人的心脏是一个惊人的机器,能不间断地运作长达一个世纪。测量心脏功能的重要方法之一是计算其射血分数:心脏在舒张期充满血液后,在收缩期射出血液的百分比。获得这一指标的第一步,便依赖于心脏图像的心室分割(描绘区域)。
作者在纽约进行InsightAI计划(http://insightdata.ai/)期间,决定响应AI Open Network主持的研究呼吁,参与解决右心室精确分割挑战(https://ai-on.org/projects/cardiac-mri-segmentation.html)。设法通过超过少于当前一个数量级的参数,来达到目前最佳的结果。下面简要说明一下过程。
▍问题描述
研究呼吁:
开发能够从心脏核磁共振成图像(MRI)数据库中,自动分割右心室的系统。到目前为止,右心室分割主要由经典的图像处理方法处理,现代深度学习技术将有可能提供更可靠,全自动化的解决方案。
2016年,由Kaggle发起的左心室分割挑战的三名获奖者,都采用了深度学习的解决方案。相比较而言,右心室(RV)分割更具挑战性,原因如下:
在腔内存在与心肌相似的信号强度;右心室是复杂的新月形,从基部到顶点一直变化;分割顶点图像的切片十分困难;患者的心室内形态和信号强度差异相当大,特别是有病理改变的病例,等等。
不使用医学术语,识别右心室困难的原因是:左心室是一个厚壁的圆柱型区域,而右心室是一个不规则形状的物体,较薄的心室壁有时会与周围的组织混在一起。下图是MRI快照中手工绘制的右心室内壁和外壁(心内膜和心外膜)轮廓:
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !