X构成:多式深度学习模型,使用胸部X射线和临床数据测量身体构成

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 医学成像分析 医学成像分析

背景情况:

• 身体成分指标,包括内脏脂肪,皮下脂肪和骨肌肉体积,是预测心血管疾病,糖尿病和癌症结果的关键指标.
• 准确评估这些指标对于患者的预后和治疗计划至关重要.

研究的目的:

• 调查深度学习技术在估计标准胸部X射线图的身体组成指标方面的有效性.
• 开发一种多式深度学习模型,将胸部X射线图像与基本的临床变量相结合,以进行增强的身体组成分析.

主要方法:

• 分析了一组1118名患者的回顾性队列,同时进行腹部CT扫描和胸部X射线图.
• 一个多任务,多模式的深度学习模型被训练使用胸部X射线和临床数据 (年龄,性别,身高,体重).
• 腹部CT衍生的身体组成作为模型培训和验证的参考标准.

主要成果:

• 性能最好的多模式深度学习模型与CT衍生的测量结果有很强的相关性:皮下脂肪体积为0.85,内脏脂肪体积为0.76和骨肌肉体积为0.58.
• 多模式方法显著优于单模式模型,特别是在皮下脂肪体积估计方面.
• 皮下和内脏脂肪体积的平均绝对误差分别为1054厘米3/平方米和667厘米3/平方米.

结论:

• 一个新的多式联机深度学习模型有效地利用胸部X射线图和常见的临床变量来估计身体组成.
• 这种人工智能驱动的方法为评估人体组成提供了可扩展的解决方案,促进了大规模的流行病学和临床研究.
• 这些发现突出了利用常规胸部成像用于非侵入性身体成分分析的潜力.