Fugu-MT 論文翻訳(概要): Automated Body Composition Analysis Using DAFS Express on 2D MRI Slices at L3 Vertebral Level

論文の概要: Automated Body Composition Analysis Using DAFS Express on 2D MRI Slices at L3 Vertebral Level

arxiv url: http://arxiv.org/abs/2409.06942v1
Date: Wed, 11 Sep 2024 01:46:56 GMT
ステータス: 処理完了
システム内更新日: 2024-09-12 15:57:17.718302
Title: Automated Body Composition Analysis Using DAFS Express on 2D MRI Slices at L3 Vertebral Level
Title（参考訳）: L3脳レベルでの2次元MRIスライス上でのDAFSエクスプレスを用いた体組成自動解析
Authors: Varun Akella, Razeyeh Bagherinasab, Jia Ming Li, Long Nguyen, Vincent Tze Yang Chow, Hyunwoo Lee, Karteek Popuri, Mirza Faisal Beg,
Abstract要約: 体組成分析は肥満、サルコニア、メタボリックシンドロームなどの健康状態を評価する上で不可欠である。MRIは骨格筋(SKM)、内臓脂肪組織(VAT)、皮下脂肪組織(SAT)の詳細な画像を提供する。本研究では,MRIによる2次元体組成解析のための自動ツールについて検証する(データ解析スイート(DAFS)エクスプレス)。 SKM 99.03%、VAT 95.25%、SAT 99.57%、平均ディススコア:SKM 99.51%、VAT 97.41%、SAT 99.78%である。
参考スコア（独自算出の注目度）: 1.9995074627389677
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Body composition analysis is vital in assessing health conditions such as obesity, sarcopenia, and metabolic syndromes. MRI provides detailed images of skeletal muscle (SKM), visceral adipose tissue (VAT), and subcutaneous adipose tissue (SAT), but their manual segmentation is labor-intensive and limits clinical applicability. This study validates an automated tool for MRI-based 2D body composition analysis- (Data Analysis Facilitation Suite (DAFS) Express), comparing its automated measurements with expert manual segmentations using UK Biobank data. A cohort of 399 participants from the UK Biobank dataset was selected, yielding 423 single L3 slices for analysis. DAFS Express performed automated segmentations of SKM, VAT, and SAT, which were then manually corrected by expert raters for validation. Evaluation metrics included Jaccard coefficients, Dice scores, Intraclass Correlation Coefficients (ICCs), and Bland-Altman Plots to assess segmentation agreement and reliability. High agreements were observed between automated and manual segmentations with mean Jaccard scores: SKM 99.03%, VAT 95.25%, and SAT 99.57%; and mean Dice scores: SKM 99.51%, VAT 97.41%, and SAT 99.78%. Cross-sectional area comparisons showed consistent measurements with automated methods closely matching manual measurements for SKM and SAT, and slightly higher values for VAT (SKM: Auto 132.51 cm^2, Manual 132.36 cm^2; VAT: Auto 137.07 cm^2, Manual 134.46 cm^2; SAT: Auto 203.39 cm^2, Manual 202.85 cm^2). ICCs confirmed strong reliability (SKM: 0.998, VAT: 0.994, SAT: 0.994). Bland-Altman plots revealed minimal biases, and boxplots illustrated distribution similarities across SKM, VAT, and SAT areas. On average DAFS Express took 18 seconds per DICOM. This underscores its potential to streamline image analysis processes in research and clinical settings, enhancing diagnostic accuracy and efficiency.
Abstract（参考訳）: 体組成分析は肥満、サルコニア、メタボリックシンドロームなどの健康状態を評価する上で不可欠である。 MRIは、骨格筋(SKM)、内臓脂肪組織(VAT)、皮下脂肪組織(SAT)の詳細な画像を提供するが、手動分割は労働集約的で臨床応用性に制限がある。本研究では,MRIを用いた2次元ボディコンポジション分析のための自動ツールであるDAFS(Data Analysis Facilitation Suite) Expressの検証を行い,その自動測定と英国バイオバンクのデータを用いた手動セグメンテーションの比較を行った。 UK Biobankデータセットから399人の参加者からなるコホートが選択され、分析のために423個のL3スライスを得た。 DAFS ExpressはSKM、VAT、SATの自動セグメンテーションを実行し、検証のために専門家による手作業で修正した。評価指標は,ジャカード係数,Diceスコア,クラス内相関係数(ICC),Bland-Altman Plotsで,セグメンテーション合意と信頼性を評価した。 SKM 99.03%、VAT 95.25%、SAT 99.57%、Dice 99.51%、VAT 97.41%、SAT 99.78%である。断面積の比較では、SKMとSATのマニュアル測定と密に一致した自動測定方法と一致しており、VAT(SKM: Auto 132.51 cm^2, Manual 132.36 cm^2; VAT: Auto 137.07 cm^2, Manual 134.46 cm^2; SAT: Auto 203.39 cm^2, Manual 202.85 cm^2; VAT: Auto 137.07 cm^2, Manual 134.46 cm^2; SAT: Auto 203.39 cm^2, Manual 202.85 cm^2)の値はわずかに高い。 ICCは強い信頼性(SKM:0.998、VAT:0.994、SAT:0.994)を確認した。 Bland-Altmanプロットは最小バイアスを示し、ボックスプロットはSKM, VAT, SAT領域の分布類似性を示した。 DAFS ExpressはDICOMあたり平均18秒を要した。このことは、研究と臨床における画像解析プロセスの合理化の可能性を強調し、診断精度と効率を向上させる。

