Valvular heart disease (VHD) diagnosis relies on clinical assessment and advanced cardiac valve imaging, which involves different modalities, each with specific advantages. Cardiac magnetic resonance imaging (MRI) is a key modality for VHD assessment, offering comprehensive anatomical and functional insights. Image acquisition and post-processing need optimization to enhance valvular assessment. Its clinical application is still hindered by the lack of reliable validation methods and by the variability of imaging and post-processing protocols, particularly in 4D flow MRI. This thesis addresses these challenges by providing a validated ground truth for imaging strategy evaluation and by investigating factors influencing the generalization of aorta segmentation model on multi-site 4D flow MRI. A computational phantom incorporating the dynamic closure of the mitral valve was developed from CT data and used to generate synthetic MRI data with different sampling orientations. Manual segmentations of the mitral valve on these images were performed using custom tools and then compared to the ground truth provided by the phantom, establishing a robust reference for validating CMR-based segmentation techniques. The generation of synthetic data from a known anatomical reference supports the validation and assessment of mitral valve imaging and segmentation strategies. The approach was also adapted to generate echocardiography images demonstrating its adaptability. Aortic flow analysis with 4D flow MRI is essential for evaluating hemodynamic parameters that support aortic valve diagnosis. Despite its potential, clinical adoption of 4D flow MRI is limited by variations in scanners, imaging protocols, and patient demographics, leading to segmentation and parameter variability. To identify key factors impacting segmentation accuracy, a state-of-the-art automatic segmentation model was trained on diverse subsets based on patient and imaging characteristics. Results highlight the importance of including diverse data in the training set to improve model robustness across multi-site and multi-vendor settings. Finally, the thesis performs radiomics-based flow profile characterization. Accurate and reproducible segmentation is critical for extracting reliable features. By analysing segmentation variability, this work aims to improve accuracy, enhancing the reliability of flow-related parameter quantification. In conclusion, this work advances CMR-based valve imaging by providing a validated framework and a ground truth reference for mitral valve segmentation and developing generalizable segmentation models for 4D Flow MRI for more reliable aortic valve hemodynamic assessment. These contributions aim to improve the accuracy, reproducibility, and clinical applicability of cardiac imaging, enabling better diagnosis and management of valvular heart diseases.
Die Diagnose von Herzklappenerkrankungen basiert auf der klinischen Beurteilung und diversen modernen Herzklappenbildgebungsmodalitäten. Die kardiale Magnetresonanztomographie (MRT) ist eine Schlüsseltechnologie für die Beurteilung von Herzklappenerkrankungen und bietet umfassende anatomische und funktionelle Einblicke. Diese Bildaufnahmen und Nachbearbeitung müssen optimiert werden, um die Beurteilung der Herzklappen zu verbessern. Ihre klinische Anwendung wird jedoch durch fehlende Validierungsmethoden und die Variabilität von Bildgebungs- und Nachbearbeitungsprotokollen, insbesondere bei der 4D-Flow-MRT, eingeschränkt. Diese Arbeit adressiert diese Herausforderungen, indem sie eine validierte Basis für die Bewertung von Bildgebungsstrategien bereitstellt und Faktoren untersucht, die die Verallgemeinerbarkeit des Aortensegmentierungsmodells in der Multi-Site-4D-Flow-MRT beeinflussen. Ein digitales Phantom mit dynamischem Mitralklappenverschluss wurde aus CT-Daten entwickelt und zur Erzeugung synthetischer MRT-Daten mit verschiedenen Scan-Orientierungen verwendet. Manuelle Segmentierungen der Mitralklappe in diesen Bildern wurden mit spezieller Software durchgeführt und mit der Ground-truth des Phantoms verglichen, wodurch eine robuste Referenz für die Validierung von CMR-basierten Segmentierungstechniken geschaffen wurde. Diese synthetischen Daten unterstützen die Validierung von Bildgebungs- und Segmentierungsstrategien für die Mitralklappe. Der Ansatz wurde auch für die Erzeugung von Echokardiographie-Bildern angepasst. Die Analyse des Aortenflusses in der 4D-Flow-MRT ist entscheidend für die Beurteilung hämodynamischer Parameter in der Aortenklappendiagnostik. Unterschiede in Scannern, Protokollen und Patientendemografie führen jedoch zu Variationen in Segmentierung und Parametern. Um Schlüsselfaktoren zu identifizieren, welche die Segmentierungsgenauigkeit beeinflussen, wurde ein automatisches Segmentierungsmodell mit Datensätzen unterschiedlicher Zusammensetzung trainiert. Die Ergebnisse verdeutlichen die Bedeutung diverser Daten, um die Robustheit des Modells über verschiedener Scanner-Anbieter hinweg zu verbessern. Abschließend untersucht die Arbeit die radiomics-basierte Charakterisierung von Flussprofilen. Reproduzierbare Segmentierungen sind entscheidend für die Extraktion verlässlicher Charakteristiken. Die Analyse der Segmentierungsvariabilität verbessert die Genauigkeit und erhöht die Zuverlässigkeit bei der Quantifizierung flussbezogener Parameter. Diese Arbeit trägt zur Weiterentwicklung der CMR-basierten Herzklappenbildgebung bei, indem sie ein validiertes Framework für die Mitralklappensegmentierung bereitstellt und verallgemeinerbare Modelle für die 4D-Flow-MRT entwickelt, um die hämodynamische Beurteilung der Aortenklappe zu optimieren. Diese Beiträge verbessern die Genauigkeit, Reproduzierbarkeit und klinische Anwendbarkeit der kardialen Bildgebung und unterstützen die Diagnose und Behandlung von Herzklappenerkrankungen.
