TotalSegmentator: robust segmentation of 104 anatomical structures in CT images

要約

身体 CT 画像内のすべての主要な解剖学的構造を自動的かつ確実にセグメント化できる深層学習セグメンテーション モデルを紹介します。
この後ろ向き研究では、1204 件の CT 検査（2012 年、2016 年、2020 年）を使用して、臓器容積測定、疾患の特徴付けなどのユースケースに関連する 104 の解剖学的構造（27 臓器、59 骨、10 筋肉、8 血管）をセグメント化しました。
、および手術または放射線治療の計画。
CT 画像は日常的な臨床研究からランダムにサンプリングされたもので、現実世界のデータセット (さまざまな年齢、病状、スキャナー、体の部位、配列、部位) を表しています。
著者らは、このデータセットで nnU-Net セグメンテーション アルゴリズムをトレーニングし、モデルのパフォーマンスを評価するために Dice 類似係数 (Dice) を計算しました。
トレーニングされたアルゴリズムは、年齢に依存する体積と減衰の変化を調査するために、4004 件の全身 CT 検査の 2 番目のデータセットに適用されました。
提案されたモデルは、主要な病状を伴う幅広い臨床データを含むテストセットで高い Dice スコア (0.943) を示しました。
このモデルは、別のデータセットで公開されている別のセグメンテーション モデルを大幅に上回りました (Dice スコア、それぞれ 0.932 対 0.871)。
老化研究では、さまざまな臓器グループの年齢と容積および平均減衰の間に有意な相関があることが実証されました（例：年齢と大動脈容積、自家背筋筋構造の年齢と平均減衰）。
開発されたモデルにより、104 の解剖学的構造の堅牢かつ正確なセグメンテーションが可能になります。
注釈付きのデータセット (https://doi.org/10.5281/zenodo.6802613) とツールキット (https://www.github.com/wasserth/TotalSegmentator) は公開されています。

要約(オリジナル)

We present a deep learning segmentation model that can automatically and robustly segment all major anatomical structures in body CT images. In this retrospective study, 1204 CT examinations (from the years 2012, 2016, and 2020) were used to segment 104 anatomical structures (27 organs, 59 bones, 10 muscles, 8 vessels) relevant for use cases such as organ volumetry, disease characterization, and surgical or radiotherapy planning. The CT images were randomly sampled from routine clinical studies and thus represent a real-world dataset (different ages, pathologies, scanners, body parts, sequences, and sites). The authors trained an nnU-Net segmentation algorithm on this dataset and calculated Dice similarity coefficients (Dice) to evaluate the model’s performance. The trained algorithm was applied to a second dataset of 4004 whole-body CT examinations to investigate age dependent volume and attenuation changes. The proposed model showed a high Dice score (0.943) on the test set, which included a wide range of clinical data with major pathologies. The model significantly outperformed another publicly available segmentation model on a separate dataset (Dice score, 0.932 versus 0.871, respectively). The aging study demonstrated significant correlations between age and volume and mean attenuation for a variety of organ groups (e.g., age and aortic volume; age and mean attenuation of the autochthonous dorsal musculature). The developed model enables robust and accurate segmentation of 104 anatomical structures. The annotated dataset (https://doi.org/10.5281/zenodo.6802613) and toolkit (https://www.github.com/wasserth/TotalSegmentator) are publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google