Evaluation of a fully automated computed tomography image segmentation method for fast and accurate body composition measurements
Notice bibliographique
Résumé
INTRODUCTION: Body composition evaluation can be used to assess patients' nutritional status to predict clinical outcomes. To facilitate reliable and time-efficient body composition measurements eligible for clinical practice, fully automated computed tomography segmentation methods were developed. The aim of this study was to evaluate automated segmentation by Data Analysis Facilitation Suite in an independent dataset. MATERIALS AND METHODS: Preoperative computed tomography images were used of 165 patients undergoing cytoreductive surgery with hyperthermic intraperitoneal chemotherapy from 2014 to 2019. Manual and automated measurements of skeletal muscle mass (SMM), visceral adipose tissue (VAT), subcutaneous adipose tissue (SAT), and intramuscular adipose tissue (IMAT) were performed at the third lumbar vertebra. Segmentation accuracy of automated measurements was assessed using the Jaccard index and intra-class correlation coefficients. RESULTS: Automatic segmentation provided accurate measurements compared to manual analysis, resulting in Jaccard score coefficients of 94.9 for SMM, 98.4 for VAT, 99.1 for SAT, and 79.4 for IMAT. Intra-class correlation coefficients ranged from 0.98 to 1.00. Automated measurements on average overestimated SMM and SAT areas compared to manual analysis, with mean differences (±2 standard deviations) of 1.10 (-1.91 to 4.11) and 1.61 (-2.26 to 5.48) respectively. For VAT and IMAT, automated measurements on average underestimated the areas with mean differences of -1.24 (-3.35 to 0.87) and -0.93 (-5.20 to 3.35), respectively. CONCLUSIONS: Commercially available Data Analysis Facilitation Suite provides similar results compared to manual measurements of body composition at the level of third lumbar vertebra. This software provides accurate and time-efficient body composition measurements, which is necessary for implementation in clinical practice.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».