Análise de composição corporal em tomografia computadorizada abdominal utilizando inteligência artificial (2024)
- Authors:
- Autor USP: TANNO FILHO, CARLOS MIKIO - FMRP
- Unidade: FMRP
- DOI: 10.11606/D.17.2024.tde-29072024-153022
- Subjects: GORDURAS; COMPOSIÇÃO CORPORAL; INTELIGÊNCIA ARTIFICIAL; MÚSCULO ABDOMINAL OBLÍQUO EXTERNO
- Keywords: Abdmonial muscle; Abdominal fat; Artificial intelligence; Body composition; Composição corporal; Gordura abdominal; Inteligência artificial; Musculatura abdominal
- Agências de fomento:
- Language: Português
- Abstract: Introdução: a medida da composição corporal através de exames de imagem tem sido objeto de estudo na comunidade científica para avaliação de desfechos clínicos. Uma das maneiras utilizadas é a segmentação dos tecidos abdominais, principalmente gordura (visceral e subcutânea) e estruturas musculoesqueléticas, porém não é realizada de maneira rotineira, sendo uma atividade laboriosa, sujeita a medidas subjetivas com variância intra e interobservador. O avanço da inteligência artificial com modelos de aprendizado profundo ("deep learning") se apresenta como uma alternativa mais eficiente e menos trabalhosa. Objetivo: desenvolver uma ferramenta automatizada para segmentação tecidual abdominal em exames de tomografia computadorizada ao nível de referência pré-estabelecido, com modelos de inteligência artificial. Materiais e métodos: foram analisadas retrospectivamente exames de tomografia computadorizada abdominal de 547 pacientes em estadiamento de neoplasia de mama. Foi desenvolvida uma ferramenta baseada em redes neurais convolucionais capaz de, primeiramente, selecionar o nível de corte seguindo como referência o meio do corpo vertebral de L3, para então ser submetido a um modelo U-Net de segmentação tecidual automática para obtenção das áreas de secção de gordura visceral, gordura subcutânea e musculatura, incluindo o coeficiente de atenuação da área de secção da musculatura. Resultados: não houve diferença estatisticamente significativa para seleção do corte ao nível de L3 entre o método manual e a ferramenta desenvolvida. O modelo utilizando U-Net também mostrou alta precisão na segmentação de tecido muscular e adiposo. Conclusão: o algoritmo desenvolvido foi efetivo para segmentação tecidual em exames de tomografia computadorizada de abdome, de forma automatizada e com maior praticidade. Isso pode facilitar a utilização desse métodopara análise de composição corporal automatizada e sua relação com desfechos clínicos
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2024
- Data da defesa: 16.05.2024
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
TANNO FILHO, Carlos Mikio. Análise de composição corporal em tomografia computadorizada abdominal utilizando inteligência artificial. 2024. Mestrado Profissionalizante – Universidade de São Paulo, Ribeirão Preto, 2024. Disponível em: https://teses.usp.br/teses/disponiveis/17/17158/tde-29072024-153022/. Acesso em: 14 abr. 2026. -
APA
Tanno Filho, C. M. (2024). Análise de composição corporal em tomografia computadorizada abdominal utilizando inteligência artificial (Mestrado Profissionalizante). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://teses.usp.br/teses/disponiveis/17/17158/tde-29072024-153022/ -
NLM
Tanno Filho CM. Análise de composição corporal em tomografia computadorizada abdominal utilizando inteligência artificial [Internet]. 2024 ;[citado 2026 abr. 14 ] Available from: https://teses.usp.br/teses/disponiveis/17/17158/tde-29072024-153022/ -
Vancouver
Tanno Filho CM. Análise de composição corporal em tomografia computadorizada abdominal utilizando inteligência artificial [Internet]. 2024 ;[citado 2026 abr. 14 ] Available from: https://teses.usp.br/teses/disponiveis/17/17158/tde-29072024-153022/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
