Un marco U-Net de TC 3D totalmente automatizado para la segmentación y medición del músculo masetero, que incorpora...

Área de la Ciencia:

• Radiología e imágenes médicas
• Inteligencia artificial en el cuidado de la salud
• Ingeniería biomédica

Sus antecedentes:

• La segmentación precisa del músculo masetero es crucial para la evaluación radiológica.
• La segmentación manual requiere mucho tiempo y es ineficiente.
• El aprendizaje profundo ofrece potencial para la segmentación automatizada.

Objetivo del estudio:

• Desarrollar y evaluar un marco basado en U-Net para la segmentación automática del músculo del masetor y la medición del volumen.
• Proporcionar datos de referencia sobre las características del músculo masetero en una gran cohorte de Asia oriental.
• Introducir un algoritmo auto-supervisado para minimizar los requisitos de tamaño de muestra de aprendizaje profundo.

Principales métodos:

• Utilizó una base de datos de 840 personas con tomografías computarizadas de la cabeza.
• Desarrolló un marco de aprendizaje grueso a fino basado en U-Net para la segmentación automatizada.
• Comparó la segmentación automatizada con la delineación manual para el volumen, la morfología y el tiempo de ejecución.
• Asimetría del masetador evaluada y mediciones volumétricas correlacionadas con los parámetros clínicos.

Principales resultados:

• El algoritmo U-Net logró una precisión de volumen equivalente a la segmentación manual (P > 0,05).
• El tiempo de ejecución de la segmentación automatizada fue significativamente más rápido (< 1 segundo) en comparación con la segmentación manual (937,3 ± 95,9 segundos).
• La asimetría media del masetor fue del 4,6% ± 4,6% en la cohorte.

Conclusiones:

• El algoritmo basado en U-Net proporciona una segmentación y medición de volumen del músculo masetador fiable y eficiente.
• Esta herramienta automatizada demuestra una gran concordancia con la segmentación manual para las evaluaciones basadas en TC.
• El estudio establece los datos basales de masa muscular para las poblaciones sanas de Asia Oriental.