Implicit Neural Representations of Intramyocardial Motion and Strain
Created by
Haebom
저자
Andrew Bell, Yan Kit Choi, Steffen E Petersen, Andrew King, Muhummad Sohaib Nazir, Alistair A Young
개요
본 논문은 태깅 MRI로부터 심근 내 운동 및 변형률을 자동으로 정량화하는 방법을 제시합니다. 학습된 잠재 코드를 조건으로 하는 암묵적 신경 표현(INR)을 사용하여 추론 시간 최적화 없이 연속적인 좌심실(LV) 변위를 예측하는 방법을 제안합니다. 452개의 UK Biobank 테스트 사례에 대해 평가한 결과, 세 가지 심층 학습 기준 모델과 비교하여 최고의 추적 정확도(2.14mm RMSE)와 전역 원주 방향(2.86%) 및 방사 방향(6.42%) 변형률의 가장 낮은 결합 오차를 달성했습니다. 또한, 본 논문의 방법은 가장 정확한 기준 모델보다 약 380배 빠릅니다. 이러한 결과는 대규모 CMR 데이터 세트에서 심근 변형률의 정확하고 확장 가능한 분석에 INR 기반 모델의 적합성을 강조합니다.
시사점, 한계점
•
시사점:
◦
암묵적 신경 표현(INR)을 이용하여 태깅 MRI 기반 심근 운동 및 변형률 정량화의 정확도와 속도를 크게 향상시켰습니다.
◦
UK Biobank와 같은 대규모 데이터셋 분석에 적합한 확장 가능한 방법을 제시했습니다.
