Radiology：利用深度学习自动腹部分割进行身体组成分析
2019-06-13 shaosai MedSci原创
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！
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“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为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或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。
在此留言
本网站所有内容来源注明为“梅斯医学”或“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为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或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。
在此留言
#身体组成#
39
学习谢谢分享
65
学习
55
学习学习啊
57
很好
54