Методы и нейросетевой программный комплекс для локализованной количественной оценки фиброза миокарда тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Левчук Анатолий Геннадьевич

• Левчук Анатолий Геннадьевич
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Левчук Анатолий Геннадьевич

ВВЕДЕНИЕ

ГЛАВА 1. ПРОБЛЕМЫ ДИАГНОСТИКИ ФИБРОЗА МИОКАРДА ЛЕВОГО ЖЕЛУДОЧКА СЕРДЦА

1.1. Фиброз миокарда

1.2. Методы диагностики фиброза миокарда

1.3. Прогностическая значимость выявления ишемического фиброза миокарда

1.4. 17-сегментная модель миокарда

1.5. Методы обработки изображений

1.6. Постановка цели и задач диссертационного исследования

ГЛАВА 2. МЕТОДЫ И КОНЦЕПЦИЯ ДИАГНОСТИКИ ФИБРОЗА МИОКАРДА ЛЕВОГО ЖЕЛУДОЧКА СЕРДЦА

2.1. Концепция локализованной количественной оценки фиброза миокарда

2.2. Набор данных

2.2.1. Разметка набора данных

2.2.2. 17-сегментная разметка миокарда

2.2.3. Характеризация набора данных

2.3. Разработка и исследование метода автоматической сегментации фиброза и миокарда

2.4. Результаты оценки вариантов метода сегментации фиброза и миокарда

2.5. Метод автоматического разбиения миокарда на 17 сегментов

2.6. Результаты оценки вариантов метода автоматического 17-сегментного разбиения миокарда

2.7. Выводы по Главе

ГЛАВА 3. ПРОГРАММНЫЙ КОМПЛЕКС ДЛЯ ЛОКАЛИЗОВАННОЙ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ ФИБРОЗА МИОКАРДА ЛЕВОГО ЖЕЛУДОЧКА СЕРДЦА

3.1. Программный комплекс для локализованной количественной оценки фиброза миокарда

3.2. Результаты оценки работы программного комплекса для локализованной количественной оценки фиброза миокарда

3.3. Абляционное исследование программного комплекса для локализованной количественной оценки фиброза миокарда

3.4. Графический интерфейс

3.5. Выводы по Главе

ГЛАВА 4. АДАПТАЦИЯ ПРОГРАММНОГО КОМПЛЕКСА ДЛЯ ЛОКАЛИЗОВАННОЙ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ ГИПЕРТРОФИЧЕСКОГО ФИБРОЗА МИОКАРДА ЛЕВОГО ЖЕЛУДОЧКА СЕРДЦА

4.1. Набор данных

4.2. Подготовка обучающей выборки

4.2. Адаптация компонентов программного комплекса для локализованной количественной оценки гипертрофического фиброза миокарда

4.3. Результаты оценки работы программного комплекса для локализованной количественной оценки гипертрофического фиброза миокарда

4.4. Выводы по Главе

ЗАКЛЮЧЕНИЕ

СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б

ПРИЛОЖЕНИЕ В

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Методы и нейросетевой программный комплекс для локализованной количественной оценки фиброза миокарда»

Актуальность темы исследования

По данным Всемирной организации здравоохранения (ВОЗ) на данный момент ишемическая болезнь сердца (ИБС) является самой распространенной и быстрорастущей в процентном выражении причиной смертности - на нее приходится около 16% всех смертей в мире. ИБС является причиной образования фиброза миокарда, количественные и качественные характеристики которого влияют на снижение сократительной способности миокарда с формированием систолической и диастолической дисфункций с развитием нарушений ритма сердца и ухудшением коронарного кровотока. Известно, что объем и локализация фиброза миокарда левого желудочка имеют критическое значение при выборе терапевтической и хирургической стратегий. Магнитно-резонансная томография (МРТ) является одним из наиболее информативных методов диагностической визуализации сердца, предоставляя информацию о функции левого желудочка, региональной перфузии, ангиогенезе, жизнеспособности миокарда и ориентации миоцитов. МРТ сердца с отсроченным контрастированием позволяет визуализировать и количественно оценивать фиброзные изменения в миокарде и является золотым стандартом в этой области. Однако количественная локализация фиброза является крайне трудозатратной задачей в связи с необходимостью ручного выделения структур здорового миокарда и фиброза на МР-изображениях, что подчеркивает актуальность разработки автоматических программных методов. В настоящее время на рынке программного обеспечения для обработки МР-изображений сердца существует множество программных решений, предназначенных для оценки объема и расположения фиброза в соответствии с общепринятой 17-сегментной моделью миокарда левого желудочка с использованием ручной

или полуавтоматической разметки фиброза и сегментов миокарда. Однако, такие подходы для достижения высокой точности требуют участия врача-рентгенолога высокой квалификации не только на этапе принятия решения о диагнозе, но и на этапе разметки изображений и подразумевают серьезные временные затраты. Отсутствие полностью автоматического решения затрудняет комплексную локализованную количественную оценку фиброза миокарда в повседневной клинической практике. Таким образом, в настоящее время существует потребность в разработке точного автоматического инструмента для оценки объема и локализации фиброза в соответствии с 17-сегментной моделью миокарда для поддержки принятия решения врачами-рентгенологами в процессе автоматизированной диагностики сердечно-сосудистых заболеваний.

Степень разработанности темы

Поиск методов для локализованной и количественной оценки фиброза миокарда имеющей прогностическое и клиническое значения ведется с конца прошлого века и отражен в работах как отечественных авторов: Синицын В.Е. (2008 г.), Стукалова О.В. (2016 г.), Каретникова В.Н. (2017 г.), Бердибеков Б.Ш. (2021 г.); так и в работах зарубежных авторов: Kim R.J. (1999 г.), Cerqueira M.D. (2002 г.), Selvanayagam J.B. (2004 г.), Ichikawa Y. (2005 г.), Zabihollahy F. (2018), Komissarova S.S. (2020 г.), Karamitsos T.D. (2020 г.), Aghapanah H. (2025 г.).

Для ручной, полуавтоматической и автоматической разметки фиброза и миокарда, а также для локализации фиброза в отечественной и иностранной медицине используются как коммерческие программные решения (CASIS, Medis Suite MR, CVI42) так и Open Source решения (Segment CMR, MedSeg, ITKSnap, 3D Slicer) на основе ручной разметки, пороговых методов и нейронных моделей для сегментации фиброза и миокарда. Среди этих решений наибольшую степень автоматизации имеют CASIS и CVI42, предоставляющие комплекс методов для анализа МР-

изображений сердца, однако в литературе не представлено результатов систематической оценки точности и эффективности этих инструментов в задаче локализованной количественной оценки фиброза миокарда. Стоит отметить, что основной фокус исследований сконцентрирован на фиброзе ишемического характера, а оценка возможности использования существующих инструментов для анализа неишемического фиброза не проводилась. Более того, до сих пор отсутствует автоматическое решение, подразумевающее участие врача только на этапе контроля результатов и принятия окончательного решения, но не требующее непосредственного проведения измерений при локализованной количественной оценке объема фиброза миокарда левого желудочка по данным двумерных постконтрастных серий МР-изображений сердца.

Цель диссертационного исследования

Разработка компонентов информационного, методического и программного обеспечения морфометрической системы для комплексной обработки изображений магнитно-резонансной томографии сердца, направленная на повышение эффективности локализованной количественной оценки фиброза миокарда левого желудочка, являющегося ключевым фактором снижения жизнеспособности миокарда.

Для достижения цели в работе были поставлены следующие задачи:

1. Создание репрезентативной базы данных, содержащей двумерные изображения магнитно-резонансной томографии сердца с отсроченным контрастированием.

2. Разработка концепции локализованной количественной оценки фиброза миокарда левого желудочка по данным магнитно-резонансной томографии сердца с отсроченным контрастированием.

3. Разработка метода автоматической сегментации структур здорового миокарда и фиброза на основе технологий машинного обучения,

позволяющего выявлять фиброзные изменения на всех уровнях, включая верхушку миокарда левого желудочка, по данным двумерных изображений магнитно-резонансной томографии сердца с отсроченным контрастированием.

4. Разработка метода автоматического разбиения миокарда левого желудочка на 17 сегментов по данным двумерных изображений магнитно-резонансной томографии сердца с отсроченным контрастированием при различных заболеваниях (постинфарктные состояния, гипертрофическая кардиомиопатия).

