Меню
Публикации
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор
НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2024-24-4-661-664
УДК 004.891
Метод сегментации мышечной ткани на снимках компьютерной томографии на базе предобработанных трехканальных изображений
Читать статью полностью
Язык статьи - русский
Ссылка для цитирования:
Аннотация
Ссылка для цитирования:
Теплякова А.Р., Шершнев Р.В., Старков С.О. Метод сегментации мышечной ткани на снимках компьютерной томографии на базе предобработанных трехканальных изображений // Научнотехнический вестник информационных технологий, механики и оптики. 2024. Т. 24, № 4. С. 661–664. doi: 10.17586/2226-1494-2024-24-4-661-664
Аннотация
Представлены результаты исследования влияния метода предобработки, основанного на формировании трехканальных изображений, на точность моделей сегментации мышечной ткани на срезах компьютерной томографии, соответствующих уровням позвонков грудного и поясничного отделов позвоночника. На данных масштабного набора Sparsely Annotated Region and Organ Segmentation обучено и протестировано 10 моделей. Получены значения коэффициента схожести Дайса и пересечения над объединением в диапазонах 0,9339–0,9421 и 0,8737–0,8885. Применение трехканального подхода к формированию входных данных повысило точность моделей четырех архитектур из пяти рассмотренных. Обученные модели могут применяться для быстрой и точной разметки мышечной ткани в процессе диагностики.
Ключевые слова: компьютерное зрение, сегментация, компьютерная томография, мышечная ткань, диагностика, U-Net
Список литературы
Список литературы
- Теплякова А.Р., Шершнев Р.В., Старков С.О., Агабабян Т.А., Кукарская В.А. Сегментация мышечной ткани на снимках компьютерной томографии на уровне позвонка L3 // Научно-технический вестник информационных технологий, механики и оптики. 2024. Т. 24. № 1. С. 124–132. https://doi.org/10.17586/2226-1494-2024-24-1-124-132
- Van den Broeck J., Sealy M.J., Brussaard C., Kooijman J., Jager-Wittenaar H., Scafoglieri A. The correlation of muscle quantity and quality between all vertebra levels and level L3, measured with CT: An exploratory study // Frontiers in Nutrition. 2023. V. 10. P. 1148809. https://doi.org/10.3389/fnut.2023.1148809
- Arayne A.A., Gartrell R., Qiao J., Baird P.N., Yeung J.M. Comparison of CT derived body composition at the thoracic T4 and T12 with lumbar L3 vertebral levels and their utility in patients with rectal cancer // BMC Cancer. 2023. V. 23. N 1. P. 56. https://doi.org/10.1186/s12885-023-10522-0
- Molwitz I., Ozga A.K., Gerdes L., Ungerer A., Köhler D., Ristow I., Leiderer M., Adam G., Yamamura J. Prediction of abdominal CT body composition parameters by thoracic measurements as a new approach to detect sarcopenia in a COVID-19 cohort // Scientific Reports. 2022. V. 12. N 1. P. 6443. https://doi.org/10.1038/s41598-022-10266-0
- Vangelov B., Bauer J., Kotevski D., Smee R.I. The use of alternate vertebral levels to L3 in computed tomography scans for skeletal muscle mass evaluation and sarcopenia assessment in patients with cancer: a systematic review // British Journal of Nutrition. 2022. V. 127. N 5. P. 722–735. https://doi.org/10.1017/S0007114521001446
- Clark K., Vendt B., Smith K., Freymann J., Kirby J., Koppel P., Moore S., Phillips S., Maffitt D., Pringle M., Tarbox L., Prior F. The Cancer Imaging Archive (TCIA): maintaining and operating a public information repository // Journal of Digital Imaging. 2013. V. 26. N 6. P. 1045–1057. https://doi.org/10.1007/s10278-013-9622-7
- Koitka S., Baldini G., Kroll L., van Landeghem N., Pollok O.B., Haubold J., Pelka O., Kim M., Kleesiek J., Nensa F., Hosch R. SAROS: A dataset for whole-body region and organ segmentation in CT imaging // Scientific Data. 2024. V. 11. N 1. P. 483. https://doi.org/10.1038/s41597-024-03337-6
- Hou B., Mathai T.S., Liu J., Parnell C., Summers R.M. Enhanced muscle and fat segmentation for CT-based body composition analysis: a comparative study // International Journal of Computer Assisted Radiology and Surgery. 2024. in press. https://doi.org/10.1007/s11548-024-03167-2
- Теплякова А.Р., Шершнев Р.В. Программа для обучения моделей сегментации мышечной ткани по снимкам компьютерной томографии: Свидетельство о государственной регистрации программы для ЭВМ RU2024612322. 31.01.2024. Бюл. № 2.
