Outras

Segmentação automática da composição corporal por Tomografia usando Deep Learning

Recentemente tem-se demonstrado a importância dos dados de composição corporal advindos da TC, como área de gordura visceral e subcutânea, sarcopenia e densidade óssea.
Os autores deste artigo testaram um grande número de exames comparando com um modelo convencional semiautomático nesta análise. Foram selecionadas duas séries de exames retrospectivo, cada um com mais de 2000 imagens. Posteriormente os autores ainda extrapolaram os dados obtidos pelas imagens 2D (nível de L3) para uma série 3D em pelo menos 12 exames.
Em geral, o algoritmo proposto teve uma performance satisfatória, mostrando um resultado levemente inferior para o tecido gorduroso visceral, algo que pode ser explicado pela heterogeneidade com o conteúdo fecal e a baixo volume em pacientes magros. Houve também uma performance levemente inferior em uma das séries (de pacientes em avaliação de HCC), possivelmente por alterações intrínsecas destes pacientes.
Em geral, o modelo automático proposto teve uma performance semelhante e por vezes superior à acurácia de leitores experientes, podendo ser extrapolado para níveis outros que não apenas e L3 e mesmo em modelos 3D.

Autores: Weston AD, Korfiatis P, Kline TL, Philbrick KA, Kostandy P, Sakinis T, Sugimoto M, Takahashi N, Erickson BJ

Referência bibliográfica: Radiology. 2018 Dec 11:181432

Link para o PubMed: https://www.ncbi.nlm.nih.gov/pubmed/30526356

0 comentário em “Segmentação automática da composição corporal por Tomografia usando Deep Learning

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Foto do Google

Você está comentando utilizando sua conta Google. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s

%d blogueiros gostam disto: