הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר שיטה

פילוח של הפרוזדור השמאלי בתמונות תהודה מגנטית קרדיווסקולרית של חולים עם דלקת שריר הלב

621 צפיות

⸱

DOI:

10.3791/68664

⸱

18 ביולי 2025

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Radiology, The Second Affiliated Hospital of Chengdu Medical College, Nuclear Corportation 416 Hosptital, 2Department of Radiology, The First People's Hospital of Longquanyi District Chengdu, West China Longquan Hospital, Sichuan University, 3Department of Medical Imaging, Chengdu Medical College, 4Department of Radiology, The Second Affiliated Hospital of Kunming Medical University

* These authors contributed equally

במאמר זה

סיכום

ניתוח הקולנוע התלת-ממדי המשופר ברשת מאפשר הערכה מדויקת של תפקוד הפרוזדורים השמאלי בדלקת שריר הלב, שיפור זיהוי מוקדם של תפקוד לקוי בתפקוד הסיסטולי-דיאסטולי והפחתת שגיאות חיזוי מקטע פליטה לאבחון קליני וניטור של תפקוד מכני של פרוזדורים.

תקציר

רצפי תהודה מגנטית קרדיווסקולרית (CMR) משמשים כטכניקת הדמיה אבן הפינה להערכת תפקוד פרוזדורים שמאלי דינמי (LA) בחולי דלקת שריר הלב. על ידי לכידת מאפייני תנועה תלת מימדיים לאורך מחזור הלב ברזולוציה זמנית גבוהה, שיטה זו מספקת נתונים קריטיים לניתוח תיאום התכווצות שריר הלב וחריגות בתנועת הקיר. חידושים טכנולוגיים מרכזיים, כגון מודלים דינמיים והדמיה מקודדת מתח, מאפשרים הערכה כמותית של הפרעה בתפקוד הסיסטולי-דיאסטולי של לוס אנג'לס בשלב מוקדם בדלקת שריר הלב. עם זאת, האתגרים העיקריים בפילוח רצף קולנועי כוללים חפצים דינמיים ומידול המשכיות מרחבית-זמנית של מבנים בעלי קירות דקים. שיטות פילוח מסורתיות מבוססות סף מדגימות עקביות מוגבלת ברצפים דינמיים בשל חוסר יכולתן ללכוד דפוסי תנועה. גישות למידה עמוקה המשתמשות ברשת קונבולוציונית מלאה תלת מימדית (3D-FCN) השיגו דיוק מעולה באמצעות שלושה שיפורים אסטרטגיים: (1) היתוך תכונות מרחביות-זמניות: זה השתמש בגרעינים קונבולוציוניים תלת מימדיים כדי לחלץ בו זמנית מבנים מרחביים ותכונות ממדיות זמניות, ובכך להפחית את השפעות טשטוש התנועה. (2) חיבורי דילוג דינמיים: משולבים בארכיטקטורות מקודד-מפענח, חיבורים אלה חיזקו את מידול מתאם העיוות על פני שלבי לב שונים באמצעות התפשטות תכונות חוצות זמנים. (3) עיצוב קל משקל: על ידי שימוש בעיבוד חכם תיקון ופיתולים הניתנים להפרדה בעומק, היעילות החישובית אופטימלית לעיבוד בזמן אמת של מערכי נתונים ארבע-ממדיים בקנה מידה גדול. ה-3D-FCN השיג מקדם קוביות של 0.921 עבור פילוח LA, המייצג שיפור של 12.3% לעומת שיטות קונבנציונליות. תכנון זה הפחית את שגיאת חיזוי שבר הפליטה של LA מ-8.7% ל-3.2%. תוצאות הפילוח הקלו ישירות על חישוב מדדים כמותיים, כולל עקומות זמן נפח ושיעורי מתח בלוס אנג'לס. מדדים אלה תמכו באבחנה הקלינית של תפקוד מכני פרוזדורי הקשור לדלקת שריר הלב.

מבוא

רצפי תהודה מגנטית קרדיווסקולרית (CMR), כשיטת ההדמיה המרכזית להערכת תפקוד פרוזדורים שמאלי דינמי (LA) בחולי דלקת שריר הלב, מספקים נתונים קריטיים לזיהוי חריגות בתיאום התכווצות שריר הלב ותפקוד דיאסטולי מוקדם, תוך מינוף הרזולוציה הזמנית הגבוהה ויכולות לכידת התנועה התלת מימדיתשלהם 1,2,3,4,5 . באמצעות הדמיה מקודדת מתח וטכניקות מודלים של תנועה דינמית, רצפי CMR מאפשרים זיהוי מדויק של בצקת שריר הלב ופיברוזיס, אשר מתאמים חזק עם שינויים היסטופתולוגיים ומנבאים אירועים קרדיווסקולריים שליליים משמעותיים 6,7,8,9. מעקב אחר תכונות CMR מאפשר הערכה כמותית של זן LA, המשקף את פונקציות המאגר, הצינור והמשאבה שלו. ניתן להעריך בעקיפין לחץ מוגבר בפרוזדורים שמאליים, הקשור לתפקוד דיאסטולי לקוי של החדר השמאלי, באמצעות ניתוח קצב מתח LA באמצעות CMR, המספק תובנות לגבי דפוסי מילוי חריגים של החדר השמאלי 8,10,11,12.

בדלקת שריר הלב, מדדי מתח ספציפיים - כגון מאמץ פסיבי ומתח אקטיבי - מציגים מתאמים חזקים עם פיברוזיס בשריר הלב, ומאפשרים זיהוי מוקדם של תפקוד לקוי מפצה במכניקת LA 13,14,15,16. יש לציין כי הפחתות בזן LA מקדימות לעתים קרובות התרחבות מבנית בחולי דלקת שריר הלב, ורצפי CMR לוכדים ברגישות את דפוסי השיפוץ המוקדמים הללו, ומציעים חלון קריטי להתערבות קלינית בזמן. עם זאת, פילוח רצף הקולנוע מתמודד עם אתגרים מרובים: מבנה ה-LA בעל הקירות הדקים רגיש לחפצי תנועה נשימתיים, מה שמוביל לשגיאות בחישוב שבר הפליטה, בעוד ששיטות פילוח מסורתיות מבוססות סף מעריכות באופן שיטתי יתר על המידה את הנפח המינימלי של LA בשל חוסר יכולתן ללכוד דפוסי עיוות אסימטריים15,17.

בשנים האחרונות, טכנולוגיית חישה דחוסה הפחיתה את זמן הסריקה באמצעות תת-דגימה של k-space, והדגימה מתאם גבוה עם מדידות תקן זהב עבור מקטע פליטה פסיבי של LA, אם כי הערכת חסר של מקטע הפליטה הכולל ותפקוד המשאבה האקטיבית נותרה אופטימלית 18,19,20,21. יש לציין כי מודלים לחיזוי תנועת לב מונעי למידה עמוקה השיגו מודלים פונקציונליים דינמיים מדויקים של LA ברצפי נשימה חופשית על ידי שילוב קידוד מהירות פאזה ואלגוריתמים אדפטיביים לתיקון תנועה22,23. מחקר זה נועד להשתמש באלגוריתמים של למידה עמוקה כדי לבסס בסיס קריטי לאבחון קליני של תפקוד מכני LA הקשור לדלקת שריר הלב, המאפשר ריבוד סיכון מותאם אישית וחיזוי פרוגנוסטי לחולי דלקת שריר הלב.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

ועדת האתיקה של המכללה הרפואית של צ'נגדו קבעה כי מחקר זה עומד בקריטריונים לוויתור על הסכמה מדעת. המחקר דבק בעקרונות שהותוו בהצהרת הלסינקי.

1. בחירת המטופל

  1. השתמש בקריטריוני ההכללה הבאים: חולים עם דלקת שריר הלב העומדים בקריטריונים קליניים לדלקת שריר הלב חריפה, כולל תסמינים פוסט-ויראליים, סמנים ביולוגיים מוגברים וחריגות אלקטרוקרדיוגרמה (ECG).
  2. לא לכלול חולים עם הדברים הבאים: מחלת לב איסכמית, מסתמית או מולדת; פגיעה משנית בשריר הלב מתרופות, כימותרפיה או זיהומים; הדמיה לא אבחנתית; מצבים בסיכון גבוה (הריון, תפקוד לקוי של הכליות או חוסר יציבות המודינמית).

