view in publisher's site

Fully automatic liver attenuation estimation combing CNN segmentation and morphological operations

Abstract Purpose Manually tracing regions of interest (ROIs) within the liver is the de facto standard method for measuring liver attenuation on computed tomography (CT) in diagnosing nonalcoholic fatty liver disease (NAFLD). However, manual tracing is resource intensive. To address these limitations and to expand the availability of a quantitative CT measure of hepatic steatosis, we propose the automatic liver attenuation ROI‐based measurement (ALARM) method for automated liver attenuation estimation. Methods The ALARM method consists of two major stages: (a) deep convolutional neural network (DCNN)‐based liver segmentation and (b) automated ROI extraction. First, liver segmentation was achieved using our previously developed SS‐Net. Then, a single central ROI (center‐ROI) and three circles ROI (periphery‐ROI) were computed based on liver segmentation and morphological operations. The ALARM method is available as an open source Docker container (https://github.com/MASILab/ALARM). Results Two hundred and forty‐six subjects with 738 abdomen CT scans from the African American‐Diabetes Heart Study (AA‐DHS) were used for external validation (testing), independent from the training and validation cohort (100 clinically acquired CT abdominal scans). From the correlation analyses, the proposed ALARM method achieved Pearson correlations = 0.94 with manual estimation on liver attenuation estimations. When evaluating the ALARM method for detection of nonalcoholic fatty liver disease (NAFLD) using the traditional cut point of < 40 HU, the center‐ROI achieved substantial agreements (Kappa = 0.79) with manual estimation, while the periphery‐ROI method achieved “excellent” agreement (Kappa = 0.88) with manual estimation. The automated ALARM method had reduced variability compared to manual measurements as indicated by a smaller standard deviation. Conclusions We propose a fully automated liver attenuation estimation method termed ALARM by combining DCNN and morphological operations, which achieved “excellent” agreement with manual estimation for fatty liver detection. The entire pipeline is implemented as a Docker container which enables users to achieve liver attenuation estimation in five minutes per CT exam.

تخمین عملکرد کاملا اتوماتیک کبد، بخش تقسیم‌بندی سی ان ان و عملیات ریخت‌شناسی را مورد بررسی قرار می‌دهد.

چکیده هدف دنبال کردن دستی مناطق مورد علاقه (rois)در کبد، روش استاندارد بالفعل برای اندازه‌گیری میرایی کبد بر روی پرتونگاری محاسبه‌شده (CT)در تشخیص بیماری چربی کبد (NAFLD)است. با این حال، ردیابی دستی بسیار زیاد است. برای پرداختن به این محدودیت‌ها و گسترش قابلیت دسترسی به یک معیار کمی سی تی در کبدی، ما پیشنهاد می‌کنیم که برای تخمین میرایی خودکار کبد، ارزیابی خودکار سقوط کبد (آلارم)کاهش یابد. روش‌ها روش زنگ خطر متشکل از دو مرحله مهم است: (الف)بخش‌بندی کبد (DCNN)- مبتنی بر کبد و (ب)استخراج ROI خودکار. اول، تقسیم‌بندی کبد با استفاده از SS که قبلا توسعه‌یافته بود به دست آمد. سپس، یک ROI مرکزی (مرکز - ROI)و سه دایره ROI (حاشیه‌ای - ROI)براساس تقسیم‌بندی کبد و عملیات مورفولوژیکی محاسبه شدند. روش آلارم به عنوان یک کانتینر متن‌باز متن‌باز (https://github.com/MASILab/ALARM).)موجود است. نتایج دویست و چهل و شش نفر با ۷۳۸ - تی اسکن شکم از مرکز مطالعات قلب آمریکا - دیابت (AA)برای اعتبار سنجی خارجی (تست)، مستقل از گروه آموزشی و اعتبار سنجی (۱۰۰ آزمایش بالینی - CT)استفاده شدند. از تجزیه و تحلیل همبستگی، روش هشدار پیشنهادی همبستگی پیرسون = ۰.۹۴ را با تخمین دستی برآورد افت کبد به دست آورد. در هنگام ارزیابی روش زنگ خطر برای تشخیص بیماری کبد چربی nonalcoholic (NAFLD)با استفاده از نقطه قطع سنتی of ۴۰، مرکز - ROI به توافقات اساسی (Kappa = ۰.۷۹)با برآورد دستی دست یافت، در حالی که روش حاشیه - ROI با تخمین دستی "عالی" به دست آورد. روش کنترل اتوماتیک، تغییرپذیری را در مقایسه با اندازه‌گیری دستی که با انحراف معیار کوچک‌تر نشان داده شد، کاهش داد. نتیجه‌گیری ما یک روش تخمین میرایی کبد کاملا اتوماتیک را پیشنهاد می‌کنیم که با ترکیب DCNN و عملیات مورفولوژیکی، که به توافق "عالی" با تخمین دستی برای تشخیص کبد چرب دست یافت، زنگ خطر را اعلام می‌کند. کل این خط لوله به عنوان یک کانتینر docker اجرا می‌شود که به کاربران امکان دستیابی به تخمین میرایی کبد را در پنج دقیقه در هر آزمون تی سی می‌دهد.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.