5. Разработка программного комплекса для локализованной количественной оценки фиброза миокарда левого желудочка по данным двумерных изображений магнитно-резонансной томографии сердца с отсроченным контрастированием.

Объектом исследования является морфометрическая система для локализованной количественной оценки фиброза миокарда левого желудочка сердца.

Предметом исследования являются компоненты информационного, методического и программного обеспечения морфометрической системы для локализованной количественной оценки фиброза миокарда левого желудочка сердца.

Научная новизна результатов работы заключается в том, что: 1. Созданная репрезентативная база данных, содержащая двумерные изображения магнитно-резонансной томографии сердца с отсроченным контрастированием, дополненная клинической информацией для каждого пациента выборки - фракцию выброса левого желудочка по данным МРТ сердца с отсроченным контрастированием и степень

сердечной недостаточности, отличающаяся тем, что содержит как эталонные маски фиброза и миокарда для всех серий МР-изображений, так и эталонные 17-сегментные маски миокарда, позволяющие выполнить оценку локализованных количественных характеристик фиброза миокарда левого желудочка с клиническими данными пациентов.

2. Метод автоматической сегментации двумерных МР-изображений с отсроченным контрастированием, предназначенный для точной автоматической разметки масок фиброза и миокарда, отличающийся тем, что позволяет выполнять сегментацию наиболее эффективным подходом, позволяя врачу выполнять оценку относительного объема фиброза миокарда на всех уровнях левого желудочка, включая верхушку при различных заболеваниях, включая неишемический фиброз миокарда.

3. Метод автоматического разбиения маски миокарда левого желудочка на 17 сегментов, отличающийся тем, что предоставляет возможность врачу-рентгенологу выполнять оценку локализации всех сегментов миокарда левого желудочка на изображениях магнитно-резонансной томографии с отстроченным контрастированием с высокой точностью и скоростью при различных заболеваниях, включая неишемический фиброз миокарда.

4. Программный комплекс для автоматической оценки относительного объема фиброза в соответствии с 17-сегментной моделью миокарда, позволяющий врачу-рентгенологу проводить автоматизированную локализованную количественную оценку фиброза миокарда левого желудочка по данным двумерной МРТ сердца с отстроченным контрастированием, отличающийся тем, что обеспечивает высокую точность и скорость анализа МР-изображений при различных заболеваниях сердца благодаря возможности адаптации

нейросетевых компонентов программного комплекса под различные типы фиброза миокарда, тем самым увеличивая доступность диагностики и способствуя выбору оптимальной тактики лечения и реабилитации пациентов.

Теоретическая значимость работы заключается в изучении и совершенствованием методов сегментации фиброзных изменений миокарда в рамках концепции 17-сегментного разбиения миокардиального слоя на основе МР-изображений.

Практическая значимость достигается разработкой комплекса методологического и алгоритмического системного обеспечения МРТ, позволяющего повысить качество диагностики сердечно-сосудистых заболеваний, предоставляя локализованную количественную оценку фиброзных изменений миокарда левого желудочка, имеющую высокую клиническую значимость при выборе тактики лечения и реабилитации пациента.

Методы исследования

В работе использованы методы ручной разметки изображений, методы объектно-ориентированного программирования, методы глубокого обучения нейронных сетей, методы статистического и корреляционного анализа и обработки результатов исследований.

Научные положения, выносимые на защиту:

Повышение эффективности локализованной количественной оценки фиброза миокарда левого желудочка сердца по данным двумерных магнитно-резонансных изображений с отсроченным контрастированием обеспечивается применением:

1. Метода автоматической сегментации на основе каскадного подхода с применением нейронных сетей, обеспечивающих эффективную подготовку изображений и точную сегментацию структур фиброза и миокарда.

2. Метода разбиения миокарда левого желудочка на 17 сегментов на двумерных МР-изображениях, позволяющего проводить локализованную оценку относительного объема фиброза миокарда в рамках его 17-сегментной модели при использовании вручную подготовленных масок миокарда.

3. Разработанных алгоритмов и программного комплекса для автоматической локализованной количественной оценки фиброза миокарда левого желудочка, позволяющих выполнять эффективную количественную оценку относительного объема фиброза в каждом сегменте миокарда левого желудочка благодаря комбинированному подходу на основе технологий компьютерного зрения.

Научные результаты проведенного диссертационного исследования соответствуют пунктам 10 и 21 паспорта научной специальности 2.2.12 «Приборы, системы и изделия медицинского назначения».

Степень достоверности

Обоснованность результатов диссертационной работы подтверждена корректным применением апробированных методов из области цифровой обработки, распознавания образов и анализа экспериментальных данных. Результаты, полученные в ходе экспериментального исследования, подтверждают достоверность результатов полученных численно. Достоверность результатов подтверждается тем, что они не противоречат описанным ранее в научной литературе результатам.

Апробация результатов

Апробация работы проводилась на международных и всероссийских конференциях и конгрессах, среди которых: Международная конференция / «2022 IEEE International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON)» / 11.11.2022 - 13.11.2022; Всероссийская научно-практическая конференция / «Современные КТ и МРТ-технологии в кардиологии». Школа «КТ и МРТ сердца» 2023 / ФГБУ

«НМИЦ им В.А. Алмазова» / 06.10.2023 - 06.10.2023 / Санкт-Петербург; Всероссийский конгресс / «Конгресс Российского общества рентгенологов и радиологов 2023» / 08.11.2023 - 10.11.2023 / Санкт-Петербург; Международная конференция / «2024 IEEE Ural-Siberian Conference on Biomedical Engineering, Radioelectronics and Information Technology (USBEREIT)» / 13.05.2024 - 15.05.2024 / Уральский Федеральный университет / Екатеринбург; Международная конференция / «XVI международная научная конференция «физика и радиоэлектроника в медицине и экологии» с научной молодежной школой им. И.Н. Спиридонова ФРЭМЭ'2024» / 02.07.2024 - 04.07.2024 / Суздаль - Владимир; Всероссийский конгресс / «Конгресс Российского общества рентгенологов и радиологов 2024» / 06.11.2024 - 08.11.2024 / Москва; Международная конференция / «Симуляционное обучение в медицине: проблемы, решения, перспективы» / 08.11.2024 - 08.11.2024 / Андижан.

Внедрение результатов работы

Основные результаты работы получены в рамках следующих НИР и НИОКТР:

1. «Перспективные количественные технологии в магнитно-резонансной томографии для определения стадий воспаления и фиброза, как маркеров заболеваний» (Мегагрант Министерства науки и высшего образования РФ, 075-15-2021-592).

2. «Нейросетевые инструменты в задачах автоматизации магнитно-резонансной морфометрии сердца» (РНФ, 23-75-10045).

Результаты диссертационного исследования получены в сотрудничестве с врачами-рентгенологами отделения МРТ ФГБУ «НМИЦ им. В.А. Алмазова» и внедрены в клиническую деятельность отделения МРТ. Разработанный программный комплекс применяется в научных исследования для изучения корреляции объема и локализации постишемического фиброза, а также внедрены в диагностические

алгоритмы по прогнозированию возможных исходов лечения в рамках таких нозологий как гипертрофическая кардиомиопатия у детей и взрослых.

Публикации

Результаты диссертации были отражены в 10 научных работах [1-10]. Среди них 2 статьи в изданиях, рекомендованных ВАК, в том числе 1 статья без соавторства, 2 статьи в изданиях, индексируемых в Scopus, и 6 работ в материалах международных и российских научно-технических конференций.

Получено 2 свидетельства о государственной регистрации:

- программа для ЭВМ [2022 / Программа для ЭВМ / Программа для порогового выделения структур на магнитно-резонансных изображениях и ручной коррекции полученных бинарных масок / № 2022666348 от 30.08.2022 / Бруй Е.А., Насонов А.А., Левчук А.Г.],

- база данных [Сегментация магнитно-резонансных изображений постинфарктного кардиосклероза миокарда левого желудочка сердца / N° 2025621923 от 28 апреля 2025 г. / Левчук А.Г., Фокин В.А., Рыжков А.В., Баев М.С., Труфанов Г.Е. (База данных)].

Структура и объем диссертации

Диссертация состоит из введения, 4 глав, заключения, списка сокращений и обозначений, списка литературы (122 наименования). Работа изложена на 133 страницах и включает 51 рисунок и 14 таблиц.

