郭家鋆， 鲁鸿飞， 佘佳琦， 吴 东， 曾蒙苏， 金 航*

1. 上海市影像医学研究所，上海 200032 2. 复旦大学附属中山医院放射科，上海 200032

随着心脏磁共振成像(cardiac magnetic resonance imaging，CMRI)对心脏疾病诊断、风险评估和治疗决策的临床价值得到广泛认可[1]，Cine序列作为CMRI的重要环节在心功能分析和心脏疾病诊断中越来越重要。虽然临床上心超的应用远多于CMRI，且心超的斑点追踪技术能有效捕捉心肌运动，但CMRI空间分辨率和软组织分辨率更有优势，同时能顺应心室形态，分析心功能更为可靠，被作为参照标准。

目前三维CMRI图像的人工智能分析和评价也是研究热点。由于Cine序列图像数量多，传统手动分析方法耗时较长，人工智能的发展有望解决这一问题。但是，目前人工智能对于心腔大小和心肌厚度明显异常患者的诊断价值需要更多研究来评价[2-3]。随着深度学习技术的快速发展和广泛应用，卷积神经网络(convolutional neural network, CNN)作为人工智能算法的基础，一直在不断突破自动图像分析的极限[4-5]。然而，全自动心脏分割仍然存在几个难题，例如：心脏运动和机器干扰；乳头肌和心内膜小梁干扰[4-5]；心房和心室以及腔室和血管的鉴别。尽管多项研究[6-8]已证明自动心脏分割能胜任CMRI分析，但临床上仍倾向于半自动分割。

左心室功能(LV)与常见心肌病的诊断和治疗密切相关，如肥厚型心肌病(hypertrophic cardiomyopathy，HCM)和扩张型心肌病(dilated cardiomyopathy，DCM)。HCM是年轻人心源性猝死的主要原因，而DCM是心力衰竭的第三常见病因，因此明确不同心肌病心脏自动分割的准确性有重要意义。……