関連論文リスト

TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
本研究では,TotalSegmentatorをMR画像に拡張した。このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
論文参考訳（メタデータ） (2024-05-29T20:15:54Z)
MRISegmentator-Abdomen: A Fully Automated Multi-Organ and Structure Segmentation Tool for T1-weighted Abdominal MRI [12.236789438183138]
複数の臓器や構造のボクセルレベルのアノテーションを備えた腹部MRIデータセットは公開されていない。 MRISegmentator-Abdomen(略してMRISegmentator)と呼ばれる3D nnUNetモデルをこのデータセットでトレーニングした。このツールは、T1強調腹部MRIの62の臓器と構造の、自動的、正確で、堅牢なセグメンテーションを提供する。
論文参考訳（メタデータ） (2024-05-09T17:33:09Z)
One-Stop Automated Diagnostic System for Carpal Tunnel Syndrome in Ultrasound Images Using Deep Learning [3.123012151358799]
手根管症候群(CTS)検査は、中央神経(MN)を同定し、CTSの診断は検査者の専門性に大きく依存するが、CTSの診断に特有な利点がある。我々は,ワンストップ自動CTS診断システム(OSA-CTSD)を開発し,コンピュータ支援診断ツールとしての有効性を評価した。
論文参考訳（メタデータ） (2024-02-08T10:43:55Z)
Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。提案手法はラベル集約段階において手作業によるアノテーションに依存しない。我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
論文参考訳（メタデータ） (2023-07-25T09:48:13Z)
Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文参考訳（メタデータ） (2022-06-14T10:16:54Z)
OCTOPUS -- optical coherence tomography plaque and stent analysis software [0.0]
血管内光コヒーレンストモグラフィ(IV OCT)は,経皮的冠動脈インターベンションの導出に有用である。我々は,光コヒーレンストモグラフィPlaqUeとStent(OCTOPUS)解析ソフトウェアを開発した。ソフトウェアには、前処理、ディープラーニングプラークセグメンテーション、ステントストラットの機械学習識別、プルバックの登録など、いくつかの重要なアルゴリズムステップが含まれている。
論文参考訳（メタデータ） (2022-04-21T15:49:03Z)
Automated Segmentation and Volume Measurement of Intracranial Carotid Artery Calcification on Non-Contrast CT [8.988312874456371]
Rotterdam Studyでは,2人の観察者が2319名(平均年齢69歳,女性1154名)の非造影CTで頭蓋内頸動脈石灰化(ICAC)を手動で測定した。 ICACデラインの自動化とボリューム測定のための深層学習に基づく手法を, 振り返って開発し, 検証した。
論文参考訳（メタデータ） (2021-07-20T12:21:45Z)
Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文参考訳（メタデータ） (2021-05-06T10:21:28Z)
Fully Automated and Standardized Segmentation of Adipose Tissue Compartments by Deep Learning in Three-dimensional Whole-body MRI of Epidemiological Cohort Studies [11.706960468832301]
全身MR画像から異なる脂肪組織成分の定量化と局在化が,代謝状態の解明に重要である。本稿では,頑健で客観的なセグメンテーションを実現するために,3次元畳み込みニューラルネットワーク(DCNet)を提案する。高速(5-7秒)かつ信頼性の高い脂肪組織セグメンテーションを高Dice重なりで得ることができる。
論文参考訳（メタデータ） (2020-08-05T17:30:14Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)
JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文参考訳（メタデータ） (2020-04-15T12:30:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。