在低剂量CT图像上使用深度学习评估骨肌肉
Yumi Matsushita1, Tetsuji Yokoyama2, Tomoyuki Noguchi3
1Department of Clinical Research, National Center for Global Health and Medicine, Tokyo, Japan.
Global health & medicine
|November 1, 2023
概括
深度学习模型通过低剂量腹部CT扫描精确测量骨肌肉质量. 这种技术有助于评估肉症和肉性肥胖症,同时测量内脏脂肪.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 在腹水平的计算机断层扫描 (CT) 显示的内脏脂肪区域是日本内脏脂肪肥胖的一个关键指标.
- 从CT图像中评估骨肌肉质量,可能可以同时评估肉类和肉类肥胖症.
研究的目的:
- 评估深度学习模型 (DLM) 的性能,用于使用低剂量腹部CT测量骨肌肉质量.
- 从腹部CT图像中确定DLMs在细分骨肌肉中的准确性.
主要方法:
- 使用了11,494张低剂量腹部CT图像的主要数据集和5,801张图像的补充TCIA数据集.
- 采用SegU-net深度学习模型用于腹部CT图像细分,可变的过器大小和层次深度.
- 使用子相似系数 (DSC),横截面积 (CSA) 误差和布兰德-阿尔特曼图表评估细分精度.
主要成果:
- 拟议的DLM实现了0.992 ± 0.012的高DSC.
- 观察到0.41 ± 1.89%的低CSA误差. 这是一个很好的结果.
- 布兰德-阿尔特曼分析显示,百分比差异为-0.1 ± 3.8%.
结论:
- 开发的深度学习模型准确地从低剂量腹部CT扫描中细分骨肌肉质量.
- 这种自动化细分方法在代谢综合征查中的临床应用中显示出高精度.
