Name: segmentation and linear measurement for body composition analysis using slice-o-matic and horos
Uploaded: 2021-03-21T13:00:00
Duration: 13 min 35 s
Description: Watch this Scientific Journal Video about Segmentation and Linear Measurement for Body Composition Analysis using Slice-O-Matic and Horos at JoVE.com

De auteurs willen graag de steun van de john robinson &churchill familie stichtingen erkennen.

<ol>
	<li>Psutka, S. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Decreased+skeletal+muscle+mass+is+associated+with+an+increased+risk+of+mortality+after+radical+nephrectomy+for+localized+renal+cell+cancer.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prognostic+significance+of+sarcopenia+in+patients+with+metastatic+renal+cell+carcinoma.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinical+definition+of+sarcopenia.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Association+of+muscle+and+adiposity+measured+by+computed+tomography+with+survival+in+patients+with+nonmetastatic+breast+cancer.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Advanced+body+composition+assessment:+from+body+mass+index+to+body+composition+profiling.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Body+composition+by+computed+tomography+as+a+predictor+of+toxicity+in+patients+with+renal+cell+carcinoma+treated+with+sunitinib.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comparison+of+perinephric+fat+surface+area+and+Mayo+Adhesive+Probability+score+in+predicting+malignancy+in+T1+renal+masses.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prediction+of+everolimus+toxicity+and+prognostic+value+of+skeletal+muscle+index+in+patients+with+metastatic+renal+cell+carcinoma.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sarcopenia+supersedes+subjective+global+assessment+as+a+predictor+of+survival+in+colorectal+cancer.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sarcopenia:+prevalence,+and+impact+on+operative+and+oncologic+outcomes+in+the+multimodal+management+of+locally+advanced+esophageal+cancer.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+and+validation+of+a+bioelectrical+impedance+prediction+equation+estimating+fat+free+mass+in+Greek+-+Caucasian+adult+population.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+DXA+and+CT+in+the+assessment+of+body+composition+in+premenopausal+women+with+obesity+and+anorexia+nervosa.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+practical+and+precise+approach+to+quantification+of+body+composition+in+cancer+patients+using+computed+tomography+images+acquired+during+routine+care.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinically+practical+approach+for+screening+of+low+muscularity+using+electronic+linear+measures+on+computed+tomography+images+in+critically+ill+patients.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Screening+for+low+muscularity+in+colorectal+cancer+patients:+a+valid,+clinic-friendly+approach+that+predicts+mortality.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Impact+of+sarcopenia+on+outcomes+following+resection+of+pancreatic+adenocarcinoma.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Simple+psoas+cross-sectional+area+measurement+is+a+quick+and+easy+method+to+assess+sarcopenia+and+predicts+major+surgical+complications.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sarcopenia+as+a+determinant+of+chemotherapy+toxicity+and+time+to+tumor+progression+in+metastatic+breast+cancer+patients+receiving+capecitabine+treatment.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Body-composition+assessment+via+air-displacement+plethysmography+in+adults+and+children:+a+review.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Single-slice+CT+measurements+allow+for+accurate+assessment+of+sarcopenia+and+body+composition.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+analysis+of+adipose+tissue+in+single+transverse+slices+for+estimation+of+volumes+of+relevant+fat+tissue+compartment.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Psoas+as+a+sentinel+muscle+for+sarcopenia:+a+flawed+premise.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Preventing+overestimation+of+pixels+in+computed+tomography+assessment+of+visceral+fat.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Total+body+skeletal+muscle+and+adipose+tissue+volumes:+estimation+from+a+single+abdominal+cross-sectional+image.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+abdominal+segmentation+of+CT+scans+for+body+composition+analysis+using+deep+learning.">Automated abdominal segmentation of CT scans for body composition analysis using deep learning.</a> Radiology. 290 (3), 669-679 (2019).</li></ol>

De auteurs hebben niets bekend te maken.