2. פרוטוקול הדמיה CMR ופרמטרי סריקה

  1. תצורת סורק
    1. הפעל סורק הדמיית תהודה מגנטית 3.0 טסלה המצויד בסליל מערך פאזות לב בעל 32 ערוצים תוך 14-28 ימים לאחר הופעת התסמינים.
    2. בצע אימות סליל באמצעות פונקציית בדיקת הסליל של הקונסולה, ולאחר מכן שגרת כיול אוטומטי.
      הערה: מיקום המטופל דורש התמצאות בשכיבה כאשר הסליל מרוכז בקו אמצע בית השחי השמאלי.
  2. הערכה תפקודית של פרוזדורים שמאליים
    1. התחל הדמיה מאוזנת של פרצסיה חופשית במצב יציב באמצעות מנהל הפרוטוקול > מסלול פרצסיה חופשית במצב יציב של > Cine_balanced הלב (bSSFP).
    2. הגדר שער אלקטרוקרדיוגרמה רטרוספקטיבי כאשר הפרמטר Trigger Window מוגדר ל-15% עבור התאמה להפרעות קצב.
    3. השג כיסוי מלא של מחזור הלב על ידי תכנות רזולוציה זמנית של 33 אלפיות השנייה (30 שלבים) באמצעות 12 מקטעי k-space.
      הערה: הפרמטרים העיקריים כוללים זמן חזרה/זמן הד 3.0/1.5 אלפיות השנייה, זווית היפוך 45°, רוחב פס 930 הרץ/פיקסל ומטריצה 256×256.
  3. רכישת מישור לב סטנדרטי
    1. השג תמונות סקאוט באמצעות רצף לוקלייזר בעל שלושה מישורים, שלוקח כ-18 שניות.
    2. קבעו תצוגה של ארבעה חדרים על ידי יישור מישור ההדמיה דרך קודקוד החדר השמאלי ומרכז המסתם המיטרלי על לוקלייזר צירי.
    3. צור תצוגה דו-קאמרית על ידי שכפול המרשם בן ארבעת החדרים והחלת סיבוב של 60 מעלות בכיוון השעון.
  4. יישום הדמיה מקבילה
    1. הפעל רכישה מקבילית חלקית של כיול אוטומטי כללי באמצעות כרטיסיית האצה של המסוף עם גורם הדמיה מקבילי 2.
    2. אפשר דגימת פורייה חלקית על ידי הגדרת שלב פורייה חלקי לתצורת 6/8 .
    3. בצע כיול ייחוס עם 24 קווי אות כיול אוטומטי הדורשים 22 שניות.
      הערה: פרמטרי הסריקה העיקריים כוללים TR/TE = 3.0 אלפיות השנייה/1.5 אלפיות השנייה, זווית היפוך = 45° ורוחב פס = 930 הרץ/פיקסל.
  5. הדמיה ספציפית לאטריום השמאלי
    1. זהה ציוני דרך אנטומיים, כולל הטבעת המיטרלית באמצע הדיאסטולה, גג הפרוזדור השמאלי בצורת משפך 15 מ"מ מהמחיצה, ופתח הנספח הפרוזדורי השמאלי (LAA) המדגים ארכיטקטורת לובר מובהקת.
    2. יישר את מישורי הציר הארוך בניצב לתצוגה בת ארבעת החדרים המשתרעת מפתחי וריד הריאה ועד לקצה התוספתן השמאלי.
      הערה: שלושה ציוני דרך אנטומיים חיוניים מנחים את לוקליזציה של מישור CMR: הטבעת המיטרלית, הדורשת הדמיה אמצעית דיאסטולית של שני העלים, גג ה-LA בצורת משפך שבמרכזו 15 מ"מ מהמחיצה באוסטיום וריד הריאה העליון הימני, ופתח ה-LAA המדגים ארכיטקטורת לובר ברורה עם גבולות ברורים מווריד הריאה העליון השמאלי.
  6. רכישת מחסנית ציר קצר
    1. קבעו פרוסות רציפות של צירים קצרים במקביל למישור הטבעת המיטרלי באמצעות הנחיית תצוגה דיאסטולית דו-קאמרית.
    2. הגדר גיאומטריית פרוסות בעובי 3 מ"מ, בסך הכל 15 פרוסות המכסות ממקורות וריד הריאה ועד לקודקוד החדר השמאלי.
  7. הדמיה ברזולוציה גבוהה
    1. השתמש ברצף פרצסיה חופשי במצב יציב מאוזן מוגדל, השגת רזולוציה של 0.8×0.8×2.5 מ"מ עם רוחב פס של 1200 הרץ/פיקסל.
    2. מקם את רצועת הרוויה הדיאסטולית מעל יציאת התוספתן הפרוזדורי השמאלי ב-50 אלפיות השנייה לאחר גל R בעובי של 10 מ"מ.
  8. בקרת תנועה נשימתית
    1. פרוס את שער הניווט על ידי הפעלת פונקציית מעקב הסרעפת על כיפת ההמידיאפרגמה הימנית עם חלון קבלה של 5 מ"מ.
    2. צמצם את משך עצירת הנשימה על ידי אפשור שחזור חישה דחוס במקדם תאוצה של 4.0 ויישום רצפי פרצסיה חופשיים במצב יציב בזמן אמת.
      הערה: כדי להבטיח את בטיחות המטופל, מחקר זה דבק בקפדנות בנייר העמדה של האגודה לתהודה מגנטית קרדיווסקולרית (SCMR) (2020) על אינדיקציות קליניות לתהודה מגנטית קרדיווסקולרית24.

