Abstract
Aim To compare assessments of epicardial adipose tissue (EAT) volumes obtained with a semi-automatic, physician-performed analysis and an automatic analysis using a machine-learning algorithm by data of low-dose (LDCT) and standard computed tomography (CT) of chest organs.Material and methods This analytical, retrospective, transversal study randomly included 100 patients from a database of a united radiological informational service (URIS). The patients underwent LDCT as a part of the project "Low-dose chest computed tomography as a screening method for detection of lung cancer and other diseases of chest organs" (n=50) and chest CT according to a standard protocol (n=50) in outpatient clinics of Moscow. Each image was read by two radiologists on a Syngo. via VB20 workstation. In addition, each image was evaluated with a developed machine-learning algorithm, which provides a completely automatic measurement of EAT.Results Comparison of EAT volumes obtained with chest LDCT and CT showed highly consistent results both for the expert-performed semi-automatic analyses (correlation coefficient >98 %) and between the expert layout and the machine-learning algorithm (correlation coefficient >95 %). Time of performing segmentation and volumetry on one image with the machine-learning algorithm was not longer than 40 sec, which was 30 times faster than the quantitative analysis performed by an expert and potentially facilitated quantification of the EAT volume in the clinical conditions.Conclusion The proposed method of automatic volumetry will expedite the analysis of EAT for predicting the risk of ischemic heart disease.
Highlights
Cравнить результаты оценки объемов эпикардиальной жировой ткани (ЭЖТ), полученные с помощью полуавтоматического, выполненного врачами, и автоматического анализов, с помощью алгоритма машинного обучения по данным низкодозной (НДКТ) и стандартной компьютерной томографии (КТ) органов грудной клетки
В том числе крупного многонационального рандомизированного исследования по атеросклерозу MESA (Multi-Ethnic Study of Atherosclerosis), объем ЭЖТ является независимым предиктором развития ишемической болезни сердца (ИБС) [5,6,7,8,9]
In: Interpretability of Machine Intelligence in Medical Image Computing and Multimodal Learning for Clinical Decision Support ETH Zurich, Suzuki K, Reyes M, Syeda-Mahmood T, Glocker B, Wiest R, et al, editors -Cham: Springer International Publishing;2020
Summary
Cравнить результаты оценки объемов эпикардиальной жировой ткани (ЭЖТ), полученные с помощью полуавтоматического, выполненного врачами, и автоматического анализов, с помощью алгоритма машинного обучения по данным низкодозной (НДКТ) и стандартной компьютерной томографии (КТ) органов грудной клетки. Каждое исследование было оценено с помощью разработанного алгоритма машинного обучения, позволяющего проводить оценку объема ЭЖТ полностью автоматически. При сравнении объемов ЭЖТ по данным НДКТ и КТ органов грудной клетки получена высокая сопоставимость результатов как по данным экспертного полуавтоматического анализа (коэффициент корреляции более 98 %), так и между экспертной разметкой и алгоритмом машинного обучения (коэффициент корреляции более 95 %). Волюметрия эпикардиальной жировой ткани: сравнение полуавтоматического измерения и алгоритма машинного обучения. Цель Цель исследования: сравнить результаты оценки объемов ЭЖТ, полученные с помощью полуавтоматического, выполненного врачами, и автоматического с помощью алгоритма машинного обучения анализов по данным НДКТ и стандартной КТ органов грудной клетки
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
