MSKdeX: Musculoskeletal (MSK) decomposition from an X-ray image for fine-grained estimation of lean muscle mass and muscle volume

要約

サルコペニアや骨粗鬆症などの筋骨格系疾患は、加齢による健康への大きな障害となります。
デュアルエネルギー X 線吸収測定法 (DXA) とコンピューター断層撮影法 (CT) は筋骨格系の状態を評価するために使用できますが、コストとアクセスのしやすさ (CT の場合は高い放射線被ばくに加えて) の理由から、頻繁なモニタリングは困難です。
我々は、CT の細粒セグメンテーションを活用した筋骨格分解を通じて、単純 X 線画像から細粒の筋肉特性を推定する方法 (MSKdeX と呼ばれる) を提案します。これは、低コスト、低放射線、および非常にアクセスしやすい画像モダリティです。
マルチチャネル定量的画像変換モデルをトレーニングして、X 線画像を個々の筋肉の CT 投影に分解し、除脂肪筋肉量と筋肉体積を推測します。
我々は、同じ患者から収集された CT および X 線画像の情報を利用して、筋肉の変形と投影方向に対して不変である、シンプルだが驚くほど効果的な測定基準である、オブジェクトごとの強度合計損失を提案します。
私たちの方法は基本的にペアのない画像から画像への変換ですが、骨の剛性の性質も活用し、2D-3D の剛体位置合わせを通じてペアのデータを提供し、ペアのないトレーニングに強力なピクセル単位の監視を追加します。
539人の患者データセットを用いた評価により、提案手法が従来手法を大幅に上回る性能を示した。
予測されたグラウンド トゥルース メトリクスと CT から導出されたグラウンド トゥルース メトリクスの間の平均ピアソン相関係数は、0.460 から 0.863 に増加しました。
私たちは、私たちの方法が新しい筋骨格診断方法を切り開き、マルチチャネルの定量的画像変換タスクにおけるより広範なアプリケーションに拡張できる可能性があると信じています。
私たちのソースコードは間もなく公開される予定です。

要約(オリジナル)

Musculoskeletal diseases such as sarcopenia and osteoporosis are major obstacles to health during aging. Although dual-energy X-ray absorptiometry (DXA) and computed tomography (CT) can be used to evaluate musculoskeletal conditions, frequent monitoring is difficult due to the cost and accessibility (as well as high radiation exposure in the case of CT). We propose a method (named MSKdeX) to estimate fine-grained muscle properties from a plain X-ray image, a low-cost, low-radiation, and highly accessible imaging modality, through musculoskeletal decomposition leveraging fine-grained segmentation in CT. We train a multi-channel quantitative image translation model to decompose an X-ray image into projections of CT of individual muscles to infer the lean muscle mass and muscle volume. We propose the object-wise intensity-sum loss, a simple yet surprisingly effective metric invariant to muscle deformation and projection direction, utilizing information in CT and X-ray images collected from the same patient. While our method is basically an unpaired image-to-image translation, we also exploit the nature of the bone’s rigidity, which provides the paired data through 2D-3D rigid registration, adding strong pixel-wise supervision in unpaired training. Through the evaluation using a 539-patient dataset, we showed that the proposed method significantly outperformed conventional methods. The average Pearson correlation coefficient between the predicted and CT-derived ground truth metrics was increased from 0.460 to 0.863. We believe our method opened up a new musculoskeletal diagnosis method and has the potential to be extended to broader applications in multi-channel quantitative image translation tasks. Our source code will be released soon.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google