使用基于肌肉超声波图像的卷积神经网络模型诊断萨尔科佩尼亚:前性多中心研究

科学领域:

• 老年学是一门学科.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 检测 Sarcopenia 是至关重要的,但复杂和难以接近.
• 目前的查方法涉及肌肉质量,力量和功能评估.
• 需要简化和易于使用的诊断工具来早期检测肉症.

研究的目的:

• 开发一个卷积神经网络 (CNN) 模型,使用超声波图像来诊断肉症.
• 为了简化和提高萨尔科佩尼亚诊断过程的可访问性.
• 为了确定最有效的数据类型和模型架构,以准确检测肉症.

主要方法:

• 一项前性研究评估了357名参与者,收集了肌肉超声波图像,临床和实验室数据.
• 开发了单模,双模和多模模型,并对诊断性能进行了比较.
• 最佳模型 (SARCO模型) 被确定并通过外部和概念验证测试进行验证.

主要成果:

• 基于超声波图像的单模模型显示了最高的性能 (AUC:0.827,F1得分:0.738).
• 超声波图像是诊断肉症的多式模式中的主要贡献者.
• 最终的SARCO模型在外部 (AUC:0.801) 和概念验证 (AUC:0.757) 验证中取得了令人满意的性能.

结论:

• 超声波图像通过人工智能模型在萨尔科佩尼亚诊断中发挥着主导作用.
• 采用超声波图像的SARCO模型为诊断肉类的诊断提供了一个方便而准确的解决方案.
• 基于人工智能的超声波分析有望改善早期发现和管理肉症.