基于人工智能的应用程序开发用于诊断肉类症:使用健康检查数据集进行回顾性队列研究
Chang-Won Jeong1,2, Dong-Wook Lim1, Si-Hyeong Noh1
1STSC Center, Wonkwang University, Iksan, 54538, South Korea.
BMC medical informatics and decision making
|February 5, 2025
概括
这项研究介绍了一款AI网络应用程序,用于使用医学成像进行自动化的肉症诊断. 它准确地分类腰椎切片和细分脂肪/肌肉区域,提高诊断效率和患者的结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 老年学是一门学科.
背景情况:
- 传统上,萨科佩尼亚的诊断依赖于耗时的T-score和患者数据分析.
- 现有的方法往往需要单独的手动计算数据收集后.
- 需要自动化,集成的解决方案,以有效评估肉症.
研究的目的:
- 开发基于人工智能的网络应用程序,用于自动化诊断肉症.
- 将数据收集,图像分析和T-score计算整合到一个平台上.
- 为了提高萨尔科佩尼亚诊断的准确性和效率.
主要方法:
- 使用EfficientNetV2 (CNN) 开发了一个自动的腰椎切片分类模型.
- 实现了一个U-NET算法,用于皮下脂肪,内脏脂肪和肌肉区域的自动细分.
- 利用MongoDB的聚合管道来计算基于骨肌面积 (SMA) 和相关指数的T分数.
主要成果:
- 在L3切片分类中达到97.5%的准确性,在脂肪/肌肉细分中达到92%的准确性.
- 通过各种指数 (SMA,SMA/身高2,SMA/体重,SMA/BMI) 建立了可靠的T-score诊断值.
- 在SMA/BMI中,与年龄相关的肌肉质量下降最为显著,特别是在20多岁的男性和40多岁的女性中.
结论:
- 人工智能网络应用程序自动化了萨科佩尼亚诊断的关键步骤,克服了以前方法的局限性.
- 这项技术提供了一种更可靠,更准确的诊断技术来诊断.
- 改进的诊断能力可以积极影响患者的治疗和临床结果.
