ntvНаучно-технический вестник информационных технологий, механики и оптикиScientific and Technical Journal of Information Technologies, Mechanics and Optics2226-14942500-0373Университет ИТМО10.17586/2226-1494-2024-24-4-661-664ntv-372Research ArticleКРАТКИЕ СООБЩЕНИЯBRIEF PAPERSМетод сегментации мышечной ткани на снимках компьютерной томографии на базе предобработанных трехканальных изображенийMethod of muscle tissue segmentation in computed tomography images based on preprocessed three-channel imageshttps://orcid.org/0000-0001-8612-3850ТепляковаА. Р.TeplyakovaA. R.

Теплякова Анастасия Романовна — преподаватель, аспирант

Обнинск, 249039

Anastasia R. Teplyakova — PhD Student, Lecturer

Obninsk, 249039

anastasija-t23@mail.ruhttps://orcid.org/0009-0000-2324-5893ШершневР. В.ShershnevR. V.

Шершнев Роман Владимирович — старший преподаватель

Обнинск, 249039

Roman V. Shershnev — Senior Lecturer

Obninsk, 249039

rvshershnev@yandex.ruhttps://orcid.org/0000-0002-0420-7856СтарковС. О.StarkovS. O.

Старков Сергей Олегович — доктор физико-математическихнаук, старший научный сотрудник, профессор

Обнинск, 249039

Sergey O. Starkov — D.Sc. (Physics & Mathematics), Senior Researcher, Professor

Obninsk, 249039

sergeystarkov56@mail.ruОбнинский институт атомной энергетики — филиал федерального государственного автономного образовательного учреждения высшего образования «Национальный исследовательский ядерный университет «МИФИ» (ИАТЭ НИЯУ МИФИ)РоссияObninsk Institute for Nuclear Power EngineeringRussian Federation202411122024244661664Copyright © Теплякова А.Р., Шершнев Р.В., Старков С.О., 20242024Теплякова А.Р., Шершнев Р.В., Старков С.О.Teplyakova A.R., Shershnev R.V., Starkov S.O.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://ntv.elpub.ru/jour/article/view/372

Представлены результаты исследования влияния метода предобработки, основанного на формировании трехканальных изображений, на точность моделей сегментации мышечной ткани на срезах компьютерной томографии, соответствующих уровням позвонков грудного и поясничного отделов позвоночника. На данных масштабного набора Sparsely Annotated Region and Organ Segmentation обучено и протестировано 10 моделей. Получены значения коэффициента схожести Дайса и пересечения над объединением в диапазонах 0,9339–0,9421 и 0,8737–0,8885. Применение трехканального подхода к формированию входных данных повысило точность моделей четырех архитектур из пяти рассмотренных. Обученные модели могут применяться для быстрой и точной разметки мышечной ткани в процессе диагностики.

The results of a study of a preprocessing influence method based on the formation of three-channel images on the accuracy of muscle tissue segmentation models on the computed tomography scans corresponding to the levels of the vertebrae of the thoracic and lumbar spine are presented. Ten models have been trained and tested on the Sparsely Annotated Region and Organ Segmentation dataset. The values of the Dice similarity coefficient and the Intersection over Union in the ranges of 0.9353–0.9421 and 0.8737–0.8885 were obtained. The use of a three-channel approach to the formation of input data increased the accuracy of models of four of the five architectures considered. Trained models can be used to quickly and accurately annotate muscle tissue during the diagnostic process.

