LA-CaRe-CNN：级联细化 卷积神经网络用于左心房疤痕分割.pdfVIP

LA-CaRe-CNN：级联细化

卷积神经网络用于左心房疤痕分割

FranzThaler,Darkotern,

GernotPlank,andMartinUrschler

GottfriedSchatzResearchCenter:MedicalPhysicsandBiophysics,

MedicalUniversityofGraz,Graz,Austria

InstituteofComputerGraphicsandVision,GrazUniversityofTechnology,

Graz,Austria

AVLListGmbH,Graz,Austria

本InstituteforMedicalInformatics,StatisticsandDocumentation,

译MedicalUniversityofGraz,Graz,Austria

中

1

v摘要心房颤动（AF）是需要患者接受消融治疗的心律失常中最常见的一

3种类型。在这种手术中，心脏组织会被局部故意形成疤痕以防止电信号引

5

5起心律不齐。特定患者的数字孪生心脏模型在个性化消融治疗方面显示出

4巨大的潜力，但它们要求对健康和疤痕组织进行准确的语义分割，这通常

0.需要从晚期钆增强（LGE）磁共振（MR）扫描中获取。在这项工作中，我们

8提出了左心房级联细化CNN（LA-CaRe-CNN），旨在准确地从LGEMR

0

5扫描中分割出左心房及其疤痕组织。LA-CaRe-CNN是一个两阶段的3D

2端到端训练的级联CNN，在第一阶段生成左心房的预测，然后在第二阶段

:

v结合原始图像信息进行细化以获得左心房疤痕组织的预测。为了应对向训

i

x练期间未知领域转移的问题，我们使用了强烈的强度和空间增强来增加训

r练数据集的多样性。我们的方法基于五折集成实现了出色的分割结果，即

a

左心房的%DSC和mmASSD，以及更具挑战性的左心房疤

痕组织的%DSC和%G-DSC。因此，通过LA-CaRe-CNN获

得的分割结果对于生成特定患者的数字孪生心脏模型及下游任务（如个性

化靶向消融治疗）具有巨大的潜力来治疗AF。

Keywords:图像分割·机器学习·心脏。

1介绍

最常见的心律失常类型是atrialfibrillation(AF)，它对心脏功能有负面

影响，并且由于增加了中风的风险，极大地提高了死亡率[12,2]。此外，随着

2F.Thaleretal.

全球人口老龄化，AF的发病率正在增加[28,21]。射频消融是治疗患有AF

患者的一种常见疗法，在