Waiting
Traitement de la connexion…

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Medicine
Click here for the English version

Medicine

Segmentação e Medição Linear para Análise de Composição Corporal usando Slice-O-Matic e Horos

Published: March 21, 2021 doi: 10.3791/61674
Automatic Translation
1, 1, 1, 1, 1, 1, 1, 2, 3, 4, 5, 1, 1
1Department of Urology, Emory University School of Medicine, 2Northeast Ohio Medical University, 3Department of Urology, University of Alabama at Birmingham, 4Department of Medical Oncology, Winship Cancer Institute of Emory University, 5Department of Urology, University of Washington

Summary

Segmentação e medições lineares quantificam a massa muscular esquelética e os tecidos adiposos usando imagens de tomografia computadorizada e/ou ressonância magnética. Aqui, descrevemos o uso do software Slice-O-Matic e do visualizador de imagens Horos para análise rápida e precisa da composição corporal. Esses métodos podem fornecer informações importantes para prognóstico e estratificação de risco.

Abstract

A composição corporal está associada ao risco de progressão da doença e complicações do tratamento em uma variedade de condições. Portanto, a quantificação da massa muscular esquelética e dos tecidos adiposos em Tomografia Computadorizada (TC) e/ou Ressonância Magnética (RM) pode informar a avaliação de risco da cirurgia e o prognóstico da doença. Este artigo descreve dois métodos de quantificação originalmente descritos por Mourtzakis et al. e Avrutin et al.: segmentação tecidual e medição linear do músculo esquelético. A imagem transversal dos pacientes no ponto médio da terceira vértebra lombar foi obtida para ambas as medidas. Para segmentação, as imagens foram importadas em Slice-O-Matic e coloridas para músculo esquelético, tecido adiposo intramuscular, tecido adiposo visceral e tecido adiposo subcutâneo. Em seguida, foram calculadas áreas superficiais de cada tipo de tecido utilizando-se a função da área da superfície da etiqueta. Para medidas lineares, a altura e largura dos músculos bilaterais e paraspinais ao nível da terceira vértebra lombar são medidos e o cálculo utilizando esses quatro valores produz a massa muscular esquelética estimada. A análise de segmentação fornece informações quantitativas e abrangentes sobre a composição corporal dos pacientes, que podem então estar correlacionadas com a progressão da doença. No entanto, o processo é mais demorado e requer treinamento especializado. As medidas lineares são uma ferramenta eficiente e amigável à clínica para uma rápida avaliação pré-operatória. No entanto, as medidas lineares não fornecem informações sobre a composição do tecido adiposo. No entanto, esses métodos possuem amplas aplicações em uma variedade de doenças para prever desfechos cirúrgicos, risco de progressão da doença e informar opções de tratamento para os pacientes.

Introduction

A avaliação da sarcopenia e da composição corporal é atualmente de grande interesse clínico. Embora definições específicas de sarcopenia variem dependendo da configuração e contexto, todas as definições incluem perda significativa de massa muscular esquelética ou força muscular, que estão intimamente correlacionadas1,2,3. A análise da composição corporal incorpora medidas de massa muscular esquelética e distribuição de tecido adiposo, fornecendo informações mais abrangentes sobre o condicionamento geral dos pacientes1,3,4. Da mesma forma, o tecido adiposo distribuído desproporcionalmente, especialmente o tecido adiposo visceral, tem sido encontrado relacionado a várias doenças, incluindo doença cardíaca, diabetes tipo II e câncer5.

Clinicamente, a sarcopenia e sua avaliação por medições lineares têm se mostrado repetidamente um forte fator prognóstico para a sobrevivência específica do câncer em malignidades e desfechos oncológicos após cirurgia, radioterapia e quimioterapia1,2,4,6,7,8. Em particular, pesquisas anteriores demonstram que pacientes com sarcopenia diminuíram a sobrevida específica do câncer e a sobrevida geral1,2,9,10. Portanto, a avaliação clínica precisa e rápida da progressão da sarcopenia é importante na determinação da eleição do tratamento. O perfil convencional de composição do corpo inteiro requer análise em nível tridimensional (3D) utilizando técnicas de imagem, incluindo Tomografia Computadorizada (TC), Ressonância Magnética (RM), Densitometria Óssea (DEXA) e Análise de Impedância Bioelétrica (BIA), que são demoradas, caras e requerem treinamento extensivo5,11. Outra desvantagem é a falta de informação sobre a distribuição adiposa, especialmente para a plethysmografia de deslocamento do ar (ADP) e DEXA12. Portanto, a avaliação e determinação da sarcopenia e da composição corporal com o uso de modalidades convencionais de imagem transversal, como tomografia ou ressonância magnética, que são utilizadas como parte da prática clínica padrão de cuidado, tem grande valor clínico5.

Um software de segmentação comumente usado na configuração de pesquisa clínica é o programa Slice-O-Matic desenvolvido pela TomoVision. Utilizando o procedimento de segmentação Mourtzakis et al.13, o programa permite que pesquisadores ou clínicos marquem semi-automaticamente vários tipos de tecidos, como músculo esquelético (SM), tecido adiposo intramuscular (IMAT), tecido adiposo visceral (IVA) e tecido adiposo subcutâneo (SAT) utilizando limiares baseados em densidade, permitindo a medição das áreas transversais globais de cada tecido. Essas medidas são então usadas para estimar a massa muscular e adiposidade do corpo, muitas vezes após a normalização pela altura do paciente ao quadrado, para identificar sarcopenia e obesidade sarcopenica por limiares de base populacional.

Um método recente desenvolvido por Avrutin et al.14 utilizando medidas lineares do músculo esquelético desenvolvido mostrou o potencial de ser igualmente confiável na estimativa da massa muscular total usando imagens de ressonância magnética e tomografia da seção transversal L314,15. Os grupos de psoas e músculos paraspinais compreendem grande parte da superfície muscular da região L3 e possuem alta funcionalidade, sugerindo que podem ser preditores de alta fidelidade da força muscular geral, e, portanto, os principais candidatos da medição linear14,15. Para calcular a área da superfície muscular, as medidas horizontais e verticais dos psoas e dos grupos musculares paraspinais são obtidas utilizando uma ferramenta de régua para desenhar linhas retas interseccionais de 90°. As medidas horizontais e verticais de cada grupo muscular são multiplicadas para estimar a área superficial de cada grupo muscular, que é então usada para calcular um índice muscular linear quando dividido pela altura do paciente. Com o mínimo de treinamento, todo esse processo pode levar menos de 1 min.

