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

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

Os autores não têm nada a revelar.

Os músculos psoas, os grupos musculares paraspinais e os músculos oblíquos se correlacionam intimamente com a massa muscular geral5. Em particular, a área superficial dentro de uma TC ou seção transversal de ressonância magnética desses grupos musculares no ponto médio da terceira vértebra lombar (L3) está altamente correlacionada com a massa muscular global, tornando esta imagem ideal para pesquisadores ou médicos usarem ao avaliar a sarcopenia1,2,13. Segmentação e medições lineares têm demonstrado grande valor na avaliação da composição corporal e na identificação de condições prognósticas ruins como sarcopenia e obesidade sarcopenica em pacientes16,17. Pesquisas têm demonstrado que as medidas de massa muscular estão associadas à sobrevivência e aos riscos de complicações maiores após grandes cirurgias ou planos de tratamento, como quimioterapia e toxicidade quimioterápica16,17,18. Portanto, podemos dizer que pode ser benéfico para os médicos ter dados de composição corporal antes de aconselhar os pacientes sobre as opções de tratamento.
Atualmente, existem vários métodos de avaliação da composição corporal. Diversos métodos, como a densitometria12 e a plethysmografia de deslocamento do ar (ADP)19, utilizam peso e deslocamento do ar, respectivamente para estimar a porcentagem de gordura corporal e densidade corporal. Embora esses métodos possam ser úteis, eles são incapazes de determinar a distribuição de tecido adiposo5,19. Outras técnicas analíticas de composição corporal, como a BIA, baseiam sua análise nas diferentes características elétricas da massa gorda e da massa sem gordura12. No entanto, mais uma vez essa técnica não consegue avaliar adequadamente as distribuições de gordura, e também requer mais informações como etnia, idade e sexo para medições mais precisas19. Por outro lado, avaliações como a DEXA têm se mostrado úteis na avaliação da composição corporal, mas têm tendência a superestimar a massa muscular com o aumento da adiposidade12. Vários protocolos também utilizaram o método Região de Interesse (ROI) para obter dados de massa muscular e tecido adiposo dentro do software dicom-viewing, que tem se mostrado ter boa correlação com a análise de composição corporal BIA para avaliação de sarcopenia e avaliação nutricional20,21.
O procedimento de segmentação desenvolvido por Mourtzakis et al. tem uma vantagem sobre avaliações alternativas de composição corporal, uma vez que pode ser feito na maioria das imagens de Tomografia computadorizada ou ressonância magnética e determina com precisão as distribuições de tecidos adiposos e a área muscular13. Além disso, a segmentação Axial L3 tem a vantagem da precisão, independentemente do estado de obesidade do paciente13. Semelhante às alternativas supracitadas, a técnica de medidas lineares desenvolvida por Avrutin et al.14 não tem a capacidade de avaliar a distribuição de gordura. Recentemente, pesquisadores têm demonstrado díspare na segmentação corporal, especialmente em métodos que medem apenas os músculos psoas22. A massa muscular de Psoas por si só não é altamente representativa da quantidade muscular lombar ou do perda sistemática dos músculos, podendo não estar altamente correlacionada com os desfechos clínicos22. Esse problema pode ser mais preocupante na medição linear, já que o músculo psoas é o principal grupo muscular na avaliação. No entanto, nossa técnica delineada inclui psoas bilaterais e estimativas musculares paraspinais para medir uma avaliação mais precisa, enquanto ainda rápida e conveniente de massa muscular transversal. Estudos futuros que validem a concordância entre métodos de medição linear e segmentação de TOMOGRAFIA/RM E sua correlação com os desfechos clínicos são justificados.
Tanto os procedimentos de segmentação L3 quanto de medição linear foram inicialmente projetados para avaliar com rapidez e precisão o conteúdo muscular em todo o corpo. Ao segmentar apenas as vértebras L3, o protocolo economiza tempo enquanto ainda fornece aos pesquisadores ou médicos informações suficientes para determinar a massa muscular magra e o estado de adiposidade do paciente. No entanto, embora a segmentação L3 leve muito menos tempo do que a segmentação do corpo inteiro, ainda pode ser demorado e caro usar o software Slice-O-Matic. Por outro lado, as medidas lineares têm o potencial de ser tão precisas quanto a segmentação L3 na avaliação do estado muscular e da sarcopenia em pacientes gravemente doentes14,15. Demonstramos tal relação na coorte de carcinoma de células renais T3, onde o músculo esquelético medido por medidas lineares está intimamente correlacionado com o valor medido pela segmentação(Figura 6). É importante ressaltar que o método é extremamente rápido, e o software de imagem é gratuito. No entanto, a limitação mais notável ao procedimento de medição linear é a sua falta de capacidade de avaliar o teor tecidual adiposo, o que limita os médicos a contextos onde a avaliação geral do conteúdo muscular é suficiente.
