Harmonization of confounding parameters to minimize induced biases on parametric T1 maps in cardiovascular magnetic resonance imaging

Abstract

Background Parametric T1 mapping is a quantitative method for myocardial tissue differentiation in cardiovascular magnetic resonance (CMR) that lacks comparability due to missing universal valid reference values. Confounding parameters (CP) impairing the myocardial T1 value quantification are described in literature. These CPs originates from subject, technologic and post-processing specific variations. The aim of this work was the evaluation of a post-hoc standardization approach for native parametric T1 maps within the self-developed Magnetic Resonance Imaging Software for Standardization (MARIS-SA). As quantitative measurements require a segmentation of the region of interest (ROI), a novel cascaded segmentation (CASEG) approach is additionally introduced as a necessary pre-processing step for MARISSA. Methods The proposed CASEG consisted of a bounding box (BB) prediction followed by a segmentation model. The BB was enlarged by a magnification factor of 1.5 to assure for full left ventricular coverage. Three CASEG pipelines were tested against a reference U-Net (refU): cropU, which used the enlarged BB image section, crinU, which used the enlarged image section and the original BB mask and cropU_A, which used the BB image section of a direct enlarged BB predictor. All models shared the same hyperparameters and were tested with respect to geometric and quantitative outcomes. The dataset included 403 subjects with 1080 native and 358 post-contrast T1 maps that were split into 75% training, 10% validation and 15% test data. In MARISSA 214 healthy subjects (814 T1 maps) were used for training standardization models with respect to the CPs age, sex, scanner and sequence. Among the training dataset both sex, eleven scanners, eight sequences and an age distribution of 38±15years were available. Five adjustable standardization pipeline settings were optimized among 240 tested combinations by minimizing the coefficient of variation (COV) in a cohort of 40 healthy subjects (HTE, 156 T1 maps). The evaluated best per-forming standardization pipeline (BPSP) was then compared to 112 patients with a hypertrophic cardiomyopathy (HCM, 121 T1 maps) and 24 patients with an amyloidosis (AMY, 24 T1 maps). Results The Dice Similarity Coefficient as a measure of the geometric domain improved significantly for the test data in cropU, crinU and cropU_A (all around 80%) compared to refU (around 70%) while the mean absolute error improved only slightly without significance. The cropU represented the base segmentation in MARISSA. The BPSP halved the COV in the HTE to 6% while reaching a diagnostic sensitivity and specificity of 96%/92% between HTE and AMY, 72%/72% between HTE and HCM, and 88%/98% between HCM and AMY. Conclusion CASEG significantly improved the automatic segmentation in the geometric but not in the quantitative domain. MARISSA harmonized parametric T1 mapping values while maintaining the diagnostic accuracy for two dedicated patient groups.

Zusammenfassung Hintergrund Parametrische T1-Kartierung ist eine quantitative Methode zur myokardialen Gewebedifferenzierung in der kardiovaskulären Magnetresonanztomographie (CMR), der es an generischen Referenzwerten mangelt. In der Literatur werden Störparameter (CP) beschrieben, die den myokardialen T1-Wert beeinflussen. Diese CP entspringen Subjekt-, Technologie- und Nachverarbeitungs-spezifischen Variationen. Ziel dieser Arbeit war die Evaluierung eines nachgelagerten Standardisierungsansatzes für native T1-Karten innerhalb der selbstentwickelten Magnetic Resonance Software for Standardization (MARISSA). Da quantitative Messungen eine Segmentierung erfordern, wird zusätzlich eine neuartige kaskardierte Segmentierung (CASEG) als notwendige Vorverarbeitung für MARISSA eingeführt. Methode Die CASEG bestand aus einer Begrenzungsdetektion (BB) gefolgt von einem Segmentierungsmodell. Die BB wurde zur Abdeckung des gesamten linken Ventrikels um das 1.5-fache vergrößert. Drei CASEG-Modelle wurden gegen ein Referenz-U-Net (refU) getestet: cropU, das den vergrößerten BB-Bildausschnitt, crinU, das den vergrößerten Bildausschnitt und die BB-Maske, und cropU_A, das den BB-Bildausschnitt einer direkt vergrößerten BB verwendete. Alle Modelle wurden gleich eingestellt und hinsichtlich der geometrischen und quantitativen Ergebnisse getestet. Der Datensatz umfasste 403 Probanden mit 1080 nativen und 358 kontrastverstärkten T1-Karten, die in 75% Trainings-, 10% Validierungs- und 15% Testdaten aufgeteilt wurden. In MARISSA wurden 214 gesunde Probanden (814 T1-Karten) für das Training von Standardisierungsmodellen in Bezug auf die CP Alter, Geschlecht, Scanner und Sequenz verwendet. Im Trainingsdatensatz waren beide Geschlechter, elf Scanner, acht Sequenzen und eine Altersverteilung von 38±15 Jahren vorhanden. Fünf anpassbare Einstellungen wurden unter 240 getesteten Kombinationen durch Minimierung des Variationskoeffizienten (COV) in einer Kohorte von 40 gesunden Probanden (HTE, 156 T1-Karten) optimiert. Das evaluierte beste Standardisierungsmodell (BPSP) wurde mit 112 Patienten mit hypertropher Kardiomyopathie (HCM, 121 T1-Karten) und 24 Patienten mit Amyloidose (AMY, 24 T1-Karten) verglichen. Ergebnisse Die Dice Metrik, als geometrisches Maß, verbesserte sich signifikant für die Testdaten in cropU, crinU und cropU_A (alle ca. 80%) im Vergleich zu refU (ca. 70%), während sich der mittlere absolute Fehler nur geringfügig verbesserte. Die Basis-Segmentierung in MARISSA wurde durch cropU definiert. Das BPSP halbierte den COV im HTE auf 6 % und erreichte eine diagnostische Sensitivität und Spezifität von 96%/92% zwischen HTE und AMY, 72%/72% zwischen HTE und HCM und 88%/98% zwischen HCM und AMY. Schlussfolgerung CASEG verbesserte die automatische Segmentierung signifikant im geometrischen, aber nicht im quantitativen Bereich. MARISSA harmonisierte die Werte von parametrischen T1-Karten unter Beibehaltung der diagnostischen Genauigkeit für zwei dedizierte Patientengruppen.