इलेक्ट्रिकल इंजीनियरिंग और इलेक्ट्रॉनिक प्रौद्योगिकी जर्नल

सीएमआर इमेजिंग में एंडोकार्डियम की पहचान और विभाजन के लिए यू-नेट मॉडल

फ़ैज़ा अल किंदी 

उद्देश्य - कार्डियक मैग्नेटिक रेजोनेंस इमेजिंग से बाएं वेंट्रिकुलर इजेक्शन फ्रैक्शन (LVEF) की गणना के लिए बाएं वेंट्रिकल की आंतरिक एंडोकार्डियल दीवार का पता लगाने और विभाजन के लिए यू-नेट मॉडल का उपयोग करना।

पृष्ठभूमि- कार्डियक मैग्नेटिक रेजोनेंस इमेजिंग (सीएमआर) का उपयोग नियमित रूप से मात्रात्मक माप द्वारा हृदय की संरचना और कार्य का मूल्यांकन करने के लिए किया जा रहा है। बाएं वेंट्रिकुलर इजेक्शन अंश (LVEF) LV फ़ंक्शन के लिए सबसे महत्वपूर्ण मापदंडों में से एक है। यह हृदय संबंधी परिणामों का एक महत्वपूर्ण रोगसूचक संकेतक है जिसका उपयोग कई चिकित्सीय हस्तक्षेपों के लिए संकेत निर्धारित करने के लिए चिकित्सकीय रूप से किया जाता है। बाएं वेंट्रिकल का सटीक विभाजन LVEF की गणना के लिए एक आवश्यक कदम है। हमारे केंद्र में वर्तमान अभ्यास कच्चे cMR छवियों में बाएं वेंट्रिकुलर आंतरिक समोच्च को मैन्युअल रूप से चुनना और चित्रित करना है। यह एक समय लेने वाली प्रक्रिया है और उपयोगकर्ता द्वारा प्रेरित पूर्वाग्रह के लिए प्रवण है, और इसलिए गलत-सकारात्मक और गलत-नकारात्मक परिणाम हैं।

विधि - यू-नेट डीप लर्निंग मॉडल को विशेष रूप से बायोमेडिकल सेगमेंटेशन के लिए विकसित किया गया था और यह कम प्रशिक्षण नमूनों के साथ प्रभावी रूप से काम करने में सक्षम साबित हुआ है। इस प्रकार, हमने एक सटीक स्वचालित बाएं वेंट्रिकल का पता लगाने और विभाजन उपकरण का प्रदर्शन और मूल्यांकन करने के लिए यू-नेट मॉडल का उपयोग किया। यू-नेट मॉडल को हमारे स्थानीय नैदानिक ​​​​डेटा पर प्रशिक्षित और मूल्यांकित किया गया है जिसमें सामान्य LVEF और हृदय की सामान्य शारीरिक संरचना वाले रोगियों की 4050 लघु-अक्ष छवियां शामिल हैं। दो अनुभवी रेडियोलॉजिस्ट द्वारा मैन्युअल चित्रण किया गया था। मॉडल के प्रदर्शन का मूल्यांकन कई सांख्यिकीय मापदंडों जैसे सटीकता, परिशुद्धता, रिकॉल और इंटरसेक्शन ओवर यूनियन (IoU) का उपयोग करके किया गया था। परिणाम- 810 छवियों के एक परीक्षण सेट के साथ, यू-नेट मॉडल सभी रोगियों से cMR लघु-अक्ष छवियों में बाएं वेंट्रिकल की उपस्थिति और अनुपस्थिति का पता लगाने में सफल रहा। इसके अलावा, इस विधि ने 91.86% की रिकॉल, 97.16% की परिशुद्धता, 99.82% की सटीकता और 83.65% के इंटरसेक्शन ओवर यूनियन (IoU) के साथ एंडोकार्डियम के स्वचालित पता लगाने और विभाजन में उच्च प्रदर्शन हासिल किया। निष्कर्ष- यू-नेट मॉडल ने प्रत्येक स्कैन के लिए एक मिनट से भी कम समय में उच्च पहचान सटीकता के साथ बाएं वेंट्रिकल सेगमेंटेशन का अच्छा प्रदर्शन हासिल किया। ये निष्कर्ष एक बड़ी रोगी आबादी का पूर्ण मूल्यांकन करने के लिए पर्याप्त रूप से सम्मोहक हैं। कीवर्ड: एमआरआई, कार्डियक फ़ंक्शन, इजेक्शन फ्रैक्शन, आर्टिफिशियल इंटेलिजेंस, डीप लर्निंग, न्यूरल नेटवर्क, यू-नेट मॉडल, विभाजन, पता लगाना।

सीमाएँ: 1. दो रेडियोलॉजिस्ट द्वारा मैन्युअल रूप से विभाजन किया गया। 2. सीमित नमूना आकार। आचार समिति की स्वीकृति: हाँ।

इस अध्ययन के लिए वित्तपोषण: परिवहन, संचार और सूचना प्रौद्योगिकी मंत्रालय से अनुदान।