CT 图像的腹侧身体成分分析自动分割
图像与视频处理
2021-01-27 v1 医学物理
摘要
目的：身体成分已知与多种疾病相关，包括糖尿病、癌症与心血管疾病。本文中，我们开发了一种全自动身体组织分解流程，以分割与身体成分分析相关的三个主要区域——皮下脂肪组织（SAT）、内脏脂肪组织（VAT）与肌肉。在分割过程中还分割了三个附加区域——腹侧腔、肺与骨骼，以辅助主要区域的分割。方法：开发了一种带密集连接层的卷积神经网络（CNN）模型来执行腹侧腔分割。开发了一种图像处理工作流，利用该 CNN 模型分割任意患者 CT 中的腹侧腔，随后使用滞后阈值法并结合形态学操作将身体组织进一步分割为多个区域。首要分割腹侧腔对于准确分离腹侧腔内外的、具有相似豪斯菲尔德单位（HU）的区域至关重要。结果：腹侧腔分割 CNN 模型在 60 张人工标注腹侧腔的 CT 上训练与测试。腹侧腔分割的 Dice 分数（均值±标准差）为 0.966±0.012。在含静脉（IV）与口服造影剂的 CT 数据集上测试，骨、VAT、SAT、肌肉与肺的 Dice 分数分别为 0.96±0.02、0.94±0.06、0.96±0.04、0.95±0.04 与 0.99±0.01。在非造影 CT 数据集上，相应 Dice 分数分别为 0.97±0.02、0.94±0.07、0.93±0.06、0.91±0.04 与 0.99±0.01。结论：开发了一种身体组织分解流程，可自动分割腹侧身体的多个区域。所提方法能够从 CT 图像全自动量化三维腹侧身体成分指标。
引用
@article{arxiv.2009.01965,
title = {Automatic segmentation of CT images for ventral body composition analysis},
author = {Yabo Fu and Joseph E. Ippolito and Daniel R. Ludwig and Rehan Nizamuddin and Harold H. Li and Deshan Yang},
journal= {arXiv preprint arXiv:2009.01965},
year = {2021}
}