背部疾病患者的腰椎肌肉的横截面积和脂肪透:基于深度学习的大数据分析

科学领域:

• 放射学和医学成像学 医学成像学
• 肌肉骨研究 研究
• 人工智能在医学中的应用

背景情况:

• 深度学习模型为分析大量人群中的肌肉质量和数量提供了可扩展的解决方案.
• 椎腰部肌肉对脊柱健康至关重要,它们的形态随着年龄和疾病而变化.

研究的目的:

• 通过使用经过验证的深度学习模型来评估腰椎肌肉横截面积 (CSA) 和脂肪透 (FI).
• 在大量患有各种背部疾病的患者队列中分析这些参数.

主要方法:

• 从4434名背部疾病患者的T2轴性MRI图像的回顾性收集.
• 自动细分和分析CSA和FI的psoas大,四角腰部,直立脊柱和多肌.

主要成果:

• 男性的CSA显著高于女性,FI低于女性.
• 多体显示的脂肪透率最高,而勃起脊柱的CSA.最高.
• 年龄与脂肪透正相关,与CSA负相关.
• 与其他组相比,骨折患者的CSA较低,FI较高.

结论:

• 腰部肌肉CSA和FI因性别,年龄和临床状况而有显著差异.
• 临床医生应仔细考虑选择特定的准脊椎肌肉进行形态研究.