Radiology：利用深度学习自动腹部分割进行身体组成分析

Tags: 深度学习 U网卷积神经网络作者：shaosai 更新：2019-06-13

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

本文系梅斯医学（MedSci）原创编译整理，转载需授权！

来源：MedSci原创

版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有，非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言

小提示：本篇资讯需要登录阅读，点击跳转登录

Radiology：利用深度学习自动腹部分割进行身体组成分析

相关推荐