Feb, 2023

Comp2Comp: 开源计算机断层扫描身体成分评估

PDF
TL;DR本文介绍了一个基于 Python 的开源软件 Comp2Comp，用于从 CT 扫描中快速、自动分析测量人体的体成分数据，目前计算了腹部 CT 扫描的骨骼肌、内脏脂肪组织和皮下脂肪组织的身体成分数据，并提供了两个流程算法来计算 T12 - L5 椎体水平和用户指定的 2D 轴向切片。
发现论文，激发创造
  • 增强的 CT 图像肌肉和脂肪分割用于身体构成分析：一项比较研究

    通过比较我们的内部工具和 TotalSegmentator 的测量结果，研究表明我们的工具在测量皮下脂肪和肌肉方面表现优于 TotalSegmentator，并且在内脏脂肪的分割方面两种工具之间存在可靠的一致性。这些结果显示了我们的工具在提高人体组成分析的准确性方面的潜力。

    Jan, 2024

  • 纵向单层腹部计算机断层扫描调和的深度条件生成模型

    通过使用 C-SliceGen 生成预定义的椎体水平切片，从而解决了不同年份获取的切片之间的位置变化导致不同器官 / 组织被捕捉到的问题，并通过评估我们的方法在多个数据集上的能力，证实了我们的方法在减少体腔脂肪面积方面可以协调纵向位置方差，为单片纵向分析提供了一个有希望的方向。

    Sep, 2023

  • AutoCT：CT 自动配准、分割和量化

    AutoCT 是一个综合的流水线系统，用于自动预处理、配准、分割和量化分析三维 CT 扫描图像，并通过有效的正向和逆向映射利用差异变形转化实现基于图谱的 CT 分割和量化，从变形场中提取定位特征，从而实施下游的统计学习以促进医疗诊断。AutoCT 是一个轻巧便携的软件平台，为 CT 成像领域提供了一个新的工具集，支持人工智能驱动应用的部署。

    Oct, 2023

  • XCAT-2.0: CT 扫描衍生的个性化数字模型综合库

    通过深度学习分割模型和自动器官分割控制的三种形式，释放出 2500 多个计算幻影，形成了一种精细解剖建模的复杂方法，有望推进虚拟成像试验，促进医学成像技术的全面可靠评估。

    May, 2024

  • 多器官分割的形状感知补充任务学习

    本研究旨在基于器官特异性形态先验学习的角度来解决全身 CT 扫描中的多器官分割问题，提出了两项互补任务 —— 距离图回归和轮廓图检测 —— 以明确编码每个器官的几何特性，并在公共数据集上评估所提出的解决方案，对比实验结果表明，互补任务学习的加入在 Dice 评分方面达到了显著改进.

    Aug, 2019

  • MSKdeX：从 X 光图像中进行肌肉骨骼分解，精细估计瘦体肌肉量和肌肉体积

    提出了一种被称为 MSKdeX 的算法，可以通过肌肉骨骼分解库，将 X 射线图像分解为肌肉 CT 图像的投影并估算肌肉性质参数，该方法在 539 个患者的数据集上测试表现良好（平均皮尔森相关系数从 0.46 提高到 0.863），对于肌肉骨骼疾病的诊断有很大的应用前景。

    May, 2023

  • 2DeteCT -- 一份用于机器学习的大型二维可扩展、可训练、实验性计算机断层扫描数据集

    提供一个适用于开发机器学习技术的、用于 X 射线计算机体层扫描的二维测角 CT 数据集，通过高分辨率的光线，扫描了具有形状和密度自然变异的样本共计​​5000 个切片，并提供原始投影数据、参考重建和基于开源数据处理管道的分段。

    Jun, 2023

  • 使用图神经网络进行表面网格的体脂估算

    使用图神经网络可以准确预测腹部内脏脂肪组织和腹部皮下脂肪组织的体积，相较于最先进的卷积神经网络，减少了训练时间和所需资源，也可以应用于廉价且易于获取的医学表面扫描替代昂贵的医学图像。

    Jul, 2023

  • 学习将骨分段计算机断层投影分解为普通 X 射线图像中的骨密度估计

    本文提出了一种有效的骨密度估计方法，通过对限定数据集进行骨分割 QCT 的分解投影学习，实现了高准确性的骨密度估计，适用于机会性筛查和早期诊断。

    Jul, 2023

  • AATCT-IDS: 一种用于图像去噪、语义分割和放射学评估的腹部脂肪 CT 图像数据集

    AATTCT-IDS 是一个包含 300 个被试者的 Benchmark 腹部脂肪 CT 图像数据集，通过对 13,732 个原始 CT 切片进行标注，验证了去噪方法、训练语义分割模型和研究影像组学等，该数据集在以上三种任务中验证了研究潜力。

    Aug, 2023