3. עיבוד מקדים של נתונים ובקרת איכות

  1. השתמש ברישום B-spline לא קשיח כדי לטפל בחוסר יישור הנגרם על ידי נשימה והפרעות קצב (סובלנות מקסימלית ± 4 מ"מ) לתיקון תנועה.
  2. השתמש בתיקון שדה הטיה N4 והתאמת היסטוגרמה כדי לתקנן את העוצמה על פני סורקים להומוגניזציה של אותות.
  3. בצע ביאורים בתקן זהב על ידי שני רדיולוגים מומחים (>ניסיון של 5 שנים) בפורס תלת מימד לפי הנחיה25.
    הערה: דרישות המערכת, שלבי ההתקנה, המודולים הפונקציונליים הבסיסיים וזרימת העבודה מבוססים על המדריך הרשמי26.
  4. פתור קירות LA דקים (<2 מ"מ) באמצעות ספי מעבר צבע של 50% בגווני אפור. ההסכמה הבין-משקיפה לביאורים חרגה מ-ICC >-0.91 ו-Dice >-0.95, מה שמבטיח אמת קרקעית איתנה לאימון ואימות מודל.
    הערה: כל הנתונים עוברים אנונימיזציה הפיכה, המגנה על הפרטיות באמצעות הפרעות יריבות וסימני מים גלויים תוך מתן אפשרות לפענוח ושחזור מורשים. נתונים המאוחסנים באופן זמני מוצפנים עם בקרות גישה קפדניות ונמחקים באופן קריפטוגרפי עם סילוקם27.

4. טכנולוגיית היתוך תכונות מרחביות-זמניות

  1. השתמש בגישת למידה עמוקה המבוססת על רשת קונבולוציה מלאה תלת מימדית (3D-FCN) כדי לשפר את דיוק פילוח הפרוזדורים השמאלי בכל שלבי הלב.
  2. שלב מודולי פירמידה של תכונות מרחביות-זמניות המשלבים קצבי התרחבות של 1, 2, 4 ו-8 בארכיטקטורת 3D-FCN כדי ללכוד דפוסי תנועה של שריר הלב על פני סולמות רזולוציה מרובים.
    הערה: חילוץ תכונות משתמש בחמישה שלבי מקודד עם מידות הערוץ [32, 64, 128, 256, 512] גדלות בהדרגה עם כל פעולת הפחתת דגימה.

5. ארכיטקטורת רשת

  1. מידול מרחבי-זמני רב-ממדי
    1. פרוס גרעינים קונבולוציוניים תלת-ממדיים היררכיים (גודל ליבה 3 × 3 × 3, צעד 1 × 1 × 1, קצב התרחבות 2) בשלוש רזולוציות (16 × 16 × 16, 32 × 32 × 32, 64 × 64 × 64).
    2. ללכוד מתאמים מרחביים-זמניים בקנה מידה צולב המכסים את תנועת הסיבים המקומיים להתכווצות החדר הגלובלית.
  2. תצורת קלט
    1. השתמש בכניסת טנזור 4D (ערוצים × זמן × גובה × רוחב = 4 × 30 × 256 × 256) המכסה מחזור לב מלא.
    2. כלול רצפי קולנוע של ארבעה חדרים ושני חדרים עם 30 פריימים למחזור ברזולוציה זמנית של 33 אלפיות השנייה.

6. חיבור דילוג דינמי

הערה: חיבור דילוג דינמי חוצה מחזורים מתוכנן עם הקצאת משקל אדפטיבית כדי לטפל במאפיינים הזמניים של רצפי קולנוע.

