Применение глубокого обучения для автоматического количественного измерения жевательных мышц и мышц языка у пациентов с деменцией: кросс-секционное исследование

Введение

Саркопения (потеря мышечной массы и силы) повышает риск неблагоприятных исходов и способствует когнитивному снижению у пожилых людей. Точные методы количественной оценки мышечной массы и прогнозирования неблагоприятных исходов, особенно у пациентов с деменцией, до сих пор недостаточно разработаны.

Цель

Основная цель исследования — оценить возможность использования методов глубокого обучения для сегментации и количественной оценки мышечных тканей на МРТ-изображениях головы у пациентов с нейрокогнитивными расстройствами. Исследование направлено на разработку автоматизированных методов для выявления саркопении у данной категории пациентов.

Методы

В кросс-секционном анализе с участием 53 пациентов использовались 7 моделей глубокого обучения на основе U-Net для сегментации 5 различных тканей на МРТ-изображениях головы. Основными методами оценки точности были коэффициент сходства Dice (DSC) и среднее симметричное поверхностное расстояние (ASSD). Также анализировалась взаимосвязь между ИМТ и объемами мышц и жировой ткани.

Результаты

Предложенный метод точно количественно оценил жевательные мышцы (массетеры) и подкожную жировую клетчатку с обеих сторон головы, а также мышцы языка (средний DSC 92,4%). Обнаружена значимая корреляция между площадью и объемом мышц языка, левых массетеров и ИМТ.

Выводы

Исследование демонстрирует успешное применение модели глубокого обучения для количественной оценки мышечных объемов на МРТ головы у пациентов с нейрокогнитивными расстройствами. Это важный шаг в разработке клинически применимых методов искусственного интеллекта для прогнозирования неблагоприятных исходов у данной группы пациентов.

Термины и сокращения

• Саркопения (Sarcopenia) — возрастное снижение мышечной массы и силы.
• U-Net — архитектура сверточной нейронной сети для сегментации изображений.
• Dice similarity coefficient (DSC) — метрика оценки качества сегментации, отражающая степень совпадения предсказанных и истинных областей.
• Average symmetric surface distance (ASSD) — среднее расстояние между поверхностями сегментированных областей.
• ИМТ (BMI) — индекс массы тела.
• МРТ (MRI) — магнитно-резонансная томография.