Dadas as potenciais implicações das medidas de composição corporal no atendimento ao paciente, há uma necessidade urgente de criação de materiais de treinamento acessíveis. Neste artigo, fornecemos uma descrição detalhada de dois métodos desenvolvidos por Avrutin et al.14 e Mourtzakis et al.13 para quantificar a massa muscular esquelética e a composição corporal, respectivamente, para provedores e pesquisadores clínicos.

Protocol

Os seguintes estudos e protocolos foram revisados e aprovados pelo Conselho de Revisão Institucional da Universidade emory.

1. Segmentação L3 CT

  1. Obtenha a imagem axial CT Digital Imaging and Communications in Medicine (DICOM).
    1. No visualizador de imagem, identifique a vértebra L3.
      1. Se possível, selecione duas visualizações horizontais da janela e selecione a visão coronal ou sagital à esquerda para referência e vista axial à direita.
      2. Clique em Cross Link para vincular as janelas esquerda e direita.
      3. Role as imagens da direção craniana para a caudal. Identifique a vértebra L1, que é a primeira vértebra sem fixação da costela.
      4. Conte de L1 a L3 e use a visão coronal ou sagital para identificar a fatia do meio de L3. Isso é identificado como o ponto em que ambos os processos transversais são capazes de ser maximamente e igualmente visualizados.
      5. Selecione a fatia L3. Na guia Exame, selecione Enviar exame e salvar a imagem como um arquivo DICOM.
        NOTA: O passo 1 é uma etapa de pré-processamento e está listado aqui para demonstrar como obter uma imagem L3. Se o pesquisador já tem uma imagem L3, pode ir para o passo 2. Se o visualizador de imagem não permitir o cruzamento, o pesquisador pode pular 1.1.1 para 1.1.2. Se a imagem não incluir a região torácica, identifique L5, que é anterior ao sacro, e conte de L5 a L3, tendo em mente que a presença de uma sexta vértebra lombar é uma variante normal.
  2. Abra a imagem DICOM com o Software Slice-O-Matic.
  3. Arraste o arquivo DICOM para qualquer lugar na janela Slice-O-Matic.
  4. Selecionar modos | Região Crescendo para iniciar a segmentação.
    1. Se a versão do Slice-O-Matic tiver opções de Protocolo Alberta no topo da lista de opções de modos, então também pode-se selecionar a Etapa 3: Segmentação para iniciar a segmentação. Se usar a Etapa 3: Segmentação,complete a etapa 5 e, em seguida, prossiga para a etapa 11.
  5. Selecionar ferramentas | Tag Lock. Isso permitirá que o usuário "bloqueie" cores marcadas para garantir que eles não sejam acidentalmente coloridos ou apagados mais tarde.
  6. Identificação do músculo esquelético: Clique em 1 (Vermelho) sob a área de crescimento da região no lado esquerdo da tela.
    1. Clique no botão Desativar pelo Limite Inferior para ligá-lo . Clique nas setas por Roda do Mouse para definir Desabilitado ao Limite Inferior. Arraste o controle deslizante no Limite Inferior para definir o limiar da Unidade Hounsfield (HU) o mais próximo possível de -29, em seguida, use a roda do mouse para definir o limiar HU exatamente para -2913.
    2. Clique no botão Desativar pelo Limite Superior para ligá-lo . Clique nas setas por Roda do Mouse para definir Limite Inferior ao Limite Superior. Arraste o controle deslizante no Limite Superior para definir o limiar de HU o mais próximo possível de 150, em seguida, use a roda do mouse para definir o limiar HU exatamente para 15013.
  7. Identificação do tecido adiposo intramuscular (IMAT): Clique em 2 (Verde) sob a área de crescimento da região no lado esquerdo da tela.
    1. Clique no botão Desativar pelo Limite Inferior para ligá-lo . Clique nas setas por Roda do Mouse para definir Desabilitado ao Limite Inferior. Arraste o controle deslizante no Limite Inferior para definir o limiar de HU o mais próximo possível de -190, em seguida, use a roda do mouse para definir o limiar HU exatamente para -19013.
    2. Clique no botão Desativar pelo Limite Superior para ligá-lo . Clique nas setas por Roda do Mouse para definir Limite Inferior ao Limite Superior. Arraste o controle deslizante no Limite Superior para definir o limiar de HU o mais próximo possível de -30, em seguida, use a roda do mouse para definir o limiar HU exatamente para -3013.
  8. Identificação do tecido adiposo visceral (IVA): Clique em 5 (Amarelo) sob a área de crescimento da região no lado esquerdo da tela.
    1. Clique no botão Desativar pelo Limite Inferior para ligá-lo . Clique nas setas por Roda do Mouse para definir Desabilitado ao Limite Inferior. Arraste o controle deslizante no Limite Inferior para definir o limiar de HU o mais próximo possível de -150, em seguida, use a roda do mouse para definir o limiar HU exatamente para -15013.
    2. Clique no botão Desativar pelo Limite Superior para ligá-lo . Clique nas setas por Roda do Mouse para definir Limite Inferior ao Limite Superior. Arraste o controle deslizante no Limite Superior para definir o limiar de HU o mais próximo possível de -50, em seguida, use a roda do mouse para definir o limiar HU exatamente para -5013.
  9. Identificação do tecido adiposo subcutâneo (SAT): Clique em 7 (Ciano) sob a área de crescimento da região no lado esquerdo da tela.
    1. Clique no botão Desativar pelo Limite Inferior para ligá-lo . Clique nas setas por Roda do Mouse para definir Desabilitado ao Limite Inferior. Arraste o controle deslizante no Limite Inferior para definir o limiar de HU o mais próximo possível de -190, em seguida, use a roda do mouse para definir o limiar HU exatamente para -19013.
    2. Clique no botão Desativar pelo Limite Superior para ligá-lo . Clique nas setas por Roda do Mouse para definir Limite Inferior ao Limite Superior. Arraste o controle deslizante no Limite Superior para definir o limiar de HU o mais próximo possível de -30, em seguida, use a roda do mouse para definir o limiar HU exatamente para -3013.
  10. Use as teclas + e - no teclado para ampliar e sair da imagem ct. Ajuste o zoom conforme necessário durante toda a segmentação para etiquetar tecidos de forma clara e precisa.
  11. Comece a segmentar selecionando 1 para tecido muscular esquelético (SM).
    1. Defina a opção pincel para pintar.
    2. Use as ferramentas de escova encontradas diretamente em Região Crescendo para ajustar-se ao tamanho desejado do pincel e começar a pintar sobre os grupos de Psoas, músculos paraspinais, grupos oblíquos e retos musculares.
      NOTA: Se os fluidos ou órgãos fora da fáscia muscular forem marcados em vermelho como músculo, certifique-se de limpar a marcação usando a seleção de cores None.
  12. Uma vez que todos os músculos estejam marcados, selecione 1 no menu TAG Lock no canto inferior esquerdo da tela. Isso garantirá que nenhum músculo seja acidentalmente remarcado ou apagado à medida que a segmentação prossegue.
  13. Selecione 2 em Região Crescendo e pinte sobre todos os tecidos de gordura (IMAT) dentro da fáscia muscular. Certifique-se de usar a seleção de cores None se alguma gordura ou estruturas fora da fáscia muscular são erroneamente marcadas como IMAT.
    NOTA: As bordas da fáscia muscular geralmente parecem mais leves do que a gordura visceral ou subcutânea ao seu redor. Certifique-se de marcar toda a gordura dentro das bordas mais leves da fáscia muscular como IMAT e não IVA ou SAT. Se a linha alba não for marcada como músculo, a totalidade da linha alba deve ser analisada como IMAT.
  14. Uma vez que todo o IMAT esteja marcado, selecione 2 no menu TAG Lock no canto inferior esquerdo da tela.
  15. Selecione 5 no menu Region Growing para marcar o tecido IVA.
    1. Ao marcar o IVA, dependendo da imagem, pode ser mais fácil usar o Grow 2D em vez de Paint.
    2. Se usar o Grow 2D,use a menor opção de pincel. Se o uso do Grow 2D não se esqueça de olhar para trás sobre todo o IVA marcado e certificar-se de que nenhum tecido intralumenal dentro de intestinos ou órgãos é erroneamente marcado, uma vez que essa gordura geralmente é de digerir alimentos ou outras estruturas que não são IVA.
    3. Se usar tinta certifique-se de não pintar dentro do lúmen dos órgãos ou dos intestinos.
  16. Uma vez que todo o IVA esteja marcado, selecione 5 no menu TAG Lock no canto inferior esquerdo da tela.
  17. Selecione 7 no menu Region Growing para marcar tecido SAT.
    1. Ao marcar sat, dependendo da imagem, geralmente é mais fácil usar Crescer 2D em vez de Tinta.
    2. Se usar o Grow 2D,use a menor opção de pincel.
    3. Se o uso do Grow 2D não se esqueça de voltar para as bordas da imagem com a ferramenta None selecionada para ter certeza de que nenhum tecido dentro da fáscia muscular é marcado como SAT e para ter certeza de que nenhuma pele está marcada como SAT.
      NOTA: A pele geralmente é mais leve na aparência do que o SAT e geralmente tem cerca de 2-3 pixels de espessura, mas esteja ciente de que a aparência e a espessura da pele podem variar de imagem para imagem.
    4. Se usar tinta,certifique-se de tomar cuidado ao redor das bordas, particularmente ao redor da pele para garantir que nenhum tecido esteja marcado incorretamente.
  18. Quando terminar de marcar tecidos, vá para Ferramentas | Tag Surface/Volume. Isso exibirá a área da superfície e o volume de cada um dos tecidos marcados, normalmente o interesse está na área da superfície.
    1. Clique em Exibir na janela para abrir totalmente a janela Tag Surface/Volume. Isso também exibirá valores DE HU.
    2. Regisso da superfície e dos valores do limiar do HU.
      NOTA: Se a janela Tag Surface/Volume não aparecer no canto inferior esquerdo da tela, pode ser porque não há espaço suficiente para exibi-la. Neste caso, certifique-se de que a janela Slice-O-Matic seja maximizada e selecione Ferramentas | Tag Lock para remover a janela Tag Lock. Isso deve abrir espaço suficiente para exibir a janela Tag Surface/Volume.
  19. Quando estiver concluído, vá para o Arquivo | Salvar arquivos TAG. Isso salvará um arquivo TAG onde o arquivo DICOM está localizado.