  1. מקודד
    1. תכנן בלוקים שיוריים תלת מימדיים בחמש רמות (כל אחד מכיל ארבע פיתולים של 3 × 3 × 3, עם ספירת ערוצים מתרחבת מ-64 ל-512) כדי לחלץ תכונות מרחביות-זמניות.
    2. דיכוי דינמי של חפצי תנועה נשימתית ורעש זרימת דם על ידי חישוב מטריצות משקל מרחביות-זמניות בשער קשב מרחבי-זמני.
    3. חלץ תכונות מרחביות-זמניות מרובות, עם מידות טנזור פלט [C × T × H × W] = [64 × 30 × 256 × 256, 128 × 30 × 128 × 128, 256 × 30 × 64 × 64, 512 × 30 × 32 × 32, 1024 × 30 × 16 × 16] (T = 30 פריימים למחזור) בפירמידה בת חמש שכבות.
  2. מפענח
    1. שלב תכונות סמנטיות ברמה גבוהה (רזולוציה של 64 × 64 × 64) עם תכונות ברזולוציה ברמה נמוכה (16 × 16 × 16) באמצעות קונבולוציה תלת-ממדית (גודל ליבה 2 × 2 × 2, צעד 2) עבור מיזוג תכונות בקנה מידה צולב.
    2. ודא עידון מרחבי-זמני מסונכרן באינטרפולציה זמנית (אינטרפולציה מעוקבת, גורם זמני 0.5).
    3. צור תלות זמנית במודולי יחידות חוזרות מגודרות דו-כיווניות על ידי מינוף מצבים נסתרים קדימה ואחורה כדי ללכוד דפוסים הקשריים ארוכי טווח תוך הפחתת בעיות שיפוע נעלמות באמצעות מנגנוני שער.
    4. היתוך דינמי של תכונות מ-5 פריימים סמוכים בקונבולוציה של יישור זמני (גודל ליבה 3 × 3 × 3, צעד 1 × 1 × 1, קצב התרחבות 2).

7. אסטרטגיית הקצאת משקל אדפטיבית

  1. הגדר מסלולי עיבוד דו-ענפיים בתוך מודול שער הקשב המרחבי-זמני כדי לאזן באופן דינמי תרומות תכונות מרחביות וזמניות במהלך פעולות הרשת.
  2. חשב מטריצות משקל מרחבי עבור 3 × 3 פיתולים הניתנים לעיוות, תוך שימת דגש על גבולות שריר הלב (מבני LA דקי דופן <2 מ"מ) ופיצוי על חפצי תנועה נשימתית בענף הקשב המרחבי.
  3. תעדוף מתאמים קריטיים לשלב הלב על ידי יצירת מקדמי שקלול זמניים המבוססים על מדדי עיוות רקמות הנגזרים מווקטורי תזוזה של שריר הלב.

8. ייצוב מסלול שיורי

  1. השמט באופן אקראי חיבורים שנפלו זמנית במהלך האימון כדי לשפר את החוסן למניעת פיצוץ שיפוע וקריסת תכונות.
  2. הגבל מטריצות משקל כדי לייצב את התפשטות התכונות.
    1. החל ויסות L2 עם מקדם של אפס נקודה אפס אחת כדי להגביל עדכוני מטריצת משקל.
    2. הגבל את ערך מעבר הצבע בעובי המרבי לנקודה אחת אפס לחיתוך.
    3. אתחול משקלים באמצעות גורם שינוי קנה מידה של השורש הריבועי של שניים חלקי מספר צמתי הקלט.
  3. הפחתת ערוצים עם קונבולוציה הניתנת להפרדה בעומק
    1. אתחול קונבולוציה לעומק באמצעות גודל ליבה 3 בכל שלושת הממדים עם ספירת קבוצות התואמת את ממד ערוץ הקלט.
    2. החל קונבולוציה נקודתית עם תצורת ליבה של 1×1×1 על ערוצי תכונות הפרויקט מ-512 עד 64 ממדים.
    3. בצע נורמליזציה של אצווה והפעלת יחידה ליניארית מתוקנת פרמטרית לפני פעולות שרשור תכונות.
  4. סינתזת סגמנטציה ודיכוי חפצים
    1. התמזגו פלט דוגמנות מרחבית-זמנית עם מפות תכונת קשב אדפטיבית באמצעות שרשור חכם בערוץ.
    2. שפר את תיחום גבולות שריר הלב באמצעות אילוצי מתאר רב-ממדיים המיושמים במיוחד על אזורים דקים מ-2 מ"מ.
    3. יישם דיכוי חפצי תנועה באמצעות ייצוב תכונה משוקלל זמנית על פני שלבי הלב.
    4. צור פילוח סופי של פרוזדורים שמאליים באמצעות שכבת פלט קונבולוציונית של 1×1×1 עם הפעלת סיגמואיד.
      הערה: לצורך אימות חזותי, תוצאות הפילוח מוצגות באמצעות עיבוד משטח תלת מימד על פרוסות תמונה מקוריות (טכניקת כיסוי מסיכה שקופה למחצה) כדי להבטיח המשכיות אנטומית של מבני הדופן הדקה של הפרוזדורים השמאליים. לצורך הערכה כמותית, נעשה שימוש במדדים הכוללים מקדם קוביות ומרחק האוסדורף (HD).

