基于U-Net神经网络的肥厚型心肌病与高血压性左心室肥厚磁共振图像定量分析与鉴别

• 作者: 刘启明 姜萌 李睿 李继凡 柴烨子 焦梓灵 陈硕 魏寒宇
• 来源期刊: 磁共振成像
• 学科: 医学
• 关键词: 卷积神经网络 肥厚型心肌病 高血压性左心室肥厚 定量分析 磁共振成像
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 临床研究
• 页码范围: 741-746
• 页数: 6页
• 分类号: R445.2|R542.2
• 语种: 中文
• DOI: 10.12015/issn.1674-8034.2020.09.005

摘要

目的 探讨基于U-Net神经网络的肥厚型心肌病(hypertrophic cardiomyopathy,HCM)与高血压性左心室肥厚(hypertensive left ventricular hypertrophy,HLVH)的磁共振图像定量分析与鉴别.材料与方法 回顾性分析2017年国际医学图像计算和计算机辅助干预协会(Medical Image Computing and Computer Assisted Intervention Society,MICCAI)一项心脏疾病自动诊断挑战项目中包含的100例心脏疾病患者以及2014年7月至2019年3月上海交通大学医学院附属仁济医院确诊的45例HCM与48例HLVH患者.MICCAI数据集作为训练集和验证集,随机挑选5例HCM病例和5例HLVH病例作为测试集,得到一个基于U-Net的心脏自动分割神经网络.对所有入组的HCM与HLVH患者的心脏磁共振图像进行自动分割并提取多项量化参数,采用独立t检验比较各项量化参数在HCM组与HLVH组间的差异,采用多因素logistic回归法对有统计学差异的变量进一步分析建模,使用4折交叉验证方法结合ROC法对模型的分类性能进行验证.结果 55项量化参数中有13项在HCM组与HLVH组之间存在显著性差异,有3项指标对两者的鉴别分类具有显著性影响.4折交叉验证得到的ROC曲线下面积分别为0.939、0.984、0.972和0.963,其中最佳模型对应的测试集准确率为86.96％(20/23).结论 U-Net神经网络分割心脏磁共振影像可以提供更多量化信息,有助于鉴别肥厚型心肌病与高血压性左心室肥厚.