компьютерное зрениесегментациякомпьютерная томографиямышечная тканьдиагностикаU-Netcomputer visionsegmentationcomputed tomographymuscle tissuediagnosticsU-NetReferencesТеплякова А.Р., Шершнев Р.В., Старков С.О., Агабабян Т.А., Кукарская В.А. Сегментация мышечной ткани на снимках компьютерной томографии на уровне позвонка L3 // Научнотехнический вестник информационных технологий, механики и оптики. 2024. Т. 24. № 1. С. 124–132. https://doi.org/10.17586/22261494-2024-24-1-124-132Teplyakova A.R., Shershnev R.V., Starkov S.O., Agababian T.A., Kukarskaya V.A. Segmentation of muscle tissue in computed tomography images at the level of the L3 vertebra. Scientific and Technical Journal of Information Technologies, Mechanics and Optics, 2024, vol. 24, no. 1, pp. 124–132. (in Russian). https://doi.org/10.17586/2226-1494-2024-24-1-124-132Van den Broeck J., Sealy M.J., Brussaard C., Kooijman J., JagerWittenaar H., Scafoglieri A. The correlation of muscle quantity and quality between all vertebra levels and level L3, measured with CT: An exploratory study // Frontiers in Nutrition. 2023. V. 10. P. 1148809. https://doi.org/10.3389/fnut.2023.1148809Van den Broeck J., Sealy M.J., Brussaard C., Kooijman J., Jager- Wittenaar H., Scafoglieri A. The correlation of muscle quantity and quality between all vertebra levels and level L3, measured with CT: An exploratory study. Frontiers in Nutrition, 2023, vol. 10, pp. 1148809. https://doi.org/10.3389/fnut.2023.1148809Arayne A.A., Gartrell R., Qiao J., Baird P.N., Yeung J.M. Comparison of CT derived body composition at the thoracic T4 and T12 with lumbar L3 vertebral levels and their utility in patients with rectal cancer // BMC Cancer. 2023. V. 23. N 1. P. 56. https://doi.org/10.1186/s12885-023-10522-0Arayne A.A., Gartrell R., Qiao J., Baird P.N., Yeung J.M. Comparison of CT derived body composition at the thoracic T4 and T12 with lumbar L3 vertebral levels and their utility in patients with rectal cancer. BMC Cancer, 2023, vol. 23, no. 1, pp. 56. https://doi.org/10.1186/s12885-023-10522-0Molwitz I., Ozga A.K., Gerdes L., Ungerer A., Köhler D., Ristow I., Leiderer M., Adam G., Yamamura J. Prediction of abdominal CT body composition parameters by thoracic measurements as a new approach to detect sarcopenia in a COVID-19 cohort // Scientific Reports. 2022. V. 12. N 1. P. 6443. https://doi.org/10.1038/s41598022-10266-0Molwitz I., Ozga A.K., Gerdes L., Ungerer A., Köhler D., Ristow I., Leiderer M., Adam G., Yamamura J. Prediction of abdominal CT body composition parameters by thoracic measurements as a new approach to detect sarcopenia in a COVID-19 cohort. Scientific Reports, 2022, vol. 12, no. 1, pp. 6443. https://doi.org/10.1038/s41598-022-10266-0Vangelov B., Bauer J., Kotevski D., Smee R.I. The use of alternate vertebral levels to L3 in computed tomography scans for skeletal muscle mass evaluation and sarcopenia assessment in patients with cancer: a systematic review // British Journal of Nutrition. 2022. V. 127. N 5. P. 722–735. https://doi.org/10.1017/S0007114521001446Vangelov B., Bauer J., Kotevski D., Smee R.I. The use of alternate vertebral levels to L3 in computed tomography scans for skeletal muscle mass evaluation and sarcopenia assessment in patients with cancer: a systematic review. British Journal of Nutrition, 2022, vol. 127, no. 5, pp. 722–735. https://doi.org/10.1017/S0007114521001446Clark K., Vendt B., Smith K., Freymann J., Kirby J., Koppel P., Moore S., Phillips S., Maffitt D., Pringle M., Tarbox L., Prior F. The Cancer Imaging Archive (TCIA): maintaining and operating a public information repository // Journal of Digital Imaging. 2013. V. 26. N 6. P. 1045–1057. https://doi.org/10.1007/s10278-013-9622-7Clark K., Vendt B., Smith K., Freymann J., Kirby J., Koppel P., Moore S., Phillips S., Maffitt D., Pringle M., Tarbox L., Prior F. The Cancer Imaging Archive (TCIA): maintaining and operating a public information repository. Journal of Digital Imaging, 2013, vol. 26, no. 6, pp. 1045–1057. https://doi.org/10.1007/s10278-013-9622-7Koitka S., Baldini G., Kroll L., van Landeghem N., Pollok O.B., Haubold J., Pelka O., Kim M., Kleesiek J., Nensa F., Hosch R. SAROS: A dataset for whole-body region and organ segmentation in CT imaging // Scientific Data. 2024. V. 11. N 1. P. 483. https://doi.org/10.1038/s41597-024-03337-6Koitka S., Baldini G., Kroll L., van Landeghem N., Pollok O.B., Haubold J., Pelka O., Kim M., Kleesiek J., Nensa F., Hosch R. SAROS: A dataset for whole-body region and organ segmentation in CT imaging. Scientific Data, 2024, vol. 11, no. 1, pp. 483. https://doi.org/10.1038/s41597-024-03337-6Hou B., Mathai T.S., Liu J., Parnell C., Summers R.M. Enhanced muscle and fat segmentation for CT-based body composition analysis: a comparative study // International Journal of Computer Assisted Radiology and Surgery. 2024. in press. https://doi.org/10.1007/s11548-024-03167-2Hou B., Mathai T.S., Liu J., Parnell C., Summers R.M. Enhanced muscle and fat segmentation for CT-based body composition analysis: a comparative study. International Journal of Computer Assisted Radiology and Surgery, 2024, in press. https://doi.org/10.1007/s11548-024-03167-2Теплякова А.Р., Шершнев Р.В. Программа для обучения моделей сегментации мышечной ткани по снимкам компьютерной томографии: Свидетельство о государственной регистрации программы для ЭВМ RU2024612322. 31.01.2024. Бюл. № 2.Teplyakova A.R., Shershnev R.V. Program for training muscle tissue segmentation models from computed tomography images. Certificate of state registration of a computer program RU2024612322, 31.01.2024. (in Russian)

The authors declare that there are no conflicts of interest present.