ct衍生的身体成分与深度学习预测心血管事件
根据ARRS的美国x光学杂志（学杂志)，腹部CT全自动归一化体成分分析有望增强传统心血管风险预测模型。
“来自腹部CT检查的全自动和标准化分析的内脏脂肪面积可以预测黑人和白人患者随后的心肌梗死或中风，独立于传统的体重指标，应该被认为是风险模型中BMI的辅助，”杜克大学医学院放射学系的第一作者Kirti Magudia博士写道。
马古迪亚博士及其同事的回顾性研究共有9,752名门诊患者(5,519名女性，4,233名男性;890人自称黑人，8862人自称白人;平均年龄53.2岁)，于2012年1 - 12月在布里格姆妇女医院或马萨诸塞州总医院进行常规腹部CT检查，检查后3个月内无重大心血管或肿瘤诊断。在L3椎体水平进行全自动深度学习身体成分分析，以确定三个身体成分区域:骨骼肌区域、内脏脂肪区域和皮下脂肪区域。随后的心肌梗死或中风通过电子健康记录．
最终，在年龄、性别和种族归一化后，常规CT显示的内脏脂肪面积与心肌梗死风险相关(HR 1.31 [1.03-1.67]， p=。中风(HR 1.46 [1.07-2.00]， p=。04 for overall effect) in multivariable models in Black and White patients; normalized weight, BMI, skeletal muscle area, and subcutaneous fat area were not.
注意到他们的大型研究证明了身体成分分析和年龄、性别和种族特异性参考价值的管道，以增加预后效用临床实践，我们预计全自动人体成分分析使用机器学习可以广泛应用于利用常规成像研究的潜在价值，”这篇论文的作者说学杂志文章总结道。
进一步探索
分析代码:github.com/CPBridge/ct_body_composition
