生物计算机网络:一种深度学习工作流程,可实现对心脏代谢疾病的精确管理
Jianyong Wei1,2, Hongli Chen1, Lijun Yao1
1Department of Endocrinology and Metabolism, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai Diabetes Institute, Shanghai Key Laboratory of Diabetes Mellitus, Shanghai Key Clinical Center for Metabolic Disease, Shanghai 200233, China.
Cyborg and bionic systems (Washington, D.C.)
|August 22, 2025
概括
生物计算机网络是一个深度学习工具, 通过提供骨,肌肉和脂肪组织的快速准确量化,提高心脏代谢风险评估.
科学领域:
- 生物医学成像
- 医学中的人工智能
- 心血管研究
背景情况:
- 身体组成 (BC) 对心脏代谢风险分层至关重要.
- 目前对BC的医学图像分析耗时且有限.
- 在临床应用中需要自动定量BC成分.
研究的目的:
- 开发一个用于自动化身体组成分析的深度学习工作流程BioCompNet.
- 从双参数MRI中量化15个生物机械关键的身体成分.
- 建立一个可扩展的心脏代谢风险评估框架.
主要方法:
- 使用层次化的U-Net架构开发了一个端到端的深度学习工作流程 (BioCompNet).
- 综合双参数 (水/脂肪) MRI 序列进行量化.
- 在社区和三级医院的大型数据集上训练和验证模型.
主要成果:
- 在量化腹部和大腿BC组件方面,BioCompNet获得了高精度 (迪斯系数> 0. 93).
- 在所有量化特征中证明了优异的互读器可靠性 (ICC ≥ 0.881).
- 每个案例的处理时间从129分钟大幅缩短到0.12分钟.
结论:
- 生物计算网络能够快速,准确和全面地对人体构成进行体积分析.
- 工作流提供了一个可扩展的解决方案,用于精确的心脏代谢风险评估.
- 通过自动化人体成分量化,BioCompNet支持临床决策.
