基于深度学习的胸部肌肉体积细分方法从胸部计算机断层扫描图像,使用斜腰范围检测和基于轴切片的细分.

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 肺部医学 肺部医学

背景情况:

• 胸部肌肉是呼吸肌功能的一个关键指标.
• 胸部肌肉生物标志物与体肺部疾病 (如喘和COPD) 相相关.
• 准确测量肌肉体积和质量对于临床应用至关重要.

研究的目的:

• 开发和评估一种基于深度学习的方法,用于胸部大肌肉的细分.
• 评估自动化肌肉细分作为定量生物标记物的临床实用性.

主要方法:

• 开发了一个结合肌肉区域检测和细分的深度学习模型.
• 该模型在一个由1,841名患者的7,796张计算机断层扫描 (CT) 图像组成的大数据集上进行了训练.
• 积极学习过程被用来逐步扩大培训数据集.

主要成果:

• 机器学习模型在细分胸部大肌肉方面表现出有前途的表现.
• 观察到自动细分和放射科医生的手动注释之间存在很高的一致性.
• 训练准确度达到0.9954,验证损失为0.0725和细分损失为0.0579.

结论:

• 开发的机器学习模型显示了准确的胸部主要肌肉细分的潜力.
• 自动细分可以作为呼吸道和肌肉疾病的有价值的定量生物标志物.
• 这种技术在诊断和监测肺部疾病方面提供了潜在的临床应用.