Project Description

Automatic segmentation of ventricular volume by 3D ultrasonography in post haemorrhagic ventricular dilatation among preterm infants (1)

El objetivo de este estudio ha sido avanzar en la segmentación automática desde ecografía 3D del volumen ventricular. El estudio se centra en  recién nacidos prematuros con dilatación ventricular post-hemorrágica (DVPH) en los que el diagnóstico y el mejor momento para el inicio de intervenciones terapéuticas se realiza en base a medidas lineales de los ventrículos laterales. Este grupo de investigación ya había planteado previamente la posibilid Gontard-2021-Automatic-segmentation-of-ventriculad de realizar medición del volumen ventricular a través de ecografía 3D y ha publicado un trabajo sobre la relación entre las medidas lineales y el volumen ventricular(2). La segmentación manual del volumen ventricular tras la adquisición ecográfica tridimensional se hace a través de la delineación manual del contorno ventricular en los cortes 2d que resultan de rotar 15º en el  eje ventricular vertical. Este procedimiento ha demostrado ser exacto y reproducible si bien lleva mucho tiempo la realización de cada medición del volumen ventricular lo que hace que no sea fácil su implementación. En este estudio se ha entrenado, evaluado y validado una red convolucional 2D (CNN) través de  la aplicación de un marco de aprendizaje profundo (Deep learning).  El método se validó con el coeficiente de similitud de Dice (DSC) que compara imágenes 3D y el coeficiente intraclase (ICC) para la concordancia con la segmentación manual. El peso medio al nacer de los pacientes incluidos fue de 1233,1 g (SD 309,4) y la edad gestacional media fue de 28,1 semanas (SD 1,6). Se analizó un total de 152 ecografías 3D seriadas de 10 pacientes con DVPH. Se segmentaron manualmente 230 ventrículos. De ellos, 108 se utilizaron para entrenar una CNN 2D y 122 para validar la metodología de segmentación automática. La concordancia global de las medidas manuales frente a las automáticas en los datos de validación (n = 122) fue excelente, con un ICC de 0,944 (0,874-0,971). El coeficiente de similitud de Dice fue de 0,8 (± 0,01). La estimación del volumen ventricular basada en ecografía 3D a través del software de segmentación automática desarrollado mejora la precisión y reduce el tiempo de procesamiento necesario para la segmentación manual. La ecografía 3D puede considerarse una herramienta prometedora para ayudar a profundizar nuestra comprensión actual de la compleja evolución de la DVPH.

(1) Gontard LC, Pizarro J, Sanz-Peña B, Lubián López SP, Benavente-Fernández I. Automatic segmentation of ventricular volume by 3D ultrasonography in post haemorrhagic ventricular dilatation among preterm infants. Sci Rep. 2021 Jan 12;11(1):567. doi: 10.1038/s41598-020-80783-3. PMID: 33436974; PMCID: PMC7803781.

Automatic segmentation of ventricular volume by 3D ultrasonography in post haemorrhagic ventricular dilatation among preterm infants (nih.gov)

(2) Benavente-Fernandez I, Lubián-Gutierrez M, Jimenez-Gomez G, Lechuga-Sancho AM, Lubián-López SP; Neonatal Neurology Foundation (Fundación Nene).Ultrasound lineal measurements predict ventricular volume in posthaemorrhagic ventricular dilatation in preterm infants. Acta Paediatr. 2017 Feb;106(2):211-217. doi: 10.1111/apa.13645. Epub 2016 Nov 21. PMID: 27783429.


Ver artículo completo