基于CT的身体成分分析中增强的肌肉和脂肪分割：一项比较研究
计算机视觉与模式识别
2024-04-16 v2
摘要
目的：从常规腹部CT中测量身体成分可为无症状和患病患者提供个性化风险评估。特别是，肌肉和脂肪的衰减值和体积测量与重要的临床结局（如心血管事件、骨折和死亡）相关。本研究评估了一个内部工具与公认的公共TotalSegmentator工具在肌肉和脂肪（皮下和内脏）分割方面的可靠性。方法：我们在公开的SAROS数据集的900个CT序列上评估了这些工具，重点关注肌肉、皮下脂肪和内脏脂肪。使用Dice系数评估皮下脂肪和肌肉分割的准确性。由于缺乏内脏脂肪的真实分割，使用Cohen's Kappa评估工具之间分割的一致性。结果：我们的内部工具在皮下脂肪分割上Dice系数高出3%（83.8 vs. 80.8），在肌肉分割上高出5%（87.6 vs. 83.2）。Wilcoxon符号秩检验显示我们的结果具有统计学差异（p<0.01）。对于内脏脂肪，Cohen's Kappa值为0.856，表明两个工具之间几乎完全一致。我们的内部工具在肌肉体积（R^2=0.99）、肌肉衰减（R^2=0.93）和皮下脂肪体积（R^2=0.99）上显示出非常强的相关性，而在皮下脂肪衰减（R^2=0.45）上显示出中等相关性。结论：我们的发现表明，内部工具在测量皮下脂肪和肌肉方面优于TotalSegmentator。内脏脂肪的高Cohen's Kappa值表明两个工具之间具有可靠的一致性。这些结果展示了我们的工具在提高身体成分分析准确性方面的潜力。
引用
@article{arxiv.2401.05294,
title = {Enhanced Muscle and Fat Segmentation for CT-Based Body Composition Analysis: A Comparative Study},
author = {Benjamin Hou and Tejas Sudharshan Mathai and Jianfei Liu and Christopher Parnell and Ronald M. Summers},
journal= {arXiv preprint arXiv:2401.05294},
year = {2024}
}