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

Les auteurs tiennent à souligner le soutien des fondations familiales John Robinson et Churchill.

<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>

Les auteurs n’ont rien à divulguer.

Le muscle psoas, les groupes de muscle paraspinal, et les muscles obliques étroitement corrélés avec la masse musculaire globale5. En particulier, la surface au sein d’une section transversale de TDM ou d’IRM de ces groupes musculaires au milieu de la troisième vertèbre lombaire (L3) est fortement corrélée avec la masse musculaire globale, ce qui fait de cette image une image idéale pour les chercheurs ou les cliniciens à utiliser lors de l’évaluation de la sarcopénie1,2,13. La segmentation et les mesures linéaires ont démontré une grande valeur dans l’évaluation de la composition corporelle et l’identification des mauvaises conditions pronostiques telles que la sarcopénie et l’obésité sarcopénique chez les patients16,17. La recherche a montré que les mesures de la masse musculaire sont associées à la survie et aux risques de complications majeures à la suite de chirurgies majeures ou de plans de traitement tels que la chimiothérapie et la toxicité chimiothérapeutique16,17,18. Par conséquent, nous voudrions qu’il puisse être avantageux pour les cliniciens d’avoir des données de composition corporelle avant de conseiller les patients concernant les options de traitement.
Actuellement, il existe plusieurs méthodes d’évaluation de la composition corporelle. Plusieurs méthodes, telles que la densitométrie12 et la pléthysmographie par déplacement d’air (ADP)19,utilisent respectivement le poids de l’air et le déplacement pour estimer le pourcentage de graisse corporelle et la densité corporelle. Bien que ces méthodes puissent être utiles, elles sont incapables de déterminer la distribution des tissus adipeux5,19. D’autres techniques analytiques de composition corporelle, telles que la BIA, fondent leur analyse sur les différentes caractéristiques électriques de la masse grasse et de la masse sans graisse12. Cependant, une fois de plus, cette technique ne parvient pas à évaluer adéquatement les distributions de graisse, et elle nécessite également plus d’informations telles que l’ethnicité, l’âge et le sexe pour des mesures plus précises19. Inversement, des évaluations telles que DEXA se sont avérées utiles dans l’évaluation de la composition corporelle, mais ont tendance à surestimer la masse musculaire avec une adipositécroissante 12. Plusieurs protocoles ont également utilisé la méthode de la région d’intérêt (ROI) pour obtenir des données sur la masse musculaire et les tissus adipeux dans le logiciel DICOM-visualisation, qui s’est avéré avoir une bonne corrélation avec l’analyse de la composition corporelle des ARA pour l’évaluation de la sarcopénie et l’évaluation nutritionnelle20,21.
La procédure de segmentation développée par Mourtzakis et al. présente un avantage par rapport aux évaluations alternatives de la composition corporelle puisqu’elle peut être effectuée sur la plupart des images de TDM ou d’IRM et détermine avec précision les distributions des tissus adipeux et la zone musculaire13. De plus, la segmentation L3 axiale présente l’avantage de la précision quel que soit le statut d’obésité du patient13. Semblable aux alternatives susmentionnées, la technique de mesures linéaires développée par Avrutin et al.14 n’a pas la capacité d’évaluer la distribution des graisses. Récemment, les chercheurs ont démontré disparate dans la segmentation du corps, en particulier dans les méthodes mesurant les muscles psoas seuls22. La masse musculaire de Psoas seule n’est pas très représentative de la quantité de muscle lombaire ou de l’atrpillage musculaire systématique, et peut ne pas être fortement corrélée avec les résultats cliniques22. Ce problème peut être plus préoccupant dans la mesure linéaire, car le muscle psoas est le groupe musculaire principal dans l’évaluation. Cependant, notre technique décrite inclut les estimations bilatérales de psoas et de muscle paraspinal pour évaluer une évaluation plus précise, tout en restant rapide et commode de la masse de muscle en coupe transversale. De futures études qui valident la conformité entre les méthodes de mesure et de segmentation linéaires de CT/MRI et leur corrélation avec des résultats cliniques sont justifiées.
La segmentation L3 et les procédures de mesure linéaire ont été initialement conçues pour évaluer rapidement et avec précision le contenu musculaire à l’échelle du corps. En segmentant uniquement les vertèbres L3, le protocole permet de gagner du temps tout en fournissant aux chercheurs ou aux cliniciens suffisamment d’informations pour déterminer la masse musculaire maigre et l’état d’adiposité du patient. Cependant, même si la segmentation L3 prend beaucoup moins de temps que la segmentation complète du corps, l’utilisation du logiciel Slice-O-Matic peut toujours être longue et coûteuse. Inversement, les mesures linéaires ont le potentiel d’être aussi précises que la segmentation L3 dans l’évaluation de l’état musculaire et de la sarcopénie chez les patients gravement malades14,15. Nous avons démontré une telle relation dans la cohorte du carcinome à cellules rénales T3, où le muscle squelettique mesuré par des mesures linéaires est étroitement corrélé avec la valeur mesurée par segmentation (Figure 6). Il est important de savoir que la méthode est extrêmement rapide et que le logiciel d’imagerie est gratuit. Cependant, la limitation la plus notable à la procédure de mesure linéaire est son manque de capacité d’évaluer le contenu de tissu adipeux, qui limite les cliniciens aux contextes où l’évaluation générale du contenu musculaire est suffisante.
