Automated aortic segmentation and quantification of hemodynamic parameters from 4D flow MRI using deep learning techniques
Notice bibliographique
Résumé
PurposeTo develop an automated method for aortic segmentation using deep learning techniques and further analyze the hemodynamic parameters in patients with bicuspid aortic valve (BAV). Since four-dimensional (4D) flow magnetic resonance imaging (MRI) imaging helps in analyzing and quantifying the blood flow changes that occur in aortic valve-related problems, such as BAV, 4D flow MRI images are considered.ApproachOur dataset consisted of 91 patients who had referral indications of BAV and 30 healthy volunteers who had no known cardiovascular disease. A U-Net++ with pretrained ResNet-34 encoders was trained for aortic segmentation using manual segmentation by an expert as the ground truth. In the first stage, the model was evaluated on 21 test cohorts using overlay and distance-based metrics, such as Dice score, Hausdorff distance, and absolute volume difference. In the second stage, the hemodynamic parameters, such as wall shear stress (WSS), viscous energy loss, and vorticity, were calculated to quantify the blood flow irregularities that occur in BAV patients. The segmentation and the flow parameters generated by the algorithm were compared with those generated using the manual segmentations. Paired t-test with alpha value of 0.05 was used for statistical significance testing.ResultsAs for overlap and distance-based metrics, the developed algorithm reported a Dice score coefficient of 0.90 ± 0.03, absolute volume difference of 1683 ± 1139 mm3, and Hausdorff distance of 3.2 ± 1.18 mm on test cohorts. The hemodynamic parameters calculated between automated and manual methods resulted in a mean difference of 6.62% for WSS with p-value of 0.94, 17.35% for mean viscous energy loss with p-value of 0.78, and 7.59% for vorticity with p-value of 0.97.ConclusionsA fast and accurate segmentation tool was developed for aortic segmentation using a dataset taken at clinical and blood flow parameters that were calculated based on the segmented aorta. These results will assist the clinicians to analyze the blood flow patterns and commence distinguished treatment in BAV patients.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».