Making Every CT Count: Automated Body Composition Analysis for Clinical Use in COPD and Beyond
Notice bibliographique
Résumé
Background: Muscle loss in COPD worsens prognosis and increases morbidity and hospitalizations. While diagnostic CT scans contain valuable unused body composition (BC) data, current assessment methods are time-consuming and impractical for routine use, highlighting the need for automated solutions. Aim: To evaluate the agreement between a fully automated and an expert-driven semi-automated segmentation method for BC analysis in thoracic and abdominal CT scans. Methods: CT images from trauma patients without chronic disease were retrospectively analyzed. One axial slice per vertebral level (T2–L5) was segmented using a semi-automated method with manual corrections (viking Slice) and a fully automated method (DAFS Express). HU thresholds, based on Alberta protocol, muscle(MUS), visceral(VAT), intermuscular(IMAT) and subcutaneous fat (SAT). VAT from T2–T10 was excluded due to the lack of manual segmentation. Dice scores assessed agreement between methods. Results: 21patients (11 males; median age 29 years) were included, with 332 images analyzed. DAFS processed images: average of 18 seconds/ image (total 1 hour 37 minutes) compared to 1–9 minutes/image for manual segmentation. erj;66/suppl_69/PA977/TB1 T1 TB1 Table 1 Mean Dice score (95% confidence interval) Number of images R1 vs R2 DAFS vs R1 DAFS vs R2 MUS 335 .958 (CI .957; .960) .943 (CI 940; .946) .943 (CI .940; .946) VAT 144 .972 (CI.961; .982) .960 (CI .947; .974) .965 (CI .956; .974) SAT 335 .992 (CI .990; .993) .926 (CI .922; .931) .922 (CI .917; .928) Conclusion: The automated method showed excellent agreement with the semi-automated method, supporting its use as a rapid reproducible tool for BC analysis to aid early muscle loss detection in COPD and other diseases
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,009 |
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 ».