自动3D细分旋转手套肌肉和脂肪从纵向CT用于肩膀关节整形评估
Mingrui Yang1,2, Bong-Jae Jun3,4, Tammy Owings3,4
1Department of Biomedical Engineering, Lerner Research Institute, Cleveland Clinic, 9500 Euclid Avenue, Cleveland, OH, 44195, USA. yangm@ccf.org.
Skeletal radiology
|August 9, 2025
概括
本研究提出了精确的深度学习模型,用于在全肩关节整形术 (TSA) 患者的CT扫描上自动化3D细分旋转手套肌肉,从而实现有效的肌肉体积和脂肪分数分析,以改善外科治疗结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 整形外科手术 整形外科手术
背景情况:
- 精确量化旋转手套肌肉体积和脂肪分数对于评估全肩关节整形术 (TSA) 的结果至关重要.
- 在CT扫描上手动细分旋转手套肌肉是耗时且容易变化的.
- 深度学习为自动化和高效的图像分析提供了潜在的解决方案.
研究的目的:
- 开发和验证一个深度学习模型,用于在纵向CT扫描上自动3D细分旋转手套肌肉.
- 使用开发的模型量化接受TSA的患者的肌肉体积和脂肪分数.
- 为了评估模型的性能,使用诸如子相似性得分,ASSD,HD95和RAVD等指标来评估模型的性能.
主要方法:
- 基于DeepLabV3+与ResNet50骨干的深度学习模型被开发出来.
- 模型经过训练,验证并通过53名TSA受试者的CT扫描进行测试.
- 在持久测试套件上评估了性能,并将模型应用于172名患者的更大队列.
主要成果:
- 这些模型实现了高精度,分别为0.928和0.916的预手术和后续扫描的平均Dice分数.
- 低平均ASSD (0.844毫米和1.028毫米) 和HD95 (3.071毫米和4.173毫米) 也显示出出色的性能.
- 相对绝对体积差异 (RAVD) 是最小的,表明可靠的体积量化 (0.025和0.068).
结论:
- 成功开发了准确可靠的深度学习模型,用于自动化3D分割旋转手套肌肉.
- 这些模型显著减少了肌肉体积和脂肪分数的分析时间.
- 该工具可以帮助理解旋转部肌肉健康和手术结果之间的关系,为TSA和旋转部修复 (RCR) 的决策提供信息.