9. הנחיות אחרות לפתרון בעיות

  1. התאם את פרמטרי שער האק"ג כדי להשיג רזולוציה זמנית של 25-35 אלפיות השנייה ללכידת פאזה לבבית אופטימלית.
  2. יישם פיצוי נשימתי באמצעות חלונות שער ניווט 5 מ"מ כדי למזער חפצי תנועה הקשורים לנשימה.
  3. הקפידו על מיקום נכון של המטופל וספקו הוראות נשימה ברורות לאורך כל הליך ההדמיה.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

במערך נתונים של CMR הכולל 200 חולי דלקת שריר הלב, המסגרת המוצעת השיגה מקדם קוביות של 0.921 עבור פילוח LA, המייצג שיפור של 12.3% לעומת מודלים בסיסיים, עם מהירות עיבוד של 18 פריימים לשנייה (fps). על ידי שימוש בזיקוק ליבה דינמי להעברת תכונות מופשטות ברמה גבוהה לתכונות ברמה נמוכה, ה-HD עבור נפח מינימלי של LA (LAVmin) עבר אופטימיזציה מ-3.2 מ"מ ל-1.7 מ"מ (הפחתה: 46.9%). עבור מבני LA דקי דופן (עובי <2 מ"מ), HD ירד מ-4.3 מ"מ ל-2.1 מ"מ (שיפור של 51.2%), בעוד ששגיאות המשכיות מרחביות-זמניות (שהוערכו באמצעות עקביות שדה...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

מחקר זה השיג כימות מדויק של מבנה ותפקוד LA בחולי דלקת שריר הלב באמצעות פרוטוקולי CMR סטנדרטיים ופרמטרים ייעודיים לסריקת LA, בשילוב עם חילוץ תכונות יעיל ופילוח מהיר אוטומטי באמצעות 3D-FCN. האינטראקציה הסינרגטית בין פרמטרי הדמיה אופטימליים לחידושים אלגוריתמיים מבססת בסיס טכני איתן לתרגום קליני.

CMR נותר כלי אבן הפינה להערכת חריגות מבניות ותפקודיות של LA בדלקת שריר הלב. עם זאת, המגבלות הטכניות הקיימות כוללות רזולוציה מרחבית לא מספקת, איכות תמונה משתנה עקב חפצי תנ...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

המחברים מצהירים כי אין ניגודי אינטרסים.

תודות

מחקר זה נתמך על ידי קרן המחקר המדעי הקליני של המכללה הרפואית צ'נגדו - בית החולים המסונף השני של המכללה הרפואית צ'נגדו ובית החולים Nuclear Corportation 416 (2022LHFSZYB-10).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
סורק MRI 3.0 Tסימנס HealthineersSkyra 3.0 Tמערכת MRI קלינית/מחקרית ברזולוציה גבוהה עם יכולות הדמיה מתקדמות של הלב והגוף.
קהילת קוד פתוח3D Slicerhttps://www.slicer.org/תוכנה חינמית בקוד פתוח לניתוח תמונות רפואיות (סגמנטציה, רישום, הדמיה תלת מימדית). נתמך על ידי NIH.
PyTorchMeta Platforms, Inc.https://pytorch.org/מסגרת למידה עמוקה בקוד פתוח עם גרפי חישוב דינמיים, בשימוש נרחב למחקר בינה מלאכותית ופריסת מודלים. תומך בהאצת GPU.

