Cardiovascular resonance (CMR) imaging is a standard imaging modality for assessing cardiovascular diseases (CVDs), the leading cause of death globally. CMR enables accurate quantification of the cardiac chamber volume, ejection fraction and myocardial mass, providing information for diagnosis and monitoring of CVDs. However, for years, clinicians have been relying on manual approaches for CMR image analysis, which is time consuming and prone to subjective errors. It is a major clinical challenge to automatically derive quantitative and clinically relevant information from CMR images. Deep neural networks have shown a great potential in image pattern recognition and segmentation for a variety of tasks. Here we demonstrate an automated analysis method for CMR images, which is based on a fully convolutional network (FCN). The network is trained and evaluated on a large-scale dataset from the UK Biobank, consisting of 4,875 subjects with 93,500 pixelwise annotated images. The performance of the method has been evaluated using a number of technical metrics, including the Dice metric, mean contour distance and Hausdorff distance, as well as clinically relevant measures, including left ventricle (LV) end-diastolic volume (LVEDV) and end-systolic volume (LVESV), LV mass (LVM); right ventricle (RV) end-diastolic volume (RVEDV) and end-systolic volume (RVESV). By combining FCN with a large-scale annotated dataset, the proposed automated method achieves a high performance in segmenting the LV and RV on short-axis CMR images and the left atrium (LA) and right atrium (RA) on long-axis CMR images. On a short-axis image test set of 600 subjects, it achieves an average Dice metric of 0.94 for the LV cavity, 0.88 for the LV myocardium and 0.90 for the RV cavity. The mean absolute difference between automated measurement and manual measurement is 6.1 mL for LVEDV, 5.3 mL for LVESV, 6.9 gram for LVM, 8.5 mL for RVEDV and 7.2 mL for RVESV. On long-axis image test sets, the average Dice metric is 0.93 for the LA cavity (2-chamber view), 0.95 for the LA cavity (4-chamber view) and 0.96 for the RA cavity (4-chamber view). The performance is comparable to human inter-observer variability. We show that an automated method achieves a performance on par with human experts in analysing CMR images and deriving clinically relevant measures.

Cardiovascular magnetic resonance (CMR) is the gold standard method for the assessment of cardiac structure and function. Reference ranges permit differentiation between normal and pathological states. To date, this study is the largest to provide CMR specific reference ranges for left ventricular, right ventricular, left atrial and right atrial structure and function derived from truly healthy Caucasian adults aged 45–74. Five thousand sixty-five UK Biobank participants underwent CMR using steady-state free precession imaging at 1.5 Tesla. Manual analysis was performed for all four cardiac chambers. Participants with non-Caucasian ethnicity, known cardiovascular disease and other conditions known to affect cardiac chamber size and function were excluded. Remaining participants formed the healthy reference cohort; reference ranges were calculated and were stratified by gender and age (45–54, 55–64, 65–74). After applying exclusion criteria, 804 (16.2%) participants were available for analysis. Left ventricular (LV) volumes were larger in males compared to females for absolute and indexed values. With advancing age, LV volumes were mostly smaller in both sexes. LV ejection fraction was significantly greater in females compared to males (mean ± standard deviation [SD] of 61 ± 5% vs 58 ± 5%) and remained static with age for both genders. In older age groups, LV mass was lower in men, but remained virtually unchanged in women. LV mass was significantly higher in males compared to females (mean ± SD of 53 ± 9 g/m2 vs 42 ± 7 g/m2). Right ventricular (RV) volumes were significantly larger in males compared to females for absolute and indexed values and were smaller with advancing age. RV ejection fraction was higher with increasing age in females only. Left atrial (LA) maximal volume and stroke volume were significantly larger in males compared to females for absolute values but not for indexed values. LA ejection fraction was similar for both sexes. Right atrial (RA) maximal volume was significantly larger in males for both absolute and indexed values, while RA ejection fraction was significantly higher in females. We describe age- and sex-specific reference ranges for the left ventricle, right ventricle and atria in the largest validated normal Caucasian population.

