Earticle

초록

영어

Left ventricular ejection fraction(LVEF) is an important biomarker for assessing cardiac function. In this study, we propose a method for estimating LVEF from long-axis cardiac cine MRI, rather than from short-axis slice images. A deep learning model was trained to automatically segment the left ventricle in long-axis images. For the test dataset, the trained model was used to segment the left ventricle in each frame, and the corresponding area was calculated to estimate LVEF. This study comparatively analyzed the performance of various methodological options, including image preprocessing techniques such as contrast-limited adaptive histogram equalization(CLAHE) and contrast stretching; slice selection strategies for 2-chamber and/or 4-chamber long-axis images for model training; selection of 2-chamber and/or 4-chamber images for testing; and different approaches for LVEF calculation using area-length information or area information alone. The experimental results demonstrated that superior performance, in terms of root mean square error (RMSE) and Pearson correlation coefficient, was achieved when the model was trained and tested using only 2-chamber images, and when LVEF was estimated using area information alone.

한국어

좌심실 박출 계수는 심장 기능을 측정하기 위한 중요한 바이오마커이다. 본 논문에서는 심장 cine MRI에서 심장의 단축 영상이 아닌 장축 영상으로부터 좌심실 박출 계수를 추정하는 방법을 제안한다. 장축 영상에서 좌심실을 자동으로 분할하는 딥러닝 모델을 학습하였다. 테스트 데이터셋에 대해 학습한 모델로 매 프레임별 좌심실을 분할한 후 면적을 계산한다. 본 연구에서는 대비 제한 적응 히스토그램 평활화(CLAHE: contrast-limited adaptive histogram equalization), 명암대비 스트레칭(contrast stretching)과 같은 영상 전처리 기법, 모델 학습을 위한 2챔버(2-chamber)/4챔버(4-chamber) 장축 영상 슬라이스 선택 방식, 테스트를 위한 2-chamber/4-chamber 장축 영상 선택, 면적-길이 정보 또는 면적 정보만을 이용한 좌심실 박출 계수 계산 방식 등 다양한 옵션에 대해 성능을 비교 분석하였다. 테스트 결과 2-chamber 영상만으로 모델 학습 및 테스트를 진행하고, 면적 정보만으로 좌심실 박출 계수를 예측하였을 때, 평균 제곱근 오차(RMSE: root mean square error)와 피어슨 상관 계수 지표에서 우수한 성능을 보였다.

목차

요약
Abstract
1. 서론
2. 관련 연구
2.1 심장 장축 영상에서 박출 계수 추정 기법
2.2 심장 MRI영상에서 딥러닝 기반 분할 모델
3. 좌심실 박출 계수 측정 방법
3.1 데이터
3.2 영상 전처리
3.3 분할 모델 학습
3.4 좌심실 박출 계수 계산
4. 실험 결과 및 분석
5. 결론 및 향후 연구
Acknowledgement
참고문헌

키워드

저자

• 박성현 [ Sung Hyun Park | 연세대학교 보건과학대학 디지털헬스케어학부 ]
• 이채연 [ Chae-Yeon Lee | 연세대학교 보건과학대학 디지털헬스케어학부 ]
• 이윤성 [ Yunsung Lee | 연세대학교 보건과학대학 디지털헬스케어학부 ]
• 김윤철 [ Yoon-Chul Kim | 연세대학교 보건과학대학 디지털헬스케어학부 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국차세대컴퓨팅학회 논문지 [THE JOURNAL OF KOREAN INSTITUTE OF NEXT GENERATION COMPUTING]

• 간기

  격월간

• pISSN

  1975-681X

• 수록기간

  2005~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 566 DDC 004