Radiology:利用深度学习自动腹部分割进行身体组成分析

本研究旨在建立并评价一种分割CT图像腹部成分的全自动算法。


本研究基于U网结构的卷积神经网络进行训练来对2430例CT检查腹部数据进行分割,并在270例CT检查进行验证。随后又对额外的2369例肝细胞肝癌(HCC)患者进行验证。利用双因素方差分析评价分割效果差异。


结果为,与参照分割比较,本研究模型Dice评分在测试组皮下、肌肉及内脏脂肪组织成分分别为0.98 ± 0.03、0.96 ± 0.02、、0.97 ± 0.01,在HCC组皮下、肌肉及内脏脂肪组织成分分别为0.94 ± 0.05、0.92 ± 0.04、0.98 ± 0.02。分割效果满足或超过专家人工分割。


本研究表明,该模型分割效果满足甚至超过专家人工分割效果。该模型能够全自动定量评价3D CT检查的身体成分。


原始出处:


Weston AD, Korfiatis P, Kline TL,et al.Automated Abdominal Segmentation of CT Scans for Body Composition Analysis Using Deep Learning.Radiology.DOI:10.1148/radiol.2018181432