| 时间：2024/09/19 作者：周游 申承康 | ||||
| 精确评估心功能在心血管疾病的诊断和监测中至关重要。二维超声心动图（2DE）因其广泛的可及性而被普遍应用，但其操作往往需要高度专业的培训，且成像质量容易受到操作者之间技术差异的影响，同时也缺乏三维结构信息。为了解决这些问题，本工作提出CardiacField策略：使用2DE探头的新型计算超声心动图解决方案。该策略采用物理启发的神经网络（INR）构建，通过多视角二维超声图像重建三维心脏，图像采集流程简便，并能够自动分割左心室（LV）和右心室（RV）区域、以计算其体积和射血分数（EF）。本工作通过对127名受试者的临床数据进行分析，并与专家解读以及最新的二维超声视频深度学习模型进行对比，验证了CardiacField策略在评估EF方面的准确性。本工作也进一步评估了CardiacField策略在56名患者数据中的成像质量和三维重建性能，并验证了其对于使用不同品牌设备、或由非专业人员进行数据采集时的普适性和便捷性。总之，CardiacField通过简单的心尖环形扫描和低成本的2DE探头在不到两分钟内实现了心脏超声重建三维，其预测的LVEF和RVEF具有与三维超声探头（3DE）相媲美的准确性。在最新的测试中，我们进一步提升了单个心脏体积的三维重建速度(2分钟内到10秒内），使CardiacField有望成为临床中一种经济高效的心脏评估选择。 | ||||
图1 CardiacField策略的图像采集模式和三维重建流程 | ||||
| 准确的心肌运动追踪能够帮助医生在早期识别心肌功能障碍，但现有超声成像技术在空间维和时间维的运动估计均不够完整和准确，影响早期诊断。因此，在上述研究的基础上，本工作进一步提出神经心脏运动场（NeuralCMF）方法，通过隐式神经表示（INR）同时建模心脏的三维结构和六维前后运动。该方法突破图像的像素限制，能够在整个心动周期中的任意时间点上连续查询心肌的精确形状和运动，从而增强了对心脏动态的精准分析。NeuralCMF方法的主要优势在于：（1）无需配对数据集：NeuralCMF在空间维和时间维上利用物理知识先验进行自监督优化，无需额外的配对数据集，且兼容多角度二维超声心动图和三维超声心动图的视频流输入；（2）全周期心肌运动估计：NeuralCMF可以在整个心动周期内，对任意特征点的精确形状和运动进行连续查询，提升了心脏动力学的精准分析能力。NeuralCMF在三个代表性数据集进行了性能验证：在STRAUS数据集中，NeuralCMF在左心室（LV）区域的中位跟踪误差和余弦相似度上显著优于现有方法，表现出较高鲁棒性和准确性；在2DE和3DE视频数据集中，NeuralCMF的定量/定性评估均显示出卓越的性能，尤其在心脏左房（LA）和右房（RA）区域的跟踪精度上显著优于现有对比方法。 | ||||
图2 NeuralCMF在整个心动周期内的斑点追踪效果展示 | ||||
| 该项工作研究组周游助理教授作为共同一作，与南京大学电子学院马展教授团队、以及上海中山医院林翳医生合作完成，论文近期发表于国际权威学术期刊《IEEE Transactions on Medical Imaging》和《European Heart Journal - Digital Health》：
· C. Shen, et al., Continuous 3D Myocardial Motion Tracking via Echocardiography. IEEE Transactions on Medical Imaging, 2024, Early Access. · C. Shen, et al., CardiacField: Computational Echocardiography for Automated Heart Function Estimation Using 2DE Probes. European Heart Journal - Digital Health, 2024, Accepted. |
||||
