在CT扫描中使用基于深度学习的细分来自动测量psoas肌肉体积的可靠方法的开发和验证:一个横截面研究

科学领域:

• 医疗成像医学成像
• 放射学 放射学是一门学科.
• 人工智能在医学中的应用

背景情况:

• 萨尔科佩尼亚研究需要有效,准确地测量骨肌肉体积.
• 从CT扫描中手动测量psoas肌肉体积是耗时的,容易变化.

研究的目的:

• 开发一种自动化方法,用计算机断层扫描 (CT) 来测量psoas肌肉体积.
• 通过自动化分析,提高类病研究的效率和一致性.

主要方法:

• 使用nnU-Net框架开发了一个基于深度学习的细分模型.
• 该模型在520名参与者的CT扫描上进行了训练和验证.
• 使用Dice相似系数评估准确性,并将测量时间与手动方法进行比较.

主要成果:

• 自动细分实现了0.927 ± 0.019的高平均子得分,表明与手动细分的良好一致.
• 自动测量时间大幅缩短至2分20秒,比手动测量提高48倍 (111分6秒).

结论:

• 通过CT扫描成功开发了一种自动化的深度学习方法,用于从CT扫描中测量psoas肌肉体积.
• 这种方法提供了一致和公正的估计,显著提高了萨科佩尼亚研究的效率.