De psoas spier, paraspinale spiergroepen en schuine spieren correleren nauw met de totale spiermassa5. Met name het oppervlak binnen een CT- of MRI-doorsnede van deze spiergroepen in het midden van de derde lumbale wervel (L3) is sterk gecorreleerd met de totale spiermassa, waardoor dit beeld ideaal is voor onderzoekers of clinici om te gebruiken bij het beoordelen van sarcopenie1,2,13. Segmentatie en lineaire metingen hebben een grote waarde aangetoond bij het beoordelen van de lichaamssamenstelling en het identificeren van slechte prognostische aandoeningen zoals sarcopenie en sarcopeenische obesitas bij patiënten16,17. Onderzoek heeft aangetoond dat spiermassametingen verband houden met overleving en risico 's op ernstige complicaties na grote operaties of behandelingsplannen zoals chemotherapie en chemotherapeutische toxiciteit16,17,18. Daarom zouden we stellen dat het nuttig kan zijn voor clinici om lichaamssamenstellingsgegevens te hebben voordat ze patiënten adviseren over behandelingsopties.
Momenteel zijn er verschillende methoden om de lichaamssamenstelling te beoordelen. Verschillende methoden, zoals densitometrie12 en luchtverplaatsing plethysmografie (ADP)19, maken gebruik van luchtgewicht en verplaatsing, respectievelijk om het percentage lichaamsvet en lichaamsdichtheid te schatten. Hoewel deze methoden nuttig kunnen zijn, zijn ze niet in staat om de vetweefselverdeling te bepalen5,19. Andere analytische technieken voor lichaamssamenstelling, zoals BIA, baseren hun analyse op de verschillende elektrische kenmerken van vetmassa en vetvrije massa12. Nogmaals, deze techniek slaagt er niet in om de vetverdelingen adequaat te beoordelen, en het vereist ook meer informatie zoals etniciteit, leeftijd en geslacht voor nauwkeurigere metingen19. Omgekeerd is aangetoond dat beoordelingen zoals DEXA nuttig zijn bij de beoordeling van de lichaamssamenstelling, maar de neiging hebben om spiermassa te overschatten met toenemende adipositas12. Verschillende protocollen hebben ook de Regio-of-Interest (ROI) methode gebruikt om spiermassa en vetweefselgegevens te verkrijgen binnen de DICOM-weergavesoftware , waarvan is aangetoond dat deze een goede correlatie heeft met BIA-analyse van de lichaamssamenstelling voor sarcopeniebeoordeling en voedingsbeoordeling20,21.
De segmentatieprocedure ontwikkeld door Mourtzakis et al. heeft een voordeel ten opzichte van alternatieve lichaamssamenstellingsbeoordelingen, omdat het kan worden uitgevoerd op de meeste CT- of MRI-beelden en nauwkeurig de vetweefselverdelingen en het spiergebiedbepaalt 13. Bovendien heeft axiale L3-segmentatie het voordeel van nauwkeurigheid, ongeacht de obesitasstatus van de patiënt13. Net als bij de bovengenoemde alternatieven heeft de door Avrutin et al.14 ontwikkelde lineaire meettechniek niet de mogelijkheid om de vetverdeling te beoordelen. Onlangs hebben onderzoekers ongelijksoortige lichaamssegmentatie aangetoond, vooral in methoden die alleen psoas-spieren meten22. Psoas spiermassa alleen is niet zeer representatief voor de lumbale spierhoeveelheid of systematische spierverspilling, en kan niet sterk gecorreleerd zijn met klinische resultaten22. Dit probleem kan meer zorgwekkend zijn bij lineaire meting, omdat psoas spier is de belangrijkste spiergroep in de beoordeling. Onze geschetste techniek omvat echter bilaterale psoas- en paraspinale spierschattingen om een nauwkeurigere, terwijl nog steeds snelle en gemakkelijke beoordeling van cross-sectionele spiermassa te meten. Toekomstige studies die de overeenstemming tussen CT/MRI lineaire meet- en segmentatiemethoden en hun correlatie met klinische resultaten valideren, zijn gerechtvaardigd.
Zowel de L3-segmentatie als de lineaire meetprocedures waren in eerste instantie ontworpen om het lichaamsbrede spiergehalte snel en nauwkeurig te beoordelen. Door alleen te segmenteren op de L3-wervels, bespaart het protocol tijd terwijl het de onderzoekers of clinici nog steeds voldoende informatie biedt om de magere spiermassa en adipositasstatus van de patiënt te bepalen. Hoewel L3-segmentatie veel minder tijd kost dan volledige lichaamssegmentatie, kan het nog steeds tijdrovend en duur zijn om de Slice-O-Matic-software te gebruiken. Daarentegen kunnen lineaire metingen even nauwkeurig zijn als de L3-segmentatie bij het beoordelen van spierstatus en sarcopenie bij ernstig zieke patiënten14,15. We hebben een dergelijke relatie aangetoond in het T3 niercelcarcinoomcohort, waar de skeletspier gemeten door lineaire metingen nauw gecorreleerd is met de waarde gemeten door segmentatie (Figuur 6). Belangrijk is dat de methode extreem snel is en de beeldvormingssoftware gratis is. De meest opvallende beperking tot de lineaire meetprocedure is echter het gebrek aan vermogen om het vetweefselgehalte te beoordelen, wat de clinici beperkt tot contexten waar een algemene beoordeling van spierinhoud voldoende is.
Er zijn drie kritieke stappen in zowel segmentatie- als lineaire meetprocedures. Ten eerste moeten clinici en onderzoekers het midden van de L3-wervels identificeren om consistentie te bereiken. Het midden van de L3-wervels zal het deel zijn waar het merg van de dwarsprocessen het meest prominent aanwezig is. De axiale L3-wervelschijf is gemakkelijker te herkennen met behulp van een cross-linked sagittale of coronale weergave. Onderzoekers of clinici kunnen eerst L1-wervels of heiligbeen als referentiepunt vinden, rekening houdend met het feit dat de aanwezigheid van zes lumbale wervels in plaats van vijf een normale variant is. De volgende cruciale stap is het identificeren van spieren. Bij lineaire metingen mag het quadratus lumborum niet worden opgenomen tijdens het uitvoeren van de verticale en horizontale metingen. Ten derde moeten onderzoekers ook goed opletten bij het labelen van btw in het segmentatieprotocol, omdat het colongehalte soms kan worden getagd als visceraal vetweefsel23. Wanneer een dergelijke fout optreedt, moeten onderzoekers deze gebieden wissen voordat ze doorgaan naar de volgende stap.
Een veel voorkomend probleem bij segmentatie is een slechte CT- of MRI-beeldkwaliteit (zie Representatieve resultaten voor voorbeelden). In sommige gevallen maakt de slechte kwaliteit het beeld niet nutteloos, maar in andere gevallen moet het beeld mogelijk worden uitgesloten van analyse. Een andere, mogelijk onvermijdelijke, beperking van de segmentatie van een enkele afbeelding omvat de willekeurige variatie van vaste orgaanpositie van afbeelding naar afbeelding.
Andere veel voorkomende problemen voor zowel L3-segmentatieanalyse als lineaire meetanalyse zijn vaak gerelateerd aan inter- en intra-ratervariatie. Zoals bij de meeste protocollen het geval zou zijn, kan een zekere mate van variatie tussen waarnemers en tussen de afzonderlijke proeven van één persoon worden verwacht. Om de inter-ratervariatie te verklaren en te minimaliseren met meerdere mensen die analyses uitvoeren, kan het team van onderzoekers of clinici testen op statistisch significante variaties in oppervlaktemetingen en gemiddelde HU uit hetzelfde beeld. Let vooral op HU-variatie, omdat dit zal aangeven of onderzoekers of clinici die zeer vergelijkbare oppervlakten hebben voor hetzelfde beeld inderdaad de weefsels ongeveer hetzelfde taggen. Om te testen op significante intra-ratervariatie voor een individu, kunnen onderzoekers of clinici een kleine subset van afbeeldingen nemen en elke afbeelding segmenteren totdat alle replica's voor elke afbeelding zich binnen een smalle, statistisch onbeduidende marge bevinden.
We erkennen dat beide hier gepresenteerde protocollen beperkingen hebben in de analyse van de lichaamssamenstelling, aangezien slechts één segment wordt gebruikt. Zoals voorgesteld door Shen et al., kan de 3D-analyse nauwkeurigere informatie bieden voor het buikviscerale vet, en een enkele analyse voor btw is op verschillende niveaus voor mannen en vrouwen24. De protocollen die hier worden besproken, zijn echter nog steeds waardevol omdat ze snelle beoordelingen van spieren en vetweefsel bieden, die kunnen worden gebruikt voor sarcopeniescreening in klinieken.
Bovendien zijn er veel geautomatiseerde analyseprotocollen voor lichaamssamenstellingen geweest met behulp van 3D-machine learning-algoritmen, met name neurale-netgebaseerde classificatiealgoritmen25. We erkennen dat dit de mogelijke toekomstige alternatieven voor traditionele 2D-segmentatie kunnen zijn. Deze methoden vereisen echter dat grote datasets van CT- en MRI-beelden worden ontwikkeld, getest en geïmplementeerd in klinische en onderzoeksinstellingen. Bovendien vereisen deze methoden vaak 2D-segmentatieanalyse om een basislijnverwijzing vast te stellen waarmee de machine learning-algoritmen kunnen worden gevalideerd. De protocollen die hier worden gedemonstreerd, kunnen daarom nuttig zijn wanneer grote datasets of 3D-afbeeldingen niet beschikbaar zijn, en deze protocollen kunnen worden toegepast om machine learning-algoritmen te helpen ontwikkelen en valideren wanneer ze van toepassing zijn. Daarom zijn we van mening dat clinici en onderzoekers kunnen profiteren van deze trainingsvideo en deze snelle en betrouwbare methoden kunnen toepassen als voorlopige screening voordat geautomatiseerde analyse beschikbaar is en om de implementatie van deze geavanceerde technologie te vergemakkelijken.
Het vermogen om snel de verdeling van vetweefsel en skeletspiermassa te analyseren, heeft een breed scala aan klinische interesses, variërend van kankerbehandeling en onderzoek tot hartaandoeningen5. In vergelijking met andere veelgebruikte methoden, de Mourtzakis et al. L3-segmentatieprocedure in Slice-O-Matic kan de verdeling van vetweefsel nauwkeurig en snel beoordelen en sarcopeniestatus5,12,13,19bepalen . Bovendien, in contexten waar informatie over skeletspiermassa voldoende is, is de lineaire metingsprocedure van L3 een betrouwbaar en zeer snel hulpmiddel om succes te helpen voorspellen bij kankerbehandelingen zoals chirurgie, radiotherapie en chemotherapie1,2,4,6,7,8. Het doel van deze trainingsvideo en manuscript is om het protocol voor segmentatie en lineaire metingen voor toekomstig gebruik duidelijk af te bakenen, zodat clinici gemakkelijker de lichaamssamenstelling in de kliniekomgeving kunnen beoordelen.

Beoordeling van sarcopenie en lichaamssamenstelling is momenteel van groot klinisch belang. Hoewel specifieke definities van sarcopenie variëren afhankelijk van de instelling en context, omvatten alle definities significant verlies van skeletspiermassa of spierkracht, die nauw gecorreleerd zijn1,2,3. Lichaamssamenstellingsanalyse omvat metingen van skeletspiermassa en vetweefselverdeling, die uitgebreidere informatie biedt over de algemene geschiktheid van patiënten1,3,4. Evenzo is disproportioneel verdeeld vetweefsel, met name visceraal vetweefsel, gerelateerd gebleken aan verschillende ziekten, waaronder hartaandoeningen, diabetes type II en kanker5.
Klinisch is herhaaldelijk aangetoond dat sarcopenie en de beoordeling ervan door lineaire metingen een sterke prognostische factor zijn voor kankerspecifieke overleving in maligniteiten en oncologische uitkomsten na chirurgie, radiotherapie en chemotherapie1,2,4,6,7,8. In het bijzonder toont eerder onderzoek aan dat patiënten met sarcopenie een verminderde kankerspecifieke overleving en algehele overleving hebben1,2,9,10. Daarom is een nauwkeurige en snelle klinische beoordeling van de progressie van sarcopenie belangrijk bij het bepalen van de behandelingsverkiezing. Conventionele profilering van de samenstelling van het hele lichaam vereist analyse op driedimensionaal (3D) niveau met behulp van beeldvormingstechnieken, waaronder Computertomografie (CT), Magnetic Resonance Imaging (MRI), Bone Densitometry (DEXA) en Bioelectrical Impedance Analysis (BIA), die tijdrovend en kostbaar zijn en uitgebreide training vereisen5,11. Een ander nadeel is een gebrek aan informatie over de verspreiding van vet, met name voor de luchtverplaatsing plethysmografie (ADP) en DEXA12. Daarom heeft de beoordeling en bepaling van sarcopenie en lichaamssamenstelling met behulp van conventionele cross-sectionele beeldvormingsmodaliteiten zoals CT of MRI, die worden gebruikt als onderdeel van de klinische praktijk van de standaardzorg, een grote klinische waarde5.
Een veelgebruikte segmentatiesoftware in de klinische onderzoekssetting is het Slice-O-Matic-programma ontwikkeld door TomoVision. Met behulp van de Mourtzakis et al.13 segmentatieprocedure stelt het programma onderzoekers of clinici in staat om semi-automatisch verschillende weefseltypen te taggen, zoals skeletspieren (SM), intramusculair vetweefsel (IMAT), visceraal vetweefsel (VAT) en onderhuids vetweefsel (SAT) met behulp van op dichtheid gebaseerde drempels, waardoor de totale dwarsdoorsnedegebieden van elk weefsel kunnen worden meten. Deze metingen worden vervolgens gebruikt om de totale skeletspiermassa en adipositas van het lichaam te schatten, vaak na normalisatie door de hoogte van een patiënt in het kwadraat, om sarcopenie en sarcopeenische obesitas te identificeren aan de hand van populatiegebaseerde drempels.
Een recent ontwikkelde methode van Avrutin et al.14 met behulp van lineaire metingen van ontwikkelde skeletspieren heeft aangetoond dat het potentieel even betrouwbaar is bij het schatten van de totale spiermassa met behulp van MRI - en CT-beelden van de L3-dwarsdoorsnede14,15. De psoas- en paraspinale spiergroepen vormen een groot deel van het spieroppervlak van het L3-gebied en hebben een hoge functionaliteit, wat suggereert dat ze high-fidelity voorspellers van de algehele spierkracht kunnen zijn, en dus de belangrijkste kandidaten van lineaire meting14,15. Om het spieroppervlak te berekenen, worden horizontale en verticale metingen van de psoas- en paraspinale spiergroepen verkregen met behulp van een liniaalgereedschap om 90° snijdende rechte lijnen te tekenen. De horizontale en verticale metingen van elke spiergroep worden vermenigvuldigd om het oppervlak van elke spiergroep te schatten, die vervolgens wordt gebruikt om een lineaire spierindex te berekenen wanneer deze wordt gedeeld door de lengte van de patiënt. Met minimale training kan dit hele proces minder dan 1 minuut duren.
Gezien de mogelijke implicaties van lichaamssamenstellingsmetingen op de patiëntenzorg, is er dringend behoefte aan het creëren van toegankelijk trainingsmateriaal. In dit artikel geven we een gedetailleerde beschrijving van twee methoden ontwikkeld door Avrutin et al.14 en Mourtzakis et al.13 om respectievelijk skeletspiermassa en lichaamssamenstelling te kwantificeren voor aanbieders en klinische onderzoekers.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Centricity PACS Radiology RA 1000 Workstation</td>
			<td>GE&#160; Healthcare</td>
			<td></td>
			<td>Image viewer to obtain subject&#39;s MRI and CT images</td>
		</tr>
		<tr>
			<td>Slice-O-Matic 5.0</td>
			<td>TomoVision</td>
			<td></td>
			<td>Segmentation software used in this protocol. Other versions of this software may be used, but tools may be slightly different.</td>
		</tr>
		<tr>
			<td>Horos</td>
			<td>Nimble Co LLC d/b/a Purview</td>
			<td></td>
			<td>Linear segmentation software used in this protol, but researchers can use any image viewer with a ruler tool.</td>
		</tr>
	</tbody>
</table>

segmentation and linear measurement for body composition analysis using slice-o-matic and horos

Lichaamssamenstelling wordt geassocieerd met het risico op ziekteprogressie en behandelingscomplicaties in verschillende aandoeningen. Daarom kan kwantificering van skeletspiermassa en vetweefsel op Computertomografie (CT) en/of Magnetic Resonance Imaging (MRI) de evaluatie van het operatierisico en de ziekteprognose informeren. Dit artikel beschrijft twee kwantificeringsmethoden die oorspronkelijk werden beschreven door Mourtzakis et al. en Avrutin et al.: weefselsegmentatie en lineaire meting van skeletspieren. Het dwarsdoorsnedebeeld van de patiënten in het midden van de derde lumbale wervel werd voor beide metingen verkregen. Voor segmentatie werden de afbeeldingen geïmporteerd in Slice-O-Matic en gekleurd voor skeletspieren, intramusculair vetweefsel, visceraal vetweefsel en onderhuids vetweefsel. Vervolgens werden de oppervlakten van elk weefseltype berekend met behulp van de functie van het tagoppervlak. Voor lineaire metingen worden de hoogte en breedte van bilaterale psoas- en paraspinale spieren ter hoogte van de derde lumbale wervel gemeten en de berekening met behulp van deze vier waarden levert de geschatte skeletspiermassa op. Segmentatieanalyse biedt kwantitatieve, uitgebreide informatie over de lichaamssamenstelling van de patiënten, die vervolgens kan worden gecorreleerd met ziekteprogressie. Het proces is echter tijdrovender en vereist gespecialiseerde training. Lineaire metingen zijn een efficiënt en kliniekvriendelijk hulpmiddel voor snelle preoperatieve evaluatie. Lineaire metingen geven echter geen informatie over de samenstelling van vetweefsel. Niettemin hebben deze methoden brede toepassingen bij een verscheidenheid aan ziekten om chirurgische resultaten, risico op ziekteprogressie te voorspellen en behandelingsopties voor patiënten te informeren.

De L3-segmentatieprocedure resulteert in een getagd CT- of MRI-beeld met skeletspierweefsel (SM) getagd in rood, IMAT in groen, VAT in geel en SAT in cyaan (figuur 1). De resterende niet-gelabelde weefsels blijven in hun oorspronkelijke witte, grijze en rugtinten die overeenkomen met de respectievelijke Hounsfield-eenheidswaarden (HU) van elke pixel. De meerderheid van de niet-gelabelde weefsels die in wit blijven, zijn bot, de meerderheid van de weefsels die in grijs blijven, zijn niet-skeletachtige spieren, orgaanweefsel en vetweefsels in de lumen van darmen, en het grootste deel van het beeld dat in zwart blijft, zal lucht zijn. Een goed gesegmenteerd beeld heeft geen rode of groene tagging buiten de fascia van de skeletspier en geen gele of cyaantagging in de fascia van de skeletspier. Bovendien mag gele tagging geen lumen van darmen of organen zoals de nier of lever binnendringen en mag cyaan tagging niet aanwezig zijn langs de lichtere buitenranden die overeenkomen met de huid. Zodra de beeldsegmentatie is voltooid, moeten de oppervlakten en de gemiddelde HU-waarden van het weefsel worden geregistreerd, naast de hoogte van de patiënt (tabel 1). Uit deze gegevens kan men de skeletspierindex berekenen en doorgaan met elke andere analyse die relevant is voor het specifieke onderzoek of klinische vragen. Merk op dat voor de meeste MRI-beelden alleen skeletspieren correct kunnen worden getagd en vervolgens kunnen worden geanalyseerd (Tabel 2). Bij lineaire metingen wordt een index berekend door het oppervlak te delen over het kwadraat van de hoogte (tabel 3).
Veelvoorkomende problemen die onderzoekers kunnen tegenkomen tijdens de segmentatieprocedure zijn afbeeldingen met weglating van belangrijke informatie. Afbeeldingen kunnen bijvoorbeeld aanzienlijke porties hebben gesneden of bijgesneden (figuur 2). Met name afbeeldingen met SAT- en/of skeletspierweefsel die uit het frame zijn gesneden, zullen de nauwkeurigheid van oppervlakteberekeningen van aangetaste weefsels drastisch verlagen. Of dit een beeld ongeschikt maakt voor analyse hangt af van de klinische of onderzoekscontext en moet per geval door het onderzoeksteam worden bepaald. Een andere valkuil is dat onderzoekers per ongeluk ruggenmerg en beenmerg in skeletspieren kunnen opnemen. Om dit probleem te voorkomen, moeten onderzoekers goed opgeleid zijn en voorzichtig blijven tijdens segmentatie. Andere veel voorkomende artefacten in CT- of MRI-beelden zijn technische problemen veroorzaakt door plaatsing of beweging van de patiënt in de scanner, vetstrengen en littekenweefsels rond de fascia van de skeletspier en andere vreemd gevormde artefacten (figuur 3). Technische problemen veroorzaakt door beweging van de patiënt of onjuiste plaatsing zullen meestal lichter lijken, met hogere HU-waarden dan omliggend weefsel. Dit soort technische problemen verschijnen meestal in SAT en kunnen ook de nauwkeurigheid van de berekening van het oppervlak verlagen. De klinische of onderzoekscontext bepaalt het tolerantieniveau voor dergelijke kwesties. Vetstrengen en littekenweefselartefacten resulteren meestal niet in grote hoeveelheden fouten in berekeningen van het weefseloppervlak. Ze kunnen echter leiden tot een verkeerde identificatie van de fasciale lijn. Skeletspier- en IMAT-oppervlakten kunnen enorm onnauwkeurig zijn in gevallen waarin vetstrengen of littekenweefsel worden aangezien als de spierfaalijn. Andere kleine vlekken en artefacten in CT- en MRI-beelden hebben meestal geen invloed op de algehele beeldkwaliteit, behalve in zeldzame gevallen. Afhankelijk van de klinische of onderzoekscontext moeten deze artefacten mogelijk worden beoordeeld door een radiologie-expert om de beeldkwaliteit te controleren. Het laatste veel voorkomende probleem bij CT- en MRI-beelden zijn misvormingen in de spierfaalijn (figuur 4). Deze breuken hebben meestal geen invloed op de beeldkwaliteit, maar afbeeldingen met grote breuken of andere misvormingen in spierfaa moeten door een radioloog worden beoordeeld om te bepalen of de oorsprong van de misvorming de analyse van de klinische of onderzoekscontext zal beïnvloeden.
De door Avruvin c.s. ontwikkelde lineaire L3-meetprocedure heeft minder veel voorkomende fouten dan de L3-segmentatieprocedure14,15. De belangrijkste problemen die zich voordoen in lineaire metingen draaien om het identificeren van de spiergroepen van belang, de twee psoa's en paraspinale spiergroepen (figuur 5). In de meeste gevallen zullen de psoas-randen zich onderscheiden van nabijgelegen organen, maar in het geval dat de rand moeilijk te onderscheiden is, zal het veranderen van de HU-filters of helderheid meestal de meeste problemen oplossen. Bovendien zullen de randen van de paraspinale spiergroepen vaak verschillen van andere nabijgelegen weefsels, maar men moet opmerken dat als er geen duidelijke spier de onderste fascialijn bereikt, de lijn niet moet worden opgenomen bij het bepalen van de onderrand van de paraspinale spiergroep. Ten slotte moet het quadratus lumborum worden uitgesloten bij het bepalen van de rand van de psoas- of paraspinale spiergroepen (figuur 5E).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/61674/61674fig01.jpg"> Figuur 1: Juiste L3-segmentatie in Slice-O-Matic. (A) Het ongewijzigde axiale CT-beeld bij L3-wervels. (B) De volledig gelabelde axiale CT met rood overeenkomend met skeletspieren (SM), groen tot intramusculair vetweefsel (IMAT), geel tot vesisch vetweefsel (VAT) en cyaan tot onderhuids vetweefsel (SAT). <a href="https://www.jove.com/files/ftp_upload/61674/61674fig01large.jpg" target="_blank">Klik hier om een grotere versie van deze afbeelding te bekijken.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/61674/61674fig02.jpg"> Figuur 2: L3 CT-beeld afsnijden. Een ongetikte CT-afbeelding in Slice-O-Matic met aanzienlijke hoeveelheden SAT en aanzienlijke hoeveelheden afgehakt skeletspierweefsel. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig02large.jpg" target="_blank">Klik hier om een grotere versie van deze afbeelding te bekijken.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/61674/61674fig03.jpg"> Figuur 3: Veel voorkomende artefacten. (A) Het niet-gecodeerde CT-beeld heeft verschillende artefacten gemarkeerd in respectievelijk de rode doos, blauw ovaal en groen vak. Het rode vak toont technische problemen met een CT-scan, mogelijk door verkeerde uitlijning of beweging tijdens de scan. Het blauwe ovaal benadrukt een gemeenschappelijk artefact dat waarschijnlijk afkomstig is van littekenweefsels. Het groene vierkant markeert vlekken die meerdere mogelijke oorzaken kunnen hebben. (B) De gelabelde CT-scan met verschijningen van dezelfde respectieve artefacten gemarkeerd in het rode vak, blauw ovaal en groen vak. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig03large.jpg" target="_blank">Klik hier om een grotere versie van deze afbeelding te bekijken.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/61674/61674fig04.jpg"> Figuur 4: Grote breuk in spierfaa. (A) Het ongetikte L3 CT-beeld benadrukt een grote breuk in de skeletspierfaa in de paarse doos. (B) Het getagde L3 CT-beeld benadrukt het getagde uiterlijk van de grote breuk in de fascia van de skeletspier in de paarse doos. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig04large.jpg" target="_blank">Klik hier om een grotere versie van deze afbeelding te bekijken.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/61674/61674fig05.jpg"> Figuur 5: L3 lineaire metingen. (A) Het originele L3 CT beeld voorafgaand aan analyse in de Horos beeldviewer. (B) De traditionele lineaire meetmethode omvat één verticale lijn en één horizontale lijn die voor elke spier wordt getrokken. Deze lijnen worden gemeten met een liniaalgereedschap en vermenigvuldigd om het oppervlak van elke spiergroep te vinden. Let op: de traditionele lineaire meetmethode moet altijd lijnen hebben die elkaar kruisen op 90°. Dit beeld van de traditionele lineaire meetmethode is alleen een visuele demonstratie sinds het in Horos is gemaakt en is niet gegarandeerd 90° kruispunten. (C) (D) (E) De Box-methode voor L3 lineaire metingen. (C) (D) Het blauwe en paarse vak omvatten respectievelijk de rechter- en linker psoas en het gele en groene vak omvatten respectievelijk de rechter- en linkerparaspinale spier. (E) De lichtpaarse en oranje dozen benadrukken het quadratus lumborum, waarmee geen rekening moet worden gehouden bij het bepalen van de randen van de Psoas- en paraspinale spiergroepen. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig05large.jpg" target="_blank">Klik hier om een grotere versie van deze afbeelding te bekijken.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/61674/61674fig06.jpg"> Figuur 6: Vergelijking van lineaire metingen en L3 dwarsdoorsnede skeletspiergebied, n = 65. De gecombineerde psoas- en paraspinale gebieden zijn in overeenstemming met de totale skeletspier in de L3-dwarsdoorsnede. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig06large.jpg" target="_blank">Klik hier om een grotere versie van deze afbeelding te bekijken.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>CT-SEGMENTATIE</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr>
<tr>
<td></td>
			<td>spier</td>
			<td>Intramusculair vetweefsel</td>
			<td>Visceraal vetweefsel</td>
			<td>Onderhuids vetweefsel</td>
		</tr>
<tr>
<td>Suface Gebied (cm2)</td>
			<td>134.4</td>
			<td>8.402</td>
			<td>72.43</td>
			<td>271</td>
		</tr>
<tr>
<td>Hounsfield Unit (gemiddeld)</td>
			<td>33.61</td>
			<td>2.1</td>
			<td>18.11</td>
			<td>67.76</td>
		</tr>
<tr>
<td>Patiënthoogte in het kwadraat (m2)</td>
			<td>2.69</td>
			<td>Skelet spierindex (Spiergebied/Hoogte2, cm2/ m2)</td>
			<td></td>
			<td>49.97</td>
		</tr>
</tbody></table>Tabel 1: CT-segmentatie
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>MRI-SEGMENATIE</td>
			<td></td>
		</tr>
<tr>
<td></td>
			<td>spier</td>
		</tr>
<tr>
<td>Suface Gebied (cm2)</td>
			<td>241.8</td>
		</tr>
<tr>
<td>Hounsfield Unit (gemiddeld)</td>
			<td>35.85</td>
		</tr>
<tr>
<td>Patiënthoogte (m2)</td>
			<td>3.39</td>
		</tr>
<tr>
<td>Skeletspieren index</td>
			<td rowspan="2">71.42</td>
		</tr>
<tr>
<td>(Spiergebied/Hoogte2, cm2/m2)</td>
		</tr>
</tbody></table>Tabel 2: MRI-segmentatie
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td colspan="8">LINEAIRE MAATREGELEN</td>
		</tr>
<tr>
<td>Rechts Psoas Hoogte (cm)</td>
			<td>Rechts Psoas Breedte (cm)</td>
			<td>Linker Psoas Hoogte (cm)</td>
			<td>Linker Psoas Breedte (cm)</td>
			<td>Rechter paraspinale hoogte (cm)</td>
			<td>Juiste paraspinale breedte (cm)</td>
			<td>Linker Paraspinale Hoogte (cm)</td>
			<td>Linker paraspinale breedte (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">Totale Oppervlakte Psoas (cm2)</td>
			<td colspan="2">21.950</td>
			<td colspan="2">Totaal Paraspinaal Gebied (cm2)</td>
			<td colspan="2">61.813</td>
		</tr>
<tr>
<td colspan="4">Totale spieroppervlakte (cm2)</td>
			<td colspan="4">83.76</td>
		</tr>
<tr>
<td colspan="2">Patiënthoogte in het kwadraat (m2)</td>
			<td colspan="2">2.496</td>
			<td colspan="2">Lineaire maatindex (cm2/m2)</td>
			<td colspan="2">33.55</td>
		</tr>
</tbody></table>Tabel 3: Lineaire maatregelen