Il y a trois étapes critiques dans les procédures de segmentation et de mesure linéaire. Tout d’abord, les cliniciens et les chercheurs devraient identifier le milieu des vertèbres L3 pour atteindre la cohérence. Le milieu des vertèbres L3 sera la tranche où la moelle des processus transversaux est la plus proéminente. La tranche axiale des vertèbres L3 est plus facilement identifiée à l’aide d’une vue sagittale ou coronale réticulée. Les chercheurs ou les cliniciens peuvent d’abord trouver des vertèbres L1 ou des sacrums comme point de référence, en gardant à l’esprit que la présence de six vertèbres lombaires au lieu de cinq est une variante normale. La prochaine étape cruciale est l’identification des muscles. Dans les mesures linéaires, le quadratus lumborum ne doit pas être inclus lors de la prise des mesures verticales et horizontales. Troisièmement, les chercheurs doivent également porter une attention particulière lors de l’étiquetage de la TVA dans le protocole de segmentation, car la teneur en côlon peut parfois être étiquetée comme tissu adipeux viscéral23. Lorsqu’une telle erreur se produit, les chercheurs devraient effacer ces zones avant de passer à l’étape suivante.
Un problème courant dans la segmentation est la mauvaise qualité de l’image CT ou MRI (voir résultats représentatifs pour des exemples). Dans certains cas, la mauvaise qualité ne rend pas l’image inutile, mais dans d’autres cas, l’image peut devoir être exclue de l’analyse. Une autre limitation, peut-être inévitable, de la segmentation d’une seule image comprend la variation aléatoire de la position de l’organe solide d’une image à l’autre.
D’autres problèmes courants pour l’analyse de segmentation L3 et l’analyse de mesure linéaire sont souvent liés à la variation inter et intra-évaluateur. Comme ce serait le cas pour la plupart des protocoles, on peut s’attendre à une certaine variation entre les observateurs et entre les essais distincts d’une seule personne. Pour tenir compte et minimiser la variation inter-évaluateurs avec plusieurs personnes effectuant des analyses, l’équipe de chercheurs ou de cliniciens peut tester toute variation statistiquement significative dans les mesures de surface et la HU moyenne à partir de la même image. Prenez note en particulier de la variation hu car cela indiquera si les chercheurs ou les cliniciens qui ont des surfaces très similaires pour la même image marquent en effet les tissus approximativement les mêmes. Pour tester la variation intra-évaluatrice significative pour un individu, les chercheurs ou les cliniciens peuvent prendre un petit sous-ensemble d’images et segmenter chaque image jusqu’à ce que toutes les répliques de chaque image se trouvent dans une marge étroite et statistiquement insignifiante.
Nous reconnaissons que les deux protocoles présentés ici ont des limites dans l’analyse de la composition corporelle car une seule tranche est utilisée. Comme suggéré par Shen et al., l’analyse 3D peut fournir des informations plus précises pour la graisse viscérale abdominale, et l’analyse en une seule tranche pour la TVA est à différents niveaux pour les hommes et les femmes24. Cependant, les protocoles discutés ici sont toujours valables car ils fournissent des évaluations rapides du muscle aussi bien que du tissu adipeux, qui peut être employé pour le criblage de sarcopénie dans les cliniques.
De plus, il existe de nombreux protocoles automatisés d’analyse de la composition corporelle utilisant des algorithmes d’apprentissage automatique 3D, en particulier des algorithmes de classification basés sur des réseaux neuronaux25. Nous reconnaissons qu’il peut s’agir des futures alternatives potentielles à la segmentation 2D traditionnelle. Cependant, ces méthodes nécessitent que de grands ensembles de données d’images de TDM et d’IRM soient développés, testés et mis en œuvre dans des contextes cliniques et de recherche. De plus, ces méthodes nécessitent souvent une analyse de segmentation 2D pour établir une référence de base par rapport à laquelle valider les algorithmes d’apprentissage automatique. Les protocoles présentés ici peuvent donc être utiles lorsque de grands ensembles de données ou images 3D ne sont pas disponibles, et ces protocoles peuvent être appliqués pour aider à développer et à valider des algorithmes d’apprentissage automatique lorsqu’ils sont applicables. Ainsi, nous croyons que les cliniciens et les chercheurs peuvent bénéficier de cette vidéo de formation et adopter ces méthodes rapides et fiables comme dépistage préliminaire avant que l’analyse automatisée ne soit disponible et afin de faciliter la mise en œuvre de cette technologie de pointe.
La capacité d’analyser rapidement la distribution du tissu adipeux et la masse musculaire squelettique a un large éventail d’intérêts cliniques allant du traitement du cancer et de la recherche aux maladies cardiaques5. Par rapport à d’autres méthodes couramment utilisées, le Mourtzakis et al. La procédure de segmentation L3 dans Slice-O-Matic peut évaluer avec précision et rapidité la distribution des tissus adipeux et déterminer le statut de sarcopénie5,12,13,19. De plus, dans les contextes où les informations sur la masse musculaire squelettique sont suffisantes, la procédure de mesure linéaire L3 est un outil fiable et très rapide pour aider à prédire le succès des traitements du cancer tels que la chirurgie, la radiothérapie et la chimiothérapie1,2,4,6,7,8. Le but de cette vidéo et de ce manuscrit de formation est de délimiter clairement le protocole de segmentation et de mesures linéaires pour une utilisation future afin que les cliniciens puissent plus facilement évaluer la composition corporelle en clinique.