ГЛАВА 1. ПРОБЛЕМЫ ДИАГНОСТИКИ ФИБРОЗА МИОКАРДА ЛЕВОГО ЖЕЛУДОЧКА СЕРДЦА

В данной главе проведен анализ современных возможностей клинико-инструментальной дифференциальной диагностики, связанных с фиброзом миокарда. По данным МРТ сердца с отсроченным контрастированием выделены основные паттерны фиброзных изменений миокарда левого желудочка в структуре сердечно-сосудистой патологии, в том числе особенности локализации фиброза. Описаны характерные особенности локализации постишемических фиброзных изменений миокарда левого желудочка (ЛЖ) с применением МРТ сердца с отсроченным контрастированием.

По результатам главы сформированы выводы, позволяющие оценить потребность совершенствования информационных, методических и программных компонентов морфометрической диагностики фиброза миокарда с применением МРТ сердца с отсроченным контрастированием.

1.1. Фиброз миокарда

В работе [11] было показано, что одним из главных компонентов прогрессирования большинства сердечно-сосудистых заболеваний, в том числе и ишемической болезни сердца, является фиброз миокарда левого желудочка сердца. Ишемическая болезнь сердца (ИБС) приводит к структурным изменениям миокарда - фиброзу миокарда, количественные и качественные характеристики которого значимо влияют на функцию сердца. Обширные фиброзные изменения способствуют снижению сократительной функции миокарда, развитию систолической и диастолической дисфункций, нарушениию ритма сердца, снижению коронарного кровотока.

Фиброз миокарда стал являться значимым фактором в формировании терапевтических стратегий с момента верификации его влияния на

формирование дисфункции различных органов и систем, подтверждая системность большинства заболеваний, особенно на терминальных стадиях развития. Согласно информации представленной в [12], на сегодняшний день дальнейшее изучение фиброза миокарда направлено на формирование таргетной патогенетически обоснованной терапии на повышении качества диагностики и прогнозирования течения фиброзных изменений, что является актуальной и нерешенной на настоящий момент задачей.

По результатам проведенных исследований [13-15], лидером по причине смертности не только в России, но и во всем мире являются сердечно-сосудистые заболевания (ССЗ). Так, по данным ВОЗ в 2022 году[16], причиной трети летальных исходов (32%) были ССЗ. А в России 60% летальных исходов были связаны с болезнями системы кровообрашения [17].

На Рисунке 1. 1 продемонстрированы данные Европейского статистического сообщества [18], показывающие соотношение количества смертей по причине заболеваний системы кровообращения на сто тысяч населения. На 2022 год было зарегистрировано 1,68 миллиона случаем клинической смерти от ССЗ, что эквивалентно 32,7% всех смертей.

1100 -1000900-

Рисунок 1.1 - Показатели количества смертей от заболеваний системы кровообращения по странам Европы на сто тысяч человек [18]

Существует 3 основных типа фиброза миокарда:

1) Наиболее частыми причинами реактивного интерстициального фиброза, который характеризуется диффузным микроскопическим распределением в миокарде, а иногда и локализованным периваскулярным распределением, является хроническая неконтролируемая артериальная гипертензия, поражение клапанного аппарата сердца, диабетическая кардиомиопатия, а также гипертрофическая кардиомиопатия и идиопатическая дилатационная кардиомиопатия.

Реактивный интерстициальный фиброз, как правило, не характеризуется мгновенной гибелью клеток, а представляет собой постепенный процесс [19]. При устранении причины интерстициального фиброза, его можно обратить вспять. Было показано [20], что если состояние ухудшается, за ним следует апоптоз миоцитов и необратимый замещающий фиброз, являющийся маркером тяжести заболевания.

2) Инфильтративный интерстициальный фиброз [21], вызванный прогрессирующим отложением нерастворимого амилоида (амилоидоз) или гликосфинголипидов (болезнь Андерсона-Фабри) в сердце.

3) Согласно [22], замещающий фиброз обычно возникает после повреждения или смерти миоцитов, в основном при острых ишемических состояниях, при которых апоптоз клеток запускает фибробласты и способствует отложению коллагеновой волокнистой ткани в миокарде. Обычно это следует за локализованным макроскопическим распределением. Замещающий фиброз миокарда может также возникать при миокардите, гипертрофической кардиомиопатии, идиопатической дилатационной кардиомиопатии, саркоидозе и может демонстрировать диффузное распространение при токсических кардиомиопатиях, хронической почечной недостаточности и как часть системных воспалительных заболеваний [23]. Он часто присутствует на терминальных стадиях сердечной недостаточности.

Большое количество заболеваний приводит к формированию диффузного и локального крупно- и мелко-очагового фиброзов, которые вызывают задержку контрастирующего вещества в миокарде. К основным относятся: ИБС, перенесенные инфаркты миокарда (ИМ), гипертрофическая кардиомиопатия, аритмогенная правожелудочковая дисплазия, дилатационная кардиомиопатия, миокардит, саркоидоз, амилоидоз, злокачественные опухоли миокарда (первичные и вторичные). В Латинской Америке в этот перечень входит также болезнь Шагаса [24].

На Рисунке 1.2 показаны примеры типичных моделей миокардиального фиброза, оцененных спекл-трекинг эхокардиографией (ЭхоКГ) (17-сегментная диаграмма «Бычий глаз») и МРТ сердца с отсроченным контрастированием при различных заболеваниях сердца [25].

Рисунок 1.2 - Пример типичных моделей фиброза миокарда, оцененные спекл-трекинг ЭхоКГ и МРТ с отсроченным

контрастированием при различных заболеваниях сердца (в левом столбце изображены схемы отслеживания очагов, справа показаны изображения МРТ: (A) - Идиопатическая дилатационная кардиомиопатия; (B) -Амилоидоз; (C) - ГКМП; (D) - Болезнь Фабри) [25]

В Таблице 1.1 представлены описания основных паттернов миокардиального фиброза различного типа [26].

Таблица 1.1 - Различные модели сердечной патологии, визуализируемые по данным МРТ сердца

Ишемическая кардиомиопатия Наличие субэндокардиального ободка накопления контраста, который соответствует известной коронарной территории, иначе известной как инфаркт. Все остальные модели контрастирующего накопления не зависят от коронарных территорий.

Дилатационная кардиомиопатия Усиление контраста, которое обычно является очаговым и расположено глубоко в среднем слое миокарда и в сочетании с расширенной полостью желудочка.

ГКМП Накопление контраста, которое обычно является очаговым, особенно вблизи правого желудочка вставка в перегородку и в сочетании с утолщенной стенкой желудочка.

Амилоидоз Различные паттерны, в том числе ободок окружного субэндокардиального накопления контраста или общее диффузное пятнистое накопления контраста по всему миокарду.

Миокардит Накопление контраста вблизи эпикардиальной поверхности или глубоко внутри миокарда, но редко на поверхности эндокарда.

Аритмогенная дисплазия правого желудочка Жировая инфильтрация и замедленное увеличение стенок и перегородки правого желудочка.

Различные закономерности распределения накопленного контрастирующего вещества возникают на ранних стадиях различных неишемических патологических процессов, что определяет фенотипирование и диагностику кардиомиопатии. Например, гипертрофическая кардиомиопатия обычно представляет собой неоднородный участок накопления в гипертрофированных сегментах миокарда левого желудочка [27,28].

При дилатационной кардиомиопатии частым, хотя и неспецифическим признаком является так называемая полоса «средней стенки», интрамуральная область фиброза, обычно в базальной и /или срединной перегородке [29]. Миокардит характеризуется субэпикардиальным или же трансмуральным накоплением контрастирующего препарата, когда контраст накапливается от границ эпикарда вглубь до границ эндокарда, чаще поражающим нижнюю боковую стенку, но также и другие области с более выраженным диффузным распределением [30]. Болезнь Андерсона-Фабри проявляется характерным усилением средней стенки или субэпикарда в базальной нижнебоковой стенке [31]. Отложения амилоида обычно вызывают диффузное субэндокардиальное или трансмуральное увеличение левого желудочка, частое вовлечение ПЖ и биатриального отдела с ранним потемнением пула крови из-за аномальной кинетики гадолиния [32].

Отличие МР-проявлений ишемической и неишемической кардиомиопатии

На Рисунке 1.3 показаны основные паттерны накопления контрастирующего вещества в миокарде левого желудочка сердца, характерные для ишемических и неишемических кардиомиопатий.

