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

Авторы хотели бы отметить поддержку семейных фондов Джона Робинсона и Черчилля.

<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>

Авторам нечего раскрывать.

Мышцы псоа, параспинальные группы мышц и косые мышцы тесно коррелируют с общей мышечной массой5. В частности, площадь поверхности в поперечном сечении КТ или МРТ этих групп мышц в средней точке третьего поясничного позвонка (L3) сильно коррелирует с общей мышечной массой, что делает это изображение идеальным для исследователей или клиницистов для использования при оценке саркопении1,2,13. Сегментация и линейные измерения продемонстрировали большую ценность в оценке состава тела и выявлении плохих прогностических состояний, таких как саркопения и саркопеническое ожирение у пациентов16,17лет. Исследования показали, что измерения мышечной массы связаны с выживаемостью и риском серьезных осложнений после крупных операций или планов лечения, таких как химиотерапия и химиотерапевтическая токсичность16,17,18. Поэтому мы бы предположили, что клиницистам может быть полезно иметь данные о составе тела, прежде чем консультировать пациентов относительно вариантов лечения.
В настоящее время существует несколько методов оценки состава тела. Несколько методов, таких как денситометрия12 и плетизмография смещения воздуха (ADP)19,используют воздушную массу и смещение, соответственно, для оценки процента жира в организме и плотности тела. Хотя эти методы могут быть полезны, они не могут определить распределение жировойткани 5,19. Другие методы анализа состава тела, такие как BIA, основывают свой анализ на различных электрических характеристиках жировой массы и безжировой массы12. Тем не менее, опять же, этот метод не может адекватно оценить распределение жира, а также требует больше информации, такой как этническая принадлежность, возраст и пол для более точных измерений19. И наоборот, было показано, что такие оценки, как DEXA, полезны при оценке состава тела, но имеют тенденцию переоценивать мышечную массу с увеличением ожирения12. Несколько протоколов также использовали метод Region-of-Interest (ROI) для получения данных о мышечной массе и жировой ткани в программном обеспечении dicom-просмотра, которое, как было показано, имеет хорошую корреляцию с анализом состава тела BIA для оценки саркопении и оценки питания20,21.
Процедура сегментации, разработанная Mourtzakis et al., имеет преимущество перед альтернативными оценками состава тела, поскольку она может быть выполнена на большинстве изображений КТ или МРТ и точно определяет распределение жировой ткани и мышечнуюобласть 13. Кроме того, осевая сегментация L3 имеет преимущество точности независимо от статуса ожирения пациента13. Подобно вышеупомянутым альтернативам, метод линейных мер, разработанный Avrutin et al.14, не имеет возможности оценить распределение жира. В последнее время исследователи продемонстрировали разрозненность сегментации тела, особенно в методах измерения только мышц псоа22. Мышечная масса Psoas сама по себе не очень репрезентативна для количества поясничных мышц или систематического мышечного истощения и может не сильно коррелировать с клиническими исходами22. Эта проблема может быть более тревожной при линейном измерении, так как мышцы псоас являются основной группой мышц при оценке. Тем не менее, наша описанная методика включает в себя двусторонние оценки псоа и параспинальных мышц для оценки более точной, но в то же время быстрой и удобной оценки мышечной массы поперечного сечения. Будущие исследования, которые подтверждают соответствие между линейными методами измерения и сегментации КТ / МРТ и их корреляцию с клиническими результатами, оправданы.
Как сегментация L3, так и линейные процедуры измерения были первоначально разработаны для быстрой и точной оценки мышечного содержимого всего тела. Сегментируя только позвонки L3, протокол экономит время, предоставляя исследователям или клиницистам достаточно информации для определения мышечной массы пациента и статуса ожирения. Однако, несмотря на то, что сегментация L3 занимает гораздо меньше времени, чем сегментация всего тела, использование программного обеспечения Slice-O-Matic все равно может занять много времени и дорого. И наоборот, линейные измерения могут быть такими же точными, как сегментация L3 при оценке мышечного статуса и саркопении у критически больных пациентов14,15. Мы продемонстрировали такую взаимосвязь в когорте Т3-клеточной карциномы, где скелетная мышца, измеренная линейными измерениями, тесно коррелирует со значением, измеренным сегментацией(рисунок 6). Важно отметить, что метод чрезвычайно быстрый, а программное обеспечение для обработки изображений является бесплатным. Однако наиболее заметным ограничением процедуры линейного измерения является отсутствие у нее способности оценивать содержание жировой ткани, что ограничивает клиницистов контекстами, где общая оценка мышечного содержимого достаточна.
Существует три критических этапа как в процедурах сегментации, так и в процедурах линейного измерения. Во-первых, клиницисты и исследователи должны идентифицировать середину позвонков L3 для достижения консистенции. Середина позвонков L3 будет срезом, где костный мозг поперечных отростков наиболее заметен. Осевой срез позвонков L3 легче идентифицировать с помощью сшитого сагиттального или коронального вида. Исследователи или клиницисты могут сначала найти позвонки L1 или крестец в качестве точки отсчета, имея в виду, что наличие шести поясничных позвонков вместо пяти является нормальным вариантом. Следующим важным шагом является идентификация мышц. При линейных измерениях квадратус люмборума не следует включать при измерении вертикальных и горизонтальных измерений. В-третьих, исследователи также должны обратить пристальное внимание при маркировке НДС в протоколе сегментации, так как содержимое толстой кишки иногда может быть помечено как висцеральная жировая ткань23. Когда возникает такая ошибка, исследователи должны стереть эти области, прежде чем переходить к следующему шагу.
Распространенной проблемой сегментации является плохое качество изображения КТ или МРТ (см. Репрезентативные результаты для примеров). В некоторых случаях низкое качество не делает изображение бесполезным, но в других случаях изображение может потребоваться исключить из анализа. Другое, возможно, неизбежное ограничение сегментации одного изображения включает в себя случайное изменение положения твердого органа от изображения к изображению.
Другие общие проблемы как для анализа сегментации L3, так и для анализа линейных измерений часто связаны с меж- и внутриреймерными вариациями. Как и в случае с большинством протоколов, можно ожидать определенных различий между наблюдателями и между отдельными испытаниями одного человека. Чтобы учесть и свести к минимуму межрейтерные вариации с несколькими людьми, выполняющими анализ, команда исследователей или клиницистов может проверить любые статистически значимые изменения в измерениях площади поверхности и среднего HU из одного и того же изображения. Обратите особое внимание на вариации HU, поскольку это укажет, действительно ли исследователи или клиницисты, которые имеют очень похожие площади поверхности для одного и того же изображения, отмечают ткани примерно одинаково. Чтобы проверить значительные изменения внутрирейтности для отдельного человека, исследователи или клиницисты могут взять небольшое подмножество изображений и сегментировать каждое изображение до тех пор, пока все реплики для каждого изображения не будут находиться в узком, статистически незначимом поле.
Мы признаем, что оба протокола, представленные здесь, имеют ограничения в анализе состава тела, поскольку используется только один срез. Как предполагают Shen et al., 3D-анализ может дать более точную информацию для брюшного висцерального жира, а анализ одного среза для НДС находится на разных уровнях для мужчин и женщин24. Тем не менее, протоколы, обсуждаемые здесь, по-прежнему ценны, поскольку они обеспечивают быструю оценку мышечной, а также жировой ткани, которая может быть использована для скрининга саркопении в клиниках.
Кроме того, существует множество автоматизированных протоколов анализа состава тела с использованием алгоритмов 3D-машинного обучения, особенно алгоритмов классификации на основе нейронных сетей25. Мы признаем, что это могут быть потенциальные будущие альтернативы традиционной 2D-сегментации. Однако эти методы требуют больших наборов данных изображений КТ и МРТ для разработки, тестирования и внедрения в клинических и исследовательских условиях. Кроме того, эти методы часто требуют анализа 2D-сегментации для установления базового ориентира, по которому можно проверить алгоритмы машинного обучения. Поэтому протоколы, демонстрируемые здесь, могут быть полезны, когда большие наборы данных или 3D-изображения недоступны, и эти протоколы могут быть применены для разработки и проверки алгоритмов машинного обучения, когда они применимы. Таким образом, мы считаем, что клиницисты и исследователи могут извлечь выгоду из этого обучающее видео и принять эти быстрые и надежные методы в качестве предварительного скрининга до того, как будет доступен автоматизированный анализ, и для того, чтобы облегчить внедрение этой передовой технологии.
Способность быстро анализировать распределение жировой ткани и массу скелетных мышц имеет широкий спектр клинических интересов, начиная от лечения рака и исследований до сердечных заболеваний5. По