[论文解读] Cascaded Convolutional Neural Network for Automatic Myocardial Infarction Segmentation from Delayed-Enhancement Cardiac MRI

Yichi Zhang|arXiv (Cornell University)|Dec 28, 2020

Cardiac Imaging and Diagnostics参考文献 9被引用 6

一句话总结

本论文提出了一种级联的2D-3D U-Net架构，用于延迟增强心脏MRI中自动心肌梗死分割。首先使用2D U-Net进行层内粗分割，然后通过利用体素上下文的3D U-Net进一步优化结果，在MICCAI 2020 EMIDEC挑战赛数据集上实现了最先进性能，心肌、梗死和无再灌注区域的平均Dice分数分别为0.8786、0.7124和0.7851。

ABSTRACT

Automatic segmentation of myocardial contours and relevant areas like infraction and no-reflow is an important step for the quantitative evaluation of myocardial infarction. In this work, we propose a cascaded convolutional neural network for automatic myocardial infarction segmentation from delayed-enhancement cardiac MRI. We first use a 2D U-Net to focus on the intra-slice information to perform a preliminary segmentation. After that, we use a 3D U-Net to utilize the volumetric spatial information for a subtle segmentation. Our method is evaluated on the MICCAI 2020 EMIDEC challenge dataset and achieves average Dice score of 0.8786, 0.7124 and 0.7851 for myocardium, infarction and no-reflow respectively, outperforms all the other teams of the segmentation contest.

研究动机与目标

• 解决在延迟增强心脏MRI中准确自动分割心肌梗死及相关区域的挑战。
• 通过结合层内（2D）和体素（3D）空间信息来提高分割精度。
• 开发一种鲁棒方法，在MICCAI 2020 EMIDEC挑战赛的心肌梗死分割任务中超越现有方法。
• 利用2D粗分割输出的空间先验，增强在层间相关性较低区域的3D优化效果。

提出的方法

• 提出一种级联的两阶段网络架构：首先使用2D U-Net处理单个短轴切片以实现粗分割。
• 将2D输出与原始3D体数据拼接，作为第二阶段3D U-Net的空间先验。
• 3D U-Net使用3D卷积捕捉体素上下文，并利用层间相关性优化分割结果。
• 2D和3D U-Nets中编码器与解码器模块之间的跳跃连接保留了空间定位信息，增强了特征学习。
• 采用结合交叉熵损失和Dice损失的混合损失函数，以在训练过程中增强对前景类别的关注。
• 模型推理采用5折交叉验证，并结合多数投票策略生成最终测试集预测结果。

实验结果

研究问题

• RQ1 与独立的2D或3D网络相比，级联的2D-3D U-Net架构是否能提升DE-MRI中心肌梗死分割的准确性？
• RQ2 将2D粗分割输出作为空间先验是否能增强3D分割性能，特别是在层间分辨率较低的区域？
• RQ3 与MICCAI 2020 EMIDEC挑战赛中的其他参赛方法相比，该方法在Dice分数和体积分量误差方面表现如何？
• RQ4 该方法在数据集中各类病理和正常病例中表现出多大程度的鲁棒性？

主要发现

• 所提方法在EMIDEC测试集上实现了心肌分割的平均Dice分数为0.8786，位列分割挑战赛第一名。
• 对于梗死区域分割，该方法取得0.7124的Dice分数，显著优于仅使用2D的基线模型（平均0.558），并体现出3D建模带来的显著优化效果。
• 无再灌注区域分割的Dice分数达到0.7851，表明能有效检测微血管阻塞区域。
• 该方法在各折之间表现出较低的方差，心肌和梗死区域的标准差分别为0.005和0.04，表明具有高度鲁棒性。
• 体积差异（VolDif）和Hausdorff距离度量证实了几何精度的提升，心肌VolDif在测试集上的平均值为9258.24 mm³。
• 后处理步骤（包括去除散射体素）进一步提升了分割质量，减少了假阳性结果。