Background: UK Biobank's ambitious aim is to perform cardiovascular magnetic resonance (CMR) in 100,000 people previously recruited into this prospective cohort study of half a million 40-69 year-olds.Methods/design: We describe the CMR protocol applied in UK Biobank's pilot phase, which will be extended into the main phase with three centres using the same equipment and protocols.The CMR protocol includes white blood CMR (sagittal anatomy, coronary and transverse anatomy), cine CMR (long axis cines, short axis cines of the ventricles, coronal LVOT cine), strain CMR (tagging), flow CMR (aortic valve flow) and parametric CMR (native T1 map).

Abstract

 The evidence is increasing that left ventricular noncompaction cardiomyopathy as it is currently defined does not represent a failure of compaction of pre-existing trabecular myocardium found during embryonic development to form the compact component of the ventricular walls. Neither is there evidence of which we are aware to favour the notion that the entity is a return to a phenotype seen in cold-blooded animals. It is also known that when seen in adults, the presence of excessive ventricular trabeculations does not portend a poor prognosis when the ejection fraction is normal, with the risks of complications such as arrhythmia and stroke being rare in this setting. It is also the case that images of "noncompaction" as provided from children or autopsy studies are quite different from the features observed clinically in asymptomatic adults with excessive trabeculation. Our review suggests that the presence of an excessively trabeculated left ventricular wall is not in itself a clinical entity. It is equally possible that the excessive trabeculation is no more than a bystander in the presence of additional lesions such as dilated cardiomyopathy, with the additional lesions being responsible for the reduced ejection fraction bringing a given patient to clinical attention. We, therefore, argue that the term "noncompaction cardiomyopathy" is misleading, because there is neither failure of compaction nor a cardiomyopathic process in most individuals that fulfill widely used diagnostic criteria.

Although left ventricular noncompaction (LVNC) has been associated with an increased risk of adverse cardiovascular events, the accurate incidence of cardiovascular morbidity and mortality is unknown. We, therefore, aimed to assess the incidence rate of LVNC-related cardiovascular events.We systematically searched observational studies reporting the adverse outcomes related to LVNC. The primary end point was cardiovascular mortality.We identified 28 eligible studies enrolling 2501 LVNC patients (mean age, 46 years; male/female ratio, 1.7). After a median follow-up of 2.9 years, the pooled event rate for cardiovascular mortality was 1.92 (95% CI, 1.54-2.30) per 100 person-years. LVNC patients had a similar risk of cardiovascular mortality compared with a dilated cardiomyopathy control group (odds ratio, 1.10 [95% CI, 0.18-6.67]). The incidence rates of all-cause mortality, stroke and systemic emboli, heart failure admission, cardiac transplantation, ventricular arrhythmias, and cardiac device implantation were 2.16, 1.54, 3.53, 1.24, 2.17, and 2.66, respectively, per 100 person-years. Meta-regression and subgroup analyses revealed that left ventricular ejection fraction, not the extent of left ventricular trabeculation, had an important influence on the variability of incidence rates. The risks of thromboembolism and ventricular arrhythmias in LVNC patients were similar to dilated cardiomyopathy patients. However, LVNC patients had a higher incidence of heart failure hospitalization than dilated cardiomyopathy patients.Patients with LVNC carry a similar cardiovascular risk when compared with dilated cardiomyopathy patients. Left ventricular ejection fraction-a conventional indicator of heart failure severity, not the extent of trabeculation-appears to be an important determinant of adverse outcomes in LVNC patients. Registration: https://www.crd.york.ac.uk/PROSPERO/ Unique identifier: CRD42018096313.

