KEVS: Enhancing Segmentation of Visceral Adipose Tissue in Pre-Cystectomy CT with Gaussian Kernel Density Estimation

要約

目的：膀胱切除患者における内臓脂肪組織（VAT）の分布は、術後合併症の発生率を示しています。
コンピューター断層撮影のための既存のVATセグメンテーション方法（CT）強度しきい値を採用するには、観察者間の変動に関連する制限があります。
さらに、グラウンドトゥルースマスクを作成することの難しさは、このタスクのディープラーニング（DL）モデルの開発を制限します。
このホワイトペーパーでは、Cystectectomy CTにおけるVAT予測の新しい方法を紹介します。これは、完全に自動化されており、前述の制限を克服するために、トレーニングのために地上真実VATマスクを必要としません。
方法：DLセマンティックセグメンテーションモデルを組み合わせたカーネル密度強化VATセグメルター（KEV）を導入し、マルチボディ特徴予測のために、予測された皮下脂肪組織のガウス核密度推定分析を導入し、腹部のVATの正確なスキャン固有の予測を実現します。
DLパイプラインの場合、KEVSは地上虚偽のVATマスクを必要としません。
結果：目に見えないCTデータの腹部臓器を正確にセグメント化するKEVの能力を検証し、KEV VATセグメンテーション予測を、ユニバーシティカレッジロンドン病院（UCLH-CYST）から収集された20の胸郭切除術前CTスキャンのデータセットで、既存の最先端の（SOTA）アプローチと比較します。
KEVSは、UCLH-CYSTで評価されたときに、それぞれ2番目に最高のDLおよびしきい値ベースのVATセグメンテーション技術にわたって、それぞれ4.80％および6.02％のサイコロ係数が改善されます。
結論：この研究ではKEVを紹介します。
観測前のCTにおけるVATの予測のための自動化されたSOTAメソッドは、観察者間の変動を排除し、地上真実VATマスクを含まないオープンソースCTデータセットで完全に訓練されています。

要約(オリジナル)

Purpose: The distribution of visceral adipose tissue (VAT) in cystectomy patients is indicative of the incidence of post-operative complications. Existing VAT segmentation methods for computed tomography (CT) employing intensity thresholding have limitations relating to inter-observer variability. Moreover, the difficulty in creating ground-truth masks limits the development of deep learning (DL) models for this task. This paper introduces a novel method for VAT prediction in pre-cystectomy CT, which is fully automated and does not require ground-truth VAT masks for training, overcoming aforementioned limitations. Methods: We introduce the Kernel density Enhanced VAT Segmentator ( KEVS), combining a DL semantic segmentation model, for multi-body feature prediction, with Gaussian kernel density estimation analysis of predicted subcutaneous adipose tissue to achieve accurate scan-specific predictions of VAT in the abdominal cavity. Uniquely for a DL pipeline, KEVS does not require ground-truth VAT masks. Results: We verify the ability of KEVS to accurately segment abdominal organs in unseen CT data and compare KEVS VAT segmentation predictions to existing state-of-the-art (SOTA) approaches in a dataset of 20 pre-cystectomy CT scans, collected from University College London Hospital (UCLH-Cyst), with expert ground-truth annotations. KEVS presents a 4.80% and 6.02% improvement in Dice Coefficient over the second best DL and thresholding-based VAT segmentation techniques respectively when evaluated on UCLH-Cyst. Conclusion: This research introduces KEVS; an automated, SOTA method for the prediction of VAT in pre-cystectomy CT which eliminates inter-observer variability and is trained entirely on open-source CT datasets which do not contain ground-truth VAT masks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google