림프부종에서는 전염증성 사이토카인 매개의 진행성 연쇄반응이 항상 발생하여 거시적 섬유화로 이어진다. 그러나 섬유화가 악화되기 이전에 림프부종으로 인한 섬유화를 실제적으로 측정할 수 있는 방법은 현재까지 없다. 기술적으로 CT는 피상 및 심부 위치에서의 섬유화를 시각화할 수 있다. 표준화된 측정을 위해, 딥러닝(DL) 기반 인식의 검증을 수행하였다. 단면적, 관찰 코호트 시험을 실시하였다. CT 영상에서 흡수 값의 창 폭을 좁힌 후, 각 픽셀을 5개 클래스(공기, 피부, 근육/물, 지방, 섬유화)로 분류하는 SegNet 기반 의미론적 분할 모델을 훈련(65%), 검증(15%), 테스트(20%)하였다. 이후 4개의 지표를 산출하고 표준화 둘레 차이 비율(SCDR) 및 생체전기저항(BEI) 결과와 비교하였다. 총 27명의 만성 편측 림프부종 환자에서 2138장의 CT 영상을 분석하였다. 섬유화 분할과 관련하여, 평균 경계 F1 점수와 정확도는 각각 0.868 및 0.776이었다. 4개 지표의 19개 하위 지표 중 73.7%는 BEI와 상관되었으며(부분 상관계수: 0.420–0.875), 13.2%는 SCDR과 상관되었다(0.406–0.460). 지표 2[Formula: see text]의 평균 하위 지표가 가장 높은 상관을 보였다. DL은 CT 영상 기반의 림프부종 유발 섬유화 인식에 대한 잠재적 응용 가능성을 지닌다. 뺄셈형(subtraction-type) 공식은 가장 유망한 추정 방법일 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.