Exposure to ambient air pollution is strongly associated with increased cardiovascular morbidity and mortality. Little is known about the influence of air pollutants on cardiac structure and function. We aim to investigate the relationship between chronic past exposure to traffic-related pollutants and the cardiac chamber volume, ejection fraction, and left ventricular remodeling patterns after accounting for potential confounders.Exposure to ambient air pollutants including particulate matter and nitrogen dioxide was estimated from the Land Use Regression models for the years between 2005 and 2010. Cardiac parameters were measured from cardiovascular magnetic resonance imaging studies of 3920 individuals free from pre-existing cardiovascular disease in the UK Biobank population study. The median (interquartile range) duration between the year of exposure estimate and the imaging visit was 5.2 (0.6) years. We fitted multivariable linear regression models to investigate the relationship between cardiac parameters and traffic-related pollutants after adjusting for various confounders.The studied cohort was 62±7 years old, and 46% were men. In fully adjusted models, particulate matter with an aerodynamic diameter <2.5 μm concentration was significantly associated with larger left ventricular end-diastolic volume and end-systolic volume (effect size = 0.82%, 95% CI, 0.09-1.55%, P=0.027; and effect size = 1.28%, 95% CI, 0.15-2.43%, P=0.027, respectively, per interquartile range increment in particulate matter with an aerodynamic diameter <2.5 μm) and right ventricular end-diastolic volume (effect size = 0.85%, 95% CI, 0.12-1.58%, P=0.023, per interquartile range increment in particulate matter with an aerodynamic diameter <2.5 μm). Likewise, higher nitrogen dioxide concentration was associated with larger biventricular volume. Distance from the major roads was the only metric associated with lower left ventricular mass (effect size = -0.74%, 95% CI, -1.3% to -0.18%, P=0.01, per interquartile range increment). Neither left and right atrial phenotypes nor left ventricular geometric remodeling patterns were influenced by the ambient pollutants.In a large asymptomatic population with no prevalent cardiovascular disease, higher past exposure to particulate matter with an aerodynamic diameter <2.5 μm and nitrogen dioxide was associated with cardiac ventricular dilatation, a marker of adverse remodeling that often precedes heart failure development.

The trend towards large-scale studies including population imaging poses new challenges in terms of quality control (QC). This is a particular issue when automatic processing tools such as image segmentation methods are employed to derive quantitative measures or biomarkers for further analyses. Manual inspection and visual QC of each segmentation result is not feasible at large scale. However, it is important to be able to automatically detect when a segmentation method fails in order to avoid inclusion of wrong measurements into subsequent analyses which could otherwise lead to incorrect conclusions.To overcome this challenge, we explore an approach for predicting segmentation quality based on Reverse Classification Accuracy, which enables us to discriminate between successful and failed segmentations on a per-cases basis. We validate this approach on a new, large-scale manually-annotated set of 4800 cardiovascular magnetic resonance (CMR) scans. We then apply our method to a large cohort of 7250 CMR on which we have performed manual QC.We report results used for predicting segmentation quality metrics including Dice Similarity Coefficient (DSC) and surface-distance measures. As initial validation, we present data for 400 scans demonstrating 99% accuracy for classifying low and high quality segmentations using the predicted DSC scores. As further validation we show high correlation between real and predicted scores and 95% classification accuracy on 4800 scans for which manual segmentations were available. We mimic real-world application of the method on 7250 CMR where we show good agreement between predicted quality metrics and manual visual QC scores.We show that Reverse classification accuracy has the potential for accurate and fully automatic segmentation QC on a per-case basis in the context of large-scale population imaging as in the UK Biobank Imaging Study.

