开源人工智能用于Vastus Lateralis和脂肪组织细分,以评估肌肉大小和质量
McKenzie S White1, Arimitsu Horikawa-Strakovsky2, Kirby P Mayer3
1Department of Physical Therapy, College of Health Sciences, University of Kentucky, Lexington, KY, USA.
Ultrasound in medicine & biology
|September 14, 2025
概括
一个开源的人工智能模型在超声波图像中准确地细分了巨大的横向肌肉和皮下脂肪. 这可以自动测量肌肉大小和质量,提高临床可行性和可扩展性.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 超声波成像对于评估肌肉大小和质量至关重要.
- 手动超声波分析耗时且难以扩展.
- 现有的人工智能模型缺乏肌肉质量评估和皮下脂肪影响考虑.
研究的目的:
- 开发一个开源的AI模型,用于细分广的横向肌肉和皮下脂肪组织.
- 使用B模式超声波图像自动测量肌肉大小和质量.
- 解决肌肉评估当前AI模型的局限性.
主要方法:
- 用于细分使用了一个带有ResNet50骨干的U-Net架构.
- 该模型在44名参与者的612张超声波图像上进行了训练.
- 通过使用Dice系数,IoU,ICC,R2和SEM来验证性能.
主要成果:
- 在皮下脂肪组织 (0.9095) 和巨大的横向组织 (0.9654) 细分方面取得了高的子系数.
- 人工智能预测与手工测量之间表现出了很好的一致性 (ICC > 0.986).
- 在临床测量中表现出高可靠性与低SEM.
结论:
- 一个开源的人工智能模型已成功开发,用于准确细分肌肉和脂肪组织.
- 人工智能模型能够从超声数据中自动,可靠地测量肌肉大小和质量.
- 这有助于对肌肉健康进行可扩展和高效的临床评估.
