[논문 리뷰] A Computer Vision Pipeline for Automated Determination of Cardiac Structure and Function and Detection of Disease by Two-Dimensional Echocardiography

Jeffrey Zhang, Sravani Gajjala외 14명|arXiv (Cornell University)|2017. 06. 22.

Cardiovascular Function and Risk Factors참고 문헌 19인용 수 31

한 줄 요약

이 논문은 2차원 심장초음파를 위한 완전 자동화된 컴퓨터 비전 파이프라인을 제시한다. 이 파이프라인은 합성곱 신경망(CNN)을 사용하여 시각을 식별하고 심장실을 분할하며 심장 사이클을 단계화하고 기능 및 구조를 정량화한다. 이는 심정출률(MAD=5.3%)과 변형률(MAD=1.5%)에서 높은 정확도를 달성하였으며 수동 측정에 비해 훨씬 높은 일관성과 고성능을 보였고, 비만성 심장비대성 심장병(AUC=0.93)과 심장아밀로이드증(AUC=0.84) 검출에서도 뛰어난 성능을 보였다.

ABSTRACT

Automated cardiac image interpretation has the potential to transform clinical practice in multiple ways including enabling low-cost serial assessment of cardiac function in the primary care and rural setting. We hypothesized that advances in computer vision could enable building a fully automated, scalable analysis pipeline for echocardiogram (echo) interpretation. Our approach entailed: 1) preprocessing; 2) convolutional neural networks (CNN) for view identification, image segmentation, and phasing of the cardiac cycle; 3) quantification of chamber volumes and left ventricular mass; 4) particle tracking to compute longitudinal strain; and 5) targeted disease detection. CNNs accurately identified views (e.g. 99% for apical 4-chamber) and segmented individual cardiac chambers. Cardiac structure measurements agreed with study report values (e.g. mean absolute deviations (MAD) of 7.7 mL/kg/m2 for left ventricular diastolic volume index, 2918 studies). We computed automated ejection fraction and longitudinal strain measurements (within 2 cohorts), which agreed with commercial software-derived values [for ejection fraction, MAD=5.3%, N=3101 studies; for strain, MAD=1.5% (n=197) and 1.6% (n=110)], and demonstrated applicability to serial monitoring of breast cancer patients for trastuzumab cardiotoxicity. Overall, we found that, compared to manual measurements, automated measurements had superior performance across seven internal consistency metrics with an average increase in the Spearman correlation coefficient of 0.05 (p=0.02). Finally, we developed disease detection algorithms for hypertrophic cardiomyopathy and cardiac amyloidosis, with C-statistics of 0.93 and 0.84, respectively. Our pipeline lays the groundwork for using automated interpretation to support point-of-care handheld cardiac ultrasound and large-scale analysis of the millions of echos archived within healthcare systems.

연구 동기 및 목표

• 컴퓨터 비전을 사용하여 2차원 심장초음파를 해석하는 완전 자동화되고 확장 가능한 파이프라인을 개발하는 것.
• 기본의료 및 농촌의료 환경에서 심장 기능 평가의 접근성과 비용 효율성을 향상시키는 것.
• 특히 유방암 환자에서 트라스투주맙 유래 심장독성에 대한 연속적인 심장 건강 모니터링을 가능하게 하는 것.
• 비만성 심장비대성 심장병과 심장아밀로이드증과 같은 특정 심장질환을 고정확도로 검출하는 것.
• 자동화된 지표와 딥 러닝을 사용하여 수동 측정에 비해 일관성과 신뢰성에서 뛰어난 성능을 내는 것.

제안 방법

• 딥 러닝 모델의 입력을 표준화하기 위한 2차원 심장초음파 영상 전처리.
• 합성곱 신경망(CNN)을 사용한 자동 시각 식별(예: 심장정상 4심실, 대동맥주변 장축).
• 심실의 좌심실 및 우심실을 분할하고 심내막 경계를 규명하기 위한 CNN 기반 영상 분할.
• 시간적 모델링을 통한 심장 사이클 단계화로 수축기 끝과 수축기 끝을 식별하여 기능 정량화.
• 좌심실 종방향 변형률을 계산하기 위해 엣지 모션을 추적하는 입자 추적 알고리즘.
• 모든 구성 요소를 통합하여 자동 심정출률, 심실 부피, 좌심실 질량 및 질환 검출을 위한 통합 파이프라인 구축.

실험 결과

연구 질문

• RQ1 딥 러닝 기반 컴퓨터 비전 파이프라인이 표준 2차원 심장초음파 시각을 정확하게 식별할 수 있는가?
• RQ2 자동 분할 및 기능 정량화가 수동 측정 또는 상용 소프트웨어 측정에 비해 정확도를 충족하거나 초월할 수 있는가?
• RQ3 다양한 초음파 연구에서 높은 일관성으로 심정출률과 종방향 변형률을 신뢰성 있게 계산할 수 있는가?
• RQ4 비만성 심장비대성 심장병과 심장아밀로이드증과 같은 특정 심장질환을 임상적으로 의미 있는 정확도로 검출할 수 있는가?
• RQ5 자동 분석이 내부 일관성과 재현성 측면에서 수동 측정을 뛰어넘는가?

주요 결과

• CNN은 심장정상 4심실 시각 식별에서 99%의 정확도를 달성했으며 심장실 분할에서도 높은 정확도를 보였다.
• 자동 좌심실 이완기 부피지수 측정치는 연구 보고서 값과 평균 절대편차(MAD) 7.7 mL/kg/m²를 보였으며(N=2918건),
• 상용 소프트웨어와 비교했을 때 파이프라인에 의해 계산된 심정출률은 MAD 5.3%를 보였다(N=3101건).
• 종방향 변형률 측정치는 각각 MAD 1.5% (n=197) 및 1.6% (n=110)를 보였으며, 기준 표준과 강한 일치를 보였다.
• 7개의 내부 일관성 지표에서 수동 측정치보다 자동 파이프라인이 뛰어난 성능을 보였으며, 피어슨 상관계수 평균 증가율은 0.05(p=0.02)였다.
• 질병 검출 알고리즘은 비만성 심장비대성 심장병(AUC=0.93)과 심장아밀로이드증(AUC=0.84)에서 높은 진단 성능를 보였다.