Рисунок 1.3 - Дифференциация ишемических и неишемических паттернов на МРТ сердца с контрастным усилением

Оценка систолической функции регионарных желудочков с высоким разрешением может помочь провести различие между ишемической и неишемической кардиомиопатией. Отсроченное накопление контрастирующего препарата при проведении МРТ сердца, также способствует проведению этого различия при идентификации фиброза миокарда.

Накопление контраста присутствует у большинства пациентов с ишемической кардиомиопатией (81-100%) по сравнению с 12-41% пациентов без выраженной обструктивной коронарной болезни [33-35].

Хотя накопление контраста можно наблюдать при ишемических и неишемических кардиомиопатиях, паттерны накопления

контрастирующего вещества, как правило, различаются при этих двух заболеваниях [35,36].

Ишемическая кардиомиопатия характеризуется субэндокардиальным и/или трансмуральным паттерном накопления контрастирующего вещества. Для сравнения, изолированное увеличение средней стенки или эпикарда убедительно свидетельствует о неишемической кардиомиопатии. Вовлечение средней стенки при ишемической кардиомиопатии включает сегменты, отличные от тех, которые демонстрируют субэндокардиально-накопленный контраст [35].

Накопление контраста также может наблюдаться при гипертрофической кардиомиопатии, миокардите, саркоидозе и инфильтративных кардиомиопатиях, таких как амилоидоз [36].

1.2. Методы диагностики фиброза миокарда

Заболевания миокарда характеризуются изменениями в составе тканей, такими как развитие фиброза миокарда, отек или инфильтрация жиром, железом или амилоидом [34,37,38]. Поэтому раннее выявление структурных изменений миокарда имеет важное диагностическое и прогностическое значение. Методом золотого стандарта для оценки гистологических изменений, особенно фиброза миокарда, является эндомиокардиальная биопсия. Однако ошибки при отборе проб, инвазивный характер эндомиокардиальной биопсии и ее неспособность количественно оценить объем фиброза во всем миокарде ограничили ее использование [21]. Такие методы визуализации сердца как эхокардиография, однофотонная эмиссионная компьютерная томография (ОФЭКТ), позитронно-эмиссионная томография (ПЭТ), мультидетекторная компьютерная томография (МДКТ) и МРТ сердца позволяют выявлять

Список литературы диссертационного исследования кандидат наук Левчук Анатолий Геннадьевич, 2025 год

СПИСОК ЛИТЕРАТУРЫ

1. Levchuk A.G., Bendahan D., Ryzhkov A.V., Fokin V.A., Vladimirov N., Matveev I.Yu., Yu. Efimtsev A., Brui E.A. Fully automatic segmentation of post-infarction fibrosis in post-contrast magnetic resonance images of heart: preliminary study // 2022 IEEE International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON). Yekaterinburg, Russian Federation: IEEE, 2022. С. 640-643.

2. Левчук А.Г. Методы автоматической локализации гипертрофического фиброза миокарда левого желудочка сердца // Биотехносфера. 2025. № 2/3. С. 8-13.

3. Левчук А.Г., Фокин В.А., Рыжков А.В., Баев М.С., Бендан Д., Аль-Хайдри В., Бруй Е.А. Автоматический и полуавтоматический метод сегментации постинфарктного кардиосклероза по данным магнитно-резонансной томографии с отсроченным контрастированием // Биомедицинская радиоэлектроника. 2024. Т. 27, № 3. С. 13-27.

4. Al-Haidri W., Levchuk A., Zotov N., Belousova K., Ryzhkov A., Fokin V., Lukin M., Bendahan D., Brui E. Quantitative analysis of myocardial fibrosis using a deep learning-based framework applied to the 17-Segment model // Biomedical Signal Processing and Control. 2025. Т. 105. С. 107555.

5. Vladimirov N., Brui E., Levchuk A., Al-Haidri W., Fokin V., Efimtcev A., Bendahan D. CNN-based fully automatic wrist cartilage volume quantification in MR images: A comparative analysis between different CNN architectures // Magnetic Resonance in Med. 2023. Т. 90, № 2. С. 737-751.

6. Al-Haidri W., Levchuk A., Belousova K., Fokin D., Bendahan D., Brui E. Deep Learning-Assisted 17-Segment Myocardial Scar Segmentation and Analysis // 2025 IEEE Ural-Siberian Conference on Biomedical Engineering, Radioelectronics and Information Technology (USBEREIT). 2025. С. 333336.

7. Левчук А.Г., Аль-Хайдри В.А., Зотов Н., Бруй Е.А. Компьютерное зрение в задачах локализации и количественной оценки постинфарктного кардиосклероза по данным магнитно-резонансной томографии сердца с отсроченным контрастированием // XVI Международная научная конференция «Физика и радиоэлектроника в медицине и экологии - ФРЭМЭ'2024». 2024. С. 294-298.

8. Зотов Н., Левчук А.Г., Аль-Хайдри В.А., Бруй Е.А. Создание полуавтоматического алгоритма измерения объема фиброза на МРТ изображениях в рамках 17 //В книге: Инженерия. Искусственный интеллект. Хемоинформатика и химическая инженерия. Сборник тезисов XIII Конгресса молодых ученых. 2024. С. 180-181.

9. Levchuk A., Al-Haidri W., Zotov N., Ryzhkov A., Fokin V., Lukin M., Bendahan D., Brui E. Book of Abstracts ESMRMB 2024 Online 40th Annual Scientific Meeting 2-5 October 2024 // Magn Reson Mater Phy. 2024. Т. 37, № S1. С. 582-583.

10. Al-Haidri W., Levchuk A., Zotov N., Ryzhkov A., Fokin V., Bendahan D., Brui E. Deep-learning based localization of Myocardial Fibrosis in CMR images // 2024 IEEE Ural-Siberian Conference on Biomedical Engineering, Radioelectronics and Information Technology (USBEREIT). Yekaterinburg, Russian Federation: IEEE, 2024. С. 174-177.

11. López B., González A., Ravassa S., Beaumont J., Moreno M.U., San José G., Querejeta R., Díez J. Circulating Biomarkers of Myocardial Fibrosis // Journal of the American College of Cardiology. 2015. Т. 65, № 22. С. 2449-2456.

12. Каретникова В.Н., Кашталап В.В., Косарева С.Н., Барбараш О.Л. Фиброз миокарда: современные аспекты проблемы // Терапевтический архив. 2017. Т. 89, № 1. С. 88-93.

13. Mozaffarian D. и др. Executive Summary: Heart Disease and Stroke Statistics—2016 Update.

14. Демографический ежегодник России. Mосква: Росстат, 2010.

15. Writing Group Members и др. Executive Summary: Heart Disease and Stroke Statistics—2012 Update: A Report From the American Heart Association // Circulation. 2012. Т. 125, № 1. С. 188-197.

16. Cardiovascular diseases (CVDs) [Электронный ресурс]. URL: https://www.who.int/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds) (дата обращения: 15.05.2025).

17. Boitsov S.A., Samorodskaya I.V. Смертность и потерянные годы жизни в результате преждевременной смертности от болезней системы кровообращения // Cardiovasc Ther Prev. 2014. Т. 13, № 2. С. 4-11.

18. Cardiovascular diseases statistics [Электронный ресурс]. URL: https://ec.europa.eu/eurostat/statistics-

explained/index.php?title=Cardiovascular_diseases_statistics (дата

обращения: 15.05.2025).

19. López B., Querejeta R., González A., Sánchez E., Larman M., Díez J. Effects of loop diuretics on myocardial fibrosis and collagen type I turnover in chronic heart failure // Journal of the American College of Cardiology. 2004. Т. 43, № 11. С.2028-2035.

20. Weber K.T., Brilla C.G. Pathological hypertrophy and cardiac interstitium. Fibrosis and renin-angiotensin-aldosterone system. // Circulation. 1991. Т. 83, № 6. С. 1849-1865.

21. Mewton N., Liu C.Y., Croisille P., Bluemke D., Lima J.A.C. Assessment of Myocardial Fibrosis With Cardiovascular Magnetic Resonance // Journal of the American College of Cardiology. 2011. Т. 57, № 8. С. 891-903.

22. Left Ventricular Remodeling After Myocardial Infarction.

23. Karamitsos T.D., Francis J.M., Myerson S., Selvanayagam J.B., Neubauer S. The Role of Cardiovascular Magnetic Resonance Imaging in Heart Failure // Journal of the American College of Cardiology. 2009. Т. 54, № 15. С. 14071424.