מקורות

  1. Doerner, J., Bunck, A. C., Michels, G., Maintz, D., Baeßler, B. Incremental value of cardiovascular magnetic resonance feature tracking derived atrial and ventricular strain parameters in a comprehensive approach for the diagnosis of acute myocarditis. Eur Radiol. 104, 120-128 (2018).
  2. Lee, J., et al. Left atrial strain derived from cardiac magnetic resonance imaging can predict outcomes of patients with acute myocarditis. Korean J Radiol. 24 (6), 512-521 (2023).
  3. Chen, Y., et al. Prognostic significance of cardiac magnetic resonance in left atrial and biventricular strain analysis during the follow-up of suspected myocarditis. J Clin Med. 12 (2), 457(2023).
  4. Cau, R., et al. Atrial and ventricular strain imaging using CMR in the prediction of ventricular arrhythmia in patients with myocarditis. J Clin Med. 13 (3), 662(2024).
  5. Cau, R., et al. Effect of late gadolinium enhancement on left atrial impairment in myocarditis patients. Eur Radiol. 34 (3), 1846-1853 (2024).
  6. Altmann, S., et al. Compressed sensing acceleration of cardiac cine imaging allows reliable and reproducible assessment of volumetric and functional parameters of the left and right atrium. Eur Radiol. 31 (10), 7219-7230 (2021).
  7. Galazis, C., et al. High-resolution maps of left atrial displacements and strains estimated with 3D cine MRI using online-learning neural networks. IEEE Trans Med Imaging. 44 (5), 2056-2067 (2025).
  8. Leng, S., et al. Long-term prognostic value of cardiac MRI left atrial strain in ST-segment elevation myocardial infarction. Radiology. 296 (2), 299-309 (2020).
  9. Alfuhied, A., et al. Reproducibility of left atrial function using cardiac magnetic resonance imaging. Eur Radiol. 31 (5), 2788-2797 (2021).
  10. Habibi, M., et al. Left atrial mechanical function and incident ischemic cerebrovascular events independent of AF: insights from the MESA study. JACC Cardiovasc Imaging. 12 (12), 2417-2427 (2019).
  11. Raafs, A. G., et al. Left atrial strain has superior prognostic value to ventricular function and delayed-enhancement in dilated cardiomyopathy. JACC Cardiovasc Imaging. 15 (6), 1015-1026 (2022).
  12. Kim, J., et al. Left atrial strain impairment precedes geometric remodeling as a marker of post-myocardial infarction diastolic dysfunction. JACC Cardiovasc Imaging. 13 (10), 2099-2113 (2020).
  13. Khanna, S., et al. Characterization of subclinical cardiac dysfunction by speckle-tracking echocardiography in patients with non-severe acute-phase myocarditis. Am J Cardiol. 207, 285-291 (2023).
  14. Frumkin, D., et al. Comparative analysis of phasic left atrial strain and left ventricular posterolateral strain pattern to discriminate Fabry cardiomyopathy from other forms of left ventricular hypertrophy. Echocardiogr J Cardiol. 38 (11), 1870-1878 (2021).
  15. Schneider, J. N., et al. Feature-tracking cardiovascular magnetic resonance reveals recovery of atrial function after acute myocarditis. Int J Cardiovasc Imaging. 38 (9), 2003-2012 (2022).
  16. Meindl, C., et al. Left atrial strain parameters derived by echocardiography are impaired in patients with acute myocarditis and preserved systolic left ventricular function. Int J Cardiovasc Imaging. 39 (6), 1157-1165 (2023).
  17. Dick, A., et al. Left and right atrial feature-tracking in acute myocarditis: a feasibility study. Eur J Radiol. 89, 72-80 (2017).
  18. Yang, F., et al. Prognostic value of fast semi-automated left atrial long-axis strain analysis in hypertrophic cardiomyopathy. J Cardiovasc Magn Reson. 23 (1), 36(2021).
  19. Liu, S. Z., et al. Quantification of left atrial function by the area-length method overestimates left atrial emptying fraction. Eur Radiol. 160, 110705(2023).
  20. Posina, K., et al. Relationship of phasic left atrial volume and emptying function to left ventricular filling pressure: a cardiovascular magnetic resonance study. J Cardiovasc Magn Reson. 15, 99(2013).
  21. Tondi, L., et al. The use of dedicated long-axis views focused on the left atrium improves the accuracy of left atrial volumes and emptying fraction measured by cardiovascular magnetic resonance. J Cardiovasc Magn Reson. 25 (1), 10(2023).
  22. Hu, J., Olaisen, S. H., Smistad, E., Dalen, H., Lovstakken, L. Automated 2-D and 3-D left atrial volume measurements using deep learning. Ultrasound Med Biol. 50 (1), 47-56 (2024).
