0
| 本文作者： 李雪 | 2021-11-04 11:14 |
近日，2021年醫(yī)學(xué)人工智能大會（CMAI 2021）暨第一屆“中國醫(yī)學(xué)學(xué)術(shù)期刊發(fā)展”高端論壇在北京舉辦。本次大會邀請了數(shù)十位頂尖醫(yī)院的放射科主任及人工智能技術(shù)的權(quán)威專家。
本次大會由中國生物醫(yī)學(xué)工程學(xué)會醫(yī)學(xué)人工智能分會、中國醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟、中國研究型醫(yī)院學(xué)會感染與炎癥分會、國家衛(wèi)健委全國衛(wèi)生健康傳承項目放射專業(yè)委員會、北京影像診療技術(shù)創(chuàng)新聯(lián)盟主辦，CMAI 組委會承辦。
雷鋒網(wǎng)&醫(yī)健AI掘金志作為本次大會的支持單位，全程參與嘉賓的演講內(nèi)容與深度報道。
作為本次大會嘉賓，國際心血管磁共振學(xué)會中國委員會副主委、華中科技大學(xué)同濟(jì)醫(yī)學(xué)院附屬同濟(jì)醫(yī)院放射科夏黎明主任發(fā)表了主題演講。
夏黎明主任表示：心臟磁共振檢查目前面臨很多的困難：例如，對患者的心率、呼吸要求比較高；其次，患者心臟檢查時間很長，病人耐受差，對技師的要求也更高。因此，在成像環(huán)節(jié)的加速和標(biāo)準(zhǔn)化中，AI可以發(fā)揮巨大的作用。
另一方面，深度學(xué)習(xí)在心臟磁共振成像圖像分割、分析、診斷應(yīng)用方面，也有諸多亮點。例如，在圖像分割（左心室、左心房）、心肌瘢痕定量評估、診斷心肌梗死診斷，夏黎明主任以多篇論文舉例進(jìn)行論證分享。
以下為夏黎明主任大會演講的全部內(nèi)容，雷鋒網(wǎng)《醫(yī)健AI掘金志》做了不改變原意的編輯和整理。
各位專家、各位同道，大家好。我今天要介紹的主題是《AI在心臟磁共振成像中的應(yīng)用與研究進(jìn)展》，我從AI在CMR檢查流程、質(zhì)控中的應(yīng)用兩個方面開始進(jìn)行介紹。
AI在CMR檢查流程、質(zhì)控中的應(yīng)用
心臟磁共振檢查目前面臨很多的困難：
首先，是我們對患者的心率、呼吸要求比較高；
第二，是患者心臟檢查時間很長，病人耐受差；
第三，對我們操作者的技術(shù)要求很高。
綜合以上三點，AI在心臟磁共振成像檢查中，其實大有前途。
心臟掃描的各種平面需要我們定位，定位需要一定的技術(shù)，手動定位也需要較多的時間，如果定位不準(zhǔn)確，圖像就不標(biāo)準(zhǔn)，所測量的解剖結(jié)構(gòu)值、功能就不準(zhǔn)，另外，它的重復(fù)性也很重要，在病情復(fù)查、對比時常常需要多次檢查平面一致。
如果我們用人工智能進(jìn)行精準(zhǔn)、快速的定位，目前的研究，只要定位16秒鐘就可以解決。
如圖，這個是心臟智能的定位，現(xiàn)在大家研究的還是比較多，通過卷積神經(jīng)網(wǎng)絡(luò)基本上可以得到我們常用的四個定位的平面，我們可以看到有四腔、兩腔、三腔和短軸平面的圖像。從目前的結(jié)果來看，一次屏氣全心覆蓋，自動、快捷、多方位定位，定位準(zhǔn)確、穩(wěn)定、可重復(fù)性好。
上面是心臟六個層面的圖像，分別是短軸、兩腔，四腔、三腔，右、左流出道層面電影圖像。
另外，AI在圖像的重建方面，有非常好的價值。
例如，在黑血里面利用深度學(xué)習(xí)的成像，提高了圖片的分辨率和信噪比。
我們可以看到（如圖）里面的參數(shù)，我們基于AI的這種黑血，它的分辨率及信噪比很高。
如圖，左側(cè)圖是傳統(tǒng)的T2黑血成像，中間是SSFSE T2黑血成像，早期我們沒有人工智能，SSFSE T2黑血成像很差，右圖是基于AI的一次屏氣，成像質(zhì)量幾乎和跟傳統(tǒng)的十個心動周期圖像保持一致。
