Automated segmentation of cardiac adipose tissue in Dixon magnetic resonance images
Notice bibliographique
Résumé
Objective: Increasing evidence suggests a strong link between excess cardiac adipose tissue (CAT) and the risk of a cardiovascular event. Multi-echo Dixon magnetic resonance imaging (MRI), providing fat-only and water-only images, is a useful tool for quantification but requires the segmentation of CAT from a large number of images. The intent of this study was to evaluate an automated technique for CAT segmentation from Dixon MRI by comparing the contours identified by the automated algorithm to those manually traced by an observer. Methods: An automated segmentation algorithm, based on optimal thresholds and custom morphological processing, was applied to the registered fat-only and water-only images to identify CAT in the volume scans. CAT contours in 446 images, from 10 MRI scans, were selected for validation analysis. Cross-sectional area (CSA) and volume were computed and compared using Bland-Altman analysis. In addition, Hausdorff distance and Dice Similarity Coefficient (DSC) were used for assessment.Results: Linear regression analysis yielded correlation of R2 = 0.381 for CSA and R2 = 0.879 for volume. When compared to the observer, the computer algorithm under-estimated CSA by 27.5 ± 40.0% and volume by 26.4 ± 10.4%. The average bidirectional Hausdorff distance was 26.2 ± 16.0 mm while the average unidirectional Hausdorff distances were 24.5 ± 15.7 mm and 12.4 ± 11.7 mm. The average DSC was 0.561 ± 0.100. The time required for manual tracing was 15.84 ± 3.73 min and the time required for the computer algorithm was 2.81 ± 0.12 min.Conclusions: This study provided a technique, faster and less tedious than manual tracing (p < 0.00001), for quantification of CAT in Dixon MRI data, demonstrating feasibility of this approach for cardiac risk stratification.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».