May, 2024

全心循环内左心房运动变形的评估

PDF
TL;DR通过高分辨率 3D Cine MR 图像，我们提出了全面的技术工作流程，设计了 4D 注册建模以自动分析左心房的运动。利用分割网络和 4D 注册过程精确地描绘了整个心动周期中左心房的分割，并利用图像 4D 注册网络提取左心房位移矢量场。我们的研究结果表明了该端到端框架在提供临床医生用于左心房运动追踪和变形的新颖区域生物标志物方面的潜力，并具有重要的临床意义。
left atriummotion analysissegmentation network4d registrationbiomarkers
发现论文，激发创造
  • 使用无监督图像注册神经网络生成左心耳位移的高分辨率三维图

    提出了一个自动分割左心房的工具，通过磁共振成像技术可以精确地跟踪左心房的运动，提取位移场。

    Sep, 2023

  • 基于 3D CINE MRI 和无监督神经网络的高分辨率左房位移和应变地图

    使用自动化工具 Aladdin 从高分辨率三维 Cine MRI 图像中可靠地表征左心房（LA）区域变形的无监督神经网络，生成 LA 位移矢量场和主应变数值图，发现健康组与心血管疾病（CVD）患者之间在位移幅值和主应变数值上有显著差异，并利用 LA 图谱识别个体与整体分布不一致的区域异常，该工具具有重要的临床应用潜力。

    Dec, 2023

  • 基于解耦动态与形状模型的四维心肌重建

    提出了一种利用 4D 重建方法进行心肌形态和运动状态估计的方法，通过解耦动作和形状，预测限制切片获得的稀疏点云序列的内部 / 间接形状和运动估计。

    Aug, 2023

  • 心脏磁共振图像增强后钆分割算法的全球基准比较

    本研究基于全球最大的心脏 LGE-MRI 数据集，通过多种技术和生物学度量对 27 个国际团队的左房分割算法进行了深入分析，结果显示使用双连续 CNN 网络的方法明显优于传统方法和包含单个 CNN 的流程，达到了 93.2％的 Dice 分数和 0.7 毫米的平均表面距离，为心脏 LGE-MRI 分割方法的改进迈出了重要一步，并成为该领域评估和比较未来工作的重要基准。

    Apr, 2020

  • 利用光流网络从短轴 Cine MRI 进行左心室分割：保留心动运动的时间连贯性

    提出了一种基于卷积神经网络的新的左心室分割算法，能够充分利用心脏运动的时间一致性，从而显著提高左心室分割的精度。该算法在 Cardiac Atlas 数据库上进行了训练和测试，结果表明，在 Dice 系数和平均垂直距离等指标上都明显优于原有的 U-net 模型。

    Oct, 2018

  • 基于语义感知的时间通道注意力在心脏功能评估中的应用

    通过左心室分割、时间通道注意力模块和锚定分类回归方法，从超声心动图视频中准确自动评估心脏功能，取得了最先进的性能提升。

    Oct, 2023

  • 稀疏导管路径下左心房的神经网络重建

    基于导管的射频消融技术使用稠密的编码 - 解码网络从部分数据中重建左心房的形状，提供早期的左心房可视化，简化手术复杂性，并能在 3 分钟内产生逼真可信的可视化结果。

    Nov, 2023

  • 深度学习用于自动筛查心律失常引起的右心室心肌病的应变量化

    自动识别心脏 MR 图像中的位移异常，通过注册、形变分析和应力分析等方法进行心脏运动的量化，并在心脏病诊断中发现具有潜在价值的心脏位移变化。

    Nov, 2023

  • 适用于 3D 超声左心房分割的域和几何不可知的 CNNs

    该研究介绍了一种基于深度学习技术的左心房三维超声图像分割方法，结合了左心房形状和影像设备的先验知识，实验结果表明该方法能够提高分割准确度，能够帮助预测和发现各种心血管疾病。

    Apr, 2018

  • 基于有符号距离场的左房耳分割和统计形状建模

    患有心房颤动的患者具有罹患缺血性中风的风险增加了 5-7 倍。本研究通过量化形态学特征并建立统计形状模型，展示了左心耳形状可以通过 5 个主成分分析模式进行量化，并且能够识别出所谓的鸡翅和非鸡翅形态的两个不同形状群集。

    Feb, 2024