3D echocardiography is an increasingly popular tool for assessing cardiac remodelling in the right ventricle (RV). It allows quantification of the cardiac chambers without any geometric assumptions, which is the main weakness of 2D echocardiography. However, regional quantification of geometry and function is limited by the lower spatial and temporal resolution and the scarcity of identifiable anatomical landmarks. We developed a technique for regionally assessing the 3 relevant RV regions: apical, inlet and outflow. The method's inputs are end-diastolic (ED) and end-systolic (ES) segmented 3D surface models. The method first defines a partition of the ED endocardium using the geodesic distances from each surface point to apex, tricuspid valve and pulmonary valve: the landmarks that define the 3 regions. The ED surface mesh is then tetrahedralised, and the endocardial-defined partition is interpolated in the blood cavity via the Laplace equation. For obtaining an ES partition, the endocardial partition is transported from ED to ES using a commercial image-based tracking, and then interpolated towards the endocardium, similarly to ED, for computing volumes and ejection fraction (EF). We present a full assessment of the method's validity and reproducibility. First, we assess reproducibility under segmentation variability, obtaining intra- and inter- observer errors (4-10% and 10-23% resp.). Finally, we use a synthetic remodelling dataset to identify the situations in which our method is able to correctly determine the region that has remodelled. This dataset is generated by a novel mesh reconstruction method that deforms a reference mesh, locally imposing a given strain, expressed in anatomical coordinates. We show that the parcellation method is adequate for capturing local circumferential and global circumferential and longitudinal RV remodelling.


翻译:3D回声心电图是一个越来越受欢迎的工具,用于评估右心室的心脏改造。它允许在不作任何几何假设的情况下对心脏室进行量化,这是2D回声心电图的主要弱点。然而,对几何和功能的区域量化受到空间和时间分辨率较低以及可识别解剖标志稀缺的限制。我们开发了一种对3个相关的RV区域进行区域评估的技术:显性、内流和流出。该方法的投入是最终透析(ED)和尾心心机(ES)分解 3D表面模型。该方法首先用地心心心心心心心心心室的分区分布,从每个表面点的地深距离到阿普斯、三振动动阀和脉动阀门:确定3个区域的地标值。然后是四振动内流,而内心电图的分解分解分解是通过Laplet 方程式的血液循环变异性变异(EST), 内心心电图的分解(ROdeal Redeal Redeal Redeal redeal dal) rodeal deal) ro deal dal deal dal dal deal demodeal demodeal demod the the the the roduction a roduduction, roduction the the the the laut the rout the rout the routal deal deal demodeal deal deval deval demodal demodal demodal demodal demodal demodal demodal devel develd) ro devel devel devel ro ro ro ro ro ro develd the the ro ro ro ro ro ro ro deal deal deal deal ro ro ro ro rod ro ro lad ro lad laction a lad ro ro ro ro ro ro ro ro lad ro ro ro ro ro ro ro ro ro ro ro ro ro ro ro ro,这个方法, ro ro ro ro ro ro

0
下载
关闭预览

相关内容

【图与几何深度学习】Graph and geometric deep learning,49页ppt
专知会员服务
56+阅读 · 2021年4月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
已删除
将门创投
4+阅读 · 2019年6月5日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
神器Cobalt Strike3.13破解版
黑白之道
12+阅读 · 2019年3月1日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
VIP会员
相关VIP内容
【图与几何深度学习】Graph and geometric deep learning,49页ppt
专知会员服务
56+阅读 · 2021年4月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
已删除
将门创投
4+阅读 · 2019年6月5日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
神器Cobalt Strike3.13破解版
黑白之道
12+阅读 · 2019年3月1日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
Top
微信扫码咨询专知VIP会员