AI-Driven Automated Tool for Abdominal CT Body Composition Analysis in Gastrointestinal Cancer Management

要約

胃腸がんの発生率は、特に中国では、正確な予後評価と効果的な治療戦略の重要性を強調しています。
研究では、腹部筋肉と脂肪組織の組成と患者の転帰との強い相関関係が示されています。
ただし、腹部組織組成を分析するための既存の手動方法は、時間がかかり、費用がかかるため、臨床研究のスケーラビリティが制限されています。
これらの課題に対処するために、腹部CTスキャンの自動分析のためのAI駆動型ツールを開発し、筋肉、皮下脂肪、および内臓脂肪を効果的に識別およびセグメント化しました。
当社のツールは、マルチビューローカリゼーションモデルと高精度2D NNUNETベースのセグメンテーションモデルを統合し、90％のローカリゼーション精度とセグメンテーションのために0.967のDICEスコア係数を示します。
さらに、臨床医がセグメンテーションの結果を改良できるようにするインタラクティブなインターフェイスを備えており、高品質の結果を効果的に保証します。
当社のツールは、臨界腹部組織を効果的に抽出するための標準化された方法を提供し、胃腸がんの管理と治療を潜在的に強化する可能性があります。
このコードは、https：//github.com/nanxinyu/ai-tool4abdominal-seg.git} {https://github.com/nanxininyu/ai-tool4abdominal-seg.gitで入手できます。

要約(オリジナル)

The incidence of gastrointestinal cancers remains significantly high, particularly in China, emphasizing the importance of accurate prognostic assessments and effective treatment strategies. Research shows a strong correlation between abdominal muscle and fat tissue composition and patient outcomes. However, existing manual methods for analyzing abdominal tissue composition are time-consuming and costly, limiting clinical research scalability. To address these challenges, we developed an AI-driven tool for automated analysis of abdominal CT scans to effectively identify and segment muscle, subcutaneous fat, and visceral fat. Our tool integrates a multi-view localization model and a high-precision 2D nnUNet-based segmentation model, demonstrating a localization accuracy of 90% and a Dice Score Coefficient of 0.967 for segmentation. Furthermore, it features an interactive interface that allows clinicians to refine the segmentation results, ensuring high-quality outcomes effectively. Our tool offers a standardized method for effectively extracting critical abdominal tissues, potentially enhancing the management and treatment for gastrointestinal cancers. The code is available at https://github.com/NanXinyu/AI-Tool4Abdominal-Seg.git}{https://github.com/NanXinyu/AI-Tool4Abdominal-Seg.git.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google