基于不同改进U-Net模型的呼吸运动伪影下心脏图像分割

《Journal of Imaging Informatics in Medicine》：Cardiac Image Segmentation Under Respiratory Motion Artifacts Using Different Modified U-Net Models

　　

摘要

心脏磁共振成像 (CMR) 的精确分割对于心脏的定量测量至关重要，但它经常受到呼吸运动配准误差的影响，这在自由呼吸的患者环境中尤为常见。这些伪影降低了图像质量，并对传统深度学习模型（如基线 U-Net）构成了巨大挑战。本文系统地评估了四种替代 U-Net 架构（注意力 U-Net、密集 U-Net、残差 U-Net 和锐利 U-Net）在添加了不同强度合成运动伪影的 CMR 数据上的能力。为了添加合成伪影，采用了模拟真实呼吸引起的形变的形变场，从而获得了清晰、轻微、中等和严重运动条件。使用结合了 Dice、Focal 和 Tversky 损失的混合损失函数训练每个模型，以增强其对类别不平衡和边界退化的鲁棒性。分割质量通过以下评估指标进行评估：戴斯相似度系数 (DSC)、豪斯多夫距离 (HD) 和杰卡德指数 (JI)。结果表明，在严重运动条件下，锐利 U-Net 具有最佳的整体性能，平均 DSC 最高 (0.927)，HD 最低 (3.62 毫米)。注意力 U-Net 中的区域中心注意力机制也具备承受这些（伪影）的能力。密集 U-Net 和残差 U-Net 的表现并未比基线好多少，在存在严重伪影时表现也不如（其他模型）。这些结果表明，架构改进和运动感知策略对于确保可靠的分割具有重要意义。本文提供了一种可扩展且可复现的方法论，用于评估 CMR 的运动鲁棒深度学习模型的性能，并可适应于其他无法使用呼吸门控的临床诊断应用。所提出的框架提供了一种可复现且计算上可行的运动鲁棒心脏 MRI 分割方法。在严重呼吸运动下，锐利 U-Net 实现了最高的分割性能，DSC 为 0.784，相比之下注意力 U-Net 为 0.778，但其推理延迟略高，约为每 256 × 256 切片 28–30 毫秒，GPU 内存占用约为 1.8 GB。这种适度的计算开销代表了改进的边界保持与计算效率之间的权衡，在资源受限的临床环境中部署模型时应予以考虑。在清晰、轻微、中等和严重呼吸运动条件下，锐利 U-Net 的平均 DSC 达到 0.927。在最具有挑战性的严重运动条件下，DSC 降至 0.784，同时保持 ASSD 为 1.69 毫米，敏感度为 0.823，精确度为 0.774，RVE 为 8.9%。

图形摘要

心脏磁共振成像 (CMR) 的精确分割对于心脏的定量测量至关重要，但它经常受到呼吸运动配准误差的影响，这在自由呼吸的患者环境中尤为常见。这些伪影降低了图像质量，并对传统深度学习模型（如基线 U-Net）构成了巨大挑战。本文系统地评估了四种替代 U-Net 架构（注意力 U-Net、密集 U-Net、残差 U-Net 和锐利 U-Net）在添加了不同强度合成运动伪影的 CMR 数据上的能力。为了添加合成伪影，采用了模拟真实呼吸引起的形变的形变场，从而获得了清晰、轻微、中等和严重运动条件。使用结合了 Dice、Focal 和 Tversky 损失的混合损失函数训练每个模型，以增强其对类别不平衡和边界退化的鲁棒性。分割质量通过以下评估指标进行评估：戴斯相似度系数 (DSC)、豪斯多夫距离 (HD) 和杰卡德指数 (JI)。结果表明，在严重运动条件下，锐利 U-Net 具有最佳的整体性能，平均 DSC 最高 (0.927)，HD 最低 (3.62 毫米)。注意力 U-Net 中的区域中心注意力机制也具备承受这些（伪影）的能力。密集 U-Net 和残差 U-Net 的表现并未比基线好多少，在存在严重伪影时表现也不如（其他模型）。这些结果表明，架构改进和运动感知策略对于确保可靠的分割具有重要意义。本文提供了一种可扩展且可复现的方法论，用于评估 CMR 的运动鲁棒深度学习模型的性能，并可适应于其他无法使用呼吸门控的临床诊断应用。所提出的框架提供了一种可复现且计算上可行的运动鲁棒心脏 MRI 分割方法。在严重呼吸运动下，锐利 U-Net 实现了最高的分割性能，DSC 为 0.784，相比之下注意力 U-Net 为 0.778，但其推理延迟略高，约为每 256 × 256 切片 28–30 毫秒，GPU 内存占用约为 1.8 GB。这种适度的计算开销代表了改进的边界保持与计算效率之间的权衡，在资源受限的临床环境中部署模型时应予以考虑。在清晰、轻微、中等和严重呼吸运动条件下，锐利 U-Net 的平均 DSC 达到 0.927。在最具有挑战性的严重运动条件下，DSC 降至 0.784，同时保持 ASSD 为 1.69 毫米，敏感度为 0.823，精确度为 0.774，RVE 为 8.9%。

图形摘要