定量AI体积测量分析慢性肢体威胁性缺血症的区域肌肉缺陷
Patryk Skórka1, Łukasz Tymczyn1, Jakub Brelik1
1Department of Vascular Surgery and Angiology, Pomeranian Medical University in Szczecin, Al. Powstańców Wielkopolskich 72, 70-111 Szczecin, Poland.
Annals of vascular surgery
|March 11, 2026
概括
人工智能 (AI) 体积精确量化慢性肢体威胁性缺血症 (CLTI) 的肌肉损失. 这种人工智能方法识别了像四头肌和部区域这样的特定肌肉,这些肌肉最受缺血性低的影响.
科学领域:
- 血管外科 血管外科
- 放射学 放射学是一门学科.
- 肌肉骨成像系统的成像
背景情况:
- 慢性四肢威胁性缺血症 (CLTI) 导致下肢肌肉显著退化.
- 在CLTI中评估肌肉消耗的传统方法是有限的.
- 使用人工智能进行CLTI肌肉评估的三维体积分析未得到充分利用.
研究的目的:
- 量化和比较单边CLTI患者两肢肌肉体积.
- 使用基于AI的细分来识别最容易患缺血性低的特定肌肉群.
- 建立一种新的AI驱动的方法来评估CLTI中的肌肉缩.
主要方法:
- 基于AI的计算机断层扫描血管学 (CTA) 分段被用于3D肌肉体积分析.
- 用一个深度学习模型 (TotalSegmentator 2.11.0) 来量化肌肉.
- 低垂率 (HR) 被计算为缺血与逆侧肢体积的比率; 萨科佩尼亚通过psoas肌肉区域进行评估.
主要成果:
- 37%的CLTI患者表现出显著的肌肉缩.
- 观察到最大的体积损失是在 gluteus minimus,四头骨,中间大腿和 sartorius 肌肉中.
- 靠近肌肉损失,特别是在四头四和部区域,与整体四肢缩有很强的相关性;肉症增加了缩的几率十倍.
结论:
- 基于人工智能的体积测量可以在CLTI中精确,独立于操作者的量化区域肌肉损耗.
- 这种人工智能方法可以准确地识别针对性干预的易受影响的肌肉群.
- 人工智能驱动的肌肉体积分析代表了CLTI评估和管理的重大进步.