Watch this Scientific Journal Video about Segmentation and Linear Measurement for Body Composition Analysis using Slice-O-Matic and Horos at JoVE.com

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

Segmentatie en lineaire metingen kwantificeren skeletspiermassa en vetweefsels met behulp van Computertomografie en/of Magnetic Resonance Imaging-afbeeldingen. Hier schetsen we het gebruik van Slice-O-Matic-software en Horos-beeldviewer voor een snelle en nauwkeurige analyse van de lichaamssamenstelling. Deze methoden kunnen belangrijke informatie opleveren voor prognose en risicostratificatie.

Segmentatie en lineaire meting voor lichaamssamenstellingsanalyse met slice-O-Matic en horos

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

Lintspierdegeneratie op een sarcopenie is aangetoond dat het een prognostische factor is voor de overleving van kanker en het succes van de behandeling. Samenstellingsanalyse van het derde lumbale gebied is van belang omdat het kwantitatieve karakterisering van skeletspieren biedt en binnen CT-scans kwalitatieve informatie van vetweefsel biedt. De volgende procedures bieden protocol en verticaal gesegmenteerd in de sliceOmatic-software, evenals uw meetprotocollen voor compositieanalyse in CT- en MRI-beelden.De selectie van het L3-wervelprotocol wordt voltooid binnen GE-centriciteit. Houd er rekening mee dat als u een andere software gebruikt, de tools kunnen variëren. Open de CT- of MRI-beelden van de patiënt binnen het tijdsbestek van belang.Selecteer monitorgebieden, 2V-vensterweergave. Selecteer de coronale of sagittale weergave op het linkerscherm door naar series te navigeren en vervolgens de coronale of sagittale afbeeldingen te selecteren. Selecteer de axiale weergave op het rechterscherm door naar reeksen te navigeren en vervolgens de axiale afbeeldingen te selecteren.Klik op conn, kruisverwijzing om de twee afbeeldingen te koppelen en blader vervolgens door de afbeeldingen op de coronale of sagittale weergave om ervoor te zorgen dat de wervels van de wervelkolom gemakkelijk zichtbaar zijn. Blader vervolgens door de axiale weergaveafbeeldingen om de L1-wervels te vinden. De L1 is de eerste wervel die geen ribbevestiging heeft.Tel van de L1 tot de L3 wervels. Zorg ervoor dat u de sagittale of coronale weergave gebruikt voor referentie om het midden van de L3-wervels te lokaliseren. Exporteer de L3-afbeelding door naar het examenmenu te navigeren, selecteer afbeeldingen exporteren, geselecteerde afbeeldingen.Zorg ervoor dat het formaat DICOM is. Selecteer vervolgens de locatie waar de afbeelding moet worden opgeslagen. Dubbelklik op het DICOM-bestand om sliceOmatic te openen.Zodra het programma is geladen, sleept u de DICOM-afbeelding ergens naar het sliceOmatic-scherm. Ga naar modi, regio groeit om te beginnen met segmenteren. Selecteer gereedschap, tagvergrendeling.Deze functie wordt in de volgende stappen gebruikt. Klik op de rode onder regio groeien om de H.U.grenzen voor spieren in te stellen. Klik vervolgens op de uit-knop naast de ondergrens.Dit zet het op. Pas de limiet aan met de schuifregelaar om zo dicht mogelijk bij negatief 29 te zijn. Gebruik vervolgens het muiswiel om het precies op negatief 29 in te stellen.Klik vervolgens op de uit-knop naast de bovengrens om deze in te stellen op aan. Gebruik de schuifregelaar en het muiswiel om de H.U.-limiet in te stellen op positief 150 Klik vervolgens op de groene twee om de H.U.-limieten in te stellen voor I.M.A.T. en stel de onder- en bovengrenzen op dezelfde manier in, maar stel de ondergrens in op negatief 190 en de bovengrens op negatief 30. Klik op de gele vijf om de limieten voor V.A.T. in te stellen deze keer ingesteld in de ondergrens op negatief 150 en de bovengrens op negatief 50.Klik ten slotte op de cyaan zeven om de H.U.-limieten voor S.A.T. in te stellen en de ondergrens in te stellen op negatief 190 en de bovengrens op negatief 30. Druk op de plus- en mintoetsen op het toetsenbord om zo nodig in te zoomen op de afbeelding. Pas de zoom zo nodig aan tijdens het segmentatieproces.Selecteer de rode en zorg ervoor dat de penseeloptie is ingesteld om te schilderen. Gebruik de penseelgrootte die het meest efficiënt is voor de afbeelding en begin met schilderen door op spierweefsel te klikken. Verf over de psoas, paraspinale spiergroepen en schuine spiergroepen.Wees voorzichtig aan de randen van spieren die zich dicht bij de wervelkolom, interne organen of vloeistoffen bevinden, om er zeker van te zijn dat deze niet als spier zijn gelabeld. Als er iets verkeerd is getagd, selecteert u er geen en wist u de fout. Zodra alle spieren zijn getagd, selecteert u er een in het tagvergrendelingsmenu.Dit zorgt ervoor dat er geen spier per ongeluk wordt gewist of opnieuw wordt getagd naarmate de segmentatie vordert. Selecteer de groene twee en verf over het I.M.A.T.weefsel in de spier fascia. Merk op dat de meeste gaten in de spier zelf I.M.A.T. zijn Merk op dat de randen van spierfaa er vaak lichter uit zien dan omliggend weefsel.Dit kan een nuttige gids zijn, vooral in de regio's waar de schuine spiergroepen de paraspinale spiergroepen ontmoeten en in de regio onder de erector spinae maar boven de fasciale lijn. Zodra alle I.M.A.T. is getagd, selecteert u de twee onder het tag lock menu. Selecteer vervolgens de gele vijf in het regio-groeimenu om te beginnen met het segmenteren van V.A.T.One kan nog steeds de penseeloptie gebruiken, maar voor veel afbeeldingen kan het gemakkelijker en sneller zijn om in plaats daarvan de optie groeien naar D te gebruiken.Als u groeien naar D gebruikt, moet u de kleinste penseelgrootte selecteren en vervolgens op het V.A.T.-weefsel in de afbeelding klikken om het te taggen. Zorg ervoor dat de weefsels of vetten binnen de limiet van darmen of andere organen niet zijn gelabeld als V.A.T.Zodra alle V.A.T.is getagd, selecteert u er vijf in het taglockmenu. Selecteer ten slotte de cyaan zeven in het regio-groeimenu om S.A.T.-weefsel te taggen.Nogmaals, afhankelijk van de afbeelding is S.A.T.-weefsel vaak gemakkelijker te taggen met de optie groeien naar D. Zodra S.A.T.-weefsel is getagd, controleert u de randen, met name rond de huid, om er zeker van te zijn dat alleen onderhuids vet is gemarkeerd als S.A.T.Zodra alle weefsels zijn getagd, kijkt u over de afbeelding om er zeker van te zijn dat er geen fouten of verkeerd gemarkeerd weefsel zijn. Wanneer u klaar bent, tagt u het oppervlakvolume.Klik op de knop vensterwaarden en noteer het oppervlak en de gemiddelde H.U.-waarden van elk weefsel. Ga ten slotte naar bestand, sla tagbestanden op. Hiermee wordt een tagbestand opgeslagen waar de DICOM-afbeelding zich bevindt.Om MRI-segmentatie te beginnen, ga je naar modi, regio groeiend. Als we in het voorbeeldvenster kijken, zien we een histogram van H.U.-waarden, waarbij de eerste piek lucht is, de volgende skeletspier, en als de volgende pieken waarneembaar zijn, zullen ze bot zijn gevolgd door vetweefsel. Merk op dat bij het gebruik van MRI-beelden meestal alleen skeletspieren met vertrouwen kunnen worden gesegmenteerd als gevolg van slechte vetweefseldiscriminatie.Selecteer de rode en draai de ondergrens bij het verlaten op nul. Schakel vervolgens de bovengrens in en verander de optie muiswiel in bovengrens. Selecteer vervolgens verf en een grote penseeloptie en beweeg de cursor vervolgens over de psoas-spier, zodat het cursorgebied zowel spieren als botten bevat.Om er zeker van te zijn dat bot niet als spier is gelabeld, stelt u de bovengrens conservatief in door het muiswiel te bewegen totdat de bovengrens geen van de buitenste botweefsels bevat. Segmenteer vervolgens het spierweefsel direct naast de wervelkolom. Verplaats vervolgens de cursor naar de linea alba of ergens anders op de scan waar vetweefsel en spieren gemakkelijk te onderscheiden zijn.Verhoog de bovengrens zo hoog mogelijk zonder vetweefsel op te nemen. Vanaf hier kan men doorgaan met het segmenteren van alle resterende skeletspieren. Houd er rekening mee dat voor sommige afbeeldingen de bovengrens mogelijk voortdurend moet worden aangepast.Merk op dat, terwijl het instellen van de bovengrens met deze procedure in twee stappen conservatief is, het de hoeveelheid skeletspieren optimaliseert die moet worden getagd zonder zich zorgen te hoeven maken over significante foutieve tagging van bot of vetweefsel. Wanneer u klaar bent, gaat u naar gereedschappen, tagt u het oppervlakvolume en selecteert u vensterwaarden om het oppervlak en de gemiddelde H.U.-waarden van de skeletspier vast te leggen. Lineaire meting van het L3-wervelgebied is aangetoond dat het nauw correleert met de totale spiermassa.Het voordeel van lineaire meting is het gemak en de snelheid, evenals het feit dat het kan worden gedaan op elke software met een liniaalgereedschap of doosgereedschap. Dit protocol wordt gedemonstreerd met behulp van de Horace Medical Imaging-app. Als u een andere software gebruikt, houd er dan rekening mee dat de specifieke tools zeer.Importeer de afbeelding in de viewer door op importeren te klikken, vervolgens naar de afbeeldingslocatie te navigeren en open te selecteren. Eenmaal geïmporteerd, klikt u op de afbeelding of de naam van de patiënt om de afbeelding onderaan weer te geven. Dubbelklik op de afbeelding om deze te maximaliseren, waardoor ook de gereedschapsopties worden geopend.Identificeer de psoas- en paraspinale spiergroepen. Let op, het quadratus lumborum mag niet in aanmerking worden genomen bij het bepalen van de randen van de paraspinale spiergroepen. Selecteer het liniaalgereedschap.Teken een verticale lijn van de hoogste punten van de spiergroep naar de onderkant van de spiergroep. Teken vervolgens een horizontale lijn van de breedste rand van de spiergroep naar de andere breedste rand van de spiergroep. Herhaal dit proces voor zowel de rechter- als linker psoas en de rechter- en linkerparaspinale groepen.Let op, de getekende lijnen moeten elkaar kruisen op 90 graden. Merk op dat als de randen van de getekende lijnen zouden worden verbonden, die verbinding een vak moet maken dat de hele spiergroep omvat. In de Horace Medical Viewer is het moeilijk om het liniaalgereedschap te gebruiken om ervoor te zorgen dat de lijnen elkaar kruisen op 90 graden.Daarom moet in plaats daarvan het gereedschap Voor het tekenen van dozen worden gebruikt. Selecteer het gereedschap Rechthoek. Teken een doos rond elke spiergroep en houd er nu rekening mee dat de randen van de doos de hoogste en laagste delen van de spier raken, evenals de breedste delen van de spier.Zolang het gereedschap Vak zijn verticale en horizontale afmetingen weergeeft, kan het de voorkeur hebben boven het liniaalgereedschap, omdat het een eenvoudige visualisatie van de spiergrenzen mogelijk maakt. Een goed gesegmenteerd CT- of MRI-beeld mag geen spiertags hebben buiten de fasciale lijnen en voor CT-beelden mag er geen vetlabels in de spierfaa of op de huid zijn. Noteer het spieroppervlak naast de lengte van de patiënt om de skeletspierindex te berekenen.Voor CT-scans kunnen de oppervlakten van vetweefsel worden geregistreerd op basis van het specifieke onderzoek of klinische vragen van belang. Bovendien, gemiddelde H.U.waarden kunnen worden geregistreerd voor kwaliteitscontrole L3 lineaire meting moet de liniaal of doos metingen die het geheel van elke spier omvatten. Noteer de horizontale breedtes en de verticale hoogten van elke spier en de patiënthoogte.Vermenigvuldig de breedtes en hoogten voor elke spier, dan som die gebieden op om het totale spieroppervlak te verkrijgen. Bereken de lineaire maatindex door het totale gebied te delen door de patiënthoogte in het kwadraat. Het aangetoonde protocol stelt clinici en onderzoekers in staat om L3 CT- of MRI-scans te gebruiken om snelle en betrouwbare kwantitatieve informatie te verkrijgen voor de beoordeling van sarcopenie.

Research

JoVE Journal

Medicine

Dissection of Human Vitreous Body Elements for Proteomic Analysis

Dissectie van de Mens glasvocht Elementen voor proteoomanalyse

The vitreous is an optically clear, collagenous extracellular matrix that fills the inside of the eye and overlies the retina. 1,2 Abnormal interactions ...

Segmentation and Measurement of Fat Volumes in Murine Obesity Models Using X-ray Computed Tomography

Segmentatie en waardering van de FAT-volumes in muriene modellen Obesitas Met behulp van X-stralen Computer Tomografie

Obesity is associated with increased morbidity and mortality as well as reduced metrics in quality of life.1 Both environmental and genetic factors are ...

The Measurement and Treatment of Suppression in Amblyopia

De meting en behandeling van Onderdrukking in Amblyopie

Amblyopia, a developmental disorder of the visual cortex, is one of the leading causes of visual dysfunction in the working age population. Current ...

Semi-automated Analysis of Mouse Skeletal Muscle Morphology and Fiber-type Composition

Semi-geautomatiseerde analyse van muis skeletspieren morfologie en vezel-achtige samenstelling

For years, distinctions between skeletal muscle fiber types were best visualized by myosin-ATPase staining. More recently, immunohistochemical staining of ...

Whole-brain Segmentation and Change-point Analysis of Anatomical Brain MRI&#8212;Application in Premanifest Huntington's Disease

Whole-brain Segmentation and Change-point Analysis of Anatomical Brain MRIÃƒÆ’Ã‚Â¢ÃƒÂ¢Ã¢â‚¬Å¡Ã‚Â¬ÃƒÂ¢Ã¢â€šÂ¬Ã‚ÂApplication in Premanifest Huntington's Disease

Geheel-hersenen segmentatie en verandering-punt analyse van anatomische hersenen MRI — toepassing in Premanifest de ziekte van Huntington

Recent advances in MRI offer a variety of useful markers to identify neurodegenerative diseases. In Huntington&#39;s disease (HD), regional brain atrophy ...

Body Composition and Metabolic Caging Analysis in High Fat Fed Mice

Lichaamssamenstelling en metabole kooien analyse in hoge vet Fed muizen

Alterations to body composition (fat or lean mass), metabolic parameters such as whole-body oxygen consumption, energy expenditure, and substrate ...

Handheld Metal Detector Screening for Metallic Foreign Body Ingestion in Children

Handheld metaaldetector Screening voor metalen vreemd lichaam inname bij kinderen

Coins are the most common ingested metallic foreign bodies among children. The goal of this protocol is to assess the accuracy and feasibility of using a ...

Comparing Bibliometric Analysis Using PubMed, Scopus, and Web of Science Databases

Het vergelijken van bibliometrische analyse met behulp van PubMed, Scopus en web of Science databases

Literature databases (i.e., PubMed, Scopus, and Web of Science) differ in terms of their coverage, focus, and the tool they provide. PubMed focuses mainly ...

Quantitative Analysis of Cellular Composition in Advanced Atherosclerotic Lesions of Smooth Muscle Cell Lineage-Tracing Mice

Kwantitatieve analyse van cellulaire samenstelling in geavanceerde atherosclerotische laesies van de gladde spieren cel Lineage-Tracing muizen

Atherosclerosis remains the leading cause of death worldwide and, despite countless preclinical studies describing promising therapeutic targets, novel ...

Dynamic Measurement and Imaging of Capillaries, Arterioles, and Pericytes in Mouse Heart

Dynamische meting en beeldvorming van haarvaten, slagaders en pericyten in muishart

Coronary arterial tone along with the opening or closing of the capillaries largely determine the blood flow to cardiomyocytes at constant perfusion ...