La cuantificación del infarto de miocardio a partir de la resonancia magnética de realce tardío con gadolinio utilizando transformadas top-hat y redes neuronales
Autores: de la Rosa, Ezequiel; Sidibé, Désiré; Decourselle, Thomas; Leclercq, Thibault; Cochet, Alexandre; Lalande, Alain
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
La cuantificación del infarto de miocardio a partir de la resonancia magnética de realce tardío con gadolinio utilizando transformadas top-hat y redes neuronales
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Realce tardío de gadolinio
MRI
Infarto de miocardio
Segmentación
Red neuronal convolucional
Segmentación de cicatrices
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 34
Citaciones: Sin citaciones
La técnica de realce tardío con gadolinio (LGE) por resonancia magnética es el estándar de oro para la evaluación de la viabilidad miocárdica. Aunque la técnica refleja con precisión el tejido dañado, no existe un estándar clínico para cuantificar el infarto de miocardio (IM). Además, los software comerciales utilizados en la práctica clínica son en su mayoría semiautomáticos, por lo que requieren la intervención directa de expertos. En este trabajo, se propone un nuevo método automático para la cuantificación de IM a partir de LGE-MRI. Nuestro enfoque de segmentación novedoso está diseñado para detectar con precisión no solo lesiones hiperrealzadas, sino también áreas de obstrucción microvascular. Además, incluye un paso de detección de enfermedades miocárdicas que extiende el algoritmo para funcionar con exploraciones sanas. El método se basa en un enfoque en cascada donde, en primer lugar, las secciones enfermas son identificadas por una red neuronal convolucional (CNN). En segundo lugar, mediante operaciones morfológicas se obtiene una segmentación de cicatrices gruesas rápida. En tercer lugar, la segmentación se refina mediante una estrategia de reclasificación de píxeles de límite utilizando un conjunto de CNN muy ligeros. Probamos el método en una base de datos de LGE-MRI con casos sanos (n=20) y enfermos (n=80) siguiendo un esquema de validación cruzada de 5 pliegues. Nuestro enfoque segmentó cicatrices miocárdicas con un coeficiente de Dice promedio de 77.22 +/- 14.3% y con un error volumétrico de 1.0 +/- 6.9 cm. En una comparación con nueve algoritmos de referencia, el método propuesto logró la mayor concordancia en la cuantificación volumétrica de cicatrices con las delineaciones de expertos (<0.001 en comparación con los otros enfoques). Además, pudo reproducir la variabilidad intra e interobservador de la segmentación de cicatrices. Nuestro enfoque demostró ser un buen primer intento hacia la segmentación automática y precisa de cicatrices miocárdicas, aunque se necesita validación en bases de datos de LGE-MRI más grandes.
Descripción
La técnica de realce tardío con gadolinio (LGE) por resonancia magnética es el estándar de oro para la evaluación de la viabilidad miocárdica. Aunque la técnica refleja con precisión el tejido dañado, no existe un estándar clínico para cuantificar el infarto de miocardio (IM). Además, los software comerciales utilizados en la práctica clínica son en su mayoría semiautomáticos, por lo que requieren la intervención directa de expertos. En este trabajo, se propone un nuevo método automático para la cuantificación de IM a partir de LGE-MRI. Nuestro enfoque de segmentación novedoso está diseñado para detectar con precisión no solo lesiones hiperrealzadas, sino también áreas de obstrucción microvascular. Además, incluye un paso de detección de enfermedades miocárdicas que extiende el algoritmo para funcionar con exploraciones sanas. El método se basa en un enfoque en cascada donde, en primer lugar, las secciones enfermas son identificadas por una red neuronal convolucional (CNN). En segundo lugar, mediante operaciones morfológicas se obtiene una segmentación de cicatrices gruesas rápida. En tercer lugar, la segmentación se refina mediante una estrategia de reclasificación de píxeles de límite utilizando un conjunto de CNN muy ligeros. Probamos el método en una base de datos de LGE-MRI con casos sanos (n=20) y enfermos (n=80) siguiendo un esquema de validación cruzada de 5 pliegues. Nuestro enfoque segmentó cicatrices miocárdicas con un coeficiente de Dice promedio de 77.22 +/- 14.3% y con un error volumétrico de 1.0 +/- 6.9 cm. En una comparación con nueve algoritmos de referencia, el método propuesto logró la mayor concordancia en la cuantificación volumétrica de cicatrices con las delineaciones de expertos (<0.001 en comparación con los otros enfoques). Además, pudo reproducir la variabilidad intra e interobservador de la segmentación de cicatrices. Nuestro enfoque demostró ser un buen primer intento hacia la segmentación automática y precisa de cicatrices miocárdicas, aunque se necesita validación en bases de datos de LGE-MRI más grandes.