The UK Biobank is a large-scale population-based study utilising cardiovascular magnetic resonance (CMR) to generate measurements of atrial and ventricular structure and function. This study aimed to quantify the association between modifiable cardiovascular risk factors and cardiac morphology and function in individuals without known cardiovascular disease.Age, sex, ethnicity (non-modifiable) and systolic blood pressure, diastolic blood pressure, smoking status, exercise, body mass index (BMI), high cholesterol, diabetes, alcohol intake (modifiable) were considered important cardiovascular risk factors. Multivariable regression models were built to ascertain the association of risk factors on left ventricular (LV), right ventricular (RV), left atrial (LA) and right atrial (RA) CMR parameters.4,651 participants were included in the analysis. All modifiable risk factors had significant effects on differing atrial and ventricular parameters. BMI was the modifiable risk factor most consistently associated with subclinical changes to CMR parameters, particularly in relation to higher LV mass (+8.3% per SD [4.3 kg/m2], 95% CI: 7.6 to 8.9%), LV (EDV: +4.8% per SD, 95% CI: 4.2 to 5.4%); ESV: +4.4% per SD, 95% CI: 3.5 to 5.3%), RV (EDV: +5.3% per SD, 95% CI: 4.7 to 5.9%; ESV: +5.4% per SD, 95% CI: 4.5 to 6.4%) and LA maximal (+8.6% per SD, 95% CI: 7.4 to 9.7%) volumes. Increases in SBP were associated with higher LV mass (+6.8% per SD, 95% CI: 5.9 to 7.7%), LV (EDV: +4.5% per SD, 95% CI: 3.6 to 5.4%; ESV: +2.0% per SD, 95% CI: 0.8 to 3.3%) volumes. The presence of diabetes or high cholesterol resulted in smaller volumes and lower ejection fractions.Modifiable risk factors are associated with subclinical alterations in structure and function in all four cardiac chambers. BMI and systolic blood pressure are the most important modifiable risk factors affecting CMR parameters known to be linked to adverse outcomes.

UK Biobank, a large cohort study, plans to acquire 100,000 cardiac MRI studies by 2020. Although fully-automated left ventricular (LV) analysis was performed in the original acquisition, this was not designed for unsupervised incorporation into epidemiological studies. We sought to evaluate automated LV mass and volume (Siemens syngo InlineVF versions D13A and E11C), against manual analysis in a substantial sub-cohort of UK Biobank participants. Eight readers from two centers, trained to give consistent results, manually analyzed 4874 UK Biobank cases for LV end-diastolic volume (EDV), end-systolic volume (ESV), stroke volume (SV), ejection fraction (EF) and LV mass (LVM). Agreement between manual and InlineVF automated analyses were evaluated using Bland-Altman analysis and the intra-class correlation coefficient (ICC). Tenfold cross-validation was used to establish a linear regression calibration between manual and InlineVF results. InlineVF D13A returned results in 4423 cases, whereas InlineVF E11C returned results in 4775 cases and also reported LVM. Rapid visual assessment of the E11C results found 178 cases (3.7%) with grossly misplaced contours or landmarks. In the remaining 4597 cases, LV function showed good agreement: ESV -6.4 ± 9.0 ml, 0.853 (mean ± SD of the differences, ICC) EDV -3.0 ± 11.6 ml, 0.937; SV 3.4 ± 9.8 ml, 0.855; and EF 3.5 ± 5.1%, 0.586. Although LV mass was consistently overestimated (29.9 ± 17.0 g, 0.534) due to larger epicardial contours on all slices, linear regression could be used to correct the bias and improve accuracy. Automated InlineVF results can be used for case-control studies in UK Biobank, provided visual quality control and linear bias correction are performed. Improvements between InlineVF D13A and InlineVF E11C show the field is rapidly advancing, with further improvements expected in the near future.

Recent advances in deep learning based image segmentation methods have enabled real-time performance with human-level accuracy. However, occasionally even the best method fails due to low image quality, artifacts or unexpected behaviour of black box algorithms. Being able to predict segmentation quality in the absence of ground truth is of paramount importance in clinical practice, but also in large-scale studies to avoid the inclusion of invalid data in subsequent analysis. In this work, we propose two approaches of real-time automated quality control for cardiovascular MR segmentations using deep learning. First, we train a neural network on 12,880 samples to predict Dice Similarity Coefficients (DSC) on a per-case basis. We report a mean average error (MAE) of 0.03 on 1,610 test samples and 97% binary classification accuracy for separating low and high quality segmentations. Secondly, in the scenario where no manually annotated data is available, we train a network to predict DSC scores from estimated quality obtained via a reverse testing strategy. We report an $$\mathrm {MAE} = 0.14$$ and 91% binary classification accuracy for this case. Predictions are obtained in real-time which, when combined with real-time segmentation methods, enables instant feedback on whether an acquired scan is analysable while the patient is still in the scanner. This further enables new applications of optimising image acquisition towards best possible analysis results.