CT画像からのディープラーニングに基づく全心臓セグメンテーション

全心臓セグメンテーション（WHS）は、個々の心臓サブストラクチャを抽出することを目的としており、さまざまな心疾患の診断、治療計画、および評価において重要なステップです。本研究では、計算機断層撮影（CT）スキャンから8つの心臓サブストラクチャをセグメント化するためのディープラーニング（DL）ニューラルネットワークの可能性を検討します。4つの心房、心筋、大動脈、肺動脈、左心房付属体は、211件の心臓CTA検査で手動でアノテーションされ、臨床専門家によって検査されました。これらの検査は、多クラス3D DLセグメンテーションモデルのトレーニングに使用されました。UNetおよびそのバリアント、CE-UNet、CE-A-Unetなど、異なる入力パッチサイズおよび解像度を含むさまざまなネットワークアーキテクチャの影響を調査しました。51件の完全にアノテーションされた検査から成るテストデータセットを使用してモデルのパフォーマンスを評価しました。私たちの調査結果は、UNetと比較して、CE-UNetまたはCE-A-Unetが優れた性能を示さないことを示しています。さらに、より大きな物理的入力パッチサイズで粗いピクセル解像度のモデルは、より高いパフォーマンスを達成する傾向があります。すべてのサブストラクチャでの平均ダイススコアは0.91であり、現在の最先端の技術を超えています。