24. Guías de Práctica Clínica del ACC/AHA/ESC 2006 sobre el manejo de pacientes con arritmias ventriculares y la prevención de la muerte cardiaca súbita.Versión resumida // Revista Española de Cardiología. 2006. T. 59, № 12. C. 1328.e1-1328.e51.

25. Mandoli G.E., D'Ascenzi F., Vinco G., Benfari G., Ricci F., Focardi M., Cavigli L., Pastore M.C., Sisti N., De Vivo O., Santoro C., Mondillo S., Cameli M. Novel Approaches in Cardiac Imaging for Non-invasive Assessment of Left Heart Myocardial Fibrosis // Front. Cardiovasc. Med. 2021. T. 8. C. 614235.

26. Shan K., Constantine G., Sivananthan M., Flamm S.D. Role of Cardiac Magnetic Resonance Imaging in the Assessment of Myocardial Viability // Circulation. 2004. T. 109, № 11. C. 1328-1334.

27. Hansen M.W., Merchant N. MRI of Hypertrophic Cardiomyopathy: Part 2, Differential Diagnosis, Risk Stratification, and Posttreatment MRI Appearances // American Journal of Roentgenology. 2007. T. 189, № 6. C. 1344-1352.

28. Hansen M.W., Merchant N. MRI of Hypertrophic Cardiomyopathy: Part I, MRI Appearances // American Journal of Roentgenology. 2007. T. 189, № 6. C. 1335-1343.

29. Assomull R.G., Prasad S.K., Lyne J., Smith G., Burman E.D., Khan M., Sheppard M.N., Poole-Wilson P.A., Pennell D.J. Cardiovascular Magnetic Resonance, Fibrosis, and Prognosis in Dilated Cardiomyopathy // Journal of the American College of Cardiology. 2006. T. 48, № 10. C. 1977-1985.

30. Mahrholdt H., Wagner A., Deluigi C.C., Kispert E., Hager S., Meinhardt G., Vogelsberg H., Fritz P., Dippon J., Bock C.-T., Klingel K., Kandolf R., Sechtem U. Presentation, Patterns of Myocardial Damage, and Clinical Course of Viral Myocarditis // Circulation. 2006. T. 114, № 15. C. 1581-1590.

31. Moon J. Gadolinium enhanced cardiovascular magnetic resonance in Anderson-Fabry disease Evidence for a disease specific abnormality of the

myocardial interstitium // European Heart Journal. 2003. T. 24, № 23. C. 2151-2155.

32. Maceira A.M., Joshi J., Prasad S.K., Moon J.C., Perugini E., Harding I., Sheppard M.N., Poole-Wilson P.A., Hawkins P.N., Pennell D.J. Cardiovascular Magnetic Resonance in Cardiac Amyloidosis // Circulation. 2005. T. 111, № 2. C. 186-193.

33. McCrohon J.A., Moon J.C.C., Prasad S.K., McKenna W.J., Lorenz C.H., Coats A.J.S., Pennell D.J. Differentiation of Heart Failure Related to Dilated Cardiomyopathy and Coronary Artery Disease Using Gadolinium-Enhanced Cardiovascular Magnetic Resonance // Circulation. 2003. T. 108, №2 1. C. 5459.

34. Bello D., Shah D.J., Farah G.M., Di Luzio S., Parker M., Johnson M.R., Cotts W.G., Klocke F.J., Bonow R.O., Judd R.M., Gheorghiade M., Kim R.J. Gadolinium Cardiovascular Magnetic Resonance Predicts Reversible Myocardial Dysfunction and Remodeling in Patients With Heart Failure Undergoing P-Blocker Therapy // Circulation. 2003. T. 108, № 16. C. 19451953.

35. Soriano C.J., Ridocci F., Estornell J., Jimenez J., Martinez V., De Velasco J.A. Noninvasive diagnosis of coronary artery disease in patients with heart failure and systolic dysfunction of uncertain etiology, using late gadolinium-enhanced cardiovascular magnetic resonance // Journal of the American College of Cardiology. 2005. T. 45, № 5. C. 743-748.

36. Mahrholdt H., Wagner A., Judd R.M., Sechtem U., Kim R.J. Delayed enhancement cardiovascular magnetic resonance assessment of non-ischaemic cardiomyopathies // European Heart Journal. 2005. T. 26, № 15. C. 1461-1474.

37. Ferreira V.M., Piechnik S.K., Robson M.D., Neubauer S., Karamitsos T.D. Myocardial Tissue Characterization by Magnetic Resonance Imaging // J Thorac Imaging. 2014. T. 29, № 3.

38. Karamitsos T.D., Arvanitaki A., Karvounis H., Neubauer S., Ferreira V.M. Myocardial Tissue Characterization and Fibrosis by Imaging // JACC: Cardiovascular Imaging. 2020. T. 13, № 5. C. 1221-1234.

39. Scott P.A., Rosengarten J.A., Curzen N.P., Morgan J.M. Late gadolinium enhancement cardiac magnetic resonance imaging for the prediction of ventricular tachyarrhythmic events: a meta-analysis // European J of Heart Fail. 2013. T. 15, № 9. C. 1019-1027.

40. Zhambeev A.A., Gasparyan A.Zh., Stukalova O.V., Shlevkov N.B. Value of contrast-enhanced mri for risk-stratification of sudden cardiac death in different patients with structural heart disease // Rejr. 2017. T. 7, №2 4. C. 130139.

41. Yan A.T., Shayne A.J., Brown K.A., Gupta S.N., Chan C.W., Luu T.M., Di Carli M.F., Reynolds H.G., Stevenson W.G., Kwong R.Y. Characterization of the Peri-Infarct Zone by Contrast-Enhanced Cardiac Magnetic Resonance Imaging Is a Powerful Predictor of Post-Myocardial Infarction Mortality // Circulation. 2006. T. 114, № 1. C. 32-39.

42. Kim R.J., Simonetti O. The Use of Contrast-Enhanced Magnetic Resonance Imaging to Identify Reversible Myocardial Dysfunction. 2000.

43. Kelle S., Roes S.D., Klein C., Kokocinski T., De Roos A., Fleck E., Bax J.J., Nagel E. Prognostic Value of Myocardial Infarct Size and Contractile Reserve Using Magnetic Resonance Imaging // Journal of the American College of Cardiology. 2009. T. 54, № 19. C. 1770-1777.

44. Mousavi N., Cheezum M.K., Aghayev A., Padera R., Vita T., Steigner M., Hulten E., Bittencourt M.S., Dorbala S., Di Carli M.F., Kwong R.Y., Dunne R., Blankstein R. Assessment of Cardiac Masses by Cardiac Magnetic Resonance Imaging: Histological Correlation and Clinical Outcomes // JAHA. 2019. T. 8, № 1. C. e007829.

45. Wu E., Judd R.M., Vargas J.D., Klocke F.J., Bonow R.O., Kim R.J. Visualisation of presence, location, and transmural extent of healed Q-wave

and non-Q-wave myocardial infarction // The Lancet. 2001. T. 357, № 9249. C. 21-28.

46. Schulz-Menger J., Bluemke D.A., Bremerich J., Flamm S.D., Fogel M.A., Friedrich M.G., Kim R.J., Von Knobelsdorff-Brenkenhoff F., Kramer C.M., Pennell D.J., Plein S., Nagel E. Standardized image interpretation and postprocessing in cardiovascular magnetic resonance - 2020 update // Journal of Cardiovascular Magnetic Resonance. 2020. T. 22, № 1. C. 19.

47. Yokokawa M., Tada H., Koyama K., Ino T., Hiramatsu S., Kaseno K., Naito S., Oshima S., Taniguchi K. The Characteristics and Distribution of the Scar Tissue Predict Ventricular Tachycardia in Patients with Advanced Heart Failure // Pacing Clinical Electrophis. 2009. T. 32, № 3. C. 314-322.

48. Kwon D.H., Halley C.M., Carrigan T.P., Zysek V., Popovic Z.B., Setser R., Schoenhagen P., Starling R.C., Flamm S.D., Desai M.Y. Extent of Left Ventricular Scar Predicts Outcomes in Ischemic Cardiomyopathy Patients With Significantly Reduced Systolic Function // JACC: Cardiovascular Imaging. 2009. T. 2, № 1. C. 34-44.

