Fully-automated deep learning-based flow quantification of 2D CINE phase contrast MRI
Notice bibliographique
Résumé
OBJECTIVES: Time-resolved, 2D-phase-contrast MRI (2D-CINE-PC-MRI) enables in vivo blood flow analysis. However, accurate vessel contour delineation (VCD) is required to achieve reliable results. We sought to evaluate manual analysis (MA) compared to the performance of a deep learning (DL) application for fully-automated VCD and flow quantification and corrected semi-automated analysis (corSAA). METHODS: We included 97 consecutive patients (age = 52.9 ± 16 years, 41 female) with 2D-CINE-PC-MRI imaging on 1.5T MRI systems at sinotubular junction (STJ), and 28/97 also received 2D-CINE-PC at main pulmonary artery (PA). A cardiovascular radiologist performed MA (reference) and corSAA (built-in tool) in commercial software for all cardiac time frames (median: 20, total contours per analysis: 2358 STJ, 680 PA). DL-analysis automatically performed VCD, followed by net flow (NF) and peak velocity (PV) quantification. Contours were compared using Dice similarity coefficients (DSC). Discrepant cases (> ± 10 mL or > ± 10 cm/s) were reviewed in detail. RESULTS: DL was successfully applied to 97% (121/125) of the 2D-CINE-PC-MRI series (STJ: 95/97, 98%, PA: 26/28, 93%). Compared to MA, mean DSC were 0.91 ± 0.02 (DL), 0.94 ± 0.02 (corSAA) at STJ, and 0.85 ± 0.08 (DL), 0.93 ± 0.02 (corSAA) at PA; this indicated good to excellent DL-performance. Flow quantification revealed similar NF at STJ (p = 0.48) and PA (p > 0.05) between methods while PV assessment was significantly different (STJ: p < 0.001, PA: p = 0.04). A detailed review showed noisy voxels in MA and corSAA impacted PV results. Overall, DL analysis compared to human assessments was accurate in 113/121 (93.4%) cases. CONCLUSIONS: Fully-automated DL-analysis of 2D-CINE-PC-MRI provided flow quantification at STJ and PA at expert level in > 93% of cases with results being available instantaneously. KEY POINTS: • Deep learning performed flow quantification on clinical 2D-CINE-PC series at the sinotubular junction and pulmonary artery at the expert level in > 93% of cases. • Location detection and contouring of the vessel boundaries were performed fully-automatic with results being available instantaneously compared to human assessments which approximately takes three minutes per location. • The evaluated tool indicates usability in daily practice.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».