比较完全自动化的人工智能体质成分测量从薄和厚切片CT图像数据中得出的CT图像数据
Matthew H Lee1, Daniel Liu2, John W Garrett2
1Department of Radiology, University of Wisconsin School of Medicine and Public Health, 600 Highland Ave, Madison, WI, 53792, USA. mlee5@uwhealth.org.
Abdominal radiology (New York)
|December 29, 2023
概括
在腹部CT扫描上使用人工智能 (AI) 进行的自动化身体组成分析显示了薄片和厚片之间的高度相关性. 这表明,这两种数据集都可用于人工智能驱动的身体组成算法,特别是软组织测量.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 身体成分分析为患者的健康和疾病预后提供了宝贵的见解.
- 对CT扫描的自动化分析为身体组成评估提供了一个可扩展的方法.
研究的目的:
- 为了比较完全自动的人工智能 (AI) 衍生体质成分测量从薄 (1.25毫米) 和厚 (5毫米) 切片腹部CT数据.
- 评估使用薄切片和厚切片CT数据用于基于AI的身体组成算法的可行性.
主要方法:
- 一项回顾性研究分析了9882张腹部CT扫描 (未增强和增强对比).
- 完全自动化的AI算法量化了骨衰减,肌肉衰减,肌肉区域,肝脏衰减,肝脏体积,脏体积,内脏和皮下脂肪比率 (VSR) 和大动脉.
- 从薄片和厚片的测量结果使用相关系数和布兰德-阿尔特曼分析进行了比较.
主要成果:
- 对所有软组织测量和VSR.观察到非常强的正相关性 (r2 > 0.92).
- 在骨衰减方面发现了中等相关性 (r2 = 0.35).
- 布兰德-阿尔特曼分析显示,大多数软组织测量有很强的一致性,VSR,肌肉区域,肝脏衰减和肝脏体积的平均百分比差异<5%.
结论:
- 从薄厚的腹部CT切片中得出的自动化体质成分测量强烈相关并显示一致.
- 这些发现表明,在这些基于人工智能的身体组成算法中,使用薄片或厚片CT数据是可行的,特别是在软组织应用中.