2. Segmentação de ressonância magnética L3

  1. Obtenha a imagem DICOM (sequências ponderadas por T2) axial
    1. No visualizador de imagem, identifique a vértebra L3.
      1. Se possível, selecione duas visualizações horizontais da janela e selecione a visão coronal ou sagital à esquerda para referência e vista axial à direita.
      2. Clique em Cross Link para vincular as janelas esquerda e direita.
      3. Role as imagens da direção craniana para a caudal. Identifique a vértebra L1, que é a primeira vértebra sem fixação da costela.
      4. Conte de L1 a L3 e use a visão coronal ou sagital para identificar a fatia do meio de L3. Isso é identificado como o ponto em que ambos os processos transversais são capazes de ser maximamente e igualmente visualizados.
      5. Selecione a fatia L3. Na guia Exame, selecione Enviar exame e salvar a imagem como um arquivo DICOM.
        NOTA: O passo 1 é uma etapa de pré-processamento e está listado aqui para demonstrar como obter uma imagem L3. Se o pesquisador já tem uma imagem L3, pode ir para o passo 2. Se o visualizador de imagem não permitir o cruzamento, o pesquisador pode pular 1.1.1 para 1.1.2. Se a imagem não incluir a região torácica, identifique L5, que é anterior ao sacro, e conte de L5 a L3, tendo em mente que a presença de uma sexta vértebra lombar é uma variante normal.
  2. Abra a imagem DICOM com o software Slice-O-Matic.
  3. Arraste o arquivo DICOM para qualquer lugar na janela Slice-O-Matic.
  4. Selecionar modos | Região Crescendo para iniciar a segmentação.
    NOTA: Devido à baixa diferenciação dos tecidos adiposos nas imagens de ressonância magnética, apenas a SM é segmentada.
    1. Músculos paraspinais Segmentação: Clique em 1 (Vermelho) sob a área de crescimento da região no lado esquerdo da tela.
      1. No Modo de Visualização,os histogramas da imagem mostrariam múltiplos picos, com o primeiro pico representando o ar, e os picos subsequentes de segundo, terceiro e quarto picos representando músculo, osso e gordura, respectivamente.
      2. Clique no botão Desativar pelo Limite Inferior para ligá-lo .
      3. Clique nas setas por Roda do Mouse para definir Desabilitado ao Limite Inferior.
      4. Arraste o controle deslizante no Limite Inferior para definir o limiar da Unidade Hounsfield (HU) para 0.
      5. Clique no botão Desativar pelo Limite Superior para ligá-lo .
      6. Clique nas setas por Roda do Mouse para definir Limite Inferior ao Limite Superior.
      7. Arraste o controle deslizante no Limite Superior para definir HU para incluir o músculo paraspinal.
      8. Comece a segmentar o músculo paraspinal selecionando 1 para tecido muscular esquelético (SM). Defina a opção pincel para pintar. Use as ferramentas de escova encontradas diretamente em Região Crescendo para ajustar-se ao tamanho desejado do pincel e começar a pintar sobre os grupos músculos paraspinais.
        NOTA: Se alguma coisa estiver marcada em vermelho como músculo em fluidos ou órgãos fora da fáscia muscular, certifique-se de limpar a marcação usando a seleção de cores None.
    2. Segmentação de grupos musculares remanescentes: Mova o rato anteriormente para linea alba. No modo de visualização, ajuste o Limite Superior para incluir linea alba. Este limite superior da intensidade é então adotado para todos os grupos musculares restantes.
      1. Comece a segmentar selecionando 1 para tecido muscular esquelético (SM). Defina a opção pincel para pintar. Use as ferramentas de escova encontradas diretamente em Região Crescendo para ajustar-se ao tamanho desejado do pincel e começar a pintar sobre os grupos músculos paraspinais.
        NOTA: Se alguma coisa estiver marcada em vermelho como músculo em fluidos ou órgãos fora da fáscia muscular, certifique-se de limpar a marcação usando a seleção de cores None.
  5. Quando terminar de marcar tecidos, vá para Ferramentas | Tag Surface/Volume. Isso exibirá a área de superfície e o volume de cada um dos tecidos marcados, normalmente o interesse está na área da superfície.
  6. Clique em Exibir na janela para abrir totalmente a janela Tag Surface/Volume. Isso também exibirá valores DE HU.
  7. Regisso da superfície e dos valores do limiar do HU.
    NOTA: Se a janela Tag Surface/Volume não aparecer no canto inferior esquerdo da tela, pode ser porque não há espaço suficiente para exibi-la. Neste caso, certifique-se de que a janela Slice-O-Matic seja maximizada e selecione Ferramentas | Tag Lock para remover a janela Tag Lock. Isso deve abrir espaço suficiente para exibir a janela Tag Surface/Volume.
  8. Quando estiver concluído, vá para o Arquivo | Salvar arquivos TAG. Isso salvará um arquivo TAG onde o arquivo DICOM está localizado.

3. Medição Linear para Tomografia Computadorizada e Ressonância Magnética

  1. Obtenha a imagem axial CT ou MRI DICOM.
    1. No visualizador de imagem, identifique a vértebra L3.
      1. Se possível, selecione duas visualizações horizontais da janela e selecione a visão coronal ou sagital à esquerda para referência e vista axial à direita.
      2. Clique em Cross Link para vincular as janelas esquerda e direita.
      3. Role as imagens da direção craniana para a caudal. Identifique a vértebra L1, que é a primeira vértebra sem fixação da costela.
      4. Conte de L1 a L3 e use a visão coronal ou sagital para identificar a fatia do meio de L3, conforme identificado pelo ponto em que ambos os processos transversais são igualmente identificados.
        NOTA: O passo 1 é uma etapa de pré-processamento e está listado aqui para demonstrar como obter uma imagem L3. Se o pesquisador já tem uma imagem L3, pode ir para o passo 2. Se o visualizador de imagem não permitir o cruzamento, o pesquisador pode pular 1.1.1 para 1.1.2. Se a imagem não incluir a região torácica, identifique L5, que é anterior ao sacro, e conte de L5 a L3.
  2. Importe a imagem em um visualizador de imagens médicas e abra-a.
    1. Para Horos: abra o aplicativo e clique em Importar.
    2. Navegue até onde a imagem DICOM está localizada, selecione-a e clique em Abrir. O arquivo e a imagem devem aparecer na lista Nome do Paciente.
    3. Clique duas vezes no Nome do Paciente, em seguida, clique duas vezes na imagem para iniciar a segmentação linear.
  3. Identifique os músculos psoas e os músculos paraspinais.
  4. Selecione a ferramenta de régua e meça os diâmetros horizontais (180°) e verticais (90°) dos quatro músculos mencionados acima.
    NOTA: As linhas devem ser horizontais e verticais à imagem, não em diagonal. As linhas horizontais e verticais desenhadas devem criar uma caixa retangular que abrange a totalidade de cada músculo. Não simplesmente meça a maior distância do músculo. Se usar um visualizador de imagem que permite uma ferramenta de desenho de caixa, essa ferramenta pode ser usada em vez da ferramenta régua simples. Isso é desde que a ferramenta de desenho da caixa exiba pelo menos a altura e o comprimento da caixa.
  5. Registo todas as oito medidas (Largura do Psoas Direito, Comprimento do Psoas Direito, Largura do Psoas Esquerdo, Comprimento do Psoas Esquerdo, Largura Paraspinal Direita, Comprimento Paraspinal Direito, Largura Paraspinal Esquerda, Comprimento Paraspinal Esquerdo) para análise posterior.
    1. Calcule a área da superfície muscular individual multiplicando o valor horizontal e vertical desse músculo.
    2. Obtenha a área total da superfície muscular psoas músculos e músculos paraspinais adicionando o músculo esquerdo ao músculo direito, respectivamente.
    3. Calcule o índice muscular linear dividindo a área da superfície combinada (mm2) pela altura do paciente ao quadrado (m2).

Representative Results

O procedimento de segmentação L3 resulta em uma imagem de tomografia computadorizada ou ressonância magnética com tecido muscular esquelético (SM) marcado em vermelho, IMAT em verde, IVA em amarelo e SAT em ciano(Figura 1). Os demais tecidos não-grampeados permanecerão em suas tonalidades originais brancas, cinzas e traseiras que correspondem aos respectivos valores da unidade Hounsfield (HU) de cada pixel. A maioria dos tecidos não grampeados que permanecem em branco serão ossos, a maioria dos tecidos que permanecem em cinzas serão músculos não esqueléticos, tecido de órgãos e tecidos adiposos dentro dos lúmens dos intestinos, e a maioria da imagem que permanece em preto será o ar. Uma imagem devidamente segmentada não terá marcação vermelha ou verde fora da fáscia muscular esquelética, e nenhuma marcação amarela ou ciano dentro da fáscia muscular esquelética. Além disso, a marcação amarela não deve invadir lúmens de intestinos ou órgãos como o rim ou fígado, e a marcação de ciano não deve estar presente ao longo das bordas externas mais claras que correspondem à pele. Uma vez concluída a segmentação da imagem, as áreas superficiais e os valores médios do HU tecidual devem ser registrados, juntamente com a altura do paciente(Tabela 1). A partir desse dado, pode-se calcular o índice muscular esquelético e prosseguir com qualquer outra análise relevante para a pesquisa específica ou questões clínicas. Note que para a maioria das imagens de ressonância magnética, apenas o músculo esquelético pode ser devidamente marcado e posteriormente analisado(Tabela 2). Em medições lineares, um índice é calculado dividindo a área da superfície sobre o quadrado da altura(Tabela 3).

Problemas comuns que os pesquisadores podem encontrar durante o procedimento de segmentação incluem imagens que têm omissão de informações-chave. Por exemplo, as imagens podem ter porções consideráveis cortadas ou cortadas(Figura 2). Especificamente, imagens que têm o tecido muscular sat e/ou esquelético cortado do quadro diminuirá drasticamente a precisão dos cálculos da área da superfície dos tecidos afetados. Se isso torna uma imagem inadequada para análise dependerá do contexto clínico ou de pesquisa e deve ser decidida pela equipe de pesquisa caso a caso. Outra armadilha é que os pesquisadores podem incluir inadvertidamente medula espinhal e medula óssea no músculo esquelético. Para evitar esse problema, os pesquisadores devem ser bem treinados e permanecer cautelosos durante a segmentação. Outros artefatos comuns em imagens de tomografia ou ressonância magnética incluem problemas técnicos causados pela colocação ou movimento do paciente no scanner, fios de gordura e tecidos cicatricia ao redor da fáscia muscular esquelética, e outros artefatos de forma estranha(Figura 3). Problemas técnicos causados pelo movimento do paciente ou colocação inadequada geralmente parecem mais leves, com valores de HU mais elevados do que o tecido circundante. Esse tipo de problema técnico geralmente aparece no SAT e também pode diminuir a precisão do cálculo da área de superfície. O contexto clínico ou de pesquisa determinará o nível de tolerância para tais questões. Fios de gordura e artefatos de tecido cicatricial geralmente não resultam em altas quantidades de erro nos cálculos da área da superfície do tecido. No entanto, eles podem levar à identificação errada da linha fascial. O músculo esquelético e as áreas superficiais IMAT podem ser muito imprecisos nos casos em que fios de gordura ou tecido cicatricial são confundidos como a linha de fáscia muscular. Outras pequenas manchas e artefatos em imagens de tomografia computadorizada e ressonância magnética geralmente não afetam a qualidade geral da imagem, exceto em casos raros. Dependendo do contexto clínico ou de pesquisa, esses artefatos podem precisar ser avaliados por um especialista em radiologia para verificar a qualidade da imagem. A última questão comum nas imagens de tomografia computadorizada e ressonância magnética são as deformidades na linha fáscia muscular(Figura 4). Essas quebras geralmente não afetarão a qualidade da imagem, mas imagens contendo grandes quebras ou outras deformidades na fáscia muscular devem ser avaliadas por um radiologista para determinar se a origem da deformidade afetará a análise do contexto clínico ou de pesquisa.

O procedimento de medição linear L3 desenvolvido por Avruvin et al. tem menos erros comuns do que o procedimento de segmentação L314,15. As principais questões encontradas em medidas lineares giram em torno da identificação dos grupos musculares de interesse, dos dois grupos de psoas e músculos paraspinais(Figura 5). Na maioria dos casos, as bordas do psoas serão distintas dos órgãos próximos, mas no caso de a borda ser difícil de discernir, mudar os filtros DE HU ou brilho geralmente resolverá a maioria dos problemas. Além disso, as bordas dos grupos musculares paraspinais muitas vezes serão distintas de outros tecidos próximos, mas deve-se notar que se nenhum músculo claro atingir a linha inferior-mais fáscia, a linha não deve ser incluída na determinação da borda inferior do grupo muscular paraspinal. Por fim, o quadratus lumborum deve ser excluído ao determinar a borda dos grupos de psoas ou músculos paraspinais(Figura 5E).

Figure 1
Figura 1: Segmentação L3 adequada em Slice-O-Matic. (A) A imagem axial axial não alterada em vértebras L3. (B) O CT axial totalmente marcado com vermelho correspondente ao músculo esquelético (SM), verde para tecido adiposo intramuscular (IMAT), tecido adiposo amarelo para vesínico (IVA) e ciano para Tecido Adiposo Subcutâneo (SAT). Clique aqui para ver uma versão maior desta figura.

Figure 2
Figura 2: Corte a imagem L3 CT. Uma imagem ct não marcada em Slice-O-Matic com quantidades substanciais de SAT, bem como quantidades significativas de tecido muscular esquelético cortado. Por favor, clique aqui para ver uma versão maior desta figura.

Figure 3
Figura 3: Artefatos comuns. (A) A imagem ct não marcada tem vários artefatos destacados na caixa vermelha, oval azul e caixa verde, respectivamente. A caixa vermelha apresenta problemas técnicos com uma tomografia computadorizada, potencialmente por difamação ou movimento durante a varredura. O oval azul destaca um artefato comum provavelmente decorrente de tecidos cicatricias. O quadrado verde destaca manchas que podem ter múltiplas causas potenciais. (B) A tomografia computadorizada marcada com aparências dos mesmos artefatos destacados na caixa vermelha, oval azul e caixa verde. Clique aqui para ver uma versão maior desta figura.

Figure 4
Figura 4: Grande quebra na fáscia muscular. (A) A imagem l3 ct não marcada destaca uma grande ruptura na fáscia do músculo esquelético na caixa roxa. (B) A imagem de L3 CT marcada destaca a aparência marcada da grande ruptura na fáscia do músculo esquelético na caixa roxa. Clique aqui para ver uma versão maior desta figura.

Figure 5
Figura 5: Medições lineares L3. (A) A imagem L3 CT original antes da análise no visualizador de imagem Horos. (B) O método tradicional de medição linear inclui uma linha vertical e uma linha horizontal desenhada para cada músculo. Estas linhas são medidas com uma ferramenta de régua e multiplicadas para encontrar a superfície de cada grupo muscular. Observe que o método tradicional de medidas lineares deve sempre ter linhas se cruzando a 90°. Esta imagem do método tradicional de medidas lineares é demonstração visual apenas desde que foi criada em Horos e não é garantida ter intersecções de 90°. (C) (D)(E) O método Caixa para medições lineares L3. (C)(D) A caixa azul e roxa abrange as psoas direita e esquerda, respectivamente, e a caixa amarela e verde abrangem o músculo paraspinal direito e esquerdo, respectivamente. (E) As caixas roxas e laranjas claras destacam o quadrilátero lumborum, que não deve ser considerado ao determinar bordas dos grupos psoas e músculos paraspinais. Clique aqui para ver uma versão maior desta figura.

Figure 6
Figura 6: Comparação de medidas lineares e área do músculo esquelético transversal L3, n = 65. As psoas combinadas e as áreas paraspinais estão de acordo com o músculo esquelético total na seção transversal L3. Clique aqui para ver uma versão maior desta figura.

SEGMENTAÇÃO CT
músculo Tecido adiposo intramuscular Tecido adiposo visceral Tecido adiposo subcutâneo
Área de suface (cm2) 134.4 8.402 72.43 271
Unidade Hounsfield (média) 33.61 2.1 18.11 67.76
Altura do paciente ao quadrado (m2) 2.69 Índice muscular esquelético (Área muscular/Altura2, cm2/ m2) 49.97

Tabela 1: Segmentação ct

SEGMENATION DE RESSONÂNCIA MAGNÉTICA
músculo
Área de suface (cm2) 241.8
Unidade Hounsfield (média) 35.85
Altura do paciente (m2) 3.39
Índice muscular esquelético 71.42
(Área muscular/Altura2, cm2/m2)

Tabela 2: Segmentação de ressonância magnética

MEDIDAS LINEARES
Altura de Psoas direita (cm) Largura Psoas direita (cm) Altura de Psoas esquerda (cm) Largura Psoas esquerda (cm) Altura paraspinal direita (cm) Largura paraspinal direita (cm) Altura paraspinal esquerda (cm) Largura Paraspinal Esquerda (cm)
3.934 2.927 3.743 2.788 4.916 6.264 4.403 7.045
Área total de Psoas (cm2) 21.950 Área Paraspinal Total (cm2) 61.813
Área muscular total (cm2) 83.76
Altura do paciente ao quadrado (m2) 2.496 Índice de Medida Linear (cm2/m2) 33.55

Tabela 3: Medidas Lineares

Discussion

Os músculos psoas, os grupos musculares paraspinais e os músculos oblíquos se correlacionam intimamente com a massa muscular geral5. Em particular, a área superficial dentro de uma TC ou seção transversal de ressonância magnética desses grupos musculares no ponto médio da terceira vértebra lombar (L3) está altamente correlacionada com a massa muscular global, tornando esta imagem ideal para pesquisadores ou médicos usarem ao avaliar a sarcopenia1,2,13. Segmentação e medições lineares têm demonstrado grande valor na avaliação da composição corporal e na identificação de condições prognósticas ruins como sarcopenia e obesidade sarcopenica em pacientes16,17. Pesquisas têm demonstrado que as medidas de massa muscular estão associadas à sobrevivência e aos riscos de complicações maiores após grandes cirurgias ou planos de tratamento, como quimioterapia e toxicidade quimioterápica16,17,18. Portanto, podemos dizer que pode ser benéfico para os médicos ter dados de composição corporal antes de aconselhar os pacientes sobre as opções de tratamento.

Atualmente, existem vários métodos de avaliação da composição corporal. Diversos métodos, como a densitometria12 e a plethysmografia de deslocamento do ar (ADP)19, utilizam peso e deslocamento do ar, respectivamente para estimar a porcentagem de gordura corporal e densidade corporal. Embora esses métodos possam ser úteis, eles são incapazes de determinar a distribuição de tecido adiposo5,19. Outras técnicas analíticas de composição corporal, como a BIA, baseiam sua análise nas diferentes características elétricas da massa gorda e da massa sem gordura12. No entanto, mais uma vez essa técnica não consegue avaliar adequadamente as distribuições de gordura, e também requer mais informações como etnia, idade e sexo para medições mais precisas19. Por outro lado, avaliações como a DEXA têm se mostrado úteis na avaliação da composição corporal, mas têm tendência a superestimar a massa muscular com o aumento da adiposidade12. Vários protocolos também utilizaram o método Região de Interesse (ROI) para obter dados de massa muscular e tecido adiposo dentro do software dicom-viewing, que tem se mostrado ter boa correlação com a análise de composição corporal BIA para avaliação de sarcopenia e avaliação nutricional20,21.

O procedimento de segmentação desenvolvido por Mourtzakis et al. tem uma vantagem sobre avaliações alternativas de composição corporal, uma vez que pode ser feito na maioria das imagens de Tomografia computadorizada ou ressonância magnética e determina com precisão as distribuições de tecidos adiposos e a área muscular13. Além disso, a segmentação Axial L3 tem a vantagem da precisão, independentemente do estado de obesidade do paciente13. Semelhante às alternativas supracitadas, a técnica de medidas lineares desenvolvida por Avrutin et al.14 não tem a capacidade de avaliar a distribuição de gordura. Recentemente, pesquisadores têm demonstrado díspare na segmentação corporal, especialmente em métodos que medem apenas os músculos psoas22. A massa muscular de Psoas por si só não é altamente representativa da quantidade muscular lombar ou do perda sistemática dos músculos, podendo não estar altamente correlacionada com os desfechos clínicos22. Esse problema pode ser mais preocupante na medição linear, já que o músculo psoas é o principal grupo muscular na avaliação. No entanto, nossa técnica delineada inclui psoas bilaterais e estimativas musculares paraspinais para medir uma avaliação mais precisa, enquanto ainda rápida e conveniente de massa muscular transversal. Estudos futuros que validem a concordância entre métodos de medição linear e segmentação de TOMOGRAFIA/RM E sua correlação com os desfechos clínicos são justificados.

Tanto os procedimentos de segmentação L3 quanto de medição linear foram inicialmente projetados para avaliar com rapidez e precisão o conteúdo muscular em todo o corpo. Ao segmentar apenas as vértebras L3, o protocolo economiza tempo enquanto ainda fornece aos pesquisadores ou médicos informações suficientes para determinar a massa muscular magra e o estado de adiposidade do paciente. No entanto, embora a segmentação L3 leve muito menos tempo do que a segmentação do corpo inteiro, ainda pode ser demorado e caro usar o software Slice-O-Matic. Por outro lado, as medidas lineares têm o potencial de ser tão precisas quanto a segmentação L3 na avaliação do estado muscular e da sarcopenia em pacientes gravemente doentes14,15. Demonstramos tal relação na coorte de carcinoma de células renais T3, onde o músculo esquelético medido por medidas lineares está intimamente correlacionado com o valor medido pela segmentação(Figura 6). É importante ressaltar que o método é extremamente rápido, e o software de imagem é gratuito. No entanto, a limitação mais notável ao procedimento de medição linear é a sua falta de capacidade de avaliar o teor tecidual adiposo, o que limita os médicos a contextos onde a avaliação geral do conteúdo muscular é suficiente.

Existem três etapas críticas nos procedimentos de segmentação e medição linear. Primeiro, médicos e pesquisadores devem identificar o meio das vértebras L3 para obter consistência. O meio das vértebras L3 será a fatia onde a medula dos processos transversais é mais proeminente. A fatia de vértebras Axial L3 é mais facilmente identificada com o auxílio de uma visão sagital ou coronal transversal. Pesquisadores ou médicos podem primeiro encontrar vértebras L1 ou sacro como ponto de referência, tendo em mente que a presença de seis vértebras lombares em vez de cinco é uma variante normal. O próximo passo crucial é identificar os músculos. Em medições lineares, o quadrilátero lumborum não deve ser incluído durante a tomada das medidas verticais e horizontais. Em terceiro lugar, os pesquisadores também devem prestar muita atenção ao rotular o IVA no protocolo de segmentação, pois o teor de cólon pode às vezes ser marcado como tecido adiposo visceral23. Quando esse erro ocorre, os pesquisadores devem apagar essas áreas antes de passar para o próximo passo.

Um problema comum na segmentação é a má qualidade de imagem de CT ou mrI (ver Resultados Representativos, por exemplo). Em alguns casos, a má qualidade não torna a imagem inútil, mas em outros casos a imagem pode precisar ser excluída da análise. Outra, possivelmente inevitável, limitação da segmentação de uma única imagem inclui a variação aleatória da posição do órgão sólido da imagem para a imagem.

Outras questões comuns tanto para análise de segmentação L3 quanto para análise de medição linear estão frequentemente relacionadas à variação inter e intra-rater. Como seria o caso da maioria dos protocolos, uma certa variação entre observadores e entre os ensaios separados de um único indivíduo pode ser esperada. Para explicar e minimizar a variação entre taxas com várias pessoas realizando análises, a equipe de pesquisadores ou clínicos pode testar quaisquer variações estatisticamente significativas nas medições da área de superfície e hu médio da mesma imagem. Tome nota especial da variação do HU, pois isso indicará se pesquisadores ou médicos que têm áreas superficiais muito semelhantes para a mesma imagem estão de fato marcando os tecidos aproximadamente o mesmo. Para testar uma variação intra-rater significativa para um indivíduo, pesquisadores ou médicos podem tirar um pequeno subconjunto de imagens e segmentar cada imagem até que todas as réplicas de cada imagem estejam dentro de uma margem estreita e estatisticamente insignificante.

Reconhecemos que ambos os protocolos aqui apresentados têm limitações na análise da composição corporal, pois apenas uma única fatia é utilizada. Conforme sugerido por Shen et al., a análise 3D pode fornecer informações mais precisas para a gordura visceral abdominal, e a análise de fatia única para o IVA está em níveis diferentes para homens e mulheres24. No entanto, os protocolos aqui discutidos ainda são valiosos, pois fornecem avaliações rápidas de músculos, bem como tecido adiposo, que podem ser usados para triagem de sarcopenia em clínicas.

Além disso, existem muitos protocolos automatizados de análise de composição corporal usando algoritmos de aprendizagem de máquina 3D, especialmente algoritmos de classificação baseados em rede neural25. Reconhecemos que essas podem ser as alternativas futuras potenciais para a segmentação 2D tradicional. No entanto, esses métodos requerem grandes conjuntos de dados de imagens de tomografia computadorizada e ressonância magnética para serem desenvolvidos, testados e implementados em ambientes clínicos e de pesquisa. Além disso, esses métodos geralmente requerem análise de segmentação 2D para estabelecer uma referência de linha de base contra a qual validar os algoritmos de aprendizado de máquina contra. Os protocolos aqui demonstrados podem, portanto, ser úteis quando grandes conjuntos de dados ou imagens 3D não estão disponíveis, e esses protocolos podem ser aplicados para ajudar a desenvolver e validar algoritmos de aprendizagem de máquina quando eles são aplicáveis. Assim, acreditamos que médicos e pesquisadores podem se beneficiar desse vídeo de treinamento e adotar esses métodos rápidos e confiáveis como triagem preliminar antes da análise automatizada estiver disponível e facilitar a implementação dessa tecnologia avançada.

A capacidade de analisar rapidamente a distribuição de tecidos adiposos e a massa muscular esquelética tem uma ampla amplitude de interesses clínicos que vão desde o tratamento do câncer e a pesquisa até a doença cardíaca5. Comparado com outros métodos comumente usados, o Mourtzakis et al. O procedimento de segmentação L3 em Slice-O-Matic pode avaliar com precisão e rapidez a distribuição de tecido adiposo e determinar o estado da sarcopenia5,12,13,19. Além disso, em contextos onde a informação sobre a massa muscular esquelética é suficiente, o procedimento de medição linear L3 é uma ferramenta confiável e muito rápida para ajudar a prever o sucesso em tratamentos de câncer como cirurgia, radioterapia e quimioterapia1,2,4,6,7,8. O objetivo deste vídeo e manuscrito de treinamento é delinear claramente o protocolo de segmentação e medições lineares para uso futuro para que os médicos possam avaliar mais facilmente a composição corporal no ambiente da clínica.

Disclosures

Os autores não têm nada a revelar.

Acknowledgments

Os autores gostariam de reconhecer o apoio das fundações da família John Robinson & Churchill.

Materials

Name Company Catalog Number Comments
Centricity PACS Radiology RA 1000 Workstation GE  Healthcare Image viewer to obtain subject's MRI and CT images
Slice-O-Matic 5.0 TomoVision Segmentation software used in this protocol. Other versions of this software may be used, but tools may be slightly different.
Horos Nimble Co LLC d/b/a Purview Linear segmentation software used in this protol, but researchers can use any image viewer with a ruler tool.

DOWNLOAD MATERIALS LIST

References

  1. Psutka, S. P., et al. Decreased skeletal muscle mass is associated with an increased risk of mortality after radical nephrectomy for localized renal cell cancer. The Journal of Urology. 195 (2), 270-276 (2016).
  2. Fukushima, H., Nakanishi, Y., Kataoka, M., Tobisu, K., Koga, F. Prognostic significance of sarcopenia in patients with metastatic renal cell carcinoma. The Journal of Urology. 195 (1), 26-32 (2016).
  3. Santilli, V., Bernetti, A., Mangone, M., Paoloni, M. Clinical definition of sarcopenia. Clinical Cases in Mineral and Bone Metabolism. 11 (3), 117-180 (2014).
  4. Caan, B. J., et al. Association of muscle and adiposity measured by computed tomography with survival in patients with nonmetastatic breast cancer. JAMA Oncology. 4 (6), 798-804 (2018).
  5. Borga, M., et al. Advanced body composition assessment: from body mass index to body composition profiling. Journal of Investigative Medicine. 66 (5), 1-9 (2018).
  6. Cushen, S. J., et al. Body composition by computed tomography as a predictor of toxicity in patients with renal cell carcinoma treated with sunitinib. American Journal of Clinical Oncology. 40 (1), 47-52 (2017).
  7. Bernstein, A. P., et al. A comparison of perinephric fat surface area and Mayo Adhesive Probability score in predicting malignancy in T1 renal masses. Urologic Oncology. 36 (11), 417-499 (2018).
  8. Auclin, E., et al. Prediction of everolimus toxicity and prognostic value of skeletal muscle index in patients with metastatic renal cell carcinoma. Clinical Genitourinary Cancer. 15 (3), 350-355 (2017).
  9. Vashi, P. G., et al. Sarcopenia supersedes subjective global assessment as a predictor of survival in colorectal cancer. PLoS One. 14 (6), 0218761 (2019).
  10. Elliott, J. A., et al. Sarcopenia: prevalence, and impact on operative and oncologic outcomes in the multimodal management of locally advanced esophageal cancer. Annals of Surgery. 266 (5), 822-830 (2017).
  11. Kanellakis, S., et al. Development and validation of a bioelectrical impedance prediction equation estimating fat free mass in Greek - Caucasian adult population. Clinical Nutrition ESPEN. 36, 166-170 (2020).
  12. Bredella, M. A., et al. Comparison of DXA and CT in the assessment of body composition in premenopausal women with obesity and anorexia nervosa. Obesity (Silver Spring). 18 (11), 2227-2233 (2010).
  13. Mourtzakis, M., et al. A practical and precise approach to quantification of body composition in cancer patients using computed tomography images acquired during routine care. Applied Physiology, Nutrition, and Metabolism. 33 (5), 997-1006 (2008).
  14. Avrutin, E., et al. Clinically practical approach for screening of low muscularity using electronic linear measures on computed tomography images in critically ill patients. JPEN. Journal of Parenteral and Enteral Nutrition. 42 (5), 885-891 (2018).
  15. Cespedes Feliciano, E. M., Avrutin, E., Caan, B. J., Boroian, A., Mourtzakis, M. Screening for low muscularity in colorectal cancer patients: a valid, clinic-friendly approach that predicts mortality. Journal of Cachexia, Sarcopenia and Muscle. 9 (5), 898-908 (2018).
  16. Peng, P., et al. Impact of sarcopenia on outcomes following resection of pancreatic adenocarcinoma. Journal of Gastrointestinal Surgery. 16 (8), 1478-1486 (2012).
  17. Jones, K. I., Doleman, B., Scott, S., Lund, J. N., Williams, J. P. Simple psoas cross-sectional area measurement is a quick and easy method to assess sarcopenia and predicts major surgical complications. Colorectal Disease. 17 (1), 20-26 (2015).
  18. Prado, C. M., et al. Sarcopenia as a determinant of chemotherapy toxicity and time to tumor progression in metastatic breast cancer patients receiving capecitabine treatment. Clinical Cancer Research. 15 (8), 2920-2926 (2009).
  19. Fields, D. A., Goran, M. I., McCrory, M. A. Body-composition assessment via air-displacement plethysmography in adults and children: a review. The American Journal of Clinical Nutrition. 75, 453-467 (2002).
  20. Zopfs, D., et al. Single-slice CT measurements allow for accurate assessment of sarcopenia and body composition. European Radiology. 30 (3), 1701-1708 (2020).
  21. Schwenzer, N. F., et al. Quantitative analysis of adipose tissue in single transverse slices for estimation of volumes of relevant fat tissue compartment. Investigative Radiology. 45 (12), 788-794 (2010).
  22. Baracos, V. E. Psoas as a sentinel muscle for sarcopenia: a flawed premise. Journal of Cachexia, Sarcopenia and Muscle. 8 (4), 527-528 (2017).
  23. Potretzke, A. M., Schmitz, K. H., Jensen, M. D. Preventing overestimation of pixels in computed tomography assessment of visceral fat. Obesity Research. 12 (10), 1698-1701 (2004).
  24. Shen, W., et al. Total body skeletal muscle and adipose tissue volumes: estimation from a single abdominal cross-sectional image. Journal of Applied Physiology. 97 (6), 2333-2338 (2004).
  25. Weston, A. D., et al. Automated abdominal segmentation of CT scans for body composition analysis using deep learning. Radiology. 290 (3), 669-679 (2019).

Tags

Este mês no JoVE Edição 169 composição corporal segmentação medição linear avaliação de risco sarcopenia imagem ct ressonância magnética
Segmentação e Medição Linear para Análise de Composição Corporal usando Slice-O-Matic e Horos
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Steele, S., Lin, F., Le, T. L.,… More

Steele, S., Lin, F., Le, T. L., Medline, A., Higgins, M., Sandberg, A., Evans, S., Hong, G., Williams, M. A., Bilen, M. A., Psutka, S., Ogan, K., Master, V. A. Segmentation and Linear Measurement for Body Composition Analysis using Slice-O-Matic and Horos. J. Vis. Exp. (169), e61674, doi:10.3791/61674 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter