使用3D衍生人工智能从L3脊椎的多个CT扫描中识别身体组成测量的差异,与单个中点L3CT扫描相比

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医疗成像医学成像

背景情况:

• 结肠直肠癌 (CRC) 的身体组成分析通常依赖于在L3中部水平的单个2D腹部轴心CT切片.
• 人工智能 (AI) 能够对整个L3脊椎进行分析,包括非中部L3和中部L3区域.

研究的目的:

• 确定整个L3脊椎的AI驱动分析是否为CRC患者的身体组成测量提供了额外的信息.
• 为了比较从整个L3水平与单个L3中部切片获得的身体组成指标.

主要方法:

• 从203名CRC患者中回顾收集了2203个轴心CT切片.
• 应用预训练的AI模型来细分肌肉,内脏脂肪组织 (VAT) 和皮下脂肪组织 (SAT).
• 在L3中期和非L3中期扫描之间,对男性和女性分别分析的身体成分测量结果的比较.

主要成果:

• 与单个中L3扫描相比,非中L3扫描显示了0.85%至6.28%的中位数百分比差异.
• 女性的增值税面积有显著差异 (p=0.02).
• 男性的SAT表面积 (p<0.001) 和辐射密度 (p=0.007) 的变化更大.

结论:

• 当将整个L3脊椎与单个L3中部切片进行比较时,身体组成测量存在显著差异.
• 仅依靠单个中点L3CT切片可以显著影响CRC患者的身体组成估计.
• 研究人员必须考虑CT切片选择对身体组成分析的影响,以准确评估CRC患者.