江苏龙网

  1. 首页 > 资讯 > 科技 > >

机器之心|一文探讨可解释深度学习技术在医疗图像诊断中的应用( 六 )


本文插图

图 1. 模型结构
本文提出的模型架构允许在原始分割空间中可视化网络学习的特征 。 利用 MLP 学习到的权值 ， 通过使用链式规则将梯度从分类标签 C 反向传播到μ_i 来计算疾病分类标签 C(y_C)的偏导数 。 给定一个随机选择的健康组织形状 ， 可以使用导出的梯度沿着潜在编码可变性的方向移动受试者的潜在表示 ， 使用迭代算法将该可变性分类到 C 类的概率最大化 。 从健康形状的平均潜在表示开始 ， 在每个步骤 t 利用下式迭代更新μ_i：
机器之心|一文探讨可解释深度学习技术在医疗图像诊断中的应用
本文插图

本文选择λ=0.1 。 最后 ， 每一个步骤 t 的每一个潜在表示μ_t 都可以通过传递给 z 的方式来解码得到分割空间 ， 从而实现相应重建片段的可视化处理 。
3.1.2 实验分析
本文实验使用了一个由 686 名 HCMs 患者（57±14 岁 ， 27% 为女性 ， 77% 为白种人 ， 采用标准临床诊断的 HCM）和 679 名健康志愿者（40.6 ±12.8 岁 ， 55% 为女性 ， 69% 为白人）组成的数据库进行研究 。 参与者接受了 1.5T 的心血管磁共振（Cardiovascular magnetic resonance ， CMR） ， 采用的是西门子（德国埃尔兰根）或飞利浦（荷兰贝斯特）设备 。 采用平衡的稳态自由进动序列获得电影图像 ， 包括左心室短轴平面上的一组图像（体素大小为 2.1x1.3x7mm^3 ， 重复时间 / 回波时间为 3.2/1.6ms ， 翻转角度为 60°） 。 使用一个先前发表并得到广泛验证的心脏多图谱分割框架进行舒张末期（ED）和收缩期（ES）的分割 。
作为预处理的第一步 ， 采用多图谱辅助上采样方案提高了二维叠加分割的图像质量 。 对于每个分割片段 ， 将基于 landmark 的 20 个 ED 和 ES 的人工标注的高分辨率图扭曲映射到它的空间中 。 然后应用一个稀疏控制点集的自由形式非刚性配准（最近邻插值）并与多数投票一致性进行融合 。 第二步 ， 通过基于 landmark 和强度的刚性配准将所有增强处理后的片段对齐到相同的参考空间中 ， 以消除姿势的变化影响 。 在提取左心室心肌标签后 ， 使用一个以左心室 ED 心肌为中心的边界框 ， 裁剪每个片段并将其填充到 [x=80, y=80, z=80, t=1] 维 。 最后 ， 对所有的片段进行人工质量控制 ， 以排除包含层间强烈运动或左心室覆盖不足的扫描 。 作为附加测试数据库 ， 作者选择了 ACDC MICCAI17 挑战训练数据库中的 20 个 HVOL 和 20 个 HCM ， 使用上述相同的方法进行预处理 。 将数据库划分成训练集、评估集和测试集 ， 分别由 537 名（276 名 HVOL ， 261 名 HCM）、150 名（75 名 HVols ， 75 名 HCM）和 200 名（100 名 HVols ， 100 名 HCM）受试者组成 。
为了使潜在空间有可解释性 ， 作者利用了一种潜在空间导航 (latent space navigation) 的方法: 从训练集中随机选择一个健康分割片段 ， 使其分类为 HCM 的概率最大化 。 图 2 中右侧图中给出了在 ED 和 ES 阶段所选对象的原始片段、对应 VAE 重建结果 ， 以及在潜在空间导航方法的四个不同迭代下重建的片段 。 图 2 中左侧图所示 ， 为了进行可视化展示 ， 使用拉普拉斯特征映射（Laplacian Eigenmaps ， LE）将训练集片段的潜在 64 维表示μ与在每次迭代 t 中获得的潜在表示μ_t 一起缩减为二维空间 。 该技术允许建立一个潜在表示的邻域图 ， 可用于监控所研究的从 HVol 簇到 HCM 簇的转换（浅蓝色点） 。 在右侧图示给出的每个步骤中 ， 通过计算心肌体素的体积来计算每个片段的左心室心肌质量（LV mass ， LVM） 。 此外 ， 还将具有左心室腔标签的 LV 图谱分割非刚性地注册到每个分割片段中 ， 通过计算血量体素（blood pool voxels）的体积来计算左心室压腔容积（LV cavity volume ， LVCV） 。 最后 ， 对于每个迭代 ， 作者还报告了由预测网络计算得到的成为 HVol 或 HCM 的概率 。 从 HVol 到 HCM 的几何转换过程中 ， LVM 增高 ， LVCV 降低 ， 室间隔壁厚度不对称增加 ， 这也是这种病典型的重塑模式 。


推荐阅读


上一篇：水哥爱搞机|A14有两幅面孔：iPad满血、iPhone12阉割？

下一篇：新民晚报|与李诞同台，和李雪琴斗嘴！快递界最会讲段子的人来了