L’évaluation de la sarcopénie et de la composition corporelle est actuellement d’un grand intérêt clinique. Bien que les définitions spécifiques de la sarcopénie varient en fonction du cadre et du contexte, toutes les définitions incluent une perte significative de masse musculaire squelettique ou de force musculaire, qui sont étroitement corrélées1,2,3. L’analyse de la composition corporelle intègre des mesures de la masse musculaire squelettique et de la distribution des tissus adipeux, fournissant des informations plus complètes sur l’aptitude générale des patients1,3,4. De même, le tissu adipeux distribué de manière disproportionnée, en particulier le tissu adipeux viscéral, s’est avéré être lié à diverses maladies, y compris les maladies cardiaques, le diabète de type II et le cancer5.
Médicalement, la sarcopénie et son évaluation par des mesures linéaires se sont à plusieurs reprises avérées un facteur pronostique fort pour la survie cancer-spécifique à travers des malignités et des résultats oncologiques suivant la chirurgie, la radiothérapie, et la chimiothérapie1,2,4,6,7,8. En particulier, des recherches antérieures démontrent que les patients atteints de sarcopénie ont diminué la survie spécifique au cancer et la survie globale1,2,9,10. Par conséquent, l’évaluation clinique précise et rapide de la progression de sarcopenia est importante en déterminant l’élection de traitement. Le profilage conventionnel de la composition du corps entier nécessite une analyse à un niveau tridimensionnel (3D) à l’aide de techniques d’imagerie, y compris la tomodensitométrie (TDM), l’imagerie par résonance magnétique (IRM), la densitométrie osseuse (DEXA) et l’analyse d’impédance bioélectrique (ARA), qui prennent beaucoup de temps, sont coûteuses et nécessitent une formation approfondie5,11. Un autre inconvénient est un manque d’informations sur la distribution adipeuse, en particulier pour la pléthysmographie par déplacement d’air (ADP) et DEXA12. Par conséquent, l’évaluation et la détermination de la sarcopénie et de la composition corporelle avec l’utilisation de modalités d’imagerie transversales conventionnelles telles que la TDM ou l’IRM, qui sont utilisées dans le cadre de la pratique clinique standard, ont une grande valeur clinique5.
Un logiciel de segmentation couramment utilisé dans le cadre de la recherche clinique est le programme Slice-O-Matic développé par TomoVision. À l’aide de la procédure de segmentation de Mourtzakis et coll.13, le programme permet aux chercheurs ou aux cliniciens d’étiqueter semi-automatiquement divers types de tissus tels que le muscle squelettique (SM), le tissu adipeux intramusculaire (IMAT), le tissu adipeux viscéral (VAT) et le tissu adipeux sous-cutané (SAT) en utilisant des seuils basés sur la densité, permettant de mesurer les zones transversales globales de chaque tissu. Ces mesures sont alors employées pour estimer la masse et l’adiposity de muscle squelettique de corps total, souvent après normalisation par un patient' taille de s au carré, pour identifier sarcopenia et obésité sarcopénique par des seuils basés sur la population.
Une méthode récemment développée par Avrutin et al.14 utilisant des mesures linéaires du muscle squelettique développé a montré le potentiel d’être tout aussi fiable dans l’estimation de la masse musculaire totale en utilisant des images IRM et CT de la section transversale L314,15. Les groupes musculaires psoas et paraspinal constituent une grande partie de la surface musculaire de la région L3 et ont une fonctionnalité élevée, ce qui suggère qu’ils peuvent être des prédicteurs de haute fidélité de la force musculaire globale, et donc les principaux candidats de la mesure linéaire14,15. Pour calculer la surface musculaire, des mesures horizontales et verticales des groupes musculaires psoas et paraspinal sont obtenues à l’aide d’un outil de règle pour dessiner des lignes droites se croisant à 90°. Les mesures horizontales et verticales de chaque groupe musculaire sont multipliées pour estimer la surface de chaque groupe musculaire, qui est ensuite utilisée pour calculer un indice musculaire linéaire lorsqu’il est divisé par la taille du patient. Avec une formation minimale, l’ensemble de ce processus peut prendre moins de 1 min.
Compte tenu des implications potentielles des mesures de la composition corporelle sur les soins aux patients, il est urgent de créer du matériel de formation accessible. Dans cet article, nous fournissons une description détaillée de deux méthodes développées par Avrutin et al.14 et Mourtzakis et al.13 pour quantifier la masse musculaire squelettique et la composition corporelle, respectivement, pour les fournisseurs et les chercheurs cliniques.

