ScarNet: A Novel Foundation Model for Automated Myocardial Scar Quantification from LGE in Cardiac MRI

📄 arXiv: 2501.01372v1 📥 PDF

作者: Neda Tavakoli, Amir Ali Rahsepar, Brandon C. Benefield, Daming Shen, Santiago López-Tapia, Florian Schiffers, Jeffrey J. Goldberger, Christine M. Albert, Edwin Wu, Aggelos K. Katsaggelos, Daniel C. Lee, Daniel Kim

分类: eess.IV, cs.AI, cs.CV

发布日期: 2025-01-02

备注: 31 pages, 8 figures

💡 一句话要点

ScarNet：一种用于心脏MRI中LGE图像心肌瘢痕自动量化的新型基础模型

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 心肌瘢痕量化 心脏MRI 晚期钆增强 深度学习 Transformer U-Net 医学图像分割

📋 核心要点

  1. 现有LGE-MRI心肌瘢痕量化依赖手动分割，耗时且主观性强，限制了临床应用。
  2. ScarNet结合MedSAM的Transformer编码器和U-Net卷积解码器，并引入定制注意力机制，提升分割精度。
  3. 实验表明，ScarNet在Dice评分、偏差和变异系数上显著优于MedSAM和nnU-Net，鲁棒性更强。

📝 摘要（中文）

背景：晚期钆增强(LGE)成像是评估心肌纤维化和瘢痕的金标准，左心室(LV)LGE范围预测主要不良心脏事件(MACE)。尽管其重要性，但常规的基于LGE的LV瘢痕量化受到劳动密集型手动分割和观察者间差异的阻碍。方法：我们提出了ScarNet，一种混合模型，它结合了来自医学分割一切模型(MedSAM)的基于Transformer的编码器和基于卷积的U-Net解码器，并通过定制的注意力块进行增强。ScarNet在552名缺血性心肌病患者上进行了训练，这些患者具有心肌和瘢痕边界的专家分割，并在184名单独的患者上进行了测试。结果：ScarNet在184名测试患者中实现了稳健的瘢痕分割，产生了0.912(IQR: 0.863--0.944)的中值Dice分数，显著优于MedSAM(中值Dice = 0.046, IQR: 0.043--0.047)和nnU-Net(中值Dice = 0.638, IQR: 0.604--0.661)。ScarNet表现出比MedSAM(偏差: -13.31%, CoV: 130.3%)和nnU-Net(偏差: -2.46%, CoV: 20.3%)更低的偏差(-0.63%)和变异系数(4.3%)。在具有噪声扰动的蒙特卡罗模拟中，ScarNet实现了显著更高的瘢痕Dice(0.892 \pm 0.053, CoV = 5.9%)，而MedSAM(0.048 \pm 0.112, CoV = 233.3%)和nnU-Net(0.615 \pm 0.537, CoV = 28.7%)则不然。结论：ScarNet在准确分割LGE图像中的心肌和瘢痕边界方面优于MedSAM和nnU-Net。该模型在不同的图像质量和瘢痕模式中表现出稳健的性能。

🔬 方法详解

问题定义：论文旨在解决心脏MRI中LGE图像的心肌瘢痕自动量化问题。现有方法，特别是手动分割，耗时且存在观察者间差异，阻碍了临床应用。现有的自动分割方法，如MedSAM和nnU-Net，在心肌瘢痕分割任务中表现不佳，精度和鲁棒性不足。

核心思路：ScarNet的核心思路是结合Transformer和卷积神经网络的优势。利用MedSAM中Transformer编码器强大的特征提取能力，捕捉全局上下文信息；同时，采用U-Net卷积解码器进行精确的像素级分割。通过定制的注意力机制，进一步增强模型对瘢痕区域的关注，提高分割精度。

技术框架：ScarNet模型由三个主要部分组成：1) 基于MedSAM的Transformer编码器，用于提取LGE图像的全局特征；2) 基于U-Net的卷积解码器，用于生成像素级的分割掩码；3) 定制的注意力模块，用于增强模型对瘢痕区域的关注。整个流程是：输入LGE图像，经过Transformer编码器提取特征，然后通过注意力模块增强特征，最后由U-Net解码器生成分割结果。

关键创新：ScarNet的关键创新在于混合了Transformer和卷积神经网络，并引入了定制的注意力机制。与传统的全卷积网络相比，Transformer编码器能够更好地捕捉全局上下文信息，从而提高分割精度。定制的注意力机制能够使模型更加关注瘢痕区域，减少假阳性和假阴性。

关键设计：ScarNet的关键设计包括：1) 使用预训练的MedSAM作为Transformer编码器的初始化，加速模型收敛；2) 设计了一种新的注意力模块，该模块能够自适应地调整不同特征通道的权重，从而增强模型对瘢痕区域的关注；3) 使用Dice损失函数作为主要的优化目标，以提高分割结果的Dice评分。

📊 实验亮点

ScarNet在184名测试患者中取得了显著的性能提升，中值Dice系数达到0.912，显著优于MedSAM (0.046) 和 nnU-Net (0.638)。ScarNet的偏差和变异系数也明显低于对比方法，表明其分割结果更加准确和稳定。在蒙特卡罗模拟中，ScarNet在噪声扰动下仍保持较高的Dice系数 (0.892)，展现出强大的鲁棒性。

🎯 应用场景

ScarNet在临床上具有广泛的应用前景，可用于辅助医生进行心肌瘢痕的快速、准确量化，提高诊断效率和准确性。该技术可应用于心肌梗死、心肌炎等疾病的诊断和预后评估，为患者提供更精准的治疗方案。未来，ScarNet有望集成到临床工作流程中，实现心肌瘢痕量化的自动化和标准化。

📄 摘要（原文）

Background: Late Gadolinium Enhancement (LGE) imaging is the gold standard for assessing myocardial fibrosis and scarring, with left ventricular (LV) LGE extent predicting major adverse cardiac events (MACE). Despite its importance, routine LGE-based LV scar quantification is hindered by labor-intensive manual segmentation and inter-observer variability. Methods: We propose ScarNet, a hybrid model combining a transformer-based encoder from the Medical Segment Anything Model (MedSAM) with a convolution-based U-Net decoder, enhanced by tailored attention blocks. ScarNet was trained on 552 ischemic cardiomyopathy patients with expert segmentations of myocardial and scar boundaries and tested on 184 separate patients. Results: ScarNet achieved robust scar segmentation in 184 test patients, yielding a median Dice score of 0.912 (IQR: 0.863--0.944), significantly outperforming MedSAM (median Dice = 0.046, IQR: 0.043--0.047) and nnU-Net (median Dice = 0.638, IQR: 0.604--0.661). ScarNet demonstrated lower bias (-0.63%) and coefficient of variation (4.3%) compared to MedSAM (bias: -13.31%, CoV: 130.3%) and nnU-Net (bias: -2.46%, CoV: 20.3%). In Monte Carlo simulations with noise perturbations, ScarNet achieved significantly higher scar Dice (0.892 \pm 0.053, CoV = 5.9%) than MedSAM (0.048 \pm 0.112, CoV = 233.3%) and nnU-Net (0.615 \pm 0.537, CoV = 28.7%). Conclusion: ScarNet outperformed MedSAM and nnU-Net in accurately segmenting myocardial and scar boundaries in LGE images. The model exhibited robust performance across diverse image qualities and scar patterns.