人工智能增强的下肢X射线细分:一种有前途的工具,用于诊断肉症
Hyunwoo Park1, Hyeonsu Kim2, Junil Yoo3
1Department of Internal Medicine, Hallym University Medical Center, Hallym University College of Medicine, Anyang 14068, Republic of Korea.
Healthcare (Basel, Switzerland)
|October 16, 2025
概括
人工智能模型现在可以从长X射线中估计肌肉质量,为老年人诊断肉症提供了DEXA扫描的可访问替代方案. 这项技术可以改善初级保健机构的早期检测和管理.
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:
- 肌肉质量和强度下降的萨尔科佩尼亚显著影响老年人的身体功能和生活质量.
- 像DEXA这样的传统诊断工具在初级保健机构中并不总是可用.
- 可访问的方法来评估肉症对于及时干预至关重要.
研究的目的:
- 开发和验证人工智能 (AI) 驱动的自动细分模型,用于使用长X射线评估肌肉质量.
- 为了建立长X射线作为DeXA的实用替代品,用于 evaluation.sarcopenia评估.
- 提高在社区和初级保健中 Sarcopenia 诊断的可访问性.
主要方法:
- 以后验证使用157名患者的351张下肢X射线.
- 培训和验证AI语义细分模型 (U-Net,V-Net,U-Net++) 用于肌肉区域细分.
- 使用交叉与联盟 (IoU) 和子相似系数 (DC) 的性能评估;与DEXA衍生骨肌肉指数的相关性分析.
主要成果:
- 该U-Net++模型表现出优异的性能,IOU为0.93和DC为0.95.
- 在AI衍生的肌肉估计和DEXA结果之间观察到中等到强的正相关性 (r = 0.72).
- 回归分析显示,与参考测量结果有很好的一致性 (系数=0.74).
结论:
- 从长X射线估计肌肉质量的AI模型已经成功开发和验证.
- 这种人工智能方法为DEXA提供了更容易获得的替代方案,可能有助于改善肉症的诊断和管理.
- 未来的研究将专注于改进模型,并将其应用扩展到其他肌肉群.
