一种新的骨肌量化方法和基于深度学习的萨尔科佩尼亚诊断,用于用放射治疗治疗的宫癌患者
Zhe Wu1,2,3, Lihua Deng1, Wanyang Wu4
1Department of Digital Medicine, School of Biomedical Engineering and Medical Imaging, Army Medical University (Third Military Medical University), Chongqing, China.
Medical physics
|April 2, 2025
概括
圆束计算断层扫描 (CBCT) 可以通过在L5.5测量骨肌指数 (SMI) 来评估宫癌患者的肉症. 深度学习模型显示了使用CBCT自动化诊断肉症的潜力,改善了患者生存预测.
科学领域:
- 放射治疗瘤学 放射治疗瘤学
- 医学成像医学成像
- 医疗保健中的人工智能
背景情况:
- 萨科佩尼亚与接受放射治疗的宫癌患者的生存率降低有关.
- 圆束计算断层扫描 (CBCT) 是图像引导放射治疗的标准.
- 传统的肉类症评估使用骨肌肉指数 (SMI) 在L3,通常在CBCT扫描中缺失.
研究的目的:
- 评估CBCT对宫癌患者SMI评估的有用性.
- 开发和验证一种深度学习 (DL) 模型,用于使用CBCT进行自动骨肌肉细分和肉症诊断.
- 在CBCT图像上使用L5脊椎来评估SMI.
主要方法:
- 在CT和CBCT扫描上测量L3和L5骨肌面积 (SMA).
- 在CBCT上使用类内相关系数 (ICC) 评估L5骨肌肉细分的一致性.
- 在248名患者的CBCT图像上开发了一个端到端的深度学习网络,用于L5骨肌肉细分,在外部数据集上进行验证.
主要成果:
- 在CBCT上对L5骨肌肉细分的高度一致性 (ICC>0.95).
- 在L5-SMI (CT/CBCT) 和L3-SMI (CT) 之间存在强烈的相关性 (PCC高达0.917).
- 深度学习模型实现了87.09%的子对细分的相似性,并预测了萨科佩尼亚,主要队列的准确率为84.38%,F1得分为85.71%,外部验证组的准确率为80%和F1得分为82.61%.
结论:
- 使用CBCT进行定量SMI测量对于宫癌患者是可行的.
- 开发的深度学习网络显示了通过CBCT帮助 Sarcopenia 诊断的前景,可能改善治疗结果.
