Segmentacja i pomiar liniowy do analizy składu ciała za pomocą Slice-O-Matic i Horos

Summary

Segmentacja i pomiary liniowe określają ilościowo masę mięśni szkieletowych i tkanki tłuszczowej za pomocą obrazów tomografii komputerowej i/lub rezonansu magnetycznego. W tym artykule przedstawiamy zastosowanie oprogramowania Slice-O-Matic i przeglądarki obrazów Horos do szybkiej i dokładnej analizy składu ciała. Metody te mogą dostarczyć ważnych informacji dla prognozowania i stratyfikacji ryzyka.

Abstract

Skład ciała jest związany z ryzykiem postępu choroby i powikłań leczenia w różnych stanach. W związku z tym kwantyfikacja masy mięśni szkieletowych i tkanki tłuszczowej za pomocą tomografii komputerowej (CT) i/lub rezonansu magnetycznego (MRI) może pomóc w ocenie ryzyka operacji i rokowaniu choroby. W artykule opisano dwie metody kwantyfikacji pierwotnie opisane przez Mourtzakisa i wsp. oraz Avrutina i wsp.: segmentację tkanek i liniowy pomiar mięśni szkieletowych. Dla obu pomiarów uzyskano obraz przekroju poprzecznego pacjentów w środku trzeciego kręgu lędźwiowego. W celu segmentacji obrazy zostały zaimportowane do Slice-O-Matic i pokolorowane dla mięśni szkieletowych, śródmięśniowej tkanki tłuszczowej, trzewnej tkanki tłuszczowej i podskórnej tkanki tłuszczowej. Następnie pola powierzchni każdego typu tkanki zostały obliczone za pomocą funkcji pola powierzchni znacznika. W przypadku pomiarów liniowych mierzy się wysokość i szerokość obustronnych mięśni lędźwiowych i przykręgosłupowych na poziomie trzeciego kręgu lędźwiowego, a obliczenia z wykorzystaniem tych czterech wartości dają szacunkową masę mięśni szkieletowych. Analiza segmentacyjna dostarcza ilościowych, kompleksowych informacji na temat składu ciała pacjentów, które można następnie skorelować z postępem choroby. Proces ten jest jednak bardziej czasochłonny i wymaga specjalistycznego szkolenia. Pomiary liniowe są wydajnym i przyjaznym dla kliniki narzędziem do szybkiej oceny przedoperacyjnej. Pomiary liniowe nie dostarczają jednak informacji na temat składu tkanki tłuszczowej. Niemniej jednak metody te mają szerokie zastosowanie w różnych chorobach w celu przewidywania wyników chirurgicznych, ryzyka progresji choroby i informowania pacjentów o możliwościach leczenia.

Introduction

Ocena sarkopenii i składu ciała jest obecnie bardzo interesująca klinicznie. Chociaż konkretne definicje sarkopenii różnią się w zależności od otoczenia i kontekstu, wszystkie definicje obejmują znaczną utratę masy mięśni szkieletowych lub siły mięśni, które są ściśle skorelowane^1,2,3. Analiza składu ciała obejmuje pomiary masy mięśni szkieletowych i rozmieszczenia tkanki tłuszczowej, dostarczając bardziej wyczerpujących informacji na temat ogólnej sprawności pacjentów^1,3,4. Podobnie, stwierdzono, że nieproporcjonalnie rozmieszczona tkanka tłuszczowa, zwłaszcza trzewna tkanka tłuszczowa, jest związana z różnymi chorobami, w tym chorobami serca, cukrzycą typu II i rakiem⁵.

Klinicznie, wielokrotnie okazywano, że sarkopenia i jej ocena za pomocą pomiarów liniowych są silnym czynnikiem prognostycznym dla przeżycia specyficznego dla raka w nowotworach złośliwych i wynikach onkologicznych po operacji, radioterapii i chemioterapii1^,2,4,6,7,8. W szczególności wcześniejsze badania wykazały, że pacjenci z sarkopenią mają zmniejszone przeżycie specyficzne dla raka i przeżycie całkowite^1,2,9,10. Dlatego dokładna i szybka ocena kliniczna progresji sarkopenii jest ważna przy określaniu wyboru leczenia. Konwencjonalne profilowanie składu całego ciała wymaga analizy na poziomie trójwymiarowym (3D) przy użyciu technik obrazowania, w tym tomografii komputerowej (CT), rezonansu magnetycznego (MRI), densytometrii kości (DEXA) i analizy impedancji bioelektrycznej (BIA), które są czasochłonne, kosztowne i wymagają intensywnego szkolenia^5,11. Kolejną wadą jest brak informacji na temat rozkładu tkanki tłuszczowej, szczególnie dla pletyzmografii wyporności powietrza (ADP) i DEXA¹². Dlatego ocena i określenie sarkopenii i składu ciała przy użyciu konwencjonalnych metod obrazowania przekrojowego, takich jak CT lub MRI, które są stosowane jako część standardowej praktyki klinicznej, ma dużą wartość kliniczną⁵.

Jednym z powszechnie używanych programów do segmentacji w badaniach klinicznych jest program Slice-O-Matic opracowany przez TomoVision. Korzystając z procedury segmentacji Mourtzakis et al.¹³, program pozwala badaczom lub klinicystom na półautomatyczne oznaczanie różnych typów tkanek, takich jak mięśnie szkieletowe (SM), śródmięśniowa tkanka tłuszczowa (IMAT), trzewna tkanka tłuszczowa (VAT) i podskórna tkanka tłuszczowa (SAT) przy użyciu progów opartych na gęstości, umożliwiając pomiar całkowitych pól przekroju każdej tkanki. Pomiary te są następnie wykorzystywane do oszacowania całkowitej masy mięśni szkieletowych i otyłości ciała, często po normalizacji przez wzrost pacjenta do kwadratu, w celu identyfikacji sarkopenii i otyłości sarkopenicznej za pomocą progów populacyjnych.

Niedawno opracowana metoda Avrutin et al.¹⁴ wykorzystująca liniowe pomiary opracowanych mięśni szkieletowych wykazała potencjał równie niezawodny w szacowaniu całkowitej masy mięśniowej za pomocą obrazów MRI i CT przekroju L3^14,15. Grupy mięśni lędźwiowych i przykręgosłupowych stanowią znaczną część powierzchni mięśni obszaru L3 i mają wysoką funkcjonalność, co sugeruje, że mogą być predyktorami o wysokiej wierności ogólnej siły mięśni, a zatem głównymi kandydatami do pomiaru liniowego^14,15. Aby obliczyć pole powierzchni mięśniowej, uzyskuje się poziome i pionowe pomiary mięśni lędźwiowych i przykręgosłupowych za pomocą linijki, aby narysować przecinające się pod kątem 90° linie proste. Pomiary poziome i pionowe każdej grupy mięśniowej są mnożone w celu oszacowania pola powierzchni każdej grupy mięśni, które jest następnie wykorzystywane do obliczenia liniowego wskaźnika mięśni po podzieleniu przez wzrost pacjenta. Przy minimalnym treningu cały proces może zająć mniej niż 1 minutę.

Biorąc pod uwagę potencjalne implikacje pomiarów składu ciała dla opieki nad pacjentem, istnieje pilna potrzeba stworzenia dostępnych materiałów szkoleniowych. W tym artykule przedstawiamy szczegółowy opis dwóch metod opracowanych przez Avrutin et al.¹⁴ oraz Mourtzakis et al.¹³ w celu ilościowego określenia masy mięśni szkieletowych i składu ciała, odpowiednio, dla dostawców i badaczy klinicznych.

Protocol

Następujące badania i protokoły zostały przejrzane i zatwierdzone przez Institutional Review Board of Emory University.

1. Segmentacja L3 CT

1. Uzyskaj osiowy obraz CT Digital Imaging and Communications in Medicine (DICOM).
   1. W przeglądarce obrazów zidentyfikuj kręg L3.
      1. Jeśli to możliwe, wybierz dwa poziome widoki okien i wybierz widok koronalny lub strzałkowy po lewej stronie jako odniesienie i widok osiowy po prawej.
      2. Kliknij Cross Link, aby połączyć lewe i prawe okno.
      3. Przewiń obrazy w dół od kierunku czaszkowego do ogonowego. Zidentyfikuj kręg L1, który jest pierwszym kręgiem bez mocowania żeber.
      4. Policz od L1 do L3 i użyj widoku czołowego lub strzałkowego, aby zidentyfikować wycinek środka L3. Jest to określane jako punkt, w którym oba procesy poprzeczne są w stanie być maksymalnie i jednakowo uwidocznione.
      5. Zaznacz wycinek L3. Na karcie Egzamin wybierz opcję Wyślij egzamin i zapisz obraz jako plik DICOM.
         UWAGA: Krok 1 jest krokiem przetwarzania wstępnego i jest wymieniony tutaj, aby zademonstrować, jak uzyskać obraz L3. Jeśli badacz ma już obraz L3, może przejść do kroku 2. Jeśli przeglądarka obrazów nie włącza odsyłaczy, badacz może pominąć 1.1.1 do 1.1.2. Jeśli obrazowanie nie obejmuje okolicy piersiowej, zidentyfikuj L5, który znajduje się przed kością krzyżową, i policz od L5 do L3, pamiętając, że obecność szóstego kręgu lędźwiowego jest normalnym wariantem.
2. Otwórz obraz DICOM za pomocą oprogramowania Slice-O-Matic.
3. Przeciągnij plik DICOM w dowolne miejsce w oknie Slice-O-Matic.
4. Wybierz tryby | Region Rośnie, aby rozpocząć segmentację.
   1. Jeśli wersja Slice-O-Matic ma opcje protokołu Alberta na górze listy opcji Tryby, można również wybrać Krok 3: Segmentacja, aby rozpocząć segmentację. W przypadku korzystania z kroku 3: Segmentacja wykonaj krok 5, a następnie przejdź do kroku 11.
5. Wybierz punkt menu Narzędzia | Blokada tagów. Umożliwi to użytkownikowi "zablokowanie" oznaczonych kolorów, aby upewnić się, że nie zostaną one przypadkowo pokolorowane lub usunięte później.
6. Identyfikacja mięśni szkieletowych: Kliknij 1 (czerwony) pod obszarem Region Growing po lewej stronie ekranu.
   1. Kliknij przycisk Wyłącz przy dolnym limicie, aby włączyć go. Kliknij strzałki kółkiem myszy, aby ustawić Wyłączone na Dolny limit. Przeciągnij suwak na Dolny limit, aby ustawić próg jednostki Hounsfielda (HU) jak najbliżej -29, a następnie użyj kółka myszy, aby ustawić próg HU dokładnie na -29¹³.
   2. Kliknij przycisk Wyłącz przy górnym limicie, aby włączyć go. Kliknij strzałki kółkiem myszy, aby ustawić dolny limit na górny limit. Przeciągnij suwak na Górny limit, aby ustawić próg HU jak najbliżej 150, a następnie użyj kółka myszy, aby ustawić próg HU dokładnie na 150¹³.
7. Identyfikacja śródmięśniowej tkanki tłuszczowej (IMAT): Kliknij 2 (zielony) pod obszarem uprawy regionu po lewej stronie ekranu.
   1. Kliknij przycisk Wyłącz przy dolnym limicie, aby włączyć go. Kliknij strzałki kółkiem myszy, aby ustawić Wyłączone na Dolny limit. Przeciągnij suwak na Lower Limit (Dolny limit), aby ustawić próg HU jak najbliżej -190, a następnie użyj kółka myszy, aby ustawić próg HU dokładnie na -190¹³.
   2. Kliknij przycisk Wyłącz przy górnym limicie, aby włączyć go. Kliknij strzałki kółkiem myszy, aby ustawić dolny limit na górny limit. Przeciągnij suwak na Górnym limicie, aby ustawić próg HU jak najbliżej -30, a następnie użyj kółka myszy, aby ustawić próg HU dokładnie na -30¹³.
8. Identyfikacja trzewnej tkanki tłuszczowej (VAT): Kliknij 5 (żółty) pod obszarem uprawy regionu po lewej stronie ekranu.
   1. Kliknij przycisk Wyłącz przy dolnym limicie, aby włączyć go. Kliknij strzałki kółkiem myszy, aby ustawić Wyłączone na Dolny limit. Przeciągnij suwak na Lower Limit, aby ustawić próg HU jak najbliżej -150, a następnie użyj kółka myszy, aby ustawić próg HU dokładnie na -150¹³.
   2. Kliknij przycisk Wyłącz przy górnym limicie, aby włączyć go. Kliknij strzałki kółkiem myszy, aby ustawić dolny limit na górny limit. Przeciągnij suwak na Górny limit, aby ustawić próg HU jak najbliżej -50, a następnie użyj kółka myszy, aby ustawić próg HU dokładnie na -50¹³.
9. Identyfikacja podskórnej tkanki tłuszczowej (SAT): Kliknij 7 (błękitny) pod obszarem uprawy regionu po lewej stronie ekranu.
   1. Kliknij przycisk Wyłącz przy dolnym limicie, aby włączyć go. Kliknij strzałki kółkiem myszy, aby ustawić Wyłączone na Dolny limit. Przeciągnij suwak na Lower Limit (Dolny limit), aby ustawić próg HU jak najbliżej -190, a następnie użyj kółka myszy, aby ustawić próg HU dokładnie na -190¹³.
   2. Kliknij przycisk Wyłącz przy górnym limicie, aby włączyć go. Kliknij strzałki kółkiem myszy, aby ustawić dolny limit na górny limit. Przeciągnij suwak na Górnym limicie, aby ustawić próg HU jak najbliżej -30, a następnie użyj kółka myszy, aby ustawić próg HU dokładnie na -30¹³.
10. Użyj + i - na klawiaturze, aby powiększać i pomniejszać obraz CT. Dostosuj powiększenie w razie potrzeby podczas segmentacji, aby wyraźnie i dokładnie oznaczyć tkanki.
11. Rozpocznij segmentację, wybierając 1 dla tkanki mięśni szkieletowych (SM).
    1. Ustaw opcję pędzla na Maluj.
    2. Użyj narzędzi pędzla znajdujących się bezpośrednio w sekcji Wzrost regionu, aby dostosować się do żądanego rozmiaru pędzla i zacznij malować grupy mięśni lędźwiowych, mięśni przykręgosłupowych, skośnych i prostych grup mięśni.
       UWAGA: Jeśli płyny lub narządy poza powięzią mięśniową są oznaczone na czerwono jako mięśnie, pamiętaj, aby usunąć znaczniki za pomocą wyboru koloru Brak.
12. Gdy wszystkie mięśnie zostaną oznaczone, wybierz 1 w menu TAG Lock w lewym dolnym rogu ekranu. Zapewni to, że żaden mięsień nie zostanie przypadkowo ponownie oznaczony lub usunięty w miarę postępu segmentacji.
13. Wybierz 2 w obszarze Region rosnący i pomaluj całą tkankę tłuszczową (IMAT) w obrębie powięzi mięśniowej. Pamiętaj, aby użyć wyboru koloru Brak, jeśli jakikolwiek tłuszcz lub struktury poza powięzią mięśniową są błędnie oznaczone jako IMAT.
    UWAGA: Krawędzie powięzi mięśniowej zwykle wydają się jaśniejsze niż otaczający ją tłuszcz trzewny lub podskórny. Pamiętaj, aby oznaczyć cały tłuszcz na jaśniejszych krawędziach powięzi mięśniowej jako IMAT, a nie VAT lub SAT. Jeśli linea alba nie jest oznaczona jako mięsień, całość linea alba powinna być analizowana jako IMAT.
14. Po oznaczeniu wszystkich IMAT wybierz 2 z menu TAG Lock w lewym dolnym rogu ekranu.
15. Wybierz 5 z menu Uprawa regionu, aby oznaczyć tkankę VAT.
    1. Podczas tagowania VAT, w zależności od obrazu, łatwiejsze może być użycie Grow 2D zamiast Paint.
    2. Jeśli używasz Grow 2D, użyj najmniejszej opcji pędzla. Jeśli korzystasz z Grow 2D, pamiętaj, aby przejrzeć wszystkie oznaczone podatkiem VAT i upewnić się, że żadna tkanka śródprzelotowa wewnątrz jelit lub narządów nie jest błędnie oznaczona, ponieważ tłuszcz ten zwykle pochodzi z trawienia pokarmu lub innych struktur, które nie są objęte podatkiem VAT.
    3. Jeśli używasz farby, pamiętaj, aby nie malować wewnątrz światła narządów lub jelit.
16. Po oznaczeniu całego podatku VAT wybierz 5 z menu BLOKADA TAGU w lewym dolnym rogu ekranu.
17. Wybierz 7 z menu Uprawa regionu, aby oznaczyć tkankę SAT.
    1. Podczas tagowania SAT, w zależności od obrazu, zwykle łatwiej jest użyć Grow 2D zamiast Paint.
    2. Jeśli używasz Grow 2D, użyj najmniejszej opcji pędzla.
    3. Jeśli korzystasz z Grow 2D, pamiętaj, aby wrócić przez krawędzie obrazu z wybranym narzędziem Brak, aby upewnić się, że żadna tkanka w powięzi mięśniowej nie jest oznaczona jako SAT i aby upewnić się, że żadna skóra nie jest oznaczona jako SAT.
       UWAGA: Skóra jest zwykle jaśniejsza niż SAT i zwykle ma grubość około 2-3 pikseli, ale należy pamiętać, że wygląd i grubość skóry mogą się różnić w zależności od obrazu.
    4. Jeśli używasz programu Paint, pamiętaj, aby zachować ostrożność wokół krawędzi, szczególnie wokół skóry, aby upewnić się, że żadna tkanka nie jest nieprawidłowo oznaczona.
18. Po zakończeniu oznaczania tkanek przejdź do menu Narzędzia | Oznacz powierzchnię/objętość. Spowoduje to wyświetlenie pola powierzchni i objętości każdej z oznaczonych tkanek, zazwyczaj zainteresowanie dotyczy obszaru.
    1. Kliknij Wyświetl w oknie, aby w pełni otworzyć okno Powierzchnia tagu/Objętość. Spowoduje to również wyświetlenie wartości HU.
    2. Zapisz pole powierzchni i wartości progowe HU.
       UWAGA: Jeśli okno Tag Surface/Volume (Powierzchnia/Objętość) nie pojawia się w lewym dolnym rogu ekranu, może to być spowodowane tym, że nie ma wystarczającej ilości miejsca, aby je wyświetlić. W takim przypadku upewnij się, że okno Slice-O-Matic jest zmaksymalizowane, a następnie wybierz Narzędzia | Blokada tagów, aby usunąć okno Blokada tagów. Powinno to zapewnić wystarczająco dużo miejsca do wyświetlenia okna Powierzchnia znacznika/objętość.
19. Po zakończeniu przejdź do punktu menu Plik | Zapisz pliki TAG. Spowoduje to zapisanie pliku TAG w miejscu, w którym znajduje się plik DICOM.

2. Segmentacja L3 MRI

1. Uzyskaj osiowy obraz DICOM MRI (sekwencje T2-zależne)
   1. W przeglądarce obrazów zidentyfikuj kręg L3.
      1. Jeśli to możliwe, wybierz dwa poziome widoki okien i wybierz widok koronalny lub strzałkowy po lewej stronie jako odniesienie i widok osiowy po prawej.
      2. Kliknij Cross Link, aby połączyć lewe i prawe okno.
      3. Przewiń obrazy w dół od kierunku czaszkowego do ogonowego. Zidentyfikuj kręg L1, który jest pierwszym kręgiem bez mocowania żeber.
      4. Policz od L1 do L3 i użyj widoku czołowego lub strzałkowego, aby zidentyfikować wycinek środka L3. Jest to określane jako punkt, w którym oba procesy poprzeczne są w stanie być maksymalnie i jednakowo uwidocznione.
      5. Zaznacz wycinek L3. Na karcie Egzamin wybierz opcję Wyślij egzamin i zapisz obraz jako plik DICOM.
         UWAGA: Krok 1 jest krokiem przetwarzania wstępnego i jest wymieniony tutaj, aby zademonstrować, jak uzyskać obraz L3. Jeśli badacz ma już obraz L3, może przejść do kroku 2. Jeśli przeglądarka obrazów nie włącza odsyłaczy, badacz może pominąć 1.1.1 do 1.1.2. Jeśli obrazowanie nie obejmuje okolicy piersiowej, zidentyfikuj L5, który znajduje się przed kością krzyżową, i policz od L5 do L3, pamiętając, że obecność szóstego kręgu lędźwiowego jest normalnym wariantem.
2. Otwórz obraz DICOM za pomocą oprogramowania Slice-O-Matic.
3. Przeciągnij plik DICOM w dowolne miejsce w oknie Slice-O-Matic.
4. Wybierz tryby | Region Rośnie w celu rozpoczęcia segmentacji.
   UWAGA: Ze względu na słabe różnicowanie tkanki tłuszczowej w obrazach MRI, tylko SM jest segmentowany.
   1. Segmentacja mięśni przykręgosłupowych: Kliknij 1 (czerwony) pod obszarem Region Growing po lewej stronie ekranu.
      1. W trybie podglądu histogramy obrazu pokazywałyby wiele szczytów, z których pierwszy reprezentowałby powietrze, a kolejne drugi, trzeci i czwarty szczyt reprezentowałyby odpowiednio mięśnie, kości i tłuszcz.
      2. Kliknij przycisk Wyłącz przy dolnym limicie, aby włączyć go.
      3. Kliknij strzałki kółkiem myszy, aby ustawić Wyłączone na Dolny limit.
      4. Przeciągnij suwak na Dolny limit, aby ustawić próg jednostki Hounsfielda (HU) na 0.
      5. Kliknij przycisk Wyłącz przy górnym limicie, aby włączyć go.
      6. Kliknij strzałki kółkiem myszy, aby ustawić dolny limit na górny limit.
      7. Przeciągnij suwak na Górny limit, aby ustawić HU tak, aby obejmował mięsień przykręgosłupowy.
      8. Rozpocznij segmentację mięśni przykręgosłupowych, wybierając 1 dla tkanki mięśni szkieletowych (SM). Ustaw opcję pędzla na Maluj. Użyj narzędzi pędzla znajdujących się bezpośrednio w sekcji Wzrost regionu, aby dostosować się do żądanego rozmiaru pędzla i zacznij malować grupy mięśni przykręgosłupowych.
         UWAGA: Jeśli coś jest oznaczone na czerwono jako mięśnie na płynach lub narządach poza powięzią mięśniową, pamiętaj, aby usunąć znaczniki za pomocą wyboru koloru Brak.
   2. Segmentacja pozostałych grup mięśniowych: Przesuń mysz do przodu do linea alba. W trybie podglądu dostosuj górny limit, aby uwzględnić linea alba. Ta górna granica intensywności jest następnie przyjmowana dla wszystkich pozostałych grup mięśniowych.
      1. Rozpocznij segmentację, wybierając 1 dla tkanki mięśni szkieletowych (SM). Ustaw opcję pędzla na Maluj. Użyj narzędzi pędzla znajdujących się bezpośrednio w sekcji Wzrost regionu, aby dostosować się do żądanego rozmiaru pędzla i zacznij malować grupy mięśni przykręgosłupowych.
         UWAGA: Jeśli coś jest oznaczone na czerwono jako mięśnie na płynach lub narządach poza powięzią mięśniową, pamiętaj, aby usunąć znaczniki za pomocą wyboru koloru Brak.
5. Po zakończeniu oznaczania tkanek przejdź do menu Narzędzia | Oznacz powierzchnię/objętość. Spowoduje to wyświetlenie pola powierzchni i objętości każdej z oznaczonych tkanek, zazwyczaj zainteresowanie dotyczy pola powierzchni.
6. Kliknij Wyświetl w oknie, aby w pełni otworzyć okno Powierzchnia tagu/Objętość. Spowoduje to również wyświetlenie wartości HU.
7. Zapisz pole powierzchni i wartości progowe HU.
   UWAGA: Jeśli okno Tag Surface/Volume (Powierzchnia/Objętość) nie pojawia się w lewym dolnym rogu ekranu, może to być spowodowane tym, że nie ma wystarczającej ilości miejsca, aby je wyświetlić. W takim przypadku upewnij się, że okno Slice-O-Matic jest zmaksymalizowane, a następnie wybierz Narzędzia | Blokada tagów, aby usunąć okno Blokada tagów. Powinno to zapewnić wystarczająco dużo miejsca do wyświetlenia okna Powierzchnia znacznika/objętość.
8. Po zakończeniu przejdź do punktu menu Plik | Zapisz pliki TAG. Spowoduje to zapisanie pliku TAG w miejscu, w którym znajduje się plik DICOM.

3. Pomiar liniowy dla tomografii komputerowej i rezonansu magnetycznego

1. Uzyskaj osiowy obraz CT lub MRI DICOM.
   1. W przeglądarce obrazów zidentyfikuj kręg L3.
      1. Jeśli to możliwe, wybierz dwa poziome widoki okien i wybierz widok koronalny lub strzałkowy po lewej stronie jako odniesienie i widok osiowy po prawej.
      2. Kliknij Cross Link, aby połączyć lewe i prawe okno.
      3. Przewiń obrazy w dół od kierunku czaszkowego do ogonowego. Zidentyfikuj kręg L1, który jest pierwszym kręgiem bez mocowania żeber.
      4. Policz od L1 do L3 i użyj widoku czołowego lub strzałkowego, aby zidentyfikować wycinek środka L3, oznaczony przez punkt, w którym oba wyrostki poprzeczne są jednakowo zidentyfikowane.
         UWAGA: Krok 1 jest krokiem przetwarzania wstępnego i jest wymieniony tutaj, aby zademonstrować, jak uzyskać obraz L3. Jeśli badacz ma już obraz L3, może przejść do kroku 2. Jeśli przeglądarka obrazów nie włącza odsyłaczy, badacz może pominąć 1.1.1 do 1.1.2. Jeśli obrazowanie nie obejmuje okolicy klatki piersiowej, zidentyfikuj L5, który znajduje się przed kością krzyżową, i policz od L5 do L3.
2. Zaimportuj obraz do przeglądarki obrazowania medycznego i otwórz go.
   1. Dla Horos: otwórz aplikację i kliknij Importuj.
   2. Przejdź do miejsca, w którym znajduje się obraz DICOM, wybierz go i kliknij Otwórz. Plik i obraz powinny pojawić się na liście Imię i nazwisko pacjenta.
   3. Kliknij dwukrotnie Imię i nazwisko pacjenta, a następnie kliknij dwukrotnie obraz, aby rozpocząć segmentację liniową.
3. Zidentyfikuj mięśnie lędźwiowo-lędźwiowe i mięśnie przykręgosłupowe.
4. Wybierz linijkę i zmierz poziomą (180°) i pionową (90°) średnicę czterech mięśni wymienionych powyżej.
   UWAGA: Linie muszą być poziome i pionowe w stosunku do obrazu, a nie po przekątnej. Narysowane poziome i pionowe linie powinny tworzyć prostokątne pudełko, które obejmuje całość każdego mięśnia. Nie mierz po prostu najdłuższej odległości mięśnia. Jeśli używasz przeglądarki obrazów, która pozwala na narzędzie do rysowania ramek, to narzędzie może być używane zamiast prostego narzędzia linijki. Dzieje się tak pod warunkiem, że narzędzie do rysowania ramek wyświetla co najmniej wysokość i długość ramki.
5. Zapisz wszystkie osiem pomiarów (szerokość prawego odcinka lędźwiowego, długość prawego odcinka lędźwiowego, szerokość lewego odcinka lędźwiowego, długość lewego odcinka lędźwiowego, prawa szerokość kręgosłupa, prawa długość kręgosłupa, lewa szerokość kręgosłupa, lewa długość kręgosłupa) w celu dalszej analizy.
   1. Oblicz powierzchnię pojedynczego mięśnia, mnożąc wartość poziomą i pionową tego mięśnia.
   2. Uzyskaj całkowitą powierzchnię mięśni, mięśnie lędźwiowe i mięśnie przykręgosłupowe, dodając odpowiednio lewy mięsień do prawego mięśnia.
   3. Oblicz liniowy wskaźnik mięśniowy, dzieląc łączną powierzchnię (^mm2) przez wzrost pacjenta podniesiony do kwadratu (^m2).

Results

Procedura segmentacji L3 daje w wyniku oznaczonego obrazu CT lub MRI z tkanką mięśni szkieletowych (SM) oznaczoną na czerwono, IMAT na zielono, VAT na żółto, a SAT na niebieskozielonym (Rysunek 1). Pozostałe nieoznaczone tkanki pozostaną w oryginalnych odcieniach bieli, szarości i tyłu, które odpowiadają odpowiednim wartościom jednostek Hounsfielda (HU) każdego piksela. Większość nieoznakowanych tkanek, które pozostaną w kolorze białym, będzie kością, większość tkanek, które pozostaną w szarościach, to mięśnie nieszkieletowe, tkanki narządowe i tkanki tłuszczowe w świetle jelit, a większość obrazu, która pozostanie w kolorze czarnym, będzie powietrzem. Prawidłowo podzielony obraz nie będzie zawierał czerwonych lub zielonych znaczników na zewnątrz powięzi mięśni szkieletowych oraz żółtych lub cyjanowych znaczników w powięzi mięśni szkieletowych. Ponadto żółte znaczniki nie powinny przenikać do światła jelit lub narządów, takich jak nerki lub wątroba, a cyjanowe znaczniki nie powinny być obecne wzdłuż jaśniejszych zewnętrznych krawędzi, które odpowiadają skórze. Po zakończeniu segmentacji obrazu należy zarejestrować powierzchnie i średnie wartości HU w tkance wraz ze wzrostem pacjenta (Tabela 1). Na podstawie tych danych można obliczyć wskaźnik mięśni szkieletowych i przystąpić do dowolnej innej analizy związanej z konkretnymi badaniami lub pytaniami klinicznymi. Należy zauważyć, że w przypadku większości obrazów MRI tylko mięśnie szkieletowe mogą być prawidłowo oznaczone, a następnie przeanalizowane (Tabela 2). W pomiarach liniowych indeks oblicza się, dzieląc pole powierzchni przez kwadrat wysokości (tabela 3).

Typowe problemy, które badacze mogą napotkać podczas procedury segmentacji, obejmują obrazy, które pomijają kluczowe informacje. Na przykład obrazy mogą mieć obcięte lub przycięte spore fragmenty (Rysunek 2). W szczególności obrazy, które mają SAT i/lub tkankę mięśni szkieletowych wyciętą z kadru, drastycznie obniżą dokładność obliczeń powierzchni dotkniętych tkanek. To, czy spowoduje to, że obraz nie będzie nadawał się do analizy, będzie zależało od kontekstu klinicznego lub badawczego i będzie musiało być rozstrzygane przez zespół badawczy indywidualnie dla każdego przypadku. Inną pułapką jest to, że naukowcy mogą nieumyślnie włączyć rdzeń kręgowy i szpik kostny do mięśni szkieletowych. Aby uniknąć tego problemu, badacze powinni być dobrze przeszkoleni i zachować ostrożność podczas segmentacji. Inne typowe artefakty na obrazach CT lub MRI obejmują problemy techniczne spowodowane umieszczeniem pacjenta lub ruchem w skanerze, pasma tłuszczu i blizny wokół powięzi mięśni szkieletowych oraz inne artefakty o dziwnych kształtach (Rysunek 3). Problemy techniczne spowodowane ruchem pacjenta lub niewłaściwym umieszczeniem zwykle wydają się lżejsze, z wyższymi wartościami HU niż otaczająca tkanka. Tego rodzaju problemy techniczne zwykle pojawiają się w SAT i mogą również obniżyć dokładność obliczeń pola powierzchni. Kontekst kliniczny lub badawczy określi poziom tolerancji dla takich problemów. Pasma tłuszczu i artefakty tkanki bliznowatej zwykle nie powodują dużego błędu w obliczeniach powierzchni tkanki. Mogą jednak prowadzić do błędnej identyfikacji linii powięziowej. Obszary powierzchni mięśni szkieletowych i IMAT mogą być bardzo niedokładne w przypadkach, gdy pasma tłuszczowe lub tkanka bliznowata są mylone z linią powięzi mięśniowej. Inne drobne skazy i artefakty na obrazach CT i MRI zwykle nie wpływają na ogólną jakość obrazu, z wyjątkiem rzadkich przypadków. W zależności od kontekstu klinicznego lub badawczego, artefakty te mogą wymagać oceny przez eksperta radiologii w celu zweryfikowania jakości obrazu. Ostatnim częstym problemem w obrazach CT i MRI są deformacje linii powięzi mięśniowej (Rysunek 4). Przerwy te zwykle nie wpływają na jakość obrazu, ale obrazy zawierające duże pęknięcia lub inne deformacje powięzi mięśniowej powinny być oceniane przez radiologa w celu ustalenia, czy pochodzenie deformacji wpłynie na analizę w kontekście klinicznym lub badawczym.

Procedura pomiaru liniowego L3 opracowana przez Avruvin et al. ma mniej typowych błędów niż procedura segmentacji L3^14,15. Główne problemy napotykane w pomiarach liniowych koncentrują się wokół identyfikacji interesujących grup mięśni, dwóch mięśni lędźwiowych i przykręgosłupowych (Rysunek 5). W większości przypadków krawędzie mięśnia lędźwiowego będą odróżniać się od pobliskich narządów, ale w przypadku, gdy krawędź jest trudna do rozpoznania, zmiana filtrów HU lub jasności zwykle rozwiąże większość problemów. Ponadto krawędzie grup mięśni przykręgosłupowych często różnią się od innych pobliskich tkanek, ale należy pamiętać, że jeśli żaden wyraźny mięsień nie dociera do najniższej linii powięzi, linia ta nie powinna być uwzględniana przy określaniu dolnej krawędzi grupy mięśni przykręgosłupowych. Wreszcie, mięsień czworoboczny lędźwiowy powinien zostać wykluczony przy określaniu krawędzi mięśni lędźwiowych lub przykręgosłupowych (Rysunek 5E).

Rysunek 1: Prawidłowa segmentacja L3 w Slice-O-Matic. (A) Niezmieniony obraz osiowej tomografii komputerowej na kręgach L3. (B) W pełni oznakowana osiowa tomografia komputerowa z kolorem czerwonym odpowiadającym mięśniom szkieletowym (SM), zielonym domięśniowej tkance tłuszczowej (IMAT), żółtemu pęcherzykowej tkance tłuszczowej (VAT) i cyjanem odpowiadającej podskórnej tkance tłuszczowej (SAT). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 2: Odetnij obraz z L3 CT. Nieotagowany obraz CT w Slice-O-Matic ze znaczną ilością SAT, jak również odciętymi znacznymi ilościami tkanki mięśni szkieletowych. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 3: Typowe artefakty. (A) Nieoznaczone zdjęcie CT ma różne artefakty wyróżnione odpowiednio w czerwonej ramce, niebieskim owalu i zielonym polu. Czerwone pole pokazuje problemy techniczne z tomografią komputerową, potencjalnie spowodowane nieprawidłowym ustawieniem lub ruchem podczas skanowania. Niebieski owal podkreśla powszechny artefakt, który prawdopodobnie wywodzi się z tkanek bliznowatych. Zielony kwadrat podkreśla wypryski, które mogą mieć wiele potencjalnych przyczyn. (B) Oznaczone skany CT z wyglądem tych samych odpowiednich artefaktów podświetlonych w czerwonym polu, niebieskim owalu i zielonym polu. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 4: Duża przerwa w powięzi mięśniowej. (A) Nieoznaczone zdjęcie L3 CT podkreśla duże pęknięcie w powięzi mięśni szkieletowych w fioletowym polu. (B) Oznaczone zdjęcie L3 CT podkreśla oznaczony wygląd dużego pęknięcia powięzi mięśni szkieletowych w fioletowym polu. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 5: Pomiary liniowe L3. (A) Oryginalny obraz L3 CT przed analizą w przeglądarce obrazów Horos. (B) Tradycyjna metoda pomiaru liniowego obejmuje jedną linię pionową i jedną linię poziomą narysowaną dla każdego mięśnia. Linie te są mierzone za pomocą linijki i mnożone, aby znaleźć powierzchnię każdej grupy mięśni. Należy pamiętać, że tradycyjna metoda miar liniowych powinna zawsze mieć linie przecinające się pod kątem 90°. Ten obraz tradycyjnej metody pomiarów liniowych jest tylko wizualną demonstracją, ponieważ został stworzony w Horos i nie ma gwarancji, że będzie miał przecięcia pod kątem 90°. (C) (D) (E) Metoda Box dla pomiarów liniowych L3. (C) (D) Niebieskie i fioletowe pole obejmują odpowiednio prawy i lewy mięsień lędźwiowy, a żółte i zielone pole obejmuje odpowiednio prawy i lewy mięsień przykręgosłupowy. (E) Jasnofioletowe i pomarańczowe pola podkreślają mięsień czworoboczny lędźwiowy, który nie powinien być brany pod uwagę przy określaniu krawędzi mięśni lędźwiowych i przykręgosłupowych. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 6: Porównanie miar liniowych i obszaru mięśni szkieletowych w przekroju L3, n = 65. Połączone obszary lędźwiowe i przykręgosłupowe są zgodne z całkowitym mięśniem szkieletowym w przekroju L3. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

pkt. Rozdział pkt. pkt. pkt. pkt. pkt.

SEGMENTACJA CT
	mięsień	Śródmięśniowa tkanka tłuszczowa	Trzewna tkanka tłuszczowa	podskórna tkanka tłuszczowa
Powierzchnia powierzchni styku (cm2)	134,4	8.402	72,43	Rozdział 271
Jednostka Hounsfielda (średnia)	Rejon 33,61	2.1	Godziny 18.11	67,76
Wzrost pacjenta do kwadratu (m2)	Stopień ten wynosi 2,69	Wskaźnik mięśni szkieletowych (obszar mięśni / wysokość2, cm2 / m2)		Z dnia 49,97

Tabela 1: Segmentacja CT

pkt. pkt.

REZONANS MRI SEGMENACJA
	mięsień
Powierzchnia powierzchni styku (cm2)	241,8
Jednostka Hounsfielda (średnia)	35,85
Wzrost pacjenta (m2)	Pytanie 3,39
Wskaźnik mięśni szkieletowych	71.42
(Obszar mięśni/ Wysokość 2, cm2 / m2)

Tabela 2: Segmentacja MRI

pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt.

MIARY LINIOWE
Wysokość prawego odcinka lędźwiowego (cm)	Szerokość prawego odcinka lędźwiowego (cm)	Wysokość lewego odcinka lędźwiowego (cm)	Szerokość lewego lędźwia (cm)	Wysokość prawego kręgosłupa (cm)	Szerokość przykręgosłupowa po prawej stronie (cm)	Wysokość lewego kręgosłupa (cm)	Szerokość lewe kręgosłupa (cm)
3,934	2,927	3,743	2,788	4,916	6,264	4,403	7,045
Całkowita powierzchnia lędźwiowa (cm2)		21.950		Całkowita powierzchnia przykręgosłupowa (cm2)		61.813
Całkowita powierzchnia mięśni (cm2)				83.76
Wzrost pacjenta do kwadratu (m2)		2.496		Liniowy wskaźnik miary (cm2/m 2)		33.55

Tabela 3: Miary liniowe

Discussion

Mięsień lędźwiowy, grupy mięśni przykręgosłupowych i mięśnie skośne ściśle korelują z ogólną masą mięśniową⁵. W szczególności powierzchnia w przekroju poprzecznym tych grup mięśni w tomografii komputerowej lub rezonansie magnetycznym w środku trzeciego kręgu lędźwiowego (L3) jest silnie skorelowana z ogólną masą mięśniową, co czyni ten obraz idealnym dla badaczy lub klinicystów do wykorzystania przy ocenie sarkopenii ^1,2,13. Segmentacja i pomiary liniowe wykazały dużą wartość w ocenie składu ciała i identyfikacji złych stanów prognostycznych, takich jak sarkopenia i otyłość sarkopeniczna u pacjentów^16,17. Badania wykazały, że pomiary masy mięśniowej są związane z przeżyciem i ryzykiem poważnych powikłań po poważnych operacjach lub planach leczenia, takich jak chemioterapia i toksyczność chemioterapeutyczna 16,17,18. Dlatego uważamy, że korzystne dla klinicystów może być posiadanie danych dotyczących składu ciała przed udzieleniem pacjentom porad dotyczących opcji leczenia.

Obecnie istnieje kilka metod oceny składu ciała. Kilka metod, takich jak densytometria¹² i pletyzmografia wyporu powietrza (ADP)¹⁹, wykorzystuje odpowiednio masę i przemieszczenie powietrza do oszacowania procentowej zawartości tkanki tłuszczowej i gęstości ciała. Chociaż metody te mogą być użyteczne, nie są w stanie określić rozmieszczenia tkanki tłuszczowej ^5,19. Inne techniki analityczne składu ciała, takie jak BIA, opierają swoją analizę na różnych charakterystykach elektrycznych masy tłuszczowej i masy beztłuszczowej¹². Jednak po raz kolejny technika ta nie jest w stanie odpowiednio ocenić rozkładu tkanki tłuszczowej, a także wymaga więcej informacji, takich jak pochodzenie etniczne, wiek i płeć, w celu uzyskania dokładniejszych^pomiarów. I odwrotnie, wykazano, że oceny takie jak DEXA są przydatne w ocenie składu ciała, ale mają tendencję do przeszacowywania masy mięśniowej wraz ze wzrostem otyłości¹². W kilku protokołach wykorzystano również metodę Region-of-Interest (ROI) w celu uzyskania danych dotyczących masy mięśniowej i tkanki tłuszczowej w oprogramowaniu do przeglądania DICOM, które wykazały dobrą korelację z analizą składu ciała BIA w celu oceny sarkopenii i oceny odżywiania^20,21.

Procedura segmentacji opracowana przez Mourtzakisa i wsp. ma przewagę nad alternatywnymi ocenami składu ciała, ponieważ można ją wykonać na większości obrazów CT lub MRI i dokładnie określa rozmieszczenie tkanki tłuszczowej i obszar mięśniowy¹³. Dodatkowo segmentacja osiowa L3 ma tę zaletę, że jest dokładna niezależnie od stanu otyłości^{pacjenta 13}. Podobnie jak w przypadku wyżej wymienionych alternatyw, technika pomiarów liniowych opracowana przez Avrutin i ^wsp.14 nie ma możliwości oceny rozkładu tłuszczu. Ostatnio naukowcy wykazali rozbieżności w segmentacji ciała, zwłaszcza w metodach pomiaru samych mięśni lędźwiowych²². Sama masa mięśniowa lędźwiowo-lędźwiowa nie jest wysoce reprezentatywna dla ilości mięśni lędźwiowych lub systematycznego zaniku mięśni i może nie być silnie skorelowana z wynikami klinicznymi²². Ten problem może być bardziej niepokojący w pomiarze liniowym, ponieważ mięsień lędźwiowy jest główną grupą mięśni w ocenie. Jednak przedstawiona przez nas technika obejmuje obustronne oszacowania mięśni lędźwiowych i przykręgosłupowych, aby ocenić dokładniejszą, a jednocześnie szybką i wygodną ocenę przekrojowej masy mięśniowej. Uzasadnione są przyszłe badania, które potwierdzą zgodność między metodami pomiaru liniowego i segmentacji CT/MRI oraz ich korelację z wynikami klinicznymi.

Zarówno segmentacja L3, jak i pomiar liniowy zostały początkowo zaprojektowane tak, aby szybko i dokładnie ocenić zawartość mięśni w całym ciele. Poprzez segmentację tylko na kręgach L3, protokół oszczędza czas, jednocześnie dostarczając badaczom lub klinicystom wystarczających informacji do określenia beztłuszczowej masy mięśniowej pacjenta i stanu otyłości. Jednakże, mimo że segmentacja L3 zajmuje znacznie mniej czasu niż segmentacja całego ciała, korzystanie z oprogramowania Slice-O-Matic może być czasochłonne i kosztowne. I odwrotnie, pomiary liniowe mogą być tak dokładne jak segmentacja L3 w ocenie stanu mięśni i sarkopenii u pacjentów w stanie krytycznym^14,15. Wykazaliśmy taką zależność w kohorcie raka nerkowokomórkowego T3, gdzie mięsień szkieletowy mierzony za pomocą pomiarów liniowych jest ściśle skorelowany z wartością mierzoną przez segmentację (ryc. 6). Co ważne, metoda jest niezwykle szybka, a oprogramowanie do obrazowania jest darmowe. Jednak najbardziej zauważalnym ograniczeniem procedury pomiaru liniowego jest brak możliwości oceny zawartości tkanki tłuszczowej, co ogranicza klinicystów do kontekstów, w których wystarczająca jest ogólna ocena zawartości mięśni.

Zarówno w procedurach segmentacji, jak i pomiarów liniowych istnieją trzy kluczowe etapy. Po pierwsze, klinicyści i badacze powinni zidentyfikować środkową część kręgów L3, aby osiągnąć spójność. Środek kręgów L3 będzie warstwą, w której szpik wyrostków poprzecznych jest najbardziej widoczny. Osiowy wycinek kręgów L3 jest łatwiejszy do zidentyfikowania za pomocą usieciowanego widoku strzałkowego lub koronalnego. Badacze lub klinicyści mogą najpierw znaleźć kręgi L1 lub kość krzyżową jako punkt odniesienia, pamiętając, że obecność sześciu kręgów lędźwiowych zamiast pięciu jest normalnym wariantem. Kolejnym kluczowym krokiem jest identyfikacja mięśni. W pomiarach liniowych podczas wykonywania pomiarów pionowych i poziomych nie należy uwzględniać mięśnia czworobocznego lędźwiowego. Po trzecie, badacze powinni również zwrócić szczególną uwagę przy oznaczaniu podatku VAT w protokole segmentacji, ponieważ zawartość jelita grubego może być czasami oznaczona jako trzewna tkanka tłuszczowa²³. W przypadku wystąpienia takiego błędu badacze powinni usunąć te obszary przed przejściem do następnego kroku.

Częstym problemem w segmentacji jest słaba jakość obrazu z tomografii komputerowej lub rezonansu magnetycznego (przykłady można znaleźć w Reprezentatywnych wynikach ). W niektórych przypadkach niska jakość nie sprawia, że obraz staje się bezużyteczny, ale w innych przypadkach może być konieczne wykluczenie obrazu z analizy. Innym, być może nieuniknionym, ograniczeniem segmentacji pojedynczego obrazu jest losowa zmiana położenia narządów w zależności od obrazu.

Inne typowe problemy zarówno w przypadku analizy segmentacji L3, jak i liniowej analizy pomiarowej są często związane ze zmiennością między oceniającymi i wewnątrz nich. Podobnie jak w przypadku większości protokołów, można spodziewać się pewnych różnic między obserwatorami i między oddzielnymi badaniami jednej osoby. Aby uwzględnić i zminimalizować zmienność między oceniającymi z wieloma osobami przeprowadzającymi analizę, zespół badaczy lub klinicystów może testować wszelkie statystycznie istotne różnice w pomiarach powierzchni i średniej HU na tym samym obrazie. Zwróć szczególną uwagę na zmienność HU, ponieważ wskaże to, czy badacze lub klinicyści, którzy mają bardzo podobne powierzchnie dla tego samego obrazu, rzeczywiście oznaczają tkanki mniej więcej tak samo. Aby przetestować istotną zmienność wewnątrz oceny dla danej osoby, badacze lub klinicyści mogą wziąć niewielki podzbiór obrazów i podzielić każdy obraz na segmenty, aż wszystkie repliki dla każdego obrazu znajdą się w wąskim, statystycznie nieistotnym marginesie.

Zdajemy sobie sprawę, że oba przedstawione tutaj protokoły mają ograniczenia w analizie składu ciała, ponieważ używany jest tylko jeden plasterek. Jak sugerują Shen i wsp., analiza 3D może dostarczyć dokładniejszych informacji na temat tłuszczu trzewnego w jamie brzusznej, a analiza jednowarstwowa dla VAT jest na różnych poziomach dla mężczyzn i kobiet²⁴. Jednak omówione tutaj protokoły są nadal cenne, ponieważ zapewniają szybką ocenę tkanki mięśniowej i tłuszczowej, która może być wykorzystana do badań przesiewowych sarkopenii w klinikach.

Ponadto istnieje wiele zautomatyzowanych protokołów analizy składu ciała wykorzystujących algorytmy uczenia maszynowego 3D, w szczególności algorytmy klasyfikacji oparte na sieciach neuronowych²⁵. Zdajemy sobie sprawę, że mogą to być potencjalne przyszłe alternatywy dla tradycyjnej segmentacji 2D. Metody te wymagają jednak opracowania, przetestowania i wdrożenia dużych zbiorów danych z obrazów CT i MRI w warunkach klinicznych i badawczych. Ponadto metody te często wymagają analizy segmentacji 2D w celu ustalenia punktu odniesienia, względem którego można zweryfikować algorytmy uczenia maszynowego. Zademonstrowane tutaj protokoły mogą być zatem przydatne, gdy duże zestawy danych lub obrazy 3D nie są dostępne, a protokoły te można zastosować do pomocy w opracowywaniu i walidacji algorytmów uczenia maszynowego, gdy mają zastosowanie. Dlatego wierzymy, że klinicyści i badacze mogą skorzystać z tego filmu szkoleniowego i zastosować te szybkie i niezawodne metody jako wstępne badania przesiewowe przed dostępną automatyczną analizą oraz w celu ułatwienia wdrożenia tej zaawansowanej technologii.

Zdolność do szybkiej analizy rozmieszczenia tkanki tłuszczowej i masy mięśni szkieletowych ma szeroki zakres zainteresowań klinicznych, począwszy od leczenia i badań nad rakiem, a skończywszy na chorobach serca⁵. W porównaniu z innymi powszechnie stosowanymi metodami, Mourtzakis i wsp. Procedura segmentacji L3 w Slice-O-Matic pozwala na dokładną i szybką ocenę rozmieszczenia tkanki tłuszczowej oraz określenie statusu sarkopenii 5,12,13,19. Dodatkowo, w kontekstach, w których informacje na temat masy mięśni szkieletowych są wystarczające, procedura pomiaru liniowego L3 jest niezawodnym i bardzo szybkim narzędziem pomagającym przewidzieć sukces w leczeniu raka, takim jak chirurgia, radioterapia i chemioterapia 1,2,4,6,7,8 . Celem tego filmu szkoleniowego i manuskryptu jest jasne nakreślenie protokołu segmentacji i pomiarów liniowych do wykorzystania w przyszłości, aby klinicyści mogli łatwiej ocenić skład ciała w warunkach klinicznych.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Stacja robocza Centricity PACS Radiology RA 1000	GE  Przeglądarka obrazów opieki zdrowotnej		do uzyskiwania obrazów MRI i CT pacjenta
Oprogramowanie Slice-O-Matic 5.0	TomoVision		Segmentation używane w tym protokole. Można korzystać z innych wersji tego oprogramowania, ale narzędzia mogą się nieco różnić.
Horos	Nimble Co LLC d/b/a	Oprogramowanie do segmentacji liniowej Purview używane w tym protole, ale badacze mogą używać dowolnej przeglądarki obrazów z narzędziem linijki.