下载 , 2022, 71(11): 110701.doi:10.7498/aps.71.20220099
[12]	战庆亮, 葛耀君, 白春锦.基于深度学习的流场时程特征提取模型. 必威体育下载 , 2022, 71(7): 074701.doi:10.7498/aps.71.20211373
[13]	南虎, 麻晓晶, 赵海博, 汤少杰, 刘卫华, 王大威, 贾春林.基于YOLOv3框架的高分辨电镜图像原子峰位置检测. 必威体育下载 , 2021, 70(7): 076803.doi:10.7498/aps.70.20201502
[14]	苏博, 陶芬, 李可, 杜国浩, 张玲, 李中亮, 邓彪, 谢红兰, 肖体乔.同步辐射纳米CT图像配准方法研究. 必威体育下载 , 2021, 70(16): 160704.doi:10.7498/aps.70.20210156
[15]	赵智鹏, 周双, 王兴元.基于深度学习的新混沌信号及其在图像加密中的应用. 必威体育下载 , 2021, 70(23): 230502.doi:10.7498/aps.70.20210561
[16]	徐昭, 周昕, 白星, 李聪, 陈洁, 倪洋.基于深度学习的相位截断傅里叶变换非对称加密系统攻击方法. 必威体育下载 , 2021, 70(14): 144202.doi:10.7498/aps.70.20202075
[17]	张瑶, 张云波, 陈立.基于深度学习的光学表面杂质检测. 必威体育下载 , 2021, 70(16): 168702.doi:10.7498/aps.70.20210403
[18]	陈炜, 郭媛, 敬世伟.基于深度学习压缩感知与复合混沌系统的通用图像加密算法. 必威体育下载 , 2020, 69(24): 240502.doi:10.7498/aps.69.20201019
[19]	郎利影, 陆佳磊, 于娜娜, 席思星, 王雪光, 张雷, 焦小雪.基于深度学习的联合变换相关器光学图像加密系统去噪方法. 必威体育下载 , 2020, 69(24): 244204.doi:10.7498/aps.69.20200805
[20]	李绍和, 李九生, 孙建忠.太赫兹频率编码器. 必威体育下载 , 2019, 68(10): 104203.doi:10.7498/aps.68.20190032

计量

文章访问数:4089
PDF下载量:60
被引次数:0

搜索

留言板