成像专题 | 计算心脏超声成像：心脏三维成像与心肌运动跟踪（IEEE TMI）
文摘
科技
2024-08-12 10:49
中国香港
Continuous 3D Myocardial Motion Tracking via Echocardiography心血管疾病是全球范围内的主要死亡原因，准确的心肌运动追踪对于早期识别心肌功能障碍至关重要。然而，现有成像技术在空间和时间维度上的运动估计不够完整和准确，影响早期诊断。鉴于此，来自南京大学、复旦大学及亚利桑那大学的研究人员提出了NeuralCMF方法，通过隐式神经表示（INR）建模心脏的三维结构和运动。该方法突破了像素级限制，能够在整个心动周期中任意时间点上连续查询心肌的精确形状和运动，增强了对心脏动态的详细分析。该研究的主要特点包括：1）无配对数据集需求：NeuralCMF在空间和时间维度上利用物理知识先验进行自监督优化，兼容多角度二维和三维超声心动图视频输入，无需额外的配对数据集；2）全周期心肌运动估计：该方法可以在整个心动周期内，对任意特定点的精确形状和运动进行连续查询，提升了心脏动力学的详细分析能力。该研究成果近期以论文形式发表在国际权威学术期刊《IEEE Transactions on Medical Imaging》。神经心脏运动场（NeuralCMF）方法利用隐式神经表示（INR）模型心脏的三维结构和六维前后运动。通过神经网络连续建模心肌的形状和运动轨迹，能够在心动周期内的任何时间点进行精确查询。与传统的逐帧运动估计方法不同，NeuralCMF无需依赖配对数据集，利用物理知识先验进行自监督优化，确保在二维和三维超声心动图视频输入下都能准确运行。![]()
图1. NeuralCMF处理流程示意。
==实验结果==该研究通过三个代表性数据集对NeuralCMF进行了全面验证：
* STRAUS数据集：实验结果表明，NeuralCMF在左心室（LV）区域的中位跟踪误差和余弦相似度方面显著优于现有方法，表现出较高鲁棒性和准确性。
* 2DE和3DE视频数据集：在这两个数据集中，NeuralCMF的定量和定性评估均显示出卓越的性能，尤其在心脏左房（LA）和右房（RA）区域的跟踪精度上，显著高于对比方法。![]()
![]()
![]()
冠心病（CHD）分类实验：通过使用NeuralCMF方法提取的运动数据，该研究在区分健康个体和冠心病患者方面取得了90%的分类准确率，显著优于现有的其他运动追踪算法。![]()
图3. 基于NeuralCMF的冠心病分类实验结果。
心肌应变（Strain）实验：心肌应变是心脏生物力学的重要参数。NeuralCMF在计算运动场梯度方面具有显著优势，因为网络的输入是坐标，输出是运动。这一设置使得利用神经网络的自动微分机制直接计算运动场梯度成为可能，从而精确量化心肌变形。具体而言，通过计算位移场梯度来获得变形梯度张量，精确地衡量心肌在心动周期内的应变情况。实验验证了NeuralCMF在心肌功能评估中的有效性和准确性。![]()
图4. 基于NeuralCMF的心肌应变实验结果。技术小结：该研究通过隐式神经表示（INR）建模心脏的三维结构和运动，突破了像素级限制，能够在整个心动周期中任意时间点上连续查询心肌的精确形状和运动，增强了对心脏动态的详细分析。其成果不仅在理论上取得了突破，也在实际应用中展现出广泛前景，为现代心脏病学实践提供了新的工具和方法。
论文信息：C. Shen et al., "Continuous 3D Myocardial Motion Tracking via Echocardiography," in IEEE Transactions on Medical Imaging, (2024)
https://doi.org/10.1109/TMI.2024.3419780https://njuvision.github.io/NeuralCMF/*该技术分享所涉及文字及图片源于发表论文和网络公开素材,不做任何商业用途。
INTELLIGENTOPTICSSHARING (I.O.S.) 运营以该领域的研究学者为主，非盈利非广告，希望能够结交共同兴趣方向的读者们，建立光学和计算机交叉学科领域内一个资讯分享交流的平台。如果喜欢，请点击“在看”和“点赞”，将有助于微信公众号平台对信息的定向统计和及时推送，小编团队在此不胜感激，谢谢！！