49. Wu E., Ortiz J.T., Tejedor P., Lee D.C., Bucciarelli-Ducci C., Kansal P., Carr J.C., Holly T.A., Lloyd-Jones D., Klocke F.J., Bonow R.O. Infarct size by contrast enhanced cardiac magnetic resonance is a stronger predictor of outcomes than left ventricular ejection fraction or end-systolic volume index: prospective cohort study // Heart. 2008. T. 94, № 6. C. 730-736.

50. Kryukov N.A. Direct revascularization of the myocardium in patients with coronary heart disease complicated by a marked decrease in the contractility of the left ventricular myocardium // Dissertation for the degree of Candidate. 2021.

51. Wong T.C., Piehler K., Meier C.G., Testa S.M., Klock A.M., Aneizi A.A., Shakesprere J., Kellman P., Shroff S.G., Schwartzman D.S., Mulukutla S.R., Simon M.A., Schelbert E.B. Association Between Extracellular Matrix

Expansion Quantified by Cardiovascular Magnetic Resonance and Short-Term Mortality // Circulation. 2012. T. 126, № 10. C. 1206-1216.

52. Kim R.J., Fieno D.S., Parrish T.B., Harris K., Chen E.-L., Simonetti O., Bundy J., Finn J.P., Klocke F.J., Judd R.M. Relationship of MRI Delayed Contrast Enhancement to Irreversible Injury, Infarct Age, and Contractile Function // Circulation. 1999. T. 100, № 19. C. 1992-2002.

53. Ichikawa Y., Sakuma H., Suzawa N., Kitagawa K., Makino K., Hirano T., Takeda K. Late gadolinium-enhanced magnetic resonance imaging in acute and chronic myocardial infarction // Journal of the American College of Cardiology. 2005. T. 45, № 6. C. 901-909.

54. Cerqueira M.D., Weissman N.J., Dilsizian V., Jacobs A.K., Kaul S., Laskey W.K., Pennell D.J., Rumberger J.A., Ryan T.J., Verani M.S. Standardized Myocardial Segmentation and Nomenclature for Tomographic Imaging of the Heart // Journal of Cardiovascular Magnetic Resonance. 2002. T. 4, № 2. C. 203-210.

55. Schulz-Menger J., Bluemke D.A., Bremerich J., Flamm S.D., Fogel M.A., Friedrich M.G., Kim R.J., Von Knobelsdorff-Brenkenhoff F., Kramer C.M., Pennell D.J., Plein S., Nagel E. Standardized image interpretation and post processing in cardiovascular magnetic resonance: Society for Cardiovascular Magnetic Resonance (SCMR) Board of Trustees Task Force on Standardized Post Processing // Journal of Cardiovascular Magnetic Resonance. 2013. T. 15, № 1. C. 35.

56. Trainini J., Beraudo M., Wernicke M., Carreras Costa F., Trainini A., Mora Llabata V., Lowenstein Haber D., Bastarrica M.E., Lowenstein J. Anatomical Investigation of the Cardiac Apex // Rev Argent Cardiol. 2022. T. 90, №2 2. C. 118-123.

57. Lalande A., Chen Z., Decourselle T., Qayyum A., Pommier T., Lorgis L., De La Rosa E., Cochet A., Cottin Y., Ginhac D., Salomon M., Couturier R., Meriaudeau F. Emidec: A Database Usable for the Automatic Evaluation of

Myocardial Infarction from Delayed-Enhancement Cardiac MRI // Data. 2020. Т. 5, № 4. С. 89.

58. Flett A.S., Hasleton J., Cook C., Hausenloy D., Quarta G., Ariti C., Muthurangu V., Moon J.C. Evaluation of Techniques for the Quantification of Myocardial Scar of Differing Etiology Using Cardiac Magnetic Resonance // JACC: Cardiovascular Imaging. 2011. Т. 4, № 2. С. 150-156.

59. Синицын В.Е., Стукалова О.В., Ларина О.М., Смирнова М.Д., Агеев Ф.Т., Терновой С.К. Магнитно-резонансная томография с контрастным усилением в оценке миокарда у больных с гипертрофической кардиомиопатией // Кардиологический вестник. 2008. Т. 3, № 2(15). С. 54-57.

60. Стукалова О.В., Апарина О.П., Миронова Н.А., Голицын С.П. Фиброз миокарда левого предсердия по данным магнитно-резонансной томографии с отсроченным контрастированием у больных фибрилляцией предсердий // Альманах клинической медицины. 2015. №2 43. С. 29-37.

61. Carminati M.C., Boniotti C., Fusini L., Andreini D., Pontone G., Pepi M., Caiani E.G. Comparison of Image Processing Techniques for Nonviable Tissue Quantification in Late Gadolinium Enhancement Cardiac Magnetic Resonance Images // Journal of Thoracic Imaging. 2016. Т. 31, № 3. С. 168176.

62. Muscogiuri G., Rehwald W.G., Schoepf U.J., Suranyi P., Litwin S.E., De Cecco C.N., Wichmann J.L., Mangold S., Caruso D., Fuller S.R., Bayer 2Nd R.R., Varga-Szemes A. T(Rho) and magnetization transfer and INvErsion recovery (TRAMINER)-prepared imaging: A novel contrast-enhanced flow-independent dark-blood technique for the evaluation of myocardial late gadolinium enhancement in patients with myocardial infarction // Magnetic Resonance Imaging. 2017. Т. 45, № 5. С. 1429-1437.

63. Segment CMR - Medviso [Электронный ресурс]. URL: https://medviso.com/cmr/ (дата обращения: 10.07.2024).

64. Cain P.A., Ugander M., Palmer J., Carlsson M., Heiberg E., Arheden H. Quantitative polar representation of left ventricular myocardial perfusion, function and viability using SPECT and cardiac magnetic resonance: initial results // Clin Physio Funct Imaging. 2005. Т. 25, № 4. С. 215-222.

65. CMRSegTools - homepage [Электронный ресурс]. URL: https://www.creatis.insa-lyon.fr/CMRSegTools/ (дата обращения: 10.07.2024).

66. Romero R. W.A., Viallon M., Spaltenstein J., Petrusca L., Bernard O., Belle L., Clarysse P., Croisille P. CMRSegTools: An open-source software enabling reproducible research in segmentation of acute myocardial infarct in CMR images // PLoS ONE / под ред. Punithakumar K. 2022. Т. 17, № 9. С. e0274491.

67. Engblom H., Tufvesson J., Jablonowski R., Carlsson M., Aletras A.H., Hoffmann P., Jacquier A., Kober F., Metzler B., Erlinge D., Atar D., Arheden H., Heiberg E. A new automatic algorithm for quantification of myocardial infarction imaged by late gadolinium enhancement cardiovascular magnetic resonance: experimental validation and comparison to expert delineations in multi-center, multi-vendor patient data // Journal of Cardiovascular Magnetic Resonance. 2016. Т. 18, № 1. С. 27.

68. Karim R. и др. Evaluation of state-of-the-art segmentation algorithms for left ventricle infarct from late Gadolinium enhancement MR images // Medical Image Analysis. 2016. Т. 30. С. 95-107.

69. Petitjean C., Dacher J.-N. A review of segmentation methods in short axis cardiac MR images // Medical Image Analysis. 2011. Т. 15, № 2. С. 169-184.

70. Бердибеков Б.Ш., Александрова С.А., Голухова Е.З. Количественная оценка миокардиального фиброза с применением магнитно-резонансной

томографии с отсроченным контрастированием при некоронарогенных желудочковых аритмиях // Kreativnaya kardiologiya. 2021. № 3.

71. Fel J.T., Ellis C.T., Turk-Browne N.B. Automated and manual segmentation of the hippocampus in human infants // Developmental Cognitive Neuroscience. 2023. Т. 60. С. 101203.

72. Zabihollahy F., White J.A., Ukwatta E. Convolutional neural network-based approach for segmentation of left ventricle myocardial scar from 3D late gadolinium enhancement MR images // Medical Physics. 2019. Т. 46, № 4. С. 1740-1751.

73. Zabihollahy F., White J.A., Ukwatta E. Myocardial scar segmentation from magnetic resonance images using convolutional neural network // Medical Imaging 2018: Computer-Aided Diagnosis / под ред. Mori K., Petrick N. Houston, United States: SPIE, 2018. С. 106.

