基于深度学习的区域肌肉体积和空间肌肉间脂肪的完全自动细分使用CT
Rui Zhang1, Aiting He2, Wei Xia3
1School of Biomedical Engineering (Suzhou), Division of Life Sciences and Medicine, University of Science and Technology of China, Hefei, Anhui, China (R.Z.); Medical Imaging Department, Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences, Suzhou, China (R.Z., W.X., J.J., W.S., X.G.).
Academic radiology
|July 10, 2023
概括
一个新的深度学习 (DL) 系统准确地从CT扫描中对关节最大肌肉和脂肪分布进行细分. 这种自动化工具与肌肉评估的专家放射科医生达成了良好的协议.
科学领域:
- 医学成像分析分析 医学成像分析
- 放射学中的人工智能
- 肌肉骨成像技术 肌肉骨成像技术
背景情况:
- 准确评估部最大肌肉体积和肌肉间脂肪分布对于临床评估至关重要.
- 从CT图像中手动细分肌肉和脂肪是耗时的,并且受观察者之间的变化影响.
研究的目的:
- 开发和验证一种深度学习 (DL) 系统,用于通过CT图像对部最大肌肉进行自动细分,并测量其脂肪分布.
- 为了评估DL系统的性能与手动细分由放射科医生对比.
主要方法:
- 开发了一个使用Attention U-Net和Otsu二元值的深度学习系统.
- 该系统在472名受试者的CT图像上进行了训练和测试.
- 分区的准确性是使用子相似系数 (DSC),豪斯多夫距离 (HD) 和平均表面距离 (ASD) 来评估的. 脂肪分数协议使用类内相关系数 (ICC) 和布兰德-阿尔特曼图进行了评估.
主要成果:
- 在试验组中,DL系统表现出强大的细分性能,DSC值为0.930和0.873.
- 来自DL系统的脂肪分数测量显示与放射科医生的评估有很好的一致性 (ICC=0.748).
结论:
- 开发的DL系统提供了精确和完全自动的细分 gluteus maximus 肌肉.
- 该系统可靠的脂肪分数评估支持其临床肌肉评估的潜力.
