Zusammenfassung - MCM: Mamba-basiertes Cardiokinetik-Tracking mit sequenziellen Bildern in der MRT

MCM: Mamba-basiertes Cardiokinetik-Tracking mit sequenziellen Bildern in der MRT

2025-07-23 16:40:43

{"Jiahui Yin","Xinxing Cheng","Jinming Duan","Yan Pang","Declan O'Regan","Hadrien Reynaud","Qingjie Meng"}

{eess.IV,cs.CV}

Das Paper stellt ein neues Mamba-basiertes Herzbewegungsverfolgungsnetzwerk (MCM) vor, das zur Bewertung der Herzfunktion und zur Diagnose kardiovaskulärer Erkrankungen durch cine kardiale Magnetresonanztomografie (CMR)-Bilder eingesetzt wird. Die Hauptbeiträge des Papers sind: 1. **MCM-Netzwerk**: Das vorgeschlagene MCM-Netzwerk nutzt sequentielle Bilder, um glatte und konsistente Myokardbewegungsabschätzungen zu erreichen, ohne erheblichen Rechenoverhead. Es integriert explizit benachbarte Frames um das Zielframe, um die Bewegung zwischen Referenz- und Zielframes zu schätzen. 2. **Bidirektionale Mamba-Blöcke**: Das Netzwerk integriert bidirektionale Mamba-Blöcke, um Deformationsmerkmale in mehreren Skalen zu extrahieren. Jeder Block verwendet ein neuartiges bidirektionales Scanning-Mechanismus, um spatiotemporale Informationen in beiden Vorwärts- und Rückwärtsrichtungen zu erfassen, was die Abschätzung plausibler Deformationsfelder erleichtert. 3. **Bewegungsdecodierer**: Das Netzwerk nutzt einen Bewegungsdecodierer, der Bewegungsfelder durch die Fusion von Deformationsmerkmalen über mehrere Skalen abschätzt. Es integriert einen neuartigen dualen Pfad-Fusionkopf, um die zeitliche Konsistenz der Bewegungsabschätzung zu verbessern. Die Methode wurde auf zwei öffentlichen Datensätzen (ACDC und M&Ms) evaluiert und mit bestehenden Herzbewegungsverfolgungsmethoden verglichen. Die Ergebnisse zeigen, dass die vorgeschlagene Methode hinsichtlich der Bewegungsverfolgungspräzision, der diffeomorphen Eigenschaften und der Volumenkonsistenz bestehende Methoden übertrifft. Die Hauptvorteile der vorgeschlagenen Methode sind: - **Glatte und Konsistente Bewegungsabschätzung**: Die Methode erreicht glatte und konsistente Bewegungsabschätzung durch die Integration benachbarter Frames und die Nutzung eines bidirektionalen Scanning-Mechanismus. - **Zeitliche Konsistenz**: Die Methode integriert spatiotemporale Informationen aus beiden Vorwärts- und Rückwärtsrichtungen, was die Abschätzung plausibler Deformationsfelder erleichtert und die zeitliche Konsistenz verbessert. - **Rechenleistungseffizienz**: Die Methode nutzt die strukturierte Zustandsraumsformulierung von Mamba, um die kontinuierlichen Dynamiken des Myokards aus sequentiellen Bildern zu lernen, ohne die Rechenkomplexität erheblich zu erhöhen. Insgesamt bietet die vorgeschlagene MCM-Methode eine vielversprechende Herangehensweise zur Myokardbewegungsverfolgung in CMR-Bildern, mit potenziellen Anwendungen zur Bewertung der Herzfunktion und zur Diagnose kardiovaskulärer Erkrankungen.