74. S0rensen T. A method of establishing groups of equal amplitude in plant sociology based on similarity of species and its application to analyses of the vegetation on Danish commons // Kongelige Danske Videnskabernes Selskab. 1948. Т. 5, № 4. С. 1-34.

75. Dice L.R. Measures of the Amount of Ecologic Association Between Species // Ecology. 1945. Т. 26, № 3. С. 297-302.

76. Hennemuth A., Seeger A., Friman O., Miller S., Klumpp B., Oeltze S., Peitgen H.-O. A Comprehensive Approach to the Analysis of Contrast Enhanced Cardiac MR Images // IEEE Trans. Med. Imaging. 2008. Т. 27, № 11. С. 1592-1610.

77. Amado L.C., Gerber B.L., Gupta S.N., Rettmann D.W., Szarf G., Schock R., Nasir K., Kraitchman D.L., Lima J.A.C. Accurate and objective infarct sizing by contrast-enhanced magnetic resonance imaging in a canine myocardial infarction model // Journal of the American College of Cardiology. 2004. Т. 44, № 12. С. 2383-2389.

78. Lustermans D.R.P.R.M., Amirrajab S., Veta M., Breeuwer M., Scannell C.M. Optimized automated cardiac MR scar quantification with GAN-based data augmentation // Computer Methods and Programs in Biomedicine. 2022. Т. 226. С. 107116.

79. Zabihollahy F., Rajchl M., White J.A., Ukwatta E. Fully automated segmentation of left ventricular scar from 3D late gadolinium enhancement magnetic resonance imaging using a cascaded multi-planar U-Net (CMPU-Net) // Medical Physics. 2020. Т. 47, № 4. С. 1645-1655.

80. Popescu D.M., Abramson H.G., Yu R., Lai C., Shade J.K., Wu K.C., Maggioni M., Trayanova N.A. Anatomically informed deep learning on contrast-enhanced cardiac magnetic resonance imaging for scar segmentation and clinical feature extraction // Cardiovascular Digital Health Journal. 2022. Т. 3, № 1. С. 2-13.

81. Aghapanah H., Rasti R., Tabesh F., Pouraliakbar H., Sanei H., Kermani S. MECardNet: A novel multi-scale convolutional ensemble model with adaptive deep supervision for precise cardiac MRI segmentation // Biomedical Signal Processing and Control. 2025. Т. 100. С. 106919.

82. Zabihollahy F., Rajchl M., White J.A., Ukwatta E. Fully automated segmentation of left ventricular scar from 3D late gadolinium enhancement magnetic resonance imaging using a cascaded multi-planar U-Net (CMPU-Net) // Medical Physics. 2020. Т. 47, № 4. С. 1645-1655.

83. Arega T.W., Bricq S. Automatic Myocardial Scar Segmentation from Multi-sequence Cardiac MRI Using Fully Convolutional Densenet with Inception and Squeeze-Excitation Module // Myocardial Pathology Segmentation Combining Multi-Sequence Cardiac Magnetic Resonance Images / под ред. Zhuang X., Li L. Cham: Springer International Publishing, 2020. Т. 12554. С. 102-117.

84. Hoh T., Margolis I., Weine J., Joyce T., Manka R., Weisskopf M., Cesarovic N., Fuetterer M., Kozerke S. Impact of late gadolinium enhancement image

acquisition resolution on neural network based automatic scar segmentation // Journal of Cardiovascular Magnetic Resonance. 2024. Т. 26, №2 1. С. 101031.

85. Segment CMR - Medviso [Электронный ресурс]. URL: https://medviso.com/cmr/ (дата обращения: 10.07.2024).

86. CASIS - CArdiac Simulation & Imaging Software - Homepage [Электронный ресурс]. URL: https://www.casis.fr/ (дата обращения: 10.07.2024).

87. Cardiac MR | Circle Cardiovascular Imaging [Электронный ресурс]. URL: https://www.circlecvi.com/cardiac-mr (дата обращения: 10.07.2024).

88. Medis Suite MR - Cardiac MRI - Medis Medical Imaging [Электронный ресурс] // medisimaging. URL: https://medisimaging.com/software-solutions/medis-suite-mr/ (дата обращения: 10.07.2024).

89. Schilling M., Unterberg-Buchwald C., Lotz J., Uecker M. Assessment of deep learning segmentation for real-time free-breathing cardiac magnetic resonance imaging at rest and under exercise stress // Sci Rep. 2024. Т. 14, №2 1. С. 3754.

90. Karimi-Bidhendi S., Arafati A., Cheng A.L., Wu Y., Kheradvar A., Jafarkhani H. Fully-automated deep-learning segmentation of pediatric cardiovascular magnetic resonance of patients with complex congenital heart diseases // Journal of Cardiovascular Magnetic Resonance. 2020. Т. 22, № 1. С. 80.

91. Penso M., Babbaro M., Moccia S., Baggiano A., Carerj M.L., Guglielmo M., Fusini L., Mushtaq S., Andreini D., Pepi M., Pontone G., Caiani E.G. A deep-learning approach for myocardial fibrosis detection in early contrast-enhanced cardiac CT images // Front. Cardiovasc. Med. 2023. Т. 10. С. 1151705.

92. Morris E., Chin R., Wu T., Smith C., Nejad-Davarani S., Cao M. ASSET: Auto-Segmentation of the Seventeen SEgments for Ventricular Tachycardia Ablation in Radiation Therapy. 2023.

93. Xi Liang, Garnavi R., Wail S., Sisi Liang, Prasanna P. Automatic segmentation of the left ventricle into 17 anatomical regions in cardiac MR

imaging // 2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Milan: IEEE, 2015. С. 6531-6535.

94. Cerqueira M.D., Weissman N.J., Dilsizian V., Jacobs A.K., Kaul S., Laskey W.K., Pennell D.J., Rumberger J.A., Ryan T.J., Verani M.S. Standardized Myocardial Segmentation and Nomenclature for Tomographic Imaging of the Heart // Journal of Cardiovascular Magnetic Resonance. 2002. Т. 4, № 2. С. 203-210.

95. Kim R.J., Shah D.J., Judd R.M. How We Perform Delayed Enhancement Imaging // Journal of Cardiovascular Magnetic Resonance. 2003. Т. 5, № 3.

C. 505-514.

96. MedSeg - free medical segmentation online [Электронный ресурс] // MedSeg. URL: https://www.medseg.ai/ (дата обращения: 10.07.2024).

97. Xu C., Xu L., Gao Z., Zhao S., Zhang H., Zhang Y., Du X., Zhao S., Ghista

D., Li S. Direct Detection of Pixel-Level Myocardial Infarction Areas via a Deep-Learning Algorithm // Medical Image Computing and Computer Assisted Intervention - MICCAI 2017 / под ред. Descoteaux M., Maier-Hein L., Franz A., Jannin P., Collins D.L., Duchesne S. Cham: Springer International Publishing, 2017. Т. 10435. С. 240-249.

98. Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation // Medical Image Computing and ComputerAssisted Intervention - MICCAI 2015 / под ред. Navab N., Hornegger J., Wells W.M., Frangi A.F. Cham: Springer International Publishing, 2015. Т. 9351. С. 234-241.

99. Oktay O., Schlemper J., Folgoc L.L., Lee M., Heinrich M., Misawa K., Mori K., McDonagh S., Hammerla N.Y., Kainz B., Glocker B., Rueckert D. Attention U-Net: Learning Where to Look for the Pancreas: arXiv:1804.03999. arXiv, 2018.

100. Liu Z., Lin Y., Cao Y., Hu H., Wei Y., Zhang Z., Lin S., Guo B. Swin Transformer: Hierarchical Vision Transformer using Shifted Windows // 2021 IEEE/CVF International Conference on Computer Vision (ICCV), Montreal, QC, Canada. 2022. С. 9992-10002.

101. Liu Z., Hu H., Lin Y., Yao Z., Xie Z., Wei Y., Ning J., Cao Y., Zhang Z., Dong L., Wei F., Guo B. Swin Transformer V2: Scaling Up Capacity and Resolution // 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), New Orleans, LA, USA. 2022. С. 11999-12009.

102. Swin Transformer V2 [Электронный ресурс]. URL: https://huggingface.co/docs/transformers/model_doc/swinv2 (дата обращения: 06.06.2025).

