改善肌肉和脂肪细分,用于量化CT的身体成分测量
Jianfei Liu1, Praveen Thoppey Srinivasan Balamuralikrishna2, Sovira Tan3
1Imaging Biomarkers and Computer-Aided Diagnosis Laboratory, Clinical Center, National Institutes of Health, 10 Center Dr, Bethesda, MD, 20892, USA. jianfei.liu@nih.gov.
概括
一种新的细分方法在骨密度计CT扫描上准确分析身体成分,改善肌肉和脂肪的细分,以更好地评估健康风险.
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:
- 使用腹部CT扫描的身体组成分析有助于机会性查和对死亡率和心血管风险的预后见解.
- 目前的肌肉和脂肪细分方法与用于骨密度计的定量CT扫描作斗争,阻碍了骨质疏松症的诊断和监测.
- 准确的身体成分分析对于全面的患者评估和风险分层至关重要.
研究的目的:
- 开发和评估用于骨密度计的定量CT扫描中肌肉和脂肪的准确细分方法.
- 将拟议方法的性能与现有的细分技术进行比较.
- 为了提高骨密度计扫描用于身体组成分析的实用性.
主要方法:
- 使用nnU-Net框架对肌肉,皮下脂肪,内脏脂肪和一般的"身体"类别进行细分.
- 训练数据使用CT扫描与骨密度测量幻影,注释从以前的方法手动改进.
- 该方法在980个内部和外部数据集的CT扫描中得到验证,包括幻影扫描,并与TotalSegmentator和先前方法进行比较.
主要成果:
- 拟议的方法在所有测试数据集 (p <0.05) 中,在分段肌肉和皮下脂肪方面表现出卓越的准确性.
- 在内脏脂肪细分方面也取得了可比的准确性.
- 关键的是,与TotalSegmentator和以前的方法相比,在患者扫描中密度计幻影中没有发生错误细分.
结论:
- 开发的方法显著提高了骨密度计CT扫描的肌肉和皮下脂肪的细分精度,同时保持了内脏脂肪的高精度.
- 这一进步使得可靠的身体组成分析直接来自用于骨质疏松症评估的扫描.
- 这些发现表明,该方法有可能扩大定量CT在人体组成分析和患者风险分层中的临床应用.
