[論文レビュー] Automated Diagnosis of Cardiovascular Diseases from Cardiac Magnetic Resonance Imaging Using Deep Learning Models: A Review

Mahboobeh Jafari, Afshin Shoeibi+12 more|arXiv (Cornell University)|Oct 26, 2022

Cardiac Imaging and Diagnostics被引用数 5

ひとこと要約

本レビューでは、心臓磁気共鳴（CMR）画像を用いた深層学習（DL）ベースの心血管疾患（CVD）の自動診断分野における最近の進展を統合的に要約する。DLアーキテクチャ、CMR解析における課題、臨床的応用を評価し、冠動脈疾患や虚血性心筋症などの主なCVDタイプにおける早期発見の可能性、診断の正確性と効率の向上を強調する。

ABSTRACT

In recent years, cardiovascular diseases (CVDs) have become one of the leading causes of mortality globally. CVDs appear with minor symptoms and progressively get worse. The majority of people experience symptoms such as exhaustion, shortness of breath, ankle swelling, fluid retention, and other symptoms when starting CVD. Coronary artery disease (CAD), arrhythmia, cardiomyopathy, congenital heart defect (CHD), mitral regurgitation, and angina are the most common CVDs. Clinical methods such as blood tests, electrocardiography (ECG) signals, and medical imaging are the most effective methods used for the detection of CVDs. Among the diagnostic methods, cardiac magnetic resonance imaging (CMR) is increasingly used to diagnose, monitor the disease, plan treatment and predict CVDs. Coupled with all the advantages of CMR data, CVDs diagnosis is challenging for physicians due to many slices of data, low contrast, etc. To address these issues, deep learning (DL) techniques have been employed to the diagnosis of CVDs using CMR data, and much research is currently being conducted in this field. This review provides an overview of the studies performed in CVDs detection using CMR images and DL techniques. The introduction section examined CVDs types, diagnostic methods, and the most important medical imaging techniques. In the following, investigations to detect CVDs using CMR images and the most significant DL methods are presented. Another section discussed the challenges in diagnosing CVDs from CMR data. Next, the discussion section discusses the results of this review, and future work in CVDs diagnosis from CMR images and DL techniques are outlined. The most important findings of this study are presented in the conclusion section.

研究の動機と目的

• 心臓MRIを用いた自動心血管疾患診断に応用された最新の深層学習モデルを体系的にレビューすること。
• CMR画像解析における主な技術的課題（高容量データ、低コントラスト、スライスばらつきなど）を特定すること。
• 冠動脈疾患、虚血性心筋症、先天性心疾患などの主なCVDの検出において、DLモデルの性能と臨床的適用可能性を評価すること。
• DLを臨床的CMRワークフローに統合するうえでの現在の限界と今後の研究方向性を概説すること。
• CVDの診断に向けたDL技術、CMRプロトコル、診断成績について包括的な概要を提供すること。

提案手法

• 2015年から2022年までに発表された、CMRを用いたCVD診断へのDL応用に関する査読付き論文を対象とした体系的レビュー。
• 2次元および3次元畳み込みニューラルネットワーク（CNNs）、U-Net変種、トランスフォーマー基盤モデルを含む、アーキテクチャ別にDLモデルを分類すること。
• cine MRI、遅延増強（LGE）、T1/T2マッピング画像系列を含むCMR画像プロトコルの分析。
• 一般化性能の向上を目的とした正規化、アライメント、データ拡張などのデータ前処理技術の評価。
• AUC-ROCなどの標準指標を用いた、異なるCVDタイプにおけるモデル性能の比較。
• 臨床現場における解釈可能性、アノテーションのばらつき、データ不足といった課題の統合的分析。

実験結果

リサーチクエスチョン

• RQ1 どの深層学習アーキテクチャが、CMR画像からの心血管疾患の検出において最も高い診断正確性を示すか？
• RQ2 DLをCMRデータに応用するうえでの主な技術的および臨床的課題は何か。それらはどのように解決されているか？
• RQ3 DLベースの手法は、従来の放射線科医による解釈と比較して、スピード、一貫性、診断的信頼性の面でどのように異なるか？
• RQ4 CMRにおけるDLの最も有望な応用分野は何か。特に、特定のCVDの早期発見およびモニタリングにどう活用できるか？
• RQ5 日常的なCMR診断におけるDLモデルの臨床的導入を阻害する主な障壁は何か？

主な発見

• 特に3次元-CNNとU-Netベースのアーキテクチャは、左室機能不全や心筋線維化の検出において高い診断正確性（AUC > 0.90）を達成している。
• 心臓構造（例：左室、右室）のDLベースのセグメンテーションは、手動輪郭描画と比較して観察者間ばらつきを低減し、再現性を向上させている。
• cine、LGE、T1マッピングを含むマルチシーケンスCMRデータで学習したモデルは、単一シーケンス手法に比べ、微細な病理的変化の検出性能が優れている。
• 研究環境では優れた性能を示しているものの、解釈可能性の懸念、データバイアス、大規模なバリデーションの不足により、臨床現場への展開は限定的である。
• 説明可能なAI（XAI）技術の統合は、臨床医の信頼獲得と規制承認を促進する上で重要な要因として浮上している。
• 今後の研究は、フェデレーテッドラーニング、マルチセンターバリデーション、リアルタイム推論に注力すべきであり、臨床意思決定を支援する。