Comparative study of deep learning segmentation models for body composition analysis in CT scans

Abstract

"El análisis de la composición corporal es un conjunto de pruebas que miden la proporción de diversos tejidos en el cuerpo de una persona, aunque existen varias pruebas físicas y clínicas para realizar este tipo de análisis, se han desarrollado herramientas más fiables utilizando métodos de aprendizaje profundo como la arquitectura U-Net. En este estudio, nuestro objetivo es comparar el mejor método para el análisis de la composición corporal entre un conjunto de métodos de aprendizaje profundo basados en la arquitectura U-Net original: U-Net, R2U-Net, Attention U-Net y Attention R2U-Net. Estos métodos fueron entrenados en un conjunto de datos de tomografías computarizadas, que consiste en 516 imágenes con sus correspondientes anotaciones para tres tejidos diferentes: grasa visceral, grasa subcutánea y músculos paravertebrales. Tomando el Dice score como la métrica de evaluación, obtuvimos que el modelo U-Net era el más preciso en términos de segmentación general de la composición corporal.." -- Tomado del Formato de Documento de Grado.

"Body composition analysis is a set of tests that measure the proportion of various tissues of a person's body, although there are various physical and clinical tests to perform this type of analysis, more reliable tools are been develop using deep learning methods such as the U-Net architecture. In this study, our goal is to compare the best method for body composition analysis among a set of deep learning methods based on the original U-Net Architecture: U-Net, R2U-Net, Attention U-Net, and Attention R2U-Net. These methods were trained on a dataset of CT scans, which consists of 516 images with their corresponding annotations for three diferent tissues: visceral fat, subcutaneous fat and paravertebral muscles. Taking the Dice score as the evaluation metric, we obtained that the U-Net model was the most accurate in terms of overall body composition segmentation..." -- Tomado del Formato de Documento de Grado.