  23. Chen, Z., et al. Joint suppression of cardiac bSSFP cine banding and flow artifacts using twofold phase-cycling and a dual-encoder neural network. J Cardiovasc Magn Reson. 26 (2), 101123(2024).
  24. Leiner, T., et al. SCMR position paper (2020) on clinical indications for cardiovascular magnetic resonance. J Cardiovasc Magn Reson. 22 (1), 76(2020).
  25. Schulz-Menger, J., et al. Standardized image interpretation and post-processing in cardiovascular magnetic resonance-2020 update: Society for Cardiovascular Magnetic Resonance (SCMR) Board of Trustees Task Force on Standardized Post-Processing. J Cardiovasc Magn Reson. 22 (1), 19(2020).
  26. Pinter, C., Lasso, A., Fichtinger, G. Polymorph segmentation representation for medical image computing. Comput Methods Programs Biomed. 171, 19-26 (2019).
  27. Reversible adversarial examples based on self-embedding watermark for image privacy protection. Cao, X., et al. International Joint Conference on Neural Networks (IJCNN), Yokohama, Japan, , (2024).
  28. Cau, R., et al. Atrial and ventricular strain using cardiovascular magnetic resonance in the prediction of outcomes of pericarditis patients: a pilot study. Eur Radiol. 34 (9), 5724-5735 (2024).
  29. An, S., et al. Cardiac magnetic resonance assessment of cardiac function across chronic kidney disease stages. Nephrol Dial Transplant. 40 (5), 908-916 (2024).
  30. Wylie, J. V., et al. Left atrial function and scar after catheter ablation of atrial fibrillation. Heart Rhythm. 5 (5), 656-662 (2008).
  31. Maceira, A. M., Cosín-Sales, J., Roughton, M., Prasad, S. K., Pennell, D. J. Reference left atrial dimensions and volumes by steady-state free precession cardiovascular magnetic resonance. J Cardiovasc Magn Reson. 12, 65(2010).
  32. Wang, Y. J., et al. Screening and diagnosis of cardiovascular disease using artificial intelligence-enabled cardiac magnetic resonance imaging. Nat Med. 30 (5), 1471-1480 (2024).
  33. Wang, S., et al. AI-based CMR assessment of biventricular function: clinical significance of intervendor variability and measurement errors. JACC Cardiovasc Imaging. 15 (3), 413-427 (2022).
  34. Lima, J. A. C., Venkatesh, B. A. Building confidence in AI-interpreted CMR. JACC Cardiovasc Imaging. 15 (3), 428-430 (2022).
  35. Oikonomou, E. K., et al. A multimodal video-based AI biomarker for aortic stenosis development and progression. JAMA Cardiol. 9 (6), 534-544 (2024).
  36. Bucciarelli-Ducci, C., Ajmone-Marsan, N., Di Carli, M., Nicol, E. The year in cardiovascular medicine 2021: imaging. Eur Heart J. 43 (13), 1288-1295 (2022).
  37. Chen, J., et al. JAS-GAN: generative adversarial network based joint atrium and scar segmentations on unbalanced atrial targets. IEEE J Biomed Health Inform. 26 (1), 103-114 (2022).
  38. Al Khalil, Y., et al. On the usability of synthetic data for improving the robustness of deep learning-based segmentation of cardiac magnetic resonance images. Med Image Anal. 84, 102688(2023).
  39. Xia, Y., et al. Recovering from missing data in population imaging-cardiac MR image imputation via conditional generative adversarial nets. Med Image Anal. 67, 101812(2021).
  40. Ruijsink, B., et al. Fully automated, quality-controlled cardiac analysis from CMR: validation and large-scale application to characterize cardiac function. JACC Cardiovasc Imaging. 13 (3), 684-695 (2020).
  41. Fournel, J., et al. Medical image segmentation automatic quality control: a multi-dimensional approach. Med Image Anal. 74, 102213(2021).
  42. Campello, V. M., et al. Multi-centre, multi-vendor and multi-disease cardiac segmentation: the M&Ms challenge. IEEE Trans Med Imaging. 40 (12), 3543-3554 (2021).
  43. Zhuang, X. Multivariate mixture model for myocardial segmentation combining multi-source images. IEEE Trans Pattern Anal Mach Intell. 41 (12), 2933-2946 (2019).
  44. Zakeri, A., Hokmabadi, A., Ravikumar, N., Frangi, A. F., Gooya, A. A probabilistic deep motion model for unsupervised cardiac shape anomaly assessment. Med Image Anal. 75, 102276(2022).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

תגיות

CineLA
הסרטון יגיע בקרוב
צור קשר
המלצה לספרייה

פרטיות

תנאי שימוש

מדיניות

2026 © זכויות יוצרים MyJoVE Corporation. כל הזכויות שמורות.