Temporally Consistent Mitral Annulus Measurements from Sparse Annotations in Echocardiographic Videos

Sintesi Tecnica: Misurazioni del lembo mitralico temporalmente coerenti da annotazioni sparse in video ecocardiografici

Problema
La valutazione accurata dell'annulus mitralico è fondamentale per la diagnosi di condizioni cardiache, in particolare della rigurgito mitralico e della cardiopatia coronarica. Metriche cliniche chiave, come l'escursione sistolica del piano dell'annulus mitralico (MAPSE) e il diametro dell'annulus, dipendono dalla localizzazione precisa dei landmark dell'annulus in fine sistole (ES) e fine diastole (ED). Sebbene il deep learning abbia permesso il rilevamento supervisionato dei landmark, i metodi esistenti affrontano due sfide primarie:

1. Incoerenza Temporale: L'annotazione manuale fotogramma per fotogramma è laboriosa e soggetta a incongruenze. I metodi automatizzati esistenti si concentrano spesso sul replicare annotazioni umane sparse senza imporre una fluidità temporale, portando a traiettorie di landmark erratiche che non riflettono il movimento fisiologico.
2. Landmark Anatomici Mancanti: A causa del campo visivo limitato nell'imaging a ultrasuoni, l'anatomia target può scomparire a causa del movimento del paziente o dell'operatore. Gli attuali metodi faticano a riconoscere quando i landmark sono fuori dal campo visivo, rischiando potenzialmente falsi rilevamenti.

Metodologia
Gli autori propongono un nuovo approccio auto-supervisionato per ottenere una localizzazione dei landmark temporalmente coerente utilizzando solo annotazioni sparse. Il metodo integra tre componenti principali:

1. Architettura della Rete:

   • Il sistema utilizza una rete neurale convoluzionale (CNN) di tipo ResNet senza global pooling, utilizzando GroupNorm per l'addestramento con piccoli batch.
   • La rete elabora tre fotogrammi consecutivi impilati nella dimensione dei canali come input.
   • Utilizza un output a doppia testa: una testa di classificazione che predice la probabilità che un landmark si trovi all'interno di uno specifico patch d'immagine, e una testa di regressione che inferisce la distanza dal centro del patch al landmark.
   • Le coordinate finali del landmark sono calcolate come la media pesata delle posizioni regredite, pesata dalle probabilità di classificazione.

2. Perdita di Coerenza Temporale (Temporal Consistency Loss):

   • Per imporre la fluidità, la rete è addestrata a predire non solo la posizione del landmark per il fotogramma corrente ($t$), ma anche i vettori di spostamento verso i fotogrammi adiacenti ($t-1$ e $t+1$).
   • Viene introdotto un termine di perdita auto-supervisionata ($L_{temp}$), che minimizza l'errore tra la posizione direttamente predetta a $t \pm 1$ e la posizione derivata dalla propagazione della predizione dal fotogramma $t$ utilizzando i vettori di spostamento predetti.
   • Questa perdita viene combinata con le perdite standard di classificazione e regressione supervisionata, scalate da un fattore $\beta = 0.5$.

3. Augmentation del Campo Visivo (Field-of-View Augmentation):

   • Per gestire i landmark mancanti, la pipeline di addestramento incorpora realistiche augmentazioni di ritaglio (cropping) e rotazione a forma di settore.
   • Queste augmentazioni simulano scenari in cui i landmark si spostano fuori dal campo visivo dell'ecografia.
   • Durante l'addestramento, se un landmark viene escluso dal ritaglio, il suo target di classificazione viene annullato (impostato a zero) e l'output di regressione per quel patch viene escluso dalla back-propagation.
   • In fase di inferenza, se la massima probabilità di classificazione per un landmark scende al di sotto di una specifica soglia, la predizione viene trattenuta.

Contributi Chiave

• Regolarizzazione Temporale Auto-Supervisionata: L'introduzione di un termine di perdita che impone la coerenza tra i fotogrammi adiacenti senza richiedere annotazioni dense, rendendo efficacemente fluide le traiettorie dei landmark.
• Robustezza ai Dati Mancanti: Una specifica strategia di augmentation che addestra il modello a riconoscere e sopprimere le predizioni per i landmark che sono fuori dal campo visivo, invece di allucinare posizioni.
• Efficienza delle Annotazioni Sparse: Il metodo raggiunge un'elevata accuratezza utilizzando solo fotogrammi scarsamente annotati (fine sistole e fine diastole), riducendo l'onere di annotazione rispetto alle strategie di etichettatura densa.

Risultati
Il metodo è stato valutato su un dataset combinato del dataset pubblico CAMUS e un dataset privato dell'Amsterdam University Medical Center (AUMC), contenente viste apicali a 2, 3 e 4 camere.

• Accuratezza di Localizzazione: Il metodo proposto ha raggiunto un Errore Assoluto Medio (MAE) di 2.48 ± 0.07 mm per la localizzazione dei landmark.
• Calcolo del MAPSE: Il MAE per il MAPSE è stato di 1.81 ± 0.14 mm, un miglioramento significativo rispetto al metodo baseline (2.32 ± 0.14 mm, $p < 0.05$).
• Fluidità Temporale: Il jerk medio assoluto (una misura della fluidità della traiettoria) è stato ridotto da 3.18 a 0.98 mm/frame³, indicando un tracciamento del movimento significativamente più plausibile dal punto di vista fisiologico.
• Riconoscimento di Landmark Mancanti: Il modello ha raggiunto un 0.99 ROC-AUC nel riconoscere i landmark mancanti quando testato con dati aumentati, rispetto a 0.91 senza le specifiche augmentazioni del campo visivo.
• Dimensione dell'Annulus: L'errore nella misurazione della distanza tra i landmark dell'annulus era di 2.46 ± 0.31 mm.

Significatività e Rivendicazioni
L'articolo sostiene che il metodo proposto fornisce una soluzione robusta per il tracciamento automatico dell'annulus mitralico che si allinea meglio con il comportamento fisiologico atteso rispetto agli approcci precedenti. Riducendo l'errore nei calcoli del MAPSE di circa 0,5 mm, gli autori suggeriscono che il metodo potrebbe migliorare la stratificazione del rischio per i pazienti vicini al valore di soglia clinicamente rilevante di 9 mm, associato a un aumento del rischio di mortalità.

Gli autori mantengono una posizione modesta riguardo ai confronti più ampi, osservando che, sebbene i loro risultati appaiano superiori al lavoro precedente (es. Smistad et al.), il confronto diretto è difficile a causa dell'uso di dataset differenti. Riconoscono che, sebbene il metodo migliori lo stato dell'arte per questo compito specifico, sono necessarie ulteriori ricerche per determinare la sua efficacia su altri compiti di rilevamento di landmark basati su video. Inoltre, notano che il riconoscimento dei landmark mancanti è stato validato su dati di test aumentati piuttosto che su un dataset clinico contenente landmark mancanti naturali, identificando questo come un'area per la raccolta di dati futuri.