103. Mindlina O. Segmentation of brain MRI using the SwinV2 transformer: Jupyter Notebook. 2025.

104. resnet50 — Torchvision main documentation [Электронный ресурс]. URL:

https://pytorch.org/vision/main/models/generated/torchvision.models.resnet5 0.html (дата обращения: 11.03.2025).

105. GitHub - Solrikk/PicTrace: PicTrace is an advanced Python-based web application that allows users to find visually similar images from a comprehensive photo archive. Leveraging the power of deep learning and modern image processing techniques, PicTrace delivers fast and accurate search functionality that is ideal for tasks such as cataloging... [Электронный ресурс]. URL: https://github.com/Solrikk/PicTrace (дата обращения: 05.10.2025).

106. Softmax Activation Function in Neural Networks [Электронный ресурс] // GeeksforGeeks. 15:07:39+00:00. URL: https://www.geeksforgeeks.org/the-role-of-softmax-in-neural-networks-detailed-explanation-and-applications/ (дата обращения: 12.03.2025).

107. Deep Learning [Электронный ресурс]. URL: https://www.deeplearningbook.org/ (дата обращения: 12.03.2025).

108. Tarekegn A.N., Giacobini M., Michalak K. A review of methods for imbalanced multi-label classification // Pattern Recognition. 2021. Т. 118. С. 107965.

109. Powers D.M.W. Evaluation: From precision, recall and F-measure to ROC, informedness, markedness & correlation // J of Mach Lear Tech. 2011. Т. 2, № 1. С. 37-63.

110. Naqvi H., Anggorojati B. Ablation Study of Deep Reinforcement Learning Congestion Control in Cellular Network Settings // 2022 25th International Symposium on Wireless Personal Multimedia Communications (WPMC). Herning, Denmark: IEEE, 2022. С. 80-85.

111. Meyes R., Lu M., Puiseau C.W. de, Meisen T. Ablation Studies in Artificial Neural Networks: arXiv:1901.08644. arXiv, 2019.

112. Xu Y.-Z., Cha Y.-M., Feng D., Powell B.D., Wiste H.J., Hua W., Chareonthaitawee P. Impact of Myocardial Scarring on Outcomes of Cardiac Resynchronization Therapy: Extent or Location? // J Nucl Med. 2012. Т. 53, № 1. С. 47-54.

113. Fernandez-Armenta J. и др. Use of myocardial scar characterization to predict ventricular arrhythmia in cardiac resynchronization therapy // Europace. 2012. Т. 14, № 11. С. 1578-1586.

114. Woie L., Engan K., Eftest0l T., Larsen A.I., 0rn S. The Localization and Characterization of Ischemic Scars in relation to the Infarct Related Coronary Artery Assessed by Cardiac Magnetic Resonance and a Novel Automatic Postprocessing Method // Cardiology Research and Practice. 2015. Т. 2015. С. 1-9.

115. Комиссарова С.С., Захарова Е.Ю., Ринейская Н.М., Гайдель И.К. Гипертрофическая кардиомиопатия: прогностическая роль объема фиброза миокарда как предиктора прогрессирования хронической

сердечной недостаточности // Сибирский медицинский журнал. 2020. Т. 35, № 2. С. 75-80.

116. Chan R.H. и др. Prognostic Value of Quantitative Contrast-Enhanced Cardiovascular Magnetic Resonance for the Evaluation of Sudden Death Risk in Patients With Hypertrophic Cardiomyopathy // Circulation. 2014. Т. 130, № 6. С. 484-495.

117. Fujita T., Konno T., Yokawa J., Masuta E., Nagata Y., Fujino N., Funada A., Hodatsu A., Kawashiri M., Yamagishi M., Hayashi K. Increased extent of myocardial fibrosis in genotyped hypertrophic cardiomyopathy with ventricular tachyarrhythmias // Journal of Cardiology. 2015. Т. 66, № 1. С. 63-68.

118. Fluechter S., Kuschyk J., Wolpert C., Doesch C., Veltmann C., Haghi D., Schoenberg S.O., Sueselbeck T., Germans T., Streitner F., Borggrefe M., Papavassiliu T. Extent of late gadolinium enhancement detected by cardiovascular magnetic resonance correlates with the inducibility of ventricular tachyarrhythmia in hypertrophic cardiomyopathy // Journal of Cardiovascular Magnetic Resonance. 2010. Т. 12, № 1. С. 30.

119. Vullaganti S., Levine J., Raiker N., Syed A.A., Collins J.D., Carr J.C., Bonow R.O., Choudhury L. Fibrosis in Hypertrophic Cardiomyopathy Patients With and Without Sarcomere Gene Mutations // Heart, Lung and Circulation. 2021. Т. 30, № 10. С. 1496-1501.

Акт о внедрении результатов научно-квалификационной работы

АКТ О

НАУЧНОЙ РАБОТЫ В ПРАКТИЧЕСКУЮ ДЕЯТЕЛЬНОСТЬ

1. Наименование предложения: применение программного комплекса для автоматической сегментации фиброза миокарда, локализация фиброза миокарда в соответствии с 17-сегментной моделью миокарда, внедрение разработанной программы ЭВМ на основе технологий компьютерного зрения в процесс работы врачей лучевой диагностики и врачей кардиологов в виде программы ЭВМ для персонального компьютера.

2. Краткая аннотация: для локализованной количественной оценки фиброза миокарда левого желудочка сердца разработана программа для сегментации и локализации фиброза миокарда по данным изображений МРТ с отсроченным контрастированием.

3. Форма внедрения: программный комплекс на основе технологий компьютерного зрения для локализованной количественной оценки фиброза миокарда в виде программы ЭВМ «Программа для сегментации и локализации фиброза миокарда по данным изображений магнитно-резонансной томографии с отсроченным контрастированием»

4. Эффект от внедрения: применение разработанного программного комплекса позволит автоматически выполнять точную локализованную количественную оценку фиброза миокарда, необходимую для стратификации риска внезапной сердечной смерти, определения показаний к имплантации кардиовертер-дифибриллятора или принятии решения о необходимости коронарной реваскуляризации миокарда левого желудочка сердца.

5. Место использования предложения: отделение магнитно-резонансной томографии Университетской клиники ФГБУ «НМИЦ им. В.А. Алмазова» Минздрава России

6. Название темы научно-квалификационной работы (диссертации): «Методы и нейросетевой программный комплекс для локализованной количественной оценки фиброза миокарда»

Автор: соискатель по подготовке диссертации

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет

г. Санкт-Петербург Левчук А.Г.

Руководитель подразделения - базы внедрения:

Заведующий отделением магнитно-резонансной томографии ФГБУ «НМИЦ им. В. А. Алмазова» Минздрава России Рыжков A.B. _

ВШШЙОШП ФВДШРАЩШШ

СВИДЕТЕЛЬСТВО

о государственной регистрации базы данных

№ 2025621923

Сегментация магнитно-резонансных изображений постинфарктного кардиосклероза миокарда левого желудочка сердца

Правообладатель: федеральное государственное бюджетное учреждение «Национальный медицинский исследовательский центр имени В.А. Алмазова» Министерства здравоохранения Российской Федерации (Я11)

Авторы: Левчук Анатолий Геннадьевич (Я11), Фокин Владимир Александрович (К11), Рыжков Антон Владимирович (ЯП), Баев Микаэл Сагитович (Ли), Труфанов Геннадий Евгеньевич (Ш)

Заявка №2025621417

Дата поступления 16 апреля 2025 Г.

Дата государственной регистрации

в Реестре баз данных 28 апреля 2025 г.

Руководитель Федеральной службы по интеллектуальной собственности

Ю.С. Зубов

жшжжжмммжмжжжжжжжжжжжжмм^;

г

РТССТЖКОЖАШ ФВДЗИРАЩШШ

жж

жжжж:

СВИДЕТЕЛЬСТВО

о государственной регистрации программы для ЭВМ

№ 2022666348

Программа для порогового выделения структур на магнитно-резонансных изображениях и ручной коррекции полученных бинарных масок

правообладатель: федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет ИТМО» (яи)

Авторы: Бруй Екатерина Алексеевна (Ли), Насонов Алексей Александрович (Я11), Левчук Анатолий Геннадьевич (ЯП)

Заявка №2022665884

Дата поступления 30 августа 2022 Г.

Дата государственной регистрации

в Реестре программ для эвм 30 августа 2022 г.

Руководитель Федеральной службы по интеллектуальной собственности

Ю.С. Зубов

^ЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖЖ^