Name: Segmentacja i pomiar liniowy do analizy składu ciała za pomocą Slice-O-Matic i Horos (Wideo) | JoVE Journal
Uploaded: 2021-03-21T13:00:00.000+00:00
Duration: 13 min 35 s
Description: Naucz się segmentacji tkanki mięśniowej i tłuszczowej z obrazów CT i MRI przy użyciu oprogramowania Slice-O-Matic. Ta metoda umożliwia precyzyjną analizę składu ciała w badaniach nad sarkopenią.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Autorzy pragną podziękować za wsparcie fundacji rodzinnych John Robinson & Churchill.

<ol><li>Psutka, S. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Decreased+skeletal+muscle+mass+is+associated+with+an+increased+risk+of+mortality+after+radical+nephrectomy+for+localized+renal+cell+cancer%5BTitle%5D)+AND+%22The+Journal+of+Urology%22%5BJournal%5D)">Decreased skeletal muscle mass is associated with an increased risk of mortality after radical nephrectomy for localized renal cell cancer.</a> The Journal of Urology. 195 (2), 270-276 (2016).</li>
<li>Fukushima, H., Nakanishi, Y., Kataoka, M., Tobisu, K., Koga, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prognostic+significance+of+sarcopenia+in+patients+with+metastatic+renal+cell+carcinoma%5BTitle%5D)+AND+%22The+Journal+of+Urology%22%5BJournal%5D)">Prognostic significance of sarcopenia in patients with metastatic renal cell carcinoma.</a> The Journal of Urology. 195 (1), 26-32 (2016).</li>
<li>Santilli, V., Bernetti, A., Mangone, M., Paoloni, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+definition+of+sarcopenia%5BTitle%5D)+AND+%22Clinical+Cases+in+Mineral+and+Bone+Metabolism%22%5BJournal%5D)">Clinical definition of sarcopenia.</a> Clinical Cases in Mineral and Bone Metabolism. 11 (3), 117-180 (2014).</li>
<li>Caan, B. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Association+of+muscle+and+adiposity+measured+by+computed+tomography+with+survival+in+patients+with+nonmetastatic+breast+cancer%5BTitle%5D)+AND+%22JAMA+Oncology%22%5BJournal%5D)">Association of muscle and adiposity measured by computed tomography with survival in patients with nonmetastatic breast cancer.</a> JAMA Oncology. 4 (6), 798-804 (2018).</li>
<li>Borga, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advanced+body+composition+assessment%3A+from+body+mass+index+to+body+composition+profiling%5BTitle%5D)+AND+%22Journal+of+Investigative+Medicine%22%5BJournal%5D)">Advanced body composition assessment: from body mass index to body composition profiling.</a> Journal of Investigative Medicine. 66 (5), 1-9 (2018).</li>
<li>Cushen, S. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Body+composition+by+computed+tomography+as+a+predictor+of+toxicity+in+patients+with+renal+cell+carcinoma+treated+with+sunitinib%5BTitle%5D)+AND+%22American+Journal+of+Clinical+Oncology%22%5BJournal%5D)">Body composition by computed tomography as a predictor of toxicity in patients with renal cell carcinoma treated with sunitinib.</a> American Journal of Clinical Oncology. 40 (1), 47-52 (2017).</li>
<li>Bernstein, A. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+of+perinephric+fat+surface+area+and+Mayo+Adhesive+Probability+score+in+predicting+malignancy+in+T1+renal+masses%5BTitle%5D)+AND+%22Urologic+Oncology%22%5BJournal%5D)">A comparison of perinephric fat surface area and Mayo Adhesive Probability score in predicting malignancy in T1 renal masses.</a> Urologic Oncology. 36 (11), 417-499 (2018).</li>
<li>Auclin, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prediction+of+everolimus+toxicity+and+prognostic+value+of+skeletal+muscle+index+in+patients+with+metastatic+renal+cell+carcinoma%5BTitle%5D)+AND+%22Clinical+Genitourinary+Cancer%22%5BJournal%5D)">Prediction of everolimus toxicity and prognostic value of skeletal muscle index in patients with metastatic renal cell carcinoma.</a> Clinical Genitourinary Cancer. 15 (3), 350-355 (2017).</li>
<li>Vashi, P. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sarcopenia+supersedes+subjective+global+assessment+as+a+predictor+of+survival+in+colorectal+cancer%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Sarcopenia supersedes subjective global assessment as a predictor of survival in colorectal cancer.</a> PLoS One. 14 (6), 0218761(2019).</li>
<li>Elliott, J. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sarcopenia%3A+prevalence%2C+and+impact+on+operative+and+oncologic+outcomes+in+the+multimodal+management+of+locally+advanced+esophageal+cancer%5BTitle%5D)+AND+%22Annals+of+Surgery%22%5BJournal%5D)">Sarcopenia: prevalence, and impact on operative and oncologic outcomes in the multimodal management of locally advanced esophageal cancer.</a> Annals of Surgery. 266 (5), 822-830 (2017).</li>
<li>Kanellakis, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+and+validation+of+a+bioelectrical+impedance+prediction+equation+estimating+fat+free+mass+in+Greek+-+Caucasian+adult+population%5BTitle%5D)+AND+%22Clinical+Nutrition+ESPEN%22%5BJournal%5D)">Development and validation of a bioelectrical impedance prediction equation estimating fat free mass in Greek - Caucasian adult population.</a> Clinical Nutrition ESPEN. 36, 166-170 (2020).</li>
<li>Bredella, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+DXA+and+CT+in+the+assessment+of+body+composition+in+premenopausal+women+with+obesity+and+anorexia+nervosa%5BTitle%5D)+AND+%22Obesity+%28Silver+Spring%29%22%5BJournal%5D)">Comparison of DXA and CT in the assessment of body composition in premenopausal women with obesity and anorexia nervosa.</a> Obesity (Silver Spring). 18 (11), 2227-2233 (2010).</li>
<li>Mourtzakis, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+practical+and+precise+approach+to+quantification+of+body+composition+in+cancer+patients+using+computed+tomography+images+acquired+during+routine+care%5BTitle%5D)+AND+%22Applied+Physiology%2C+Nutrition%2C+and+Metabolism%22%5BJournal%5D)">A practical and precise approach to quantification of body composition in cancer patients using computed tomography images acquired during routine care.</a> Applied Physiology, Nutrition, and Metabolism. 33 (5), 997-1006 (2008).</li>
<li>Avrutin, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinically+practical+approach+for+screening+of+low+muscularity+using+electronic+linear+measures+on+computed+tomography+images+in+critically+ill+patients%5BTitle%5D)+AND+%22JPEN.+Journal+of+Parenteral+and+Enteral+Nutrition%22%5BJournal%5D)">Clinically practical approach for screening of low muscularity using electronic linear measures on computed tomography images in critically ill patients.</a> JPEN. Journal of Parenteral and Enteral Nutrition. 42 (5), 885-891 (2018).</li>
<li>Cespedes Feliciano, E. M., Avrutin, E., Caan, B. J., Boroian, A., Mourtzakis, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Screening+for+low+muscularity+in+colorectal+cancer+patients%3A+a+valid%2C+clinic-friendly+approach+that+predicts+mortality%5BTitle%5D)+AND+%22Journal+of+Cachexia%2C+Sarcopenia+and+Muscle%22%5BJournal%5D)">Screening for low muscularity in colorectal cancer patients: a valid, clinic-friendly approach that predicts mortality.</a> Journal of Cachexia, Sarcopenia and Muscle. 9 (5), 898-908 (2018).</li>
<li>Peng, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impact+of+sarcopenia+on+outcomes+following+resection+of+pancreatic+adenocarcinoma%5BTitle%5D)+AND+%22Journal+of+Gastrointestinal+Surgery%22%5BJournal%5D)">Impact of sarcopenia on outcomes following resection of pancreatic adenocarcinoma.</a> Journal of Gastrointestinal Surgery. 16 (8), 1478-1486 (2012).</li>
<li>Jones, K. I., Doleman, B., Scott, S., Lund, J. N., Williams, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Simple+psoas+cross-sectional+area+measurement+is+a+quick+and+easy+method+to+assess+sarcopenia+and+predicts+major+surgical+complications%5BTitle%5D)+AND+%22Colorectal+Disease%22%5BJournal%5D)">Simple psoas cross-sectional area measurement is a quick and easy method to assess sarcopenia and predicts major surgical complications.</a> Colorectal Disease. 17 (1), 20-26 (2015).</li>
<li>Prado, C. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sarcopenia+as+a+determinant+of+chemotherapy+toxicity+and+time+to+tumor+progression+in+metastatic+breast+cancer+patients+receiving+capecitabine+treatment%5BTitle%5D)+AND+%22Clinical+Cancer+Research%22%5BJournal%5D)">Sarcopenia as a determinant of chemotherapy toxicity and time to tumor progression in metastatic breast cancer patients receiving capecitabine treatment.</a> Clinical Cancer Research. 15 (8), 2920-2926 (2009).</li>
<li>Fields, D. A., Goran, M. I., McCrory, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Body-composition+assessment+via+air-displacement+plethysmography+in+adults+and+children%3A+a+review%5BTitle%5D)+AND+%22The+American+Journal+of+Clinical+Nutrition%22%5BJournal%5D)">Body-composition assessment via air-displacement plethysmography in adults and children: a review.</a> The American Journal of Clinical Nutrition. 75, 453-467 (2002).</li>
<li>Zopfs, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Single-slice+CT+measurements+allow+for+accurate+assessment+of+sarcopenia+and+body+composition%5BTitle%5D)+AND+%22European+Radiology%22%5BJournal%5D)">Single-slice CT measurements allow for accurate assessment of sarcopenia and body composition.</a> European Radiology. 30 (3), 1701-1708 (2020).</li>
<li>Schwenzer, N. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+analysis+of+adipose+tissue+in+single+transverse+slices+for+estimation+of+volumes+of+relevant+fat+tissue+compartment%5BTitle%5D)+AND+%22Investigative+Radiology%22%5BJournal%5D)">Quantitative analysis of adipose tissue in single transverse slices for estimation of volumes of relevant fat tissue compartment.</a> Investigative Radiology. 45 (12), 788-794 (2010).</li>
<li>Baracos, V. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Psoas+as+a+sentinel+muscle+for+sarcopenia%3A+a+flawed+premise%5BTitle%5D)+AND+%22Journal+of+Cachexia%2C+Sarcopenia+and+Muscle%22%5BJournal%5D)">Psoas as a sentinel muscle for sarcopenia: a flawed premise.</a> Journal of Cachexia, Sarcopenia and Muscle. 8 (4), 527-528 (2017).</li>
<li>Potretzke, A. M., Schmitz, K. H., Jensen, M. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Preventing+overestimation+of+pixels+in+computed+tomography+assessment+of+visceral+fat%5BTitle%5D)+AND+%22Obesity+Research%22%5BJournal%5D)">Preventing overestimation of pixels in computed tomography assessment of visceral fat.</a> Obesity Research. 12 (10), 1698-1701 (2004).</li>
<li>Shen, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Total+body+skeletal+muscle+and+adipose+tissue+volumes%3A+estimation+from+a+single+abdominal+cross-sectional+image%5BTitle%5D)+AND+%22Journal+of+Applied+Physiology%22%5BJournal%5D)">Total body skeletal muscle and adipose tissue volumes: estimation from a single abdominal cross-sectional image.</a> Journal of Applied Physiology. 97 (6), 2333-2338 (2004).</li>
<li>Weston, A. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+abdominal+segmentation+of+CT+scans+for+body+composition+analysis+using+deep+learning%5BTitle%5D)+AND+%22Radiology%22%5BJournal%5D)">Automated abdominal segmentation of CT scans for body composition analysis using deep learning.</a> Radiology. 290 (3), 669-679 (2019).</li>
</ol>

Autorzy nie mają nic do ujawnienia.

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 pacjentów16,17. 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 dokładniejszychpomiarów. 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 odżywiania20,21.
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 otyłościpacjenta 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 krytycznym14,15. 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.

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 skorelowane1,2,3. Analiza składu ciała obejmuje pomiary masy mięśni szkieletowych i rozmieszczenia tkanki tłuszczowej, dostarczając bardziej wyczerpujących informacji na temat ogólnej sprawności pacjentów1,3,4. 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 całkowite1,2,9,10. 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 szkolenia5,11. 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 L314,15. 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 liniowego14,15. 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.

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

segmentacja i pomiar liniowy do analizy składu ciała za pomocą slice-o-matic i horos

Segmentation and Linear Measurement for Body Composition Analysis using Slice-O-Matic and Horos

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.

Procedura segmentacji poziomu L3 skutkuje uzyskaniem obrazu CT lub MRI z oznaczeniami, gdzie tkanka mięśnia szkieletowego (SM) jest oznaczona na czerwono, IMAT na zielono, VAT na żółto, a SAT na cyjanowo (Rycina 1). Pozostałe nieoznaczone tkanki zachowają swoje oryginalne odcienie bieli, szarości i czerni, które odpowiadają wartościom jednostek Hounsfielda (HU) dla każdego piksela. Większość nieoznaczonych tkanek pozostających w kolorze białym to kości, większość tkanek w odcieniach szarości to mięśnie pozaszkieletowe, tkanki narządowe oraz tkanki tłuszczowe w świetle jelit, a większość obrazu pozostającej w kolorze czarnym to powietrze. Prawidłowo segmentowany obraz nie będzie posiadał oznaczeń czerwonych ani zielonych poza powięzią mięśni szkieletowych, a oznaczeń żółtych ani cyjanowych w obrębie powięzi mięśni szkieletowych. Ponadto oznaczenia żółte nie powinny przenikać do światła jelit ani do narządów takich jak nerki czy wątroba, a oznaczenia cyjanowe nie powinny występować wzdłuż jaśniejszych krawędzi zewnętrznych odpowiadających skórze. Po zakończeniu segmentacji obrazu należy zapisać powierzchnie oraz średnie wartości HU tkanek, wraz z wzrostem pacjenta (Tabela 1). Na podstawie tych danych można obliczyć indeks mięśni szkieletowych i przejść do innych analiz istotnych dla konkretnych pytań badawczych lub klinicznych. Należy zauważyć, że w przypadku większości obrazów MRI można prawidłowo oznaczyć i w następstwie przeanalizować jedynie mięśnie szkieletowe (Tabela 2). W pomiarach liniowych indeks oblicza się, dzieląc powierzchnię przez kwadrat wzrostu (Tabela 3).
Do typowych problemów, z którymi badacze mogą się spotkać podczas procedury segmentacji, należą obrazy z pominięciem kluczowych informacji. Na przykład obrazy mogą mieć znaczące fragmenty odcięte lub przycięte (Rysunek 2). W szczególności obrazy, na których tkanka SAT i/lub mięśnie szkieletowe zostały wycięte poza kadrem, drastycznie obniżą dokładność obliczeń powierzchni dotkniętych tkanek. To, czy sprawia to, że obraz jest nieprzydatny do analizy, zależy od kontekstu klinicznego lub badawczego i musi zostać rozstrzygnięte przez zespół badawczy w każdym przypadku indywidualnie. Kolejną pułapką jest możliwość nieumyślnego włączenia rdzenia kręgowego i szpiku kostnego do obszaru mięśni szkieletowych. Aby uniknąć tego problemu, badacze powinni przejść odpowiednie przeszkolenie i zachować ostrożność podczas segmentacji. Inne częste artefakty w obrazach CT lub MRI obejmują problemy techniczne spowodowane ułożeniem pacjenta lub jego ruchem w skanerze, pasma tłuszczowe i tkanki bliznowate wokół powięzi mięśni szkieletowych oraz inne artefakty o nietypowych kształtach (Rysunek 3). Problemy techniczne spowodowane ruchem pacjenta lub nieprawidłowym ułożeniem zazwyczaj objawiają się jaśniejszymi obszarami o wyższych wartościach HU niż w otaczającej tkance. Tego rodzaju problemy techniczne zazwyczaj występują w SAT i mogą również obniżyć dokładność obliczeń powierzchni. Kontekst kliniczny lub badawczy określi poziom tolerancji dla takich problemów. Artefakty w postaci pasm tłuszczowych i tkanki bliznowatej zazwyczaj nie powodują dużych błędów w obliczeniach powierzchni tkanek. Mogą one jednak prowadzić do błędnej identyfikacji linii powięziowej. Powierzchnie mięśni szkieletowych i IMAT mogą być bardzo niedokładne w przypadkach, gdy pasma tłuszczu lub tkanka bliznowata zostaną pomylone z linią powięzi mięśniowej. Inne niewielkie skazy i artefakty w obrazach CT i MRI zazwyczaj nie wpływają na ogólną jakość obrazu, z wyjątkiem rzadkich przypadków. W zależności od kontekstu klinicznego lub badawczego artefakty te mogą wymagać oceny przez eksperta radiologa w celu weryfikacji jakości obrazu. Ostatnim częstym problemem w obrazach CT i MRI są deformacje linii powięzi mięśniowej (Rysunek 4). Przerwy te zazwyczaj nie wpływają na jakość obrazu, jednak obrazy zawierające duże przerwy lub inne deformacje powięzi mięśniowej powinny zostać ocenione przez radiologa, aby ustalić, czy pochodzenie deformacji wpłynie na analizę w kontekście klinicznym lub badawczym.
Procedura pomiaru liniowego L3 opracowana przez Avruvina i współpracowników charakteryzuje się mniejszą liczbą typowych błędów niż procedura segmentacji L314,15. Główne problemy napotykane przy pomiarach liniowych dotyczą identyfikacji interesujących grup mięśniowych: dwóch mięśni lędźwiowych dużych oraz grup mięśni przykręgosłupowych (Rycina 5). W większości przypadków krawędzie mięśni lędźwiowych będą wyraźnie oddzielone od sąsiednich narządów, jednak w sytuacji, gdy krawędź jest trudna do rozróżnienia, zmiana filtrów HU lub jasności zazwyczaj rozwiązuje większość problemów. Ponadto krawędzie grup mięśni przykręgosłupowych są często wyraźnie oddzielone od innych pobliskich tkanek, należy jednak pamiętać, że jeśli żaden wyraźny mięsień nie sięga najniższej linii powięzi, linia ta nie powinna być uwzględniana przy określaniu dolnej krawędzi grupy mięśni przykręgosłupowych. Na koniec, mięsień czworoboczny lędźwi powinien zostać wykluczony podczas wyznaczania krawędzi mięśni lędźwiowych lub grup mięśni przykręgosłupowych (Rycina 5E).
<img alt="Schemat tomografii komputerowej z segmentacją tkanek ciała do analizy anatomicznej i oceny medycznej." class="xfigimg" src="/files/ftp_upload/61674/61674fig01.jpg" data-altupdatedat="1788250015000" data-alt="Rycina 1"> 
Rycina 1: Prawidłowa segmentacja poziomu L3 w programie Slice-O-Matic. (A) Niezmieniony obraz osiowy CT na poziomie kręgu L3. (B) W pełni oznaczony obraz osiowy CT, gdzie kolor czerwony odpowiada mięśniom szkieletowym (SM), zielony tkance tłuszczowej wewnątrzmięśniowej (IMAT), żółty tkance tłuszczowej trzewnej (VAT), a cyjan tkance tłuszczowej podskórnej (SAT). <a href="https://www.jove.com/files/ftp_upload/61674/61674fig01large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>
<img alt="Tomografia komputerowa (TK) pokazująca przekrój anatomii jamy brzusznej, z wyróżnionymi kręgami i strukturami wewnętrznymi." class="xfigimg" src="/files/ftp_upload/61674/61674fig02.jpg" data-altupdatedat="1788250015000" data-alt="Rycina 2"> 
Rycina 2: Obraz TK na poziomie L3 z uciętymi krawędziami. Nieoznaczony obraz TK w programie Slice-O-Matic, w którym znaczne ilości SAT oraz istotne ilości tkanki mięśniowej szkieletowej zostały ucięte. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig02large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>
<img alt="Porównanie obrazów tomografii komputerowej, segmentacja tkanek brzusznych, schemat przedstawiający obszary w analizie z kodowaniem kolorystycznym." class="xfigimg" src="/files/ftp_upload/61674/61674fig03.jpg" data-altupdatedat="1788250015000" data-alt="Rysunek 3"> 
Rycina 3Typowe artefakty. (A) Na nieoznakowanym obrazie TK widoczne są różne artefakty, wyróżnione odpowiednio w czerwonej ramce, niebieskiej owalu i zielonej ramce. Czerwona ramka wskazuje problemy techniczne z tomografią komputerową, wynikające potencjalnie z błędnego ustawienia lub ruchu podczas skanowania. Niebieski owal wyróżnia częsty artefakt, prawdopodobnie pochodzący z tkanki bliznowatej. Zielona ramka wskazuje defekty, które mogą mieć wiele potencjalnych przyczyn. (B) Oznaczona tomografia komputerowa (TK), na której te same odpowiadające im artefakty zostały wyróżnione w czerwonej ramce, niebieskiej elipsie i zielonej ramce. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig03large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>
<img alt="Schemat tomografii komputerowej jamy brzusznej, analiza przekroju poprzecznego rozkładu tkanki tłuszczowej trzewnej i podskórnej." class="xfigimg" src="/files/ftp_upload/61674/61674fig04.jpg" data-altupdatedat="1788250015000" data-alt="Rysunek 4"> 
Rycina 4Rozległe przerwanie powięzi mięśniowej. (A) Nieoznaczone zdjęcie CT na poziomie L3 uwidacznia duże przerwanie powięzi mięśni szkieletowych w fioletowej ramce. (BOznaczone zdjęcie TK na poziomie L3 podkreśla charakterystyczny wygląd dużego przerwania powięzi mięśni szkieletowych w fioletowej ramce. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig04large.jpg" target="_blank">Aby wyświetlić większą wersję tej ilustracji, kliknij tutaj.</a>
<img alt="Przekroje tomografii komputerowej; anatomia jamy brzusznej; warstwy osiowe; analiza obrazowania medycznego; wizualizacja." class="xfigimg" src="/files/ftp_upload/61674/61674fig05.jpg" data-altupdatedat="1788250015000" data-alt="Rycina 5"> 
Rycina 5: Pomiary liniowe na poziomie L3. (A) Oryginalny obraz TK na poziomie L3 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 narzędzia linijki, a ich wartości mnożone w celu obliczenia powierzchni przekroju każdej grupy mięśniowej. Należy pamiętać, że w tradycyjnej metodzie pomiarów liniowych linie powinny zawsze przecinać się pod kątem 90˚. Przedstawiony obraz tradycyjnej metody pomiarów liniowych służy wyłącznie jako demonstracja wizualna, ponieważ został utworzony w programie Horos i nie ma gwarancji, że przecięcia tworzą kąty 90˚. (C) (D) (E) Metoda ramkowa (Box method) dla pomiarów liniowych na poziomie L3. (C) (D) Niebieska i fioletowa ramka obejmują odpowiednio prawy i lewy mięsień lędźwiowy większy, a żółta i zielona ramka obejmują odpowiednio prawy i lewy mięsień przykręgosłupowy. (E) Jasnofioletowa i pomarańczowa ramka zaznaczają mięsień czworoboczny lędźwi, którego nie należy uwzględniać przy wyznaczaniu krawędzi grup mięśni lędźwiowych i przykręgosłupowych. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig05large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>
<img alt="Wykres rozrzutu wykazujący korelację między pomiarami segmentacyjnymi a liniowymi mięśni (R²=0,8078)." class="xfigimg" src="/files/ftp_upload/61674/61674fig06.jpg" data-altupdatedat="1788250015000" data-alt="Rycina 6"> 
Rycina 6: Porównanie pomiarów liniowych i pola przekroju poprzecznego mięśni szkieletowych na poziomie L3, n = 65. Sumaryczne pola mięśnia lędźwiowego i mięśni przykręgosłupowych są zgodne z całkowitą powierzchnią mięśni szkieletowych w przekroju poprzecznym L3. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig06large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>SEGMENTACJA TK</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td></td>
			<td>Mięsień</td>
			<td>Tkanka tłuszczowa wewnątrzmięśniowa</td>
			<td>Tkanka tłuszczowa trzewna</td>
			<td>Tkanka tłuszczowa podskórna</td>
		</tr>
		<tr>
			<td>Powierzchnia (cm²)2)</td>
			<td>134.4</td>
			<td>8.402</td>
			<td>72.43</td>
			<td>271</td>
		</tr>
		<tr>
			<td>Jednostka Hounsfielda (średnia)</td>
			<td>33.61</td>
			<td>2.1</td>
			<td>18.11</td>
			<td>67.76</td>
		</tr>
		<tr>
			<td>Kwadrat wzrostu pacjenta (m²)2)</td>
			<td>2.69</td>
			<td>Wskaźnik masy mięśni szkieletowych (powierzchnia mięśnia/wzrost)2,  cm2/ m2)</td>
			<td></td>
			<td>49.97</td>
		</tr>
	</tbody>
</table>
Tabela 1: Segmentacja CT
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>SEGMENTACJA MRI</td>
			<td></td>
		</tr>
		<tr>
			<td></td>
			<td>Mięsień</td>
		</tr>
		<tr>
			<td>Powierzchnia (cm²2)</td>
			<td>241.8</td>
		</tr>
		<tr>
			<td>Jednostka Hounsfielda (średnia)</td>
			<td>35.85</td>
		</tr>
		<tr>
			<td>Wzrost pacjenta (m)2)</td>
			<td>3.39</td>
		</tr>
		<tr>
			<td>Wskaźnik masy mięśni szkieletowych</td>
			<td rowspan="2">71.42</td>
		</tr>
		<tr>
			<td>(Powierzchnia mięśnia/Wzrost)2, cm2/m2)</td>
		</tr>
	</tbody>
</table>
Tabela 2: Segmentacja MRI
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td colspan="8">POMIARY LINIOWE</td>
		</tr>
		<tr>
			<td>Wysokość prawego mięśnia lędźwiowego większego (cm)</td>
			<td>Szerokość prawego mięśnia lędźwiowego większego (cm)</td>
			<td>Wysokość lewego mięśnia lędźwiowego większego (cm)</td>
			<td>Szerokość lewego mięśnia lędźwiowego większego (cm)</td>
			<td>Wysokość prawego mięśnia przykręgowego (cm)</td>
			<td>Szerokość prawej strony przykręgosłupowej (cm)</td>
			<td>Wysokość lewego mięśnia przykręgowego (cm)</td>
			<td>Szerokość lewego mięśnia przykręgowego (cm)</td>
		</tr>
		<tr>
			<td>3.934</td>
			<td>2.927</td>
			<td>3.743</td>
			<td>2.788</td>
			<td>4.916</td>
			<td>6.264</td>
			<td>4.403</td>
			<td>7.045</td>
		</tr>
		<tr>
			<td colspan="2">Całkowita powierzchnia mięśnia lędźwiowego (cm²2)</td>
			<td colspan="2">21.950</td>
			<td colspan="2">Całkowita powierzchnia przykręgosłupowa (cm²2)</td>
			<td colspan="2">61.813</td>
		</tr>
		<tr>
			<td colspan="4">Całkowita powierzchnia mięśni (cm²2)</td>
			<td colspan="4">83.76</td>
		</tr>
		<tr>
			<td colspan="2">Kwadrat wzrostu pacjenta (m²)2)</td>
			<td colspan="2">2.496</td>
			<td colspan="2">Wskaźnik pomiaru liniowego (cm)2/m2)</td>
			<td colspan="2">33.55</td>
		</tr>
	</tbody>
</table>
Tabela 3: Pomiary liniowe

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.

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

Body composition is associated with risk of disease progression and treatment complications in a variety of conditions. Therefore, quantification of ...

Wykazano, że zwyrodnienie mięśni wstęgowych u sarkopenii jest czynnikiem prognostycznym dla przeżycia raka i powodzenia leczenia. Analiza składu trzeciego odcinka lędźwiowego jest interesująca, ponieważ zapewnia ilościową charakterystykę mięśni szkieletowych, a w ramach tomografii komputerowej dostarcza jakościowych informacji o tkance tłuszczowej. Poniższe procedury zapewniają protokół i segmentację pionową w oprogramowaniu sliceOmatic, a także protokoły pomiarowe do analizy składu na obrazach CT i MRI.Wybór protokołu kręgów L3 jest zakończony w GE centricity. Należy pamiętać, że w przypadku korzystania z innego oprogramowania narzędzia mogą się różnić. Otwórz obrazy CT lub MRI pacjenta wykonane w interesującym go czasie.Wybierz regiony monitora, widok okna 2V. Wybierz widok koronalny lub strzałkowy na lewym ekranie, przechodząc do serii, a następnie wybierając obrazy koronalne lub strzałkowe. Wybierz widok osiowy na prawym ekranie, przechodząc do serii, a następnie wybierając obrazy osiowe.Kliknij połączenie, odniesienie, aby połączyć dwa obrazy, a następnie przewiń obrazy w widoku koronalnym lub strzałkowym, aby upewnić się, że kręgi kręgosłupa są dobrze widoczne. Następnie przewiń obrazy widoku osiowego, aby znaleźć kręgi L1. L1 jest pierwszym kręgiem, który nie ma przyczepu żebrowego.Policz od L1 w dół do kręgów L3. Pamiętaj, aby użyć widoku strzałkowego lub koronalnego jako odniesienia, aby zlokalizować środek kręgów L3. Wyeksportuj obraz L3, przechodząc do menu egzaminu, wybierz eksport obrazów, wybrane obrazy.Upewnij się, że format to DICOM. Następnie wybierz lokalizację, w której obraz ma zostać zapisany. Kliknij dwukrotnie plik DICOM, aby otworzyć sliceOmatic.Po załadowaniu programu przeciągnij obraz DICOM w dowolne miejsce na ekranie sliceOmatic. Przejdź do trybów, rosnący region, aby rozpocząć segmentację. Wybierz narzędzia, blokadę tagów.Ta funkcja będzie używana w kolejnych krokach. Kliknij czerwony pod rosnącym regionem, aby ustawić limity H.U. dla mięśni. Następnie kliknij przycisk wyłączania obok dolnego limitu.Spowoduje to ustawienie go na włączone. Dostosuj limit za pomocą suwaka tak, aby był jak najbardziej zbliżony do minus 29. Następnie użyj kółka myszy, aby ustawić go dokładnie na minus 29.Następnie kliknij przycisk wyłączania obok górnego limitu, aby ustawić go na włączony. Użyj suwaka i kółka myszy, aby ustawić H.U.limit na dodatni 150 Następnie kliknij zielone dwa, aby ustawić limity H.U. dla I.M.A.T. i ustaw dolny i górny limit w ten sam sposób, ale ustawiając dolny limit na minus 190, a górny limit na minus 30. Kliknij na żółtą piątkę, aby ustawić limity dla V.A.T.tym razem ustaw dolny limit na minus 150, a górny limit na minus 50.Na koniec kliknij niebieskozieloną siódemkę, aby ustawić limity H.U. dla SAT, ustawiając dolny limit na minus 190, a górny limit na minus 30. Naciśnij plus i minus na klawiaturze, aby w razie potrzeby powiększyć obraz. Dostosuj powiększenie zgodnie z potrzebami w całym procesie segmentacji.Wybierz czerwony i upewnij się, że opcja pędzla jest ustawiona na malowanie. Użyj rozmiaru pędzla, który jest najbardziej wydajny dla obrazu i rozpocznij malowanie, klikając tkankę mięśniową. Pomaluj mięśnie lędźwiowe, grupy mięśni przykręgosłupowych i skośne grupy mięśni.Uważaj na krawędzie mięśni, które znajdują się blisko kręgosłupa, narządów wewnętrznych lub płynów, aby upewnić się, że nie są one oznaczone jako mięśnie. Jeśli coś jest fałszywie oznaczone, wybierz brak i usuń błąd. Po oznaczeniu wszystkich mięśni wybierz jeden z menu blokady tagów.Dzięki temu żaden mięsień nie zostanie przypadkowo usunięty ani ponownie oznaczony w miarę postępu segmentacji. Wybierz dwie zielone i pomaluj tkankę I.M.A.T. w powięzi mięśniowej. Należy pamiętać, że większość luk w samym mięśniu będzie I.M.A.T.Należy pamiętać, że krawędzie powięzi mięśniowej są często jaśniejsze niż otaczająca tkanka.Może to być pomocny przewodnik, szczególnie w regionach, w których skośne grupy mięśniowe stykają się z grupami mięśni przykręgosłupowych oraz w regionie poniżej prostowników kręgosłupa, ale powyżej linii powięzi. Po oznaczeniu wszystkich I.M.A.T. wybierz je w menu blokady tagów. Następnie wybierz żółtą piątkę z menu uprawy regionu, aby rozpocząć segmentację V.A.T.Nadal można korzystać z opcji pędzla, ale w przypadku wielu obrazów łatwiej i szybciej można zamiast tego użyć opcji wzrostu do D.Jeśli używasz grow to D, pamiętaj, aby wybrać najmniejszy rozmiar pędzla, a następnie kliknij tkankę V.A.T. na obrazie, aby ją oznaczyć. Upewnij się, że tkanki lub tłuszcze znajdujące się w limicie jelit lub innych narządów nie są oznaczone jako V.A.T.Gdy wszystkie V.A.T.is oznaczone, wybierz pięć z menu blokady tagów. Na koniec wybierz cyjanową siódemkę z menu uprawy regionu, aby oznaczyć tkankę S.A.T..Ponownie, w zależności od obrazu, tkanka S.A.T.tissue jest często łatwiejsza do oznaczenia za pomocą opcji grow to D. Po oznaczeniu tkanki S.A.T. sprawdź krawędzie, szczególnie wokół skóry, aby upewnić się, że tylko podskórny tłuszcz jest oznaczony jako S.A.T. Po oznaczeniu wszystkich tkanek spójrz na obraz, aby upewnić się, że nie ma błędów lub błędnie oznaczonej tkanki. Po zakończeniu przejdź do narzędzi i oznacz objętość powierzchni.Kliknij przycisk wartości okna i zapisz powierzchnię każdej tkanki oraz średnie wartości H.U. Na koniec przejdź do pliku, zapisz pliki tagów. Spowoduje to zapisanie pliku znaczników, w którym znajduje się obraz DICOM.Aby rozpocząć segmentację MRI, przejdź do trybów, uprawy regionu. Patrząc w okno podglądu, możemy zobaczyć histogram wartości H.U., gdzie pierwszy pik to powietrze, następny to mięśnie szkieletowe, a jeśli kolejne piki są dostrzegalne, będą to kości, a następnie tkanka tłuszczowa. Należy pamiętać, że podczas korzystania z obrazów MRI, zwykle tylko mięśnie szkieletowe mogą być pewnie segmentowane ze względu na słabą dyskryminację tkanki tłuszczowej.Wybierz czerwony i włącz dolny limit, pozostawiając go ustawionym na zero. Następnie włącz górny limit i zmień opcję kółka myszy na górny limit. Następnie wybierz opcję farby i dużego pędzla, a następnie przesuń kursor nad mięsień lędźwiowy, tak aby obszar kursora obejmował zarówno mięsień, jak i kość.Aby mieć pewność, że kość nie jest oznaczona jako mięsień, ustaw górną granicę konserwatywnie, przesuwając kółko myszy, aż górna granica nie będzie obejmować żadnej zewnętrznej tkanki kostnej. Następnie podziel tkankę mięśniową na segmenty bezpośrednio przylegające do kręgosłupa. Następnie przesuń kursor na linię białą lub w dowolne inne miejsce na skanie, w którym tkanka tłuszczowa i mięśnie są łatwe do odróżnienia.Zwiększ górną granicę tak wysoko, jak to możliwe, nie włączając tkanki tłuszczowej. Stąd można przystąpić do segmentacji wszystkich pozostałych mięśni szkieletowych. Uwaga, w przypadku niektórych obrazów górny limit może wymagać ciągłej regulacji.Należy pamiętać, że chociaż ustawienie górnej granicy za pomocą tej dwuetapowej procedury jest konserwatywne, zoptymalizuje ilość mięśni szkieletowych, które mają być oznaczone, bez martwienia się o znaczne błędne znakowanie kości lub tkanki tłuszczowej. Po zakończeniu przejdź do narzędzi, oznacz objętość powierzchni i wybierz wartości okna, aby zarejestrować pole powierzchni i średnie wartości H.U. mięśnia szkieletowego. Wykazano, że liniowy pomiar obszaru kręgów L3 jest ściśle skorelowany z całkowitą masą mięśniową.Zaletą pomiaru liniowego jest jego łatwość i szybkość, a także fakt, że można go wykonać w dowolnym oprogramowaniu za pomocą linijki, narzędzia lub narzędzia pudełkowego. Protokół ten jest demonstrowany za pomocą aplikacji Horace Medical Obrazing. Jeśli używasz innego oprogramowania, pamiętaj, że konkretne narzędzia mogą być bardzo.Zaimportuj obraz do przeglądarki, klikając import, a następnie przechodząc do lokalizacji obrazu i wybierając opcję Otwórz. Po zaimportowaniu kliknij zdjęcie lub imię pacjenta, aby wyświetlić obraz na dole. Kliknij dwukrotnie obraz, aby go zmaksymalizować, co spowoduje również otwarcie opcji narzędzia.Zidentyfikuj mięśnie lędźwiowe i przykręgosłupowe. Należy pamiętać, że mięsień czworoboczny lędźwiowy nie powinien być brany pod uwagę przy określaniu krawędzi grup mięśni przykręgosłupowych. Wybierz narzędzie linijki.Narysuj pionową linię od najwyższych punktów grupy mięśniowej do samego dołu grupy mięśniowej. Następnie narysuj poziomą linię od najszerszej krawędzi grupy mięśniowej do drugiej najszerszej krawędzi grupy mięśniowej. Powtórz ten proces zarówno dla prawej, jak i lewej grupy lędźwiowej oraz prawej i lewej grupy przykręgosłupowej.Należy pamiętać, że narysowane linie muszą przecinać się pod kątem 90 stopni. Zauważ, że jeśli krawędzie narysowanych linii miałyby być połączone, to połączenie to powinno stworzyć pudełko obejmujące całą grupę mięśniową. W przeglądarce Horace Medical Viewer trudno jest użyć narzędzia linijki, aby upewnić się, że linie przecinają się pod kątem 90 stopni.Z tego powodu zamiast tego należy użyć narzędzia do rysowania ramek. Wybierz narzędzie prostokąta. Narysuj ramkę wokół każdej grupy mięśni, zwracając uwagę, że krawędzie pudełka dotykają najwyższych i najniższych części mięśnia, a także najszerszych części mięśnia.Tak długo, jak narzędzie pudełkowe wyświetla swoje wymiary pionowe i poziome, może być lepsze niż narzędzie linijki, ponieważ pozwala na łatwą wizualizację granic mięśni. Prawidłowo podzielony obraz CT lub MRI nie powinien zawierać znaczników mięśni poza liniami powięzi, a w przypadku obrazów CT nie powinno być znaczników tkanki tłuszczowej w obrębie powięzi mięśniowej lub na skórze. Zapisz powierzchnię mięśni wraz ze wzrostem pacjenta, aby obliczyć wskaźnik mięśni szkieletowych.W przypadku tomografii komputerowej obszary powierzchni tkanki tłuszczowej mogą być rejestrowane na podstawie konkretnych badań lub pytań klinicznych, które są przedmiotem zainteresowania. Dodatkowo, średnie wartości H.U. mogą być rejestrowane do kontroli jakości, pomiar liniowy L3 powinien mieć wymiary linijki lub pola obejmujące całość każdego mięśnia. Zapisz szerokości poziome i wysokości pionowe każdego mięśnia, a także wzrost pacjenta.Pomnóż szerokości i wysokości dla każdego mięśnia, a następnie zsumuj te obszary, aby uzyskać całkowitą powierzchnię mięśni. Oblicz liniowy wskaźnik miary, dzieląc całkowitą powierzchnię przez wzrost pacjenta podniesiony do kwadratu. Zademonstrowany protokół umożliwia klinicystom i badaczom wykorzystanie skanów L3 CT lub MRI w celu uzyskania szybkich i wiarygodnych informacji ilościowych do oceny sarkopenii.

segmentation-linear-measurement-for-body-composition-analysis-using

Research

JoVE Journal

Medicine

Medycyna

Analiza zawartości tłuszczu jest rutynowo przeprowadzana w badaniach z wykorzystaniem mysich modeli otyłości. Nowoczesne metody obrazowania i analizy tomografii komputerowej (CT) małych zwierząt umożliwiają szczegółową, podłużną analizę zawartości tłuszczu. W niniejszej pracy szczegółowo opisujemy procedury krok po kroku dotyczące wykonywania obrazowania CT, analizy oraz wizualizacji u małych zwierząt.

Segmentacja i pomiar objętości tkanki tłuszczowej w mysich modelach otyłości z wykorzystaniem komputerowej tomografii rentgenowskiej

Obrazowanie ultrasonograficzne 3D (3DUS) umożliwia szybką i tanią morfometrię tkanek mięśniowo-szkieletowych. Przedstawiamy protokół pomiaru objętości mięśni i długości pęczków za pomocą 3DUS.

Obrazowanie ultrasonograficzne 3D: szybka i opłacalna morfometria tkanki mięśniowo-szkieletowej

Gęstość mineralna kości (BMD) jest ważnym czynnikiem w zrozumieniu spożycia składników odżywczych. W przypadku ludzkich szczątków szkieletowych jest to przydatny wskaźnik do oceny jakości życia zarówno u młodocianych, jak i dorosłych, szczególnie w przypadkach śmiertelnego głodu i zaniedbania. Niniejszy artykuł zawiera wytyczne dotyczące skanowania ludzkich szczątków szkieletowych do celów kryminalistycznych.

Skanowanie szczątków szkieletowych pod kątem gęstości mineralnej kości w kontekście kryminalistycznym

Prezentujemy proces tworzenia segmentacji i kwantyfikacji kości beleczkowych dla obrazów 2D i 3D na podstawie zewnętrznej granicy kości za pomocą wtyczki ImageJ. Podejście to jest bardziej wydajne i dokładne niż obecne podejście do ręcznego ręcznego konturowania i zapewnia kwantyfikację warstwa po warstwie, która nie jest dostępna w obecnym oprogramowaniu komercyjnym.

Segmentacja i kwantyfikacja kości beleczkowych wspomagana granicami zewnętrznymi za pomocą wtyczki Imagej

Procedury oceny rozmiaru, kształtu i składu ciała za pomocą dostępnych na rynku rozwiązań do trójwymiarowego obrazowania optycznego umożliwiają szybkie zbieranie dokładnych i powtarzalnych danych. Klinicyści mogliby wdrożyć pozyskiwanie innowacyjnych i użytecznych biomarkerów (pomiary "e-taśmy") w rutynowych ocenach pacjentów, aby pomóc w scharakteryzowaniu ich stanu zdrowia.

Antropometria kliniczna i skład ciała z 3-wymiarowego obrazowania optycznego

Ten protokół wykorzystuje mikrotomografię komputerową, aby umożliwić ekonomiczną kwantyfikację beztłuszczowej masy, w tym mięśni szkieletowych i tkanki trzewnej, tkanki tłuszczowej i tkanki szkieletowej u małych zwierząt. Rozróżnia tkankę beztłuszczową i tłuszczową, co daje znaczące korzyści w badaniach biomedycznych, szczególnie w badaniach translacyjnych na małych zwierzętach.

Nieinwazyjna kwantyfikacja mięśni szkieletowych u małych zwierząt za pomocą mikrotomografii komputerowej

Przedstawiamy metodę analizy zdefiniowanego przez użytkownika obszaru zainteresowania (ROI) w podłużnym modelu defektu promieniowego szczura in vivo . Metoda ta umożliwia analizę porównawczą różnych rusztowań, które wcześniej były ograniczone przez różnice w polu widzenia skanowania metodą tomografii komputerowej (μCT), orientacji próbki i wyjściowej obecności rusztowania.

Podłużna analiza obrazu mikrotomografii komputerowej dla zdefiniowanego przez użytkownika obszaru zainteresowania w ubytkach kostnych o krytycznej wielkości

Niniejszy film przedstawia skuteczną technikę różnicowania i preparowania poszczególnych półprzezroczystych struktur ciała szklistego ludzkiego oka w materiale pośmiertnym.

Disekcja elementów ludzkiego ciała szklistego do analizy proteomicznej

Lezkość jest zaburzeniem rozwojowym kory wzrokowej, któremu często towarzyszy silna supresja jednego oka. Przedstawiamy nową technikę pomiaru i leczenia supresji międzypocznej u pacjentów z amblyopią, którą można wdrożyć przy użyciu gogli wirtualnej rzeczywistości lub przenośnego urządzenia iPod Touch.

Pomiar i leczenie supresji w amblyopii

Immunohistochemiczne barwienie izoform łańcucha ciężkiego miozyny stało się najnowocześniejszym dyskryminatorem włókien mięśni szkieletowych typu (tj. typu I, typu IIA, typu IIX, typu IIB). W tym miejscu przedstawiamy protokół barwienia wraz z nowatorskim półautomatycznym algorytmem, który ułatwia szybką ocenę rodzaju włókien i morfologii włókien.

Półautomatyczna analiza morfologii mięśni szkieletowych myszy i składu włókien

Naucz się segmentacji tkanki mięśniowej i tłuszczowej z obrazów CT i MRI przy użyciu oprogramowania Slice-O-Matic. Ta metoda umożliwia precyzyjną analizę składu ciała w badaniach nad sarkopenią.

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

Przeglądaj więcej filmów