Discriminación de enfermedades cardiacas utilizando patrones cinemáticos codificados con convoluciones 3d en secuencias de cine-RM
Resumen
Introducción. Las secuencias de cine-RM son una herramienta diagnóstica clave para observar la información anatómica, lo que permite a los expertos localizar y determinar aquellas patologías que resulten sospechosas. No obstante, este análisis sigue siendo subjetivo y propenso a errores de diagnóstico.
Objetivo. Desarrollar una clasificación binaria y multi-clase considerando diferentes condiciones cardiacas a través de un modelo espacio-temporal que permite resaltar los movimientos cinemáticos logrando caracterizar cada enfermedad.
Materiales y métodos. Este estudio se centra en el uso de una representación convolucional 3D para caracterizar los patrones cinemáticos durante el ciclo cardiaco, que pueden estar asociados a patologías. Para ello, se obtienen mapas cinemáticos a partir de los mapas de velocidad aparente calculados mediante una estrategia de flujo óptico denso. A continuación, un esquema convolucional 3D aprende a diferenciar patologías a partir de mapas cinemáticos.
Resultados. La estrategia propuesta se validó con respecto a la capacidad de discriminar entre pacientes con infarto de miocardio, miocardiopatía dilatada, miocardiopatía hipertrófica, ventrículo derecho anormal y pacientes normales. El método propuesto alcanza una precisión media del 78,00% y una puntuación F1 score del 75,55%, respectivamente. Asimismo, el enfoque alcanzó un 92,31% de precisión para la clasificación binaria entre patologías y casos de control.
Conclusiones. El método propuesto es capaz de apoyar la identificación de patrones cinemáticos anormales, asociados a una condición patológica. El descriptor resultante, aprendido de la red convolucional 3D, conserva correlaciones espacio-temporales detalladas y podría surgir como posible biomarcador digital de enfermedades cardiacas.
Descargas
Derechos de autor 2024 Biomédica
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Datos de los fondos
-
Vicerrectoría de Investigación y Extensión, Universidad Industrial de Santander
Números de la subvención 2703;Predicción de patologías cardíacas utilizando representaciones de aprendizaje profundo en secuencias de resonancia magnética cardíaca (CMR)
Estadísticas de artículo | |
---|---|
Vistas de resúmenes | |
Vistas de PDF | |
Descargas de PDF | |
Vistas de HTML | |
Otras vistas |