<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

La composition corporelle est associée au risque de progression de la maladie et aux complications du traitement dans diverses conditions. Par conséquent, la quantification de la masse musculaire squelettique et des tissus adipeux sur la tomodensitométrie (CT) et/ou l’imagerie par résonance magnétique (IRM) peut éclairer l’évaluation du risque de chirurgie et le pronostic de la maladie. Cet article décrit deux méthodes de quantification décrites à l’origine par Mourtzakis et coll. et Avrutin et coll. : segmentation tissulaire et mesure linéaire du muscle squelettique. L’image transversale des patients au milieu de la troisième vertèbre lombaire a été obtenue pour les deux mesures. Pour la segmentation, les images ont été importées dans Slice-O-Matic et colorées pour le muscle squelettique, le tissu adipeux intramusculaire, le tissu adipeux viscéral, et le tissu adipeux sous-cutané. Ensuite, les surfaces de chaque type de tissu ont été calculées à l’aide de la fonction de surface de l’étiquette. Pour des mesures linéaires, la taille et la largeur des psoas bilatéraux et des muscles paraspinal au niveau de la troisième vertèbre lombaire sont mesurées et le calcul utilisant ces quatre valeurs rapporte la masse estimée de muscle squelettique. L’analyse de segmentation fournit des informations quantitatives et complètes sur la composition corporelle des patients, qui peuvent ensuite être corrélées avec la progression de la maladie. Cependant, le processus prend plus de temps et nécessite une formation spécialisée. Les mesures linéaires sont un outil efficace et clinique-friendly pour l’évaluation préopératoire rapide. Cependant, les mesures linéaires ne fournissent pas d’informations sur la composition du tissu adipeux. Néanmoins, ces méthodes ont de larges applications dans une variété de maladies pour prédire les résultats chirurgicaux, le risque de progression de la maladie et éclairer les options de traitement pour les patients.

La procédure de segmentation L3 se traduit par une image CT ou MRI marquée avec du tissu du muscle squelettique (SM) marqué en rouge, IMAT en vert, VAT en jaune et SAT en cyan(Figure 1). Les tissus non marqués restants resteront dans leurs teintes blanches, grises et dorguées d’origine qui correspondent aux valeurs d’unité Hounsfield (HU) respectives de chaque pixel. La majorité des tissus non marqués qui restent en blanc seront osseux, la majorité des tissus qui restent en gris seront des muscles non squelettiques, des tissus organiques et des tissus adipeux dans les lumens des intestins, et la majorité de l’image qui reste en noir sera de l’air. Une image correctement segmentée n’aura pas de marquage rouge ou vert à l’extérieur du fascia du muscle squelettique, et aucun marquage jaune ou cyan dans le fascia du muscle squelettique. De plus, le marquage jaune ne doit pas envahir les lumières des intestins ou des organes tels que le rein ou le foie, et le marquage cyan ne doit pas être présent le long des bords externes plus clairs qui correspondent à la peau. Une fois la segmentation de l’image terminée, les surfaces et les valeurs moyennes de HU tissulaire doivent être enregistrées, parallèlement à la taille du patient(tableau 1). À partir de ces données, on peut calculer l’indice du muscle squelettique et procéder à toute autre analyse pertinente à la recherche spécifique ou aux questions cliniques. Notez que pour la plupart des images IRM, seul le muscle squelettique peut être correctement marqué et analysé par la suite (Tableau 2). Dans les mesures linéaires, un indice est calculé en divisant la surface sur le carré de la hauteur (Tableau 3).
Les problèmes courants que les chercheurs peuvent rencontrer au cours de la procédure de segmentation comprennent des images qui comportent une omission d’informations clés. Par exemple, les images peuvent avoir des portions rognables coupées ou recadrées(Figure 2). Plus précisément, les images qui ont sat et/ou tissu musculaire squelettique découpé hors cadre réduira considérablement la précision des calculs de surface des tissus affectés. La question de savoir si cela rend une image impropre à l’analyse dépendra du contexte clinique ou de recherche et devra être décidée par l’équipe de recherche au cas par cas. Un autre écueil est que les chercheurs peuvent inclure par inadvertance la moelle épinière et la moelle osseuse dans le muscle squelettique. Pour éviter ce problème, les chercheurs doivent être bien formés et rester prudents pendant la segmentation. D’autres artefacts courants dans les images de TDM ou d’IRM comprennent des problèmes techniques causés par le placement ou le mouvement du patient dans le scanner, l’échouage de graisse et les tissus cicatriciels autour du fascia du muscle squelettique, ainsi que d’autres artefacts de forme étrange (Figure 3). Les problèmes techniques causés par le mouvement du patient ou un placement inapproprié apparaîtront généralement plus légers, avec des valeurs de HU plus élevées que les tissus environnants. Ce type de problèmes techniques apparaît généralement dans SAT et peut également réduire la précision du calcul de la surface. Le contexte clinique ou de recherche déterminera le niveau de tolérance à de tels problèmes. L’échouage de graisse et les artefacts de tissu cicatriciel n’ont habituellement pas comme conséquence des quantités élevées d’erreur dans des calculs de surface de tissu. Cependant, ils peuvent conduire à une mauvaise identification de la ligne fasciale. Les surfaces du muscle squelettique et de l’IMAT peuvent être très imprécises dans les cas où les brins de graisse ou le tissu cicatriciel sont confondus avec la ligne de fascia musculaire. D’autres petites imperfections et artefacts dans les images CT et MRI n’affectent généralement pas la qualité globale de l’image, sauf dans de rares cas. Selon le contexte clinique ou de recherche, ces artefacts peuvent devoir être évalués par un expert en radiologie pour vérifier la qualité de l’image. Le dernier problème courant dans les images ct et MRI sont des déformations dans la ligne de fascia de muscle (Figure 4). Ces ruptures n’affecteront généralement pas la qualité de l’image, mais les images contenant de grandes ruptures ou d’autres déformations dans le fascia musculaire doivent être évaluées par un radiologiste pour déterminer si l’origine de la déformation affectera l’analyse du contexte clinique ou de recherche.
La procédure de mesure linéaire L3 développée par Avruvin et al. présente moins d’erreurs courantes que la procédure de segmentation L314,15. Les principaux problèmes rencontrés dans les mesures linéaires tournent autour de l’identification des groupes musculaires d’intérêt, les deux groupes musculaires psoas et paraspinaux (Figure 5). Dans la plupart des cas, les bords du psoas seront distincts des organes voisins, mais dans le cas où le bord est difficile à discerner, le changement des filtres HU ou de la luminosité résoudra généralement la majorité des problèmes. En outre, les bords des groupes de muscle paraspinal seront souvent distincts des autres tissus voisins, mais il convient de noter que si aucun muscle clair n’atteint la ligne de fascia la plus basse, la ligne ne doit pas être incluse dans la détermination du bord inférieur du groupe musculaire paraspinal. Enfin, le quadratus lumborum doit être exclu lors de la détermination du bord des groupes de muscles psoas ou paraspinaux (Figure 5E).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/61674/61674fig01.jpg"> Figure 1: Segmentation L3 appropriée dans Slice-O-Matic. (A)L’image CT axiale inchangée aux vertèbres L3. (B) Le CT axial entièrement marqué avec le rouge correspondant au muscle squelettique (SM), vert au tissu adipeux intramusculaire (IMAT), jaune au tissu adipeux vésical (VAT), et cyan au tissu adipeux sous-cutané (SAT). <a href="https://www.jove.com/files/ftp_upload/61674/61674fig01large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de cette figure.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/61674/61674fig02.jpg"> Figure 2: Couper l’image L3 CT. Une image CT non balisé dans Slice-O-Matic avec des quantités substantielles de SAT ainsi que des quantités importantes de tissu musculaire squelettique coupé. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig02large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de cette figure.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/61674/61674fig03.jpg"> Figure 3: Artefacts courants. (A)L’image CT non balisé comporte divers artefacts mis en évidence dans la boîte rouge, l’ovale bleu et la boîte verte, respectivement. La case rouge montre les problèmes techniques liés à une tomodensitométrie, potentiellement dus à un mauvais alignement ou à un mouvement pendant l’analyse. L’ovale bleu met en évidence un artefact commun provenant probablement des tissus cicatriciels. Le carré vert met en évidence des imperfections qui peuvent avoir de multiples causes potentielles. (B) La tomodensitométrie étiquetée avec les apparences des mêmes artefacts respectifs mis en évidence dans la boîte rouge, l’ovale bleu et la boîte verte. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig03large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de cette figure.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/61674/61674fig04.jpg"> Figure 4: Grande rupture du fascia musculaire. (A)L’image L3 CT non balisé met en évidence une grande rupture dans le fascia du muscle squelettique dans la boîte violette. (B) L’image L3 CT étiquetée met en évidence l’apparence étiquetée de la grande rupture dans le fascia du muscle squelettique dans la boîte violette. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig04large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de cette figure.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/61674/61674fig05.jpg"> Figure 5: Mesures linéaires L3. (A)L’image L3 CT originale avant analyse dans la visionneuse d’images Horos. (B) La méthode traditionnelle de mesure linéaire comprend une ligne verticale et une ligne horizontale tracées pour chaque muscle. Ces lignes sont mesurées avec un outil de règle et multipliées pour trouver la surface de chaque groupe musculaire. Notez que la méthode traditionnelle des mesures linéaires doit toujours avoir des lignes qui se croisent à 90°. Cette image de la méthode traditionnelle des mesures linéaires n’est qu’une démonstration visuelle puisqu’elle a été créée à Horos et n’est pas garantie d’avoir des intersections à 90°. (C) (D) (E) La méthode box pour les mesures linéaires L3. (C) (D) La boîte bleue et violette englobe les psoas droit et gauche, respectivement, et la boîte jaune et verte englobent le muscle paraspinal droit et gauche, respectivement. (E) Les cases violet clair et orange mettent en évidence le quadratus lumborum, qui ne doit pas être pris en compte lors de la détermination des bords des groupes musculaires Psoas et paraspinal. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig05large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de cette figure.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/61674/61674fig06.jpg"> Figure 6: Comparaison des mesures linéaires et de la surface transversale des muscles squelettiques L3, n = 65. Les secteurs combinés de psoas et de paraspinal sont en accord avec le muscle squelettique total dans la section L3. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig06large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de cette figure.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>CT SEGMENTATION</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr>
<tr>
<td></td>
			<td>muscle</td>
			<td>Tissu adipeux intramusculaire</td>
			<td>Tissu adipeux viscéral</td>
			<td>Tissu adipeux sous-cutané</td>
		</tr>
<tr>
<td>Zone suface (cm2)</td>
			<td>134.4</td>
			<td>8.402</td>
			<td>72.43</td>
			<td>271</td>
		</tr>
<tr>
<td>Unité de Hounsfield (moyenne)</td>
			<td>33.61</td>
			<td>2.1</td>
			<td>18.11</td>
			<td>67.76</td>
		</tr>
<tr>
<td>Hauteur du patient au carré (m2)</td>
			<td>2.69</td>
			<td>Indice du muscle squelettique (Surface musculaire/Hauteur2, cm2/ m2)</td>
			<td></td>
			<td>49.97</td>
		</tr>
</tbody></table>Tableau 1 : Segmentation ct
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>SEGMENATION PAR IRM</td>
			<td></td>
		</tr>
<tr>
<td></td>
			<td>muscle</td>
		</tr>
<tr>
<td>Zone suface (cm2)</td>
			<td>241.8</td>
		</tr>
<tr>
<td>Unité de Hounsfield (moyenne)</td>
			<td>35.85</td>
		</tr>
<tr>
<td>Hauteur du patient (m2)</td>
			<td>3.39</td>
		</tr>
<tr>
<td>Indice du muscle squelettique</td>
			<td rowspan="2">71.42</td>
		</tr>
<tr>
<td>(Surface musculaire/Hauteur2,cm2/m2)</td>
		</tr>
</tbody></table>Tableau 2 : Segmentation de l’IRM
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td colspan="8">MESURES LINÉAIRES</td>
		</tr>
<tr>
<td>Hauteur droite de Psoas (cm)</td>
			<td>Largeur de Psoas droite (cm)</td>
			<td>Hauteur de Psoas gauche (cm)</td>
			<td>Largeur du Psoas gauche (cm)</td>
			<td>Hauteur de Paraspinal droite (cm)</td>
			<td>Largeur paraspinale droite (cm)</td>
			<td>Hauteur de Paraspinal gauche (cm)</td>
			<td>Largeur paraspinale gauche (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">Superficie totale de Psoas (cm2)</td>
			<td colspan="2">21.950</td>
			<td colspan="2">Superficie totale de Paraspinal (cm2)</td>
			<td colspan="2">61.813</td>
		</tr>
<tr>
<td colspan="4">Surface musculaire totale (cm2)</td>
			<td colspan="4">83.76</td>
		</tr>
<tr>
<td colspan="2">Hauteur du patient au carré (m2)</td>
			<td colspan="2">2.496</td>
			<td colspan="2">Indice de mesure linéaire (cm2/m2)</td>
			<td colspan="2">33.55</td>
		</tr>
</tbody></table>Tableau 3 : Mesures linéaires

