在腹部CT图像中对多区域骨肌肉的细分,用于诊断缩性肉症
Genshen Song1,2, Ji Zhou3, Kang Wang1,2
1Digital Medical Research Center, School of Basic Medical Sciences, Fudan University, Shanghai, China.
Frontiers in neuroscience
|June 26, 2023
概括
一种新的深度学习方法从CT扫描中准确地细分腰椎骨肌肉,帮助肝硬化患者在总肌肉面积不清楚时诊断缩症. 腹直肌肌在诊断方面表现有前途.
科学领域:
- 医学成像分析 医学成像分析
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 萨科佩尼亚的诊断通常依赖于来自第三腰椎 (L3) 脊椎的CT扫描的骨肌总面积.
- 严重的肝硬化可以扭曲腹部肌肉,由于肌肉区域被挤压,妨碍了准确的肉症诊断.
研究的目的:
- 提出一种新的腰椎骨肌网络,用于从CT图像中自动细分多区域骨肌.
- 为了探索缩性肉症和单个骨肌肉区域之间的关系.
主要方法:
- 通过剩余结构和3D纹理注意力块增强的2.5D U-Net被用于细分骨肌肉区域.
- 该方法将腰椎骨肌分成四个区域,跨越多个与L3相关的轴心CT切片.
- 对L3骨肌指数 (L3SMI) 的诊断截止值进行了研究,以检测这些地区的肝性肉症.
主要成果:
- 拟议的方法在独立的测试组中实现了0.937的平均子相似系数 (DSC) 和0.558毫米的平均表面距离.
- 特定的诊断断断值为直肠腹部,腹部和椎骨肌肉被确定为男性和女性的缩性肉症.
结论:
- 开发的方法准确地细分了与L3脊椎相关的四个关键骨肌区域.
- 腹直肌区域可以作为一个有价值的工具,以协助诊断肉症,当总肌肉面积测量受到损害.