Existem três etapas críticas nos procedimentos de segmentação e medição linear. Primeiro, médicos e pesquisadores devem identificar o meio das vértebras L3 para obter consistência. O meio das vértebras L3 será a fatia onde a medula dos processos transversais é mais proeminente. A fatia de vértebras Axial L3 é mais facilmente identificada com o auxílio de uma visão sagital ou coronal transversal. Pesquisadores ou médicos podem primeiro encontrar vértebras L1 ou sacro como ponto de referência, tendo em mente que a presença de seis vértebras lombares em vez de cinco é uma variante normal. O próximo passo crucial é identificar os músculos. Em medições lineares, o quadrilátero lumborum não deve ser incluído durante a tomada das medidas verticais e horizontais. Em terceiro lugar, os pesquisadores também devem prestar muita atenção ao rotular o IVA no protocolo de segmentação, pois o teor de cólon pode às vezes ser marcado como tecido adiposo visceral23. Quando esse erro ocorre, os pesquisadores devem apagar essas áreas antes de passar para o próximo passo.
Um problema comum na segmentação é a má qualidade de imagem de CT ou mrI (ver Resultados Representativos, por exemplo). Em alguns casos, a má qualidade não torna a imagem inútil, mas em outros casos a imagem pode precisar ser excluída da análise. Outra, possivelmente inevitável, limitação da segmentação de uma única imagem inclui a variação aleatória da posição do órgão sólido da imagem para a imagem.
Outras questões comuns tanto para análise de segmentação L3 quanto para análise de medição linear estão frequentemente relacionadas à variação inter e intra-rater. Como seria o caso da maioria dos protocolos, uma certa variação entre observadores e entre os ensaios separados de um único indivíduo pode ser esperada. Para explicar e minimizar a variação entre taxas com várias pessoas realizando análises, a equipe de pesquisadores ou clínicos pode testar quaisquer variações estatisticamente significativas nas medições da área de superfície e hu médio da mesma imagem. Tome nota especial da variação do HU, pois isso indicará se pesquisadores ou médicos que têm áreas superficiais muito semelhantes para a mesma imagem estão de fato marcando os tecidos aproximadamente o mesmo. Para testar uma variação intra-rater significativa para um indivíduo, pesquisadores ou médicos podem tirar um pequeno subconjunto de imagens e segmentar cada imagem até que todas as réplicas de cada imagem estejam dentro de uma margem estreita e estatisticamente insignificante.
Reconhecemos que ambos os protocolos aqui apresentados têm limitações na análise da composição corporal, pois apenas uma única fatia é utilizada. Conforme sugerido por Shen et al., a análise 3D pode fornecer informações mais precisas para a gordura visceral abdominal, e a análise de fatia única para o IVA está em níveis diferentes para homens e mulheres24. No entanto, os protocolos aqui discutidos ainda são valiosos, pois fornecem avaliações rápidas de músculos, bem como tecido adiposo, que podem ser usados para triagem de sarcopenia em clínicas.
Além disso, existem muitos protocolos automatizados de análise de composição corporal usando algoritmos de aprendizagem de máquina 3D, especialmente algoritmos de classificação baseados em rede neural25. Reconhecemos que essas podem ser as alternativas futuras potenciais para a segmentação 2D tradicional. No entanto, esses métodos requerem grandes conjuntos de dados de imagens de tomografia computadorizada e ressonância magnética para serem desenvolvidos, testados e implementados em ambientes clínicos e de pesquisa. Além disso, esses métodos geralmente requerem análise de segmentação 2D para estabelecer uma referência de linha de base contra a qual validar os algoritmos de aprendizado de máquina contra. Os protocolos aqui demonstrados podem, portanto, ser úteis quando grandes conjuntos de dados ou imagens 3D não estão disponíveis, e esses protocolos podem ser aplicados para ajudar a desenvolver e validar algoritmos de aprendizagem de máquina quando eles são aplicáveis. Assim, acreditamos que médicos e pesquisadores podem se beneficiar desse vídeo de treinamento e adotar esses métodos rápidos e confiáveis como triagem preliminar antes da análise automatizada estiver disponível e facilitar a implementação dessa tecnologia avançada.
A capacidade de analisar rapidamente a distribuição de tecidos adiposos e a massa muscular esquelética tem uma ampla amplitude de interesses clínicos que vão desde o tratamento do câncer e a pesquisa até a doença cardíaca5. Comparado com outros métodos comumente usados, o Mourtzakis et al. O procedimento de segmentação L3 em Slice-O-Matic pode avaliar com precisão e rapidez a distribuição de tecido adiposo e determinar o estado da sarcopenia5,12,13,19. Além disso, em contextos onde a informação sobre a massa muscular esquelética é suficiente, o procedimento de medição linear L3 é uma ferramenta confiável e muito rápida para ajudar a prever o sucesso em tratamentos de câncer como cirurgia, radioterapia e quimioterapia1,2,4,6,7,8. O objetivo deste vídeo e manuscrito de treinamento é delinear claramente o protocolo de segmentação e medições lineares para uso futuro para que os médicos possam avaliar mais facilmente a composição corporal no ambiente da clínica.