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

La segmentation et les mesures linéaires quantifient la masse musculaire squelettique et les tissus adipeux à l’aide de la tomodensitométrie et/ou d’images d’imagerie par résonance magnétique. Ici, nous décrivons l’utilisation du logiciel Slice-O-Matic et de la visionneuse d’images Horos pour une analyse rapide et précise de la composition corporelle. Ces méthodes peuvent fournir des informations importantes pour le pronostic et la stratification du risque.

Segmentation et mesure linéaire pour l’analyse de la composition corporelle à l’aide de Slice-O-Matic et Horos

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

La dégénérescence de muscle de ruban sur un sarcopenia s’est avérée un facteur pronostique pour la survie de cancer et le succès de traitement. L’analyse de composition de la troisième région lombaire est d’intérêt car elle fournit la caractérisation quantitative du muscle squelettique et dans les balayages de CT fournit l’information qualitative du tissu adipeux. Les procédures suivantes fournissent le protocole et la verticale segmentée dans le logiciel sliceOmatic ainsi que vos protocoles de mesure pour l’analyse de la composition dans les images CT et MRI.La sélection du protocole des vertèbres L3 est effectuée dans le cadre de la centricité GE. Sachez que si vous utilisez un logiciel différent, les outils peuvent varier. Ouvrez les images de TDM ou d’IRM du patient effectuées dans le délai d’intérêt.Sélectionnez les régions du moniteur, vue de fenêtre 2V. Sélectionnez la vue coronale ou sagittale sur l’écran de gauche en accédant à la série, puis en sélectionnant les images coronales ou sagittales. Sélectionnez la vue axiale sur l’écran de droite en accédant à la série, puis en sélectionnant les images axiales.Cliquez sur conn, référence croisée pour lier les deux images, puis faites défiler les images sur la vue coronale ou sagittale pour vous assurer que les vertèbres de la colonne vertébrale sont facilement visibles. Ensuite, faites défiler les images de la vue axiale pour trouver les vertèbres L1. La L1 est la première vertèbre à ne pas avoir de fixation des côtes.Comptez de la L1 jusqu’aux vertèbres L3. Assurez-vous d’utiliser la vue sagittale ou coronale pour référence afin de localiser le centre des vertèbres L3. Exportez l’image L3 en accédant au menu de l’examen, sélectionnez exporter les images, les images sélectionnées.Assurez-vous que le format est DICOM. Sélectionnez ensuite l’emplacement dans où l’image doit être enregistrée. Double-cliquez sur le fichier DICOM pour ouvrir sliceOmatic.Une fois le programme chargé, faites glisser l’image DICOM n’importe où dans l’écran sliceOmatic. Accédez aux modes, à la croissance de la région pour commencer la segmentation. Sélectionnez outils, verrou de balise.Cette fonctionnalité sera utilisée dans les étapes suivantes. Cliquez sur le rouge sous la région en croissance pour définir les limites H.U. pour le muscle. Cliquez ensuite sur le bouton off à côté de la limite inférieure.Cela le mettra en place. Ajustez la limite avec le curseur pour qu’elle soit aussi proche que possible de moins 29. Ensuite, utilisez la molette de la souris pour la régler exactement sur moins 29.Ensuite, cliquez sur le bouton off à côté de la limite supérieure pour le définir sur. Utilisez le curseur et la molette de la souris pour définir la limite H.U.sur positive 150 Ensuite, cliquez sur les deux verts pour définir les limites H.U. pour I.M.A.T. et définissez les limites inférieure et supérieure de la même manière, mais en définissant la limite inférieure à moins 190 et la limite supérieure à moins 30. Cliquez sur le cinq jaune pour définir les limites pour V.A.T.cette fois définies dans la limite inférieure à moins 150 et la limite supérieure à moins 50.Enfin, cliquez sur le cyan seven pour définir les limites H.U. pour S.A.T. en définissant la limite inférieure à moins 190 et la limite supérieure à moins 30. Appuyez sur les touches plus et moins du clavier pour zoomer l’image si nécessaire. Ajustez le zoom selon vos besoins tout au long du processus de segmentation.Sélectionnez le rouge et assurez-vous que l’option pinceau est définie sur peindre. Utilisez la taille de pinceau la plus efficace pour l’image et commencez à peindre en cliquant sur le tissu musculaire. Peignez sur les psoas, les groupes de muscle paraspinal, et les groupes obliques de muscle.Prenez soin des bords du muscle qui sont proches de la colonne vertébrale, des organes internes ou des fluides, pour vous assurer que ceux-ci ne sont pas étiquetés comme musculaires. Si quelque chose est faussement balisé, sélectionnez aucun et effacez l’erreur. Une fois que tous les muscles ont été marqués, sélectionnez-en un dans le menu de verrouillage des balises.Cela garantira qu’aucun muscle n’est accidentellement effacé ou re-étiqueté au fur et à mesure que la segmentation se poursuit. Sélectionnez les deux verts et peignez sur le tissu I.M.A.T. dans le fascia musculaire. Notez que la plupart des lacunes dans le muscle lui-même seront I.M.A.T.Note que les bords du fascia musculaire sont souvent plus légers en apparence que les tissus environnants.Cela peut être un guide utile, en particulier dans les régions où les groupes musculaires obliques rencontrent les groupes musculaires paraspinaux et dans la région sous les spinae erector mais au-dessus de la ligne fasciale. Une fois que tout ce que I.M.A.T. a été étiqueté, sélectionnez les deux sous le menu de verrouillage des balises. Ensuite, sélectionnez les cinq jaunes dans le menu de croissance de la région pour commencer à segmenter V.A.T.One peut toujours utiliser l’option pinceau, mais pour de nombreuses images, il peut être plus facile et plus rapide d’utiliser l’option grandir en D à la place.Si vous utilisez grow to D, assurez-vous de sélectionner la plus petite taille de pinceau, puis cliquez sur le tissu V.A.T. dans l’image pour l’étiqueter. Assurez-vous que les tissus ou les graisses à l’intérieur de la limite des intestins ou d’autres organes ne sont pas étiquetés comme V.A.T.Une fois que tous les V.A.T.is étiquetés, sélectionnez cinq dans le menu de verrouillage des étiquettes. Enfin, sélectionnez le cyan sept dans le menu de croissance de la région pour marquer le tissu S.A.T..Encore une fois, selon l’image, S.A.T.tissue est souvent plus facile à étiqueter avec l’option grow to D. Une fois que le tissu S.A.T. est marqué, vérifiez sur les bords, en particulier autour de la peau, pour être sûr que seule la graisse sous-cutanée est marquée comme S.A.T.Une fois que tous les tissus ont été marqués, regardez l’image pour vous assurer qu’il n’y a pas d’erreurs ou de tissu mal marqué. Lorsque vous avez terminé, accédez aux outils, balisez le volume de surface.Cliquez sur le bouton des valeurs de la fenêtre et enregistrez la surface de chaque tissu et les valeurs moyennes de l’U.H. Enfin, allez dans le fichier, enregistrez les fichiers de balises. Cela enregistrera un fichier de balises où se trouve l’image DICOM.Pour commencer la segmentation IRM, allez aux modes, région en croissance. En regardant dans la fenêtre d’aperçu, nous pouvons voir un histogramme des valeurs H.U., où le premier pic est l’air, le suivant est le muscle squelettique, et si les pics suivants sont discernables, ils seront os suivis de tissu adipeux. Notez que lors de l’utilisation d’images IRM, seul le muscle squelettique peut généralement être segmenté en toute confiance en raison d’une mauvaise discrimination du tissu adipeux.Sélectionnez le rouge et tournez la limite inférieure en le laissant défini sur zéro. Activez ensuite la limite supérieure et remplacez l’option de roulette de la souris par limite supérieure. Ensuite, sélectionnez peinture et une grande option de pinceau, puis déplacez le curseur sur le muscle psoas afin que la région du curseur comprenne à la fois le muscle et l’os.Pour être sûr que l’os n’est pas étiqueté comme muscle, définissez la limite supérieure de manière conservatrice en déplaçant la molette de la souris jusqu’à ce que la limite supérieure n’inclue aucun des tissus osseux externes. Segmentez ensuite le tissu musculaire immédiatement adjacent à la colonne vertébrale. Ensuite, déplacez le curseur vers la linea alba ou n’importe où ailleurs sur le scan où le tissu adipeux et le muscle sont faciles à différencier.Augmentez la limite supérieure aussi haut que possible sans inclure de tissu adipeux. De là, on peut procéder à la segmentation de tous les muscles squelettiques restants. Notez que pour certaines images, la limite supérieure peut devoir être continuellement ajustée.Notez que, bien que la fixation de la limite supérieure avec cette procédure en deux étapes soit conservatrice, elle optimisera la quantité de muscle squelettique à marquer sans avoir à vous soucier d’un marquage erroné significatif de l’os ou du tissu adipeux. Lorsque vous avez terminé, accédez aux outils, balisez le volume de surface et sélectionnez les valeurs de fenêtre pour enregistrer la surface et les valeurs moyennes de l’U.H du muscle squelettique. La mesure linéaire de la région des vertèbres L3 a été montrée pour se corréler étroitement avec la masse musculaire totale.L’avantage de la mesure linéaire est sa facilité et sa vitesse ainsi que le fait qu’elle peut être effectuée sur n’importe quel logiciel avec un outil de règle ou un outil de boîte. Ce protocole est démontré à l’aide de l’application Horace Medical Imaging. Si vous utilisez un logiciel différent, sachez que les outils spécifiques peuvent très.Importez l’image dans la visionneuse en cliquant sur importer, puis en accédant à l’emplacement de l’image et en sélectionnant Ouvrir. Une fois importé, cliquez sur l’image ou le nom du patient pour afficher l’image en bas. Double-cliquez sur l’image pour la maximiser, ce qui ouvrira également les options de l’outil.Identifier les groupes de psoas et de muscle paraspinal. Notez que le quadratus lumborum ne doit pas être pris en compte lors de la détermination des bords des groupes musculaires paraspinaux. Sélectionnez l’outil règle.Tracez une ligne verticale des points les plus élevés du groupe musculaire jusqu’au bas du groupe musculaire. Ensuite, tracez une ligne horizontale du bord le plus large du groupe musculaire à l’autre bord le plus large du groupe musculaire. Répétez ce processus pour les psoas droit et gauche et les groupes paraspinal droit et gauche.Notez que les lignes tracées doivent se croiser à 90 degrés. Notez que si les bords des lignes dessinées devaient être connectés, cette connexion devrait créer une boîte englobant l’intégralité du groupe musculaire. Dans horace Medical Viewer, il est difficile d’utiliser l’outil règle pour s’assurer que les lignes se croisent à 90 degrés.Pour cette raison, l’outil de dessin de boîte doit être utilisé à la place. Sélectionnez l’outil rectangle. Dessinez une boîte autour de chaque groupe musculaire, en prenant maintenant note que les bords de la boîte touchent les parties les plus hautes et les plus basses du muscle ainsi que les parties les plus larges du muscle.Tant que l’outil boîte affiche ses dimensions verticales et horizontales, il peut être préférable à l’outil règle, car il permet une visualisation facile des limites musculaires. Une image de CT ou d’IRM correctement segmentée ne devrait avoir aucun marquage musculaire au-delà des lignes fasciales, et pour les images de CT, il ne devrait y avoir aucun marquage adipeux dans le fascia de muscle ou sur la peau. Enregistrez la surface musculaire à côté de la taille du patient pour calculer l’indice du muscle squelettique.Pour les tomodensitogrammes, les surfaces du tissu adipeux peuvent être enregistrées en fonction de la recherche spécifique ou des questions cliniques d’intérêt. En outre, les valeurs moyennes de h.u. peuvent être enregistrées pour le contrôle de la qualité L3 mesure linéaire devrait avoir la règle ou la boîte mesures englobant l’ensemble de chaque muscle. Notez les largeurs horizontales et les hauteurs verticales de chaque muscle ainsi que la taille du patient.Multipliez les largeurs et les hauteurs pour chaque muscle, puis additionnez ces zones pour obtenir la surface musculaire totale. Calculez l’indice de mesure linéaire en divisant la surface totale par la taille du patient au carré. Le protocole démontré permet aux cliniciens et aux chercheurs d’utiliser la tomodensitométrie L3 ou l’IRM pour obtenir des informations quantitatives rapides et fiables pour l’évaluation de la sarcopénie.

Research

JoVE Journal

Medicine

Dissection of Human Vitreous Body Elements for Proteomic Analysis

Dissection de l&#39;homme des éléments du corps vitré de l&#39;analyse protéomique

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

Recherche

Médecine

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

Segmentation et évaluation des volumes FAT dans les modèles murins d&#39;obésité Utilisation de X-ray Computed Tomography

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

La mesure et le traitement de répression dans l&#39;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

Analyse semi-automatique de souris Muscle squelettique morphologie et la Composition de la fibre de type

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

Ensemble-cerveau Segmentation et analyse des points de changement d’IRM anatomique cérébrale — Application dans Premanifest la maladie de 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

Composition corporelle et l’analyse mise en cage métabolique in Mice Fed graisse haute

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

Détecteur de métaux portatif de dépistage pour l’Ingestion de corps étrangers métalliques chez les enfants

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

Comparaison de l'analyse bibliométrique à l'aide de bases de données PubMed, Scopus et Web of Science

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

Analyse quantitative de la Composition cellulaire dans les lésions athérosclérotiques avancées de Muscle lisse Cell Lineage-Tracing souris

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

Mesure dynamique et imagerie des capillaires, artérioles et péricytes dans le cœur de souris

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