Automatic Mitral and Tricuspid Valve Flow Quantification using Valve Tracking in 4D Flow MRI

Abstract

In this project a tool for valve flow quantification from 4D flow data for the mitral and tricuspid valves was developed and integrated into the clinical image analysis software Segment. The pre-implemented neural networks MVnet and TVnet were used for tracking the valves in 2CH and 4CH cine MRI images. The positions of the valves were used to create planes in the 4D flow data to measure flow over one cardiac cycle. An algorithm was created to automatically segment valve flow in these planes where flow from other vessels, such as the aorta, is removed while still including potential backflow in the valve. The automatic tracking performed well in adults, but showed reduced performance for the tricuspid valve in some pediatric cases where tracking failures were observed. The automatic segmentation performed well overall with manual correction required in only 5/44 mitral and 7/42 tricuspid cases. The run time in Segment is around 10-15 seconds which provides a short analysis time compared to a solution with a less automated workflow.

The implemented mitral and tricuspid valve flow quantification methods were validated on datasets comprising different pathological groups acquired on Siemens (n=37) and Philips (n=7) scanners. In the validation the mitral volume corresponding to the flow through the valve during one cardiac cycle was compared with both 4D and 2D aortic measurements. The tricuspid volume was compared with 4D and 2D pulmonary artery measurements. The validation demonstrated strong correlations and low biases but revealed unexpectedly large variability between all volume measurements, making validation challenging. Comparisons with another established valve tracking tool in 4D flow showed largely comparable results.

Encouraging performance was demonstrated, however further investigation and evaluation of the implemented valve flow quantification methods are needed due to remaining variability.

Popular Abstract (Swedish)

Automatiserad analys av blodflöde genom hjärtklaffar

Hur vet man hur mycket blod som flödar åt rätt håll genom hjärtat? Tänk att ha ett verktyg som med ett enda knapptryck automatiskt beräknar hur mycket blod som flödar genom hjärtats klaffar.

Hjärtklaffarna fungerar som ventiler som ser till att blodet pumpas åt rätt håll genom hjärtat. Om en klaff inte fungerar som den ska kan blod läcka tillbaka, vilket kan påverka hjärtats förmåga att pumpa effektivt. För att undersöka klaffsjukdomar används oftast ultraljud, men ibland behövs mer detaljerad information. Då kan magnetkameraundersökning (MR) användas. Med MR kan man inte bara se hjärtats anatomi i detalj utan även mäta hur blodet flödar genom hjärtat. Med modern 3D-teknik kan både bilder och flödesdata samlas in för hela hjärtslag, vilket ger en mer komplett bild av hjärtats funktion. Sådan data kallas för 4D flödesdata. En stor fördel med detta är att läkaren i efterhand kan studera hjärtat från olika vinklar och undersöka de områden som är mest intressanta, utan att behöva planera eller veta vilka bildsnitt som behövs i förväg.

I detta projekt så utvecklades en funktion i programvaran Segment för att kunna mäta flöde i två av hjärtats klaffar, mitralis- och trikuspidalisklaffen. Segment är en programvara för analys av medicinska bilder från företaget Medviso. Målet var att skapa en funktion i programmet för automatisk flödesanalys av klaffarna från 4D flödesdata så att man kan få information om klaffarnas rörelse och mängden blod som flödar genom dem.

När hjärtat pumpar så rör sig klaffarna upp och ned. Detta komplicerar flödesmätning eftersom vi måste följa klaffarna rörelse genom hjärtslaget för att mäta flödet på rätt ställe. För att kunna hitta klaffarnas position automatiskt så har vi i detta projekt använt AI som tränats för att hitta klaffarna i 2D MR-bilder. Med denna information kan man hämta ut ett snitt från vår 4D flödesdata på den exakta plats som klaffarna är i varje tidpunkt under hjärtslaget. Detta innebär att vi med 4D flödesdata kan mäta blodflödet i var och en av dessa snitt. Man skulle kunna säga att varje snitt blir en bild där vi kan se blodets hastighet som ljusa och mörka områden som berättar vilket håll som blodet flödar. För ett hjärtslag finns det vanligen 40 bilder för varje klaff, där man behöver identifiera om det finns något blodflöde från klaffen och, om det gör det, rita ut var detta område är. Eftersom detta skulle ta lång tid att göra manuellt så har vi i detta projekt utvecklat en algoritm som automatiskt hittar flöde från klaffarna i alla dessa bilder. Detta gör att hela flödesmätningen blir automatiskt vilket gör detta till ett enkelt och snabbt verktyg som kan användas av både läkare och forskare för undersökning av klaffarna.

Verktyget för flödesmätning i mitralis- och trikuspidalisklaffen som tagits fram i detta projekt visar potential att automatisera en tidskrävande del av analysarbetet. Mer testning kommer att behövas innan verktyget är redo att användas i sjukvården, men resultaten tyder på att det kan bli ett värdefullt stöd för vårdpersonal i framtiden.

• author: Nilsson, Julia and Dierschke Passikhani, Elisabeth
• supervisor: Einar Heiberg; Martin Stridh
• organization: Division for Biomedical Engineering
• course: BMEM01 20261
• year: 2026
• type: H2 - Master's Degree (Two Years)
• subject: Technology and Engineering
• keywords: MRI, Valve tracking, 4D flow MRI, Flow quantification, Mitral valve, Tricuspid valve, Image analysis, Machine learning
• language: English
• additional info: 2026-15
• id: 9242242
• date added to LUP: 2026-06-29 09:13:18
• date last changed: 2026-06-29 09:13:18