A avaliação da sarcopenia e da composição corporal é atualmente de grande interesse clínico. Embora definições específicas de sarcopenia variem dependendo da configuração e contexto, todas as definições incluem perda significativa de massa muscular esquelética ou força muscular, que estão intimamente correlacionadas1,2,3. A análise da composição corporal incorpora medidas de massa muscular esquelética e distribuição de tecido adiposo, fornecendo informações mais abrangentes sobre o condicionamento geral dos pacientes1,3,4. Da mesma forma, o tecido adiposo distribuído desproporcionalmente, especialmente o tecido adiposo visceral, tem sido encontrado relacionado a várias doenças, incluindo doença cardíaca, diabetes tipo II e câncer5.
Clinicamente, a sarcopenia e sua avaliação por medições lineares têm se mostrado repetidamente um forte fator prognóstico para a sobrevivência específica do câncer em malignidades e desfechos oncológicos após cirurgia, radioterapia e quimioterapia1,2,4,6,7,8. Em particular, pesquisas anteriores demonstram que pacientes com sarcopenia diminuíram a sobrevida específica do câncer e a sobrevida geral1,2,9,10. Portanto, a avaliação clínica precisa e rápida da progressão da sarcopenia é importante na determinação da eleição do tratamento. O perfil convencional de composição do corpo inteiro requer análise em nível tridimensional (3D) utilizando técnicas de imagem, incluindo Tomografia Computadorizada (TC), Ressonância Magnética (RM), Densitometria Óssea (DEXA) e Análise de Impedância Bioelétrica (BIA), que são demoradas, caras e requerem treinamento extensivo5,11. Outra desvantagem é a falta de informação sobre a distribuição adiposa, especialmente para a plethysmografia de deslocamento do ar (ADP) e DEXA12. Portanto, a avaliação e determinação da sarcopenia e da composição corporal com o uso de modalidades convencionais de imagem transversal, como tomografia ou ressonância magnética, que são utilizadas como parte da prática clínica padrão de cuidado, tem grande valor clínico5.
Um software de segmentação comumente usado na configuração de pesquisa clínica é o programa Slice-O-Matic desenvolvido pela TomoVision. Utilizando o procedimento de segmentação Mourtzakis et al.13, o programa permite que pesquisadores ou clínicos marquem semi-automaticamente vários tipos de tecidos, como músculo esquelético (SM), tecido adiposo intramuscular (IMAT), tecido adiposo visceral (IVA) e tecido adiposo subcutâneo (SAT) utilizando limiares baseados em densidade, permitindo a medição das áreas transversais globais de cada tecido. Essas medidas são então usadas para estimar a massa muscular e adiposidade do corpo, muitas vezes após a normalização pela altura do paciente ao quadrado, para identificar sarcopenia e obesidade sarcopenica por limiares de base populacional.
Um método recente desenvolvido por Avrutin et al.14 utilizando medidas lineares do músculo esquelético desenvolvido mostrou o potencial de ser igualmente confiável na estimativa da massa muscular total usando imagens de ressonância magnética e tomografia da seção transversal L314,15. Os grupos de psoas e músculos paraspinais compreendem grande parte da superfície muscular da região L3 e possuem alta funcionalidade, sugerindo que podem ser preditores de alta fidelidade da força muscular geral, e, portanto, os principais candidatos da medição linear14,15. Para calcular a área da superfície muscular, as medidas horizontais e verticais dos psoas e dos grupos musculares paraspinais são obtidas utilizando uma ferramenta de régua para desenhar linhas retas interseccionais de 90°. As medidas horizontais e verticais de cada grupo muscular são multiplicadas para estimar a área superficial de cada grupo muscular, que é então usada para calcular um índice muscular linear quando dividido pela altura do paciente. Com o mínimo de treinamento, todo esse processo pode levar menos de 1 min.
Dadas as potenciais implicações das medidas de composição corporal no atendimento ao paciente, há uma necessidade urgente de criação de materiais de treinamento acessíveis. Neste artigo, fornecemos uma descrição detalhada de dois métodos desenvolvidos por Avrutin et al.14 e Mourtzakis et al.13 para quantificar a massa muscular esquelética e a composição corporal, respectivamente, para provedores e pesquisadores clínicos.

