機会的心臓健康評価: ローカライザーMRIを用いた多モーダル表現による心臓表現型推定

公表タイプ: 新規 要約: 心血管疾患は死亡原因の第一位です。心臓表現型（CPs）、例えば駆出分画（ejection fraction）は心臓の健康を評価する金標準ですが、それらはシネ心臓磁気共鳴画像（CMR）から導出され、費用がかかり、空間・時間分解能が高い撮像を要します。すべての磁気共鳮信像（MR）検査は、スキャン計画のための迅速で粗いローカライザー画像から始まり、それらは以降廃棄されます。非診断的な画像品質と時間情報の欠如にもかかわらず、ローカライザーは迅速に価値ある構造情報を提供することができます。画像情報に加え、人口統計や生活習慣を含む患者レベルの情報が心臓の健康評価に影響を与えます。心電図（ECG）は安価で、臨床現場で日常的に指示され、心臓の時間的活動を捉えます。ここでは、C-TRIP（Cardiac Tri-modal Representations for Imaging Phenotypes、心臓の三モーダル表現による画像表現）を紹介します。これはローカライザーMRI、ECG信号、および表形式メタデータを整合させて頑健な潜在空間を学習し、ローカライザー画像をCMRの機会的代替として使用してCPを予測するマルチモーダルフレームワークです。これらの3つのモダリティを組み合わせることで、ローカライザーから安価な空間情報と時間情報、ECGからの情報をそれぞれ活用し、表形式データによって提供される患者固有の文脈の恩恵を受けます。我々のパイプラインは3つの段階で構成されています。まず、エンコーダを独立して訓練し、単一モーダル表現を学習します。第2段階では、事前学習済みのエンコーダを統合して潜在空間を統一します。最終段階では、強化された表現空間を用いてCPを予測します。推論はローカライザーMRIのみに対して行われます。提案されたC-TRIPは機能的CPを正確に推定し、構造的CPについても高い相関を示します。ローカライザーは本質的に迅速で低コストであるため、我々のC-TRIPフレームワークはCP推定のアクセス性を向上させる可能性があります。