计算机断层扫描中三维身体成分的自动分割
图像与视频处理
2021-12-17 v1 计算机视觉与模式识别
摘要
目的：开发和验证一种计算机工具，用于自动并同时分割计算机断层扫描（CT）上描绘的以下组织的身体成分：内脏脂肪（VAT）、皮下脂肪（SAT）、肌间脂肪（IMAT）、骨骼肌（SM）和骨。方法：使用来自 The Cancer Imaging Archive（TCIA）的 100 例 CT 扫描——50 例全身正电子发射断层扫描（PET）-CT、25 例胸部和 25 例腹部。手动标注了五种不同的身体成分（VAT、SAT、IMAT、SM 和骨）。为效率采用边标注边训练策略。使用已标注病例训练 UNet 模型。然后，该模型用于对已标注剩余病例实现半自动标注。采用 10 折交叉验证方法开发和验证若干卷积神经网络（CNN）的性能，包括 UNet、循环残差 UNet（R2Unet）和 UNet++。训练 CNN 模型时使用三维块采样操作。分别训练 CNN 模型以测试其是否能比联合分割取得更好性能。采用配对样本 t 检验检验统计显著性。结果：在三种 CNN 模型中，UNet 在联合分割五种身体成分时总体性能最佳，VAT、SAT、IMAT、SM 和骨的 Dice 系数分别为 0.840±0.091、0.908±0.067、0.603±0.084、0.889±0.027 和 0.884±0.031，Jaccard 指数分别为 0.734±0.119、0.837±0.096、0.437±0.082、0.800±0.042、0.793±0.049。结论：CNN 模型在分割身体成分方面无显著差异，但联合分割身体成分比分别分割取得更好性能。
引用
@article{arxiv.2112.08968,
title = {Automated segmentation of 3-D body composition on computed tomography},
author = {Lucy Pu and Syed F. Ashraf and Naciye S Gezer and Iclal Ocak and Rajeev Dhupar},
journal= {arXiv preprint arXiv:2112.08968},
year = {2021}
}