如圖，這個病人是心律不齊，傳統(tǒng)的黑血回音很重，右邊人工智能的黑血成像可以采納。
另外，AI在電影序列里面也是很有價值的，跟其他的一些電影圖像序列相比有很大的優(yōu)勢，它單次屏氣、全心覆蓋、信噪比及空間分辨率高、重建速度快。
傳統(tǒng)的采集需要多個心動周期，目前基于AI的電影圖像采集，只要一個心動周期就可以。（如圖）左邊是處理前的圖像，中間是 AI處理后的圖像，跟傳統(tǒng)圖像幾乎是一致的。
如圖，是心律不齊患者的CMR圖像，上面是傳統(tǒng)的Cine，圖像有心率不齊導(dǎo)致的偽影，下面是AI Cine，圖像質(zhì)量很好。
基于AI利用不同迭代的技術(shù)，（a）是欠采樣的圖像，（b）是我們希望得到的圖像，（c-i）采用不同的迭代次數(shù)，最后我們重建過程中1-10迭代圖像跟我們所需要的圖像應(yīng)該是一致的。
另外，AI也可以在檢查的質(zhì)量控制里面發(fā)揮很好的作用。
文章從三個維度評估，包括掃描的范圍，圖像層間運動以及圖像的對比。
上面一排是我們比較理想的圖像，下面是不太好的圖像，通過深度學(xué)習(xí)、訓(xùn)練，從四個層面的圖像進(jìn)行訓(xùn)練，然后得到三個獨立檢查的質(zhì)量控制的功能。
AI在CMR圖像分割、分析、診斷應(yīng)用
AI在心臟磁共振成像圖像分割、分析、診斷應(yīng)用，深度學(xué)習(xí)在心臟電影圖像方面的應(yīng)用在逐漸增多，例如電影圖像的自動分割、多參數(shù)、功能分析，對瘢痕的分割等。
另外對于非對比增強(qiáng)來診斷梗死或者心肌病的一些方法，還有T1/T2 mapping對水腫、瘢痕進(jìn)行評估等。
我們可以看到AI可以自動測量，有很多的功能，例如，它的心室容積、射血分?jǐn)?shù)、心輸出量，還有心肌厚度分析等。
如圖，這篇文章是荷蘭萊頓大學(xué)陶倩教授研究的，我們也參與了研究，利用深度學(xué)習(xí)對電影進(jìn)行自動的分割，對它的功能、全自動量化進(jìn)行了評估，它的結(jié)果還不錯。
這是左心室（LV）分割網(wǎng)絡(luò)的完整流程，從左到右的輸入、卷積、激活函數(shù)、池化、全連接、輸出等等，最后分割出左心室。
我們看看它的效果，研究把人工智能的分割和手動勾畫行了一個對比，在左心室的舒張末期、收縮末期的容積，心肌質(zhì)量和左心室射血分?jǐn)?shù)方面做了對比，它的一致性非常好。
另外，對它的三個模型、三種數(shù)據(jù)進(jìn)行了評估，最后的效果很好，因為它是一個多中心、多設(shè)備、病例數(shù)也比較多的研究。
另外有一個研究，利用人工智能對左心房進(jìn)行分割，計算它的直徑和容積。
左心房擴(kuò)大的患者，常常會導(dǎo)致房顫，所以對于左心房的體積和直徑的評估非常有意義，因為人工智能對增強(qiáng)以后的延遲強(qiáng)化能識別，左心房分割效果還是相當(dāng)不錯。
如圖，分為幾個步驟，第一個是2D的CNN，第二是3D的CNN，第三是雙3D的CNN，病例數(shù)目不多，但效果不錯。
下面對三種方法進(jìn)行了對比。
第一種我們可以看到Dice系數(shù)，應(yīng)該算是雙3D的CNN，Dice系數(shù)最高達(dá)到93.2%。另外從它壁的厚度，還有直徑、容積的差錯方面來進(jìn)行評估，也是證明了雙3D的CNN，它的效果是最好的。
第一篇的研究就是對心肌瘢痕進(jìn)行一個定量評估，它是利用3D深度卷積神經(jīng)網(wǎng)絡(luò)對肥厚型心肌病進(jìn)行評估，主要是計算它的瘢痕體積，還有瘢痕體積的百分比，應(yīng)該說人工智能分割與手動勾畫的一致性很好。
我們看看它的結(jié)果，如左上圖，體積、百分比還有人工智能和手動勾畫的r值都在0.9以上。右圖，上面一排是手動勾畫，第二排是人工智能分割，第三個就是手動的人工智能勾畫纖維瘢痕的面積一致性比較高。
此外，另一個研究是人工智能對心肌梗死進(jìn)行的一個評估，它對非增強(qiáng)的電影圖像進(jìn)行評估，常常診斷心肌梗死不管是急病還是慢病都需要延遲增強(qiáng)，這個研究對不增強(qiáng)的電影圖像進(jìn)行心肌梗死的診斷，那意義還是很大的。
根據(jù)它的結(jié)果顯示有良好的診斷效率，它的敏感度和特異度都是非常高的，在0.9以上。
看看它的過程，第一我們要定位左心室，第二對運動特征的提取。
一共分為三步，第一步是局部運動的特征，第二步是整體運動的特征，第三步就是把局部和整體運動的特征，經(jīng)過疊加的自動編碼進(jìn)行分類診斷，哪些是正常，哪些是延遲強(qiáng)化的。
我們看一下結(jié)果（如上圖），第一列是電影非增強(qiáng)的，第二列是延遲增強(qiáng)，我們可以看到每一例都有延遲強(qiáng)化心肌梗死，第三列是人工智能勾畫的梗死和延遲增強(qiáng)，手動勾畫梗死的疊加，第四列是提取心肌梗死的區(qū)域，第五列是對心肌梗死的范圍和透壁性的量化。
總體來講，診斷效能比較高，診斷慢性心肌梗死的效能達(dá)到了0.87以上，應(yīng)該是相當(dāng)不錯的。
我們可以看到，人工智能和手動勾畫的一致性還是不錯的。另外，他給了兩個病例，第一個人工智能和手動勾畫的面積非常吻合，第二個稍微差一點。
如圖，這篇文章就是對于對比增強(qiáng)，是人工智能虛擬原生增強(qiáng)技術(shù)替代釓延遲增強(qiáng)的研究，主要是利用增強(qiáng)前T1 map圖和心臟電影圖像的信號，通過VNE技術(shù)生成與延遲增強(qiáng)的圖像來進(jìn)行對比，看看它的一致性怎么樣。
結(jié)果可以看出，人工智能的非對比增強(qiáng)虛擬圖像與延遲圖像的一致性很好，尤其非對比增強(qiáng)圖像質(zhì)量比對比增強(qiáng)的圖像更好。
我們看看它的過程，它的過程主要有三個序列圖像組成，第一個是電影，第二個是黑血，第三個是增強(qiáng)前的T1-mapping，然后把它編碼，融合生成一個區(qū)域的增強(qiáng)圖像，只要大約15分鐘即可獲得，如果我們沒有這個技術(shù)要進(jìn)行延遲增強(qiáng)，還需要30分鐘的時間來進(jìn)行操作。
如圖，最后一個延遲圖像，有四位觀看者來進(jìn)行評價和打分，黃色的是延遲增強(qiáng)，綠色的是非延遲增強(qiáng)人工智能，四位觀看者把非對比增強(qiáng)打分高一些，它的平均分?jǐn)?shù)也高，另外一個延遲增強(qiáng)圖像比較差，或者完全不能進(jìn)行診斷的，通過非增強(qiáng)的人工智能方法可以提高圖像質(zhì)量。
如圖，我們可以看到這些病例。
第一列是正常的對照組， B到G是不同的心臟疾病。第一排是彩圖，第二排是非對比增強(qiáng)人工智能的虛擬圖像。第三個是真正的延遲增強(qiáng)圖像。下面分別是增強(qiáng)與非增強(qiáng)的彩圖，一致性還是非常好的。
總結(jié)
綜合上述的內(nèi)容，我們可以發(fā)現(xiàn)，AI在心臟磁共振成像中具有不錯的應(yīng)用前景。
第一點，AI在心臟磁共振成像的價值貫穿檢查的流程、圖像重建、質(zhì)控、分割、多參數(shù)分析、診斷等，總體來說是快、準(zhǔn)、重復(fù)性好。
與此同時，AI在心臟磁共振成像應(yīng)用處于初步的階段，還需要多中心大量的研究。
我的演講結(jié)束了，謝謝大家。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