<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

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

O procedimento de segmentação L3 resulta em uma imagem de tomografia computadorizada ou ressonância magnética com tecido muscular esquelético (SM) marcado em vermelho, IMAT em verde, IVA em amarelo e SAT em ciano(Figura 1). Os demais tecidos não-grampeados permanecerão em suas tonalidades originais brancas, cinzas e traseiras que correspondem aos respectivos valores da unidade Hounsfield (HU) de cada pixel. A maioria dos tecidos não grampeados que permanecem em branco serão ossos, a maioria dos tecidos que permanecem em cinzas serão músculos não esqueléticos, tecido de órgãos e tecidos adiposos dentro dos lúmens dos intestinos, e a maioria da imagem que permanece em preto será o ar. Uma imagem devidamente segmentada não terá marcação vermelha ou verde fora da fáscia muscular esquelética, e nenhuma marcação amarela ou ciano dentro da fáscia muscular esquelética. Além disso, a marcação amarela não deve invadir lúmens de intestinos ou órgãos como o rim ou fígado, e a marcação de ciano não deve estar presente ao longo das bordas externas mais claras que correspondem à pele. Uma vez concluída a segmentação da imagem, as áreas superficiais e os valores médios do HU tecidual devem ser registrados, juntamente com a altura do paciente(Tabela 1). A partir desse dado, pode-se calcular o índice muscular esquelético e prosseguir com qualquer outra análise relevante para a pesquisa específica ou questões clínicas. Note que para a maioria das imagens de ressonância magnética, apenas o músculo esquelético pode ser devidamente marcado e posteriormente analisado(Tabela 2). Em medições lineares, um índice é calculado dividindo a área da superfície sobre o quadrado da altura(Tabela 3).
Problemas comuns que os pesquisadores podem encontrar durante o procedimento de segmentação incluem imagens que têm omissão de informações-chave. Por exemplo, as imagens podem ter porções consideráveis cortadas ou cortadas(Figura 2). Especificamente, imagens que têm o tecido muscular sat e/ou esquelético cortado do quadro diminuirá drasticamente a precisão dos cálculos da área da superfície dos tecidos afetados. Se isso torna uma imagem inadequada para análise dependerá do contexto clínico ou de pesquisa e deve ser decidida pela equipe de pesquisa caso a caso. Outra armadilha é que os pesquisadores podem incluir inadvertidamente medula espinhal e medula óssea no músculo esquelético. Para evitar esse problema, os pesquisadores devem ser bem treinados e permanecer cautelosos durante a segmentação. Outros artefatos comuns em imagens de tomografia ou ressonância magnética incluem problemas técnicos causados pela colocação ou movimento do paciente no scanner, fios de gordura e tecidos cicatricia ao redor da fáscia muscular esquelética, e outros artefatos de forma estranha(Figura 3). Problemas técnicos causados pelo movimento do paciente ou colocação inadequada geralmente parecem mais leves, com valores de HU mais elevados do que o tecido circundante. Esse tipo de problema técnico geralmente aparece no SAT e também pode diminuir a precisão do cálculo da área de superfície. O contexto clínico ou de pesquisa determinará o nível de tolerância para tais questões. Fios de gordura e artefatos de tecido cicatricial geralmente não resultam em altas quantidades de erro nos cálculos da área da superfície do tecido. No entanto, eles podem levar à identificação errada da linha fascial. O músculo esquelético e as áreas superficiais IMAT podem ser muito imprecisos nos casos em que fios de gordura ou tecido cicatricial são confundidos como a linha de fáscia muscular. Outras pequenas manchas e artefatos em imagens de tomografia computadorizada e ressonância magnética geralmente não afetam a qualidade geral da imagem, exceto em casos raros. Dependendo do contexto clínico ou de pesquisa, esses artefatos podem precisar ser avaliados por um especialista em radiologia para verificar a qualidade da imagem. A última questão comum nas imagens de tomografia computadorizada e ressonância magnética são as deformidades na linha fáscia muscular(Figura 4). Essas quebras geralmente não afetarão a qualidade da imagem, mas imagens contendo grandes quebras ou outras deformidades na fáscia muscular devem ser avaliadas por um radiologista para determinar se a origem da deformidade afetará a análise do contexto clínico ou de pesquisa.
O procedimento de medição linear L3 desenvolvido por Avruvin et al. tem menos erros comuns do que o procedimento de segmentação L314,15. As principais questões encontradas em medidas lineares giram em torno da identificação dos grupos musculares de interesse, dos dois grupos de psoas e músculos paraspinais(Figura 5). Na maioria dos casos, as bordas do psoas serão distintas dos órgãos próximos, mas no caso de a borda ser difícil de discernir, mudar os filtros DE HU ou brilho geralmente resolverá a maioria dos problemas. Além disso, as bordas dos grupos musculares paraspinais muitas vezes serão distintas de outros tecidos próximos, mas deve-se notar que se nenhum músculo claro atingir a linha inferior-mais fáscia, a linha não deve ser incluída na determinação da borda inferior do grupo muscular paraspinal. Por fim, o quadratus lumborum deve ser excluído ao determinar a borda dos grupos de psoas ou músculos paraspinais(Figura 5E).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/61674/61674fig01.jpg"> Figura 1: Segmentação L3 adequada em Slice-O-Matic. (A) A imagem axial axial não alterada em vértebras L3. (B) O CT axial totalmente marcado com vermelho correspondente ao músculo esquelético (SM), verde para tecido adiposo intramuscular (IMAT), tecido adiposo amarelo para vesínico (IVA) e ciano para Tecido Adiposo Subcutâneo (SAT). <a href="https://www.jove.com/files/ftp_upload/61674/61674fig01large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/61674/61674fig02.jpg"> Figura 2: Corte a imagem L3 CT. Uma imagem ct não marcada em Slice-O-Matic com quantidades substanciais de SAT, bem como quantidades significativas de tecido muscular esquelético cortado. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig02large.jpg" target="_blank">Por favor, clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/61674/61674fig03.jpg"> Figura 3: Artefatos comuns. (A) A imagem ct não marcada tem vários artefatos destacados na caixa vermelha, oval azul e caixa verde, respectivamente. A caixa vermelha apresenta problemas técnicos com uma tomografia computadorizada, potencialmente por difamação ou movimento durante a varredura. O oval azul destaca um artefato comum provavelmente decorrente de tecidos cicatricias. O quadrado verde destaca manchas que podem ter múltiplas causas potenciais. (B) A tomografia computadorizada marcada com aparências dos mesmos artefatos destacados na caixa vermelha, oval azul e caixa verde. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig03large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/61674/61674fig04.jpg"> Figura 4: Grande quebra na fáscia muscular. (A) A imagem l3 ct não marcada destaca uma grande ruptura na fáscia do músculo esquelético na caixa roxa. (B) A imagem de L3 CT marcada destaca a aparência marcada da grande ruptura na fáscia do músculo esquelético na caixa roxa. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig04large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/61674/61674fig05.jpg"> Figura 5: Medições lineares L3. (A) A imagem L3 CT original antes da análise no visualizador de imagem Horos. (B) O método tradicional de medição linear inclui uma linha vertical e uma linha horizontal desenhada para cada músculo. Estas linhas são medidas com uma ferramenta de régua e multiplicadas para encontrar a superfície de cada grupo muscular. Observe que o método tradicional de medidas lineares deve sempre ter linhas se cruzando a 90°. Esta imagem do método tradicional de medidas lineares é demonstração visual apenas desde que foi criada em Horos e não é garantida ter intersecções de 90°. (C) (D)(E) O método Caixa para medições lineares L3. (C)(D) A caixa azul e roxa abrange as psoas direita e esquerda, respectivamente, e a caixa amarela e verde abrangem o músculo paraspinal direito e esquerdo, respectivamente. (E) As caixas roxas e laranjas claras destacam o quadrilátero lumborum, que não deve ser considerado ao determinar bordas dos grupos psoas e músculos paraspinais. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig05large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/61674/61674fig06.jpg"> Figura 6: Comparação de medidas lineares e área do músculo esquelético transversal L3, n = 65. As psoas combinadas e as áreas paraspinais estão de acordo com o músculo esquelético total na seção transversal L3. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig06large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>SEGMENTAÇÃO CT</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr>
<tr>
<td></td>
			<td>músculo</td>
			<td>Tecido adiposo intramuscular</td>
			<td>Tecido adiposo visceral</td>
			<td>Tecido adiposo subcutâneo</td>
		</tr>
<tr>
<td>Área de suface (cm2)</td>
			<td>134.4</td>
			<td>8.402</td>
			<td>72.43</td>
			<td>271</td>
		</tr>
<tr>
<td>Unidade Hounsfield (média)</td>
			<td>33.61</td>
			<td>2.1</td>
			<td>18.11</td>
			<td>67.76</td>
		</tr>
<tr>
<td>Altura do paciente ao quadrado (m2)</td>
			<td>2.69</td>
			<td>Índice muscular esquelético (Área muscular/Altura2, cm2/ m2)</td>
			<td></td>
			<td>49.97</td>
		</tr>
</tbody></table>Tabela 1: Segmentação ct
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>SEGMENATION DE RESSONÂNCIA MAGNÉTICA</td>
			<td></td>
		</tr>
<tr>
<td></td>
			<td>músculo</td>
		</tr>
<tr>
<td>Área de suface (cm2)</td>
			<td>241.8</td>
		</tr>
<tr>
<td>Unidade Hounsfield (média)</td>
			<td>35.85</td>
		</tr>
<tr>
<td>Altura do paciente (m2)</td>
			<td>3.39</td>
		</tr>
<tr>
<td>Índice muscular esquelético</td>
			<td rowspan="2">71.42</td>
		</tr>
<tr>
<td>(Área muscular/Altura2, cm2/m2)</td>
		</tr>
</tbody></table>Tabela 2: Segmentação de ressonância magnética
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td colspan="8">MEDIDAS LINEARES</td>
		</tr>
<tr>
<td>Altura de Psoas direita (cm)</td>
			<td>Largura Psoas direita (cm)</td>
			<td>Altura de Psoas esquerda (cm)</td>
			<td>Largura Psoas esquerda (cm)</td>
			<td>Altura paraspinal direita (cm)</td>
			<td>Largura paraspinal direita (cm)</td>
			<td>Altura paraspinal esquerda (cm)</td>
			<td>Largura Paraspinal Esquerda (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">Área total de Psoas (cm2)</td>
			<td colspan="2">21.950</td>
			<td colspan="2">Área Paraspinal Total (cm2)</td>
			<td colspan="2">61.813</td>
		</tr>
<tr>
<td colspan="4">Área muscular total (cm2)</td>
			<td colspan="4">83.76</td>
		</tr>
<tr>
<td colspan="2">Altura do paciente ao quadrado (m2)</td>
			<td colspan="2">2.496</td>
			<td colspan="2">Índice de Medida Linear (cm2/m2)</td>
			<td colspan="2">33.55</td>
		</tr>
</tbody></table>Tabela 3: Medidas Lineares

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

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

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

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

A degeneração muscular da fita em uma sarcopenia tem se mostrado um fator prognóstico para a sobrevivência do câncer e o sucesso do tratamento. A análise de composição da terceira região lombar é de interesse, pois fornece caracterização quantitativa do músculo esquelético e dentro das tomografias fornece informações qualitativas do tecido adiposo. Os seguintes procedimentos fornecem protocolo e vertical segmentado no software sliceOmatic, bem como seus protocolos de medição para análise de composição em imagens de TOMOGRAFIA e Ressonância Magnética.A seleção do protocolo de vértebras L3 é concluída dentro da centricidade GE. Esteja ciente de que se usar um software diferente, as ferramentas podem variar. Abra as imagens de tomografia ou ressonância magnética do paciente feitas dentro do prazo de interesse.Selecione regiões do monitor, exibição de janela 2V. Selecione a visão coronal ou sagital na tela esquerda navegando para séries e, em seguida, selecionando as imagens coronais ou sagiais. Selecione a exibição axial na tela direita navegando para séries e, em seguida, selecione as imagens axiais.Clique em conn, cruze referência para vincular as duas imagens e, em seguida, role as imagens na visão coronal ou sagital para garantir que as vértebras da coluna vertebral sejam facilmente visíveis. Em seguida, role através das imagens de exibição axial para encontrar as vértebras L1. O L1 é a primeira vértebra a não ter um acessório de costela.Conte do L1 até as vértebras L3. Certifique-se de usar a visão sagital ou coronal para referência para localizar o centro das vértebras L3. Exporte a imagem L3 navegando para o menu do exame, selecione imagens de exportação, imagens selecionadas.Certifique-se de que o formato é DICOM. Em seguida, selecione o local para o que a imagem deve ser salva. Clique duas vezes no arquivo DICOM para abrir sliceOmatic.Uma vez que o programa tenha carregado, arraste a imagem DICOM para qualquer lugar na tela sliceOmatic. Vá para os modos, região crescendo para iniciar a segmentação. Selecione ferramentas, bloqueio de etiquetas.Este recurso será usado em etapas subsequentes. Clique no vermelho sob a região crescendo para definir os limites de H.U.para músculos. Em seguida, clique no botão desligado ao lado do limite inferior.Isso vai colocá-lo em diante. Ajuste o limite com o controle deslizante para estar o mais próximo possível de 29 negativos. Em seguida, use a roda do mouse para configurá-la exatamente para 29 negativos.Em seguida, clique no botão desligado ao lado do limite superior para configurá-lo. Use o controle deslizante e a roda do mouse para definir o limite H.U.para positivo 150 Em seguida, clique no verde dois para definir os limites H.U.para I.M.A.T.e definir os limites inferiores e superiores da mesma forma, mas definindo o limite inferior para 190 negativo e o limite superior para 30 negativos. Clique no amarelo cinco para definir os limites para V.A.T., desta vez definido no limite inferior para 150 negativos e o limite superior para 50 negativos.Finalmente, clique no ciano sete para definir os limites de H.U.para S.A.T.definindo o limite inferior para 190 negativo e o limite superior para 30 negativos. Pressione as teclas mais e menos no teclado para ampliar a imagem conforme necessário. Ajuste o zoom conforme necessário durante todo o processo de segmentação.Selecione o vermelho e certifique-se de que a opção de pincel está definida para pintar. Use o tamanho da escova que é mais eficiente para a imagem e comece a pintar clicando no tecido muscular. Pinte sobre as psoas, grupos musculares paraspinais e grupos musculares oblíquos.Tome cuidado nas bordas dos músculos que estão próximos da coluna vertebral, órgãos internos ou fluidos, para ter certeza de que estes não estão marcados como músculo. Se alguma coisa estiver marcada falsamente, selecione nenhuma e apaguei o erro. Uma vez que todos os músculos foram marcados, selecione um no menu de bloqueio de tag.Isso garantirá que nenhum músculo seja acidentalmente apagado ou remarcado à medida que a segmentação prossegue. Selecione os dois verdes e pinte sobre o tecido I.M.A.T.dentro da fáscia muscular. Note, a maioria das lacunas dentro do músculo em si será I.M.A.T.Note que as bordas da fáscia muscular são muitas vezes mais leves na aparência do que o tecido circundante.Este pode ser um guia útil, particularmente nas regiões onde os grupos musculares oblíquos encontram os grupos musculares paraspinais e na região abaixo do spinae eretor, mas acima da linha fascial. Uma vez que tudo o que eu .M.A.T. tenha sido marcado, selecione os dois sob o menu de bloqueio de tag. Em seguida, selecione os cinco amarelos do menu de crescimento da região para começar a segmentar V.A.T.One ainda pode usar a opção de escova, mas para muitas imagens, pode ser mais fácil e rápido usar a opção crescer para D em vez disso.Se usar crescer até D, certifique-se de selecionar o menor tamanho da escova, em seguida, clique no tecido V.A.T.dentro da imagem para marcá-lo. Certifique-se de que os tecidos ou gorduras dentro do limite de intestinos ou outros órgãos não estejam marcados como V.A.T.Uma vez que todos os V.A.T.is marcados, selecione cinco do menu de bloqueio de etiquetas. Finalmente, selecione o ciano sete do menu de cultivo da região para marcar tecido S.A.T..Novamente, dependendo da imagem, o tecido S.A.T.é muitas vezes mais fácil de marcar com a opção crescer para D. Uma vez que o tecido S.A.T.é marcado, verifique sobre as bordas, particularmente ao redor da pele, para ter certeza de que apenas a gordura subcutânea é marcada como S.A.T.Uma vez que todos os tecidos tenham sido marcados, olhe sobre a imagem para ter certeza de que não há erros ou tecido mal marcado. Quando completa, ferramentas go-to, tag surface volume.Clique no botão de valores da janela e regise a área de superfície de cada tecido e os valores médios do H.U.. Finalmente, vá para o arquivo, salve arquivos de tag. Isso salvará um arquivo de tag onde a imagem DICOM está localizada.Para iniciar a segmentação da ressonância magnética, vá para os modos, a região crescendo. Olhando na janela de visualização, podemos ver um histograma de valores de H.U., onde o primeiro pico é o ar, o próximo é o músculo esquelético, e se os seguintes picos forem perceptíveis, eles serão ossos seguidos por tecido adiposo. Note-se, ao usar imagens de ressonância magnética, geralmente apenas músculo esquelético pode ser segmento com confiança devido à má discriminação tecidual.Selecione o vermelho e gire o limite inferior ao deixá-lo definido como zero. Em seguida, ligue o limite superior e mude a opção da roda do mouse para o limite superior. Em seguida, selecione a tinta e uma grande opção de escova, em seguida, mova o cursor sobre o músculo psoas para que a região do cursor inclua tanto músculo quanto osso.Para ter certeza de que o osso não é marcado como músculo, defina o limite superior conservadoramente movendo a roda do mouse até que o limite superior não inclua nenhum dos tecidos ósseos externos. Em seguida, segmente o tecido muscular imediatamente adjacente à coluna vertebral. Em seguida, mova o cursor para a linha alba ou em qualquer outro lugar no scan onde tecido adiposo e músculo são fáceis de diferenciar.Aumente o limite superior o mais alto possível sem incluir qualquer tecido adiposo. A partir daqui, pode-se proceder segmentando todos os músculos esqueléticos restantes. Note que, para algumas imagens, o limite superior pode precisar ser continuamente ajustado.Note que, embora a definição do limite superior com este procedimento de duas etapas seja conservadora, ele otimizará a quantidade de músculo esquelético a ser marcado sem ter que se preocupar com uma marcação errônea significativa do tecido ósseo ou adiposo. Quando completa, ferramentas de go-to, marcam volume de superfície e selecionam valores de janela para registrar a área da superfície e os valores médios de H.U.do músculo esquelético. A medição linear da região das vértebras L3 mostrou-se intimamente correlaciona-se com a massa muscular total.A vantagem da medição linear é sua facilidade e velocidade, bem como o fato de que pode ser feito em qualquer software com uma ferramenta de régua ou ferramenta de caixa. Este protocolo é demonstrado usando o aplicativo Horace Medical Imaging. Se estiver usando um software diferente, esteja ciente de que as ferramentas específicas podem muito.Importe a imagem para o visualizador clicando em importação e navegando até o local da imagem e selecionando aberto. Uma vez importado, clique na imagem ou nome do paciente para exibir a imagem na parte inferior. Clique duas vezes na imagem para maximizá-la, o que também abrirá as opções da ferramenta.Identifique os psoas e os grupos musculares paraspinais. Note que o quadratus lumborum não deve ser considerado ao determinar as bordas dos grupos musculares paraspinais. Selecione a ferramenta régua.Desenhe uma linha vertical dos pontos mais altos do grupo muscular até a parte inferior do grupo muscular. Em seguida, desenhe uma linha horizontal da borda mais larga do grupo muscular para a outra borda mais larga do grupo muscular. Repita este processo tanto para os psoas direito quanto para a esquerda e paraspinal direita e esquerda.Note que as linhas desenhadas devem se cruzar a 90 graus. Note que, se as bordas das linhas desenhadas fossem conectadas, essa conexão deve criar uma caixa que abrange a totalidade do grupo muscular. No Horace Medical Viewer, é difícil usar a ferramenta régua para garantir que as linhas se cruzem a 90 graus.Por essa razão, a ferramenta de desenho da caixa deve ser usada em vez disso. Selecione a ferramenta retângulo. Desenhe uma caixa em torno de cada grupo muscular, agora tomando nota que as bordas da caixa tocam as partes mais altas e mais baixas do músculo, bem como as partes mais largas do músculo.Desde que a ferramenta da caixa exiba suas dimensões verticais e horizontais, ela pode ser preferível sobre a ferramenta régua, uma vez que permite uma visualização fácil dos limites musculares. Uma imagem de tomografia ou ressonância magnética devidamente segmentada não deve ter marcação muscular além das linhas fasciais, e para imagens de tomografia computadorizada, não deve haver marcação adiposa dentro da fáscia muscular ou na pele. Regissocular a área da superfície muscular ao lado da altura do paciente para calcular o índice muscular esquelético.Para tomografias, as áreas da superfície do tecido adiposo podem ser registradas com base em pesquisas específicas ou questões clínicas de interesse. Além disso, os valores médios de H.U.podem ser registrados para o controle de qualidade L3 medição linear deve ter as medidas da régua ou caixa abrangendo todo o músculo. Regissos horizontais e as alturas verticais de cada músculo, bem como a altura do paciente.Multiplique as larguras e alturas para cada músculo, do que somar essas áreas para obter a área muscular total. Calcule o índice de medida linear dividindo a área total pela altura do paciente ao quadrado. O protocolo demonstrado permite que médicos e pesquisadores utilizem tomografias L3 ou ressonância magnética para obter informações quantitativas rápidas e confiáveis para a avaliação da sarcopenia.

Research

JoVE Journal

Medicine

Dissection of Human Vitreous Body Elements for Proteomic Analysis

Dissecção da Human Elements Corpo Vítreo para Análise Proteômica

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

Medicina

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

Segmentação e medição de volumes de gordura em modelos de obesidade em roedores usando raios-X Tomografia Computadorizada

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

A Medição e Tratamento de Supressão de ambliopia

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 automatizados de análise da morfologia do músculo esquelético de rato e composição de fibra-tipo

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

Todo cérebro-segmentação e análise de ponto de mudança de anatômico cérebro MRI — aplicação em Premanifest a doença 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

Composição corporal e análise de enjaulamento metabólico em ratos de alta gordura Fed

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

Triagem de Detector de metais portátil para ingestão de corpo estranho metálico em crianças

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

Comparando análise bibliométrica usando bancos de dados pubmed, scopus e 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

Análise quantitativa da composição celular em lesões ateroscleróticas avançadas de ratos de rastreamento de linhagem celular músculo liso

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

Medição dinâmica e imagem de capilares, arterioles e pericias em coração de rato

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