AI-Driven Automated Tool for Abdominal CT Body Composition Analysis in Gastrointestinal Cancer Management
作者: Xinyu Nan, Meng He, Zifan Chen, Bin Dong, Lei Tang, Li Zhang
发布时间: 2025-03-11
来源: arxiv
研究方向: 人工智能辅助的腹部CT体成分分析在胃肠道癌症管理中的应用
主要内容
该研究旨在开发一个基于人工智能的自动化工具，用于分析腹部CT扫描，以识别和分割肌肉、皮下脂肪和内脏脂肪，从而帮助改善胃肠道癌症的管理和治疗。
主要贡献
1. 开发了一种基于人工智能的工具，用于自动化分析腹部CT体成分，实现了对三种腹部组织类型的精确定位和分割。
2. 引入了一种新型的多视图融合定位模型，能够从3D CT扫描中准确提取腹部区域。
3. 实现了基于2D nnU-Net的腹部组织高精度分割模型，并辅以交互式界面，在保证准确性的同时，允许临床医生以最小的努力对分割结果进行优化。
4. 自动计算腹部组织的定量参数，为临床医生提供患者评估和治疗规划的有价值指标。
研究方法
1. 多视图定位模型：使用3D ResNet18和轻量级下采样网络提取体积特征，并使用基于交叉注意力的多视图融合模块整合不同视图的特征。
2. 分割和交互式优化：使用2D nnU-Net分割模型对每个切片进行分割预测，并提供交互式界面供临床医生进一步优化分割结果。
3. 数据集：使用来自北京癌症医院的AbdLoc和AbdSeg数据集进行模型训练和测试。
实验结果
定位模型在预测腹部区域的起始和结束切片位置方面达到了90%的定位精度和0.967的Dice分数系数。分割模型在肌肉、皮下脂肪和内脏脂肪的分割方面实现了超过0.95的平均Dice分数系数，平均95th HD约为2mm，平均IoU超过90%。
未来工作
将此工作扩展到各种类型的癌症和器官位置，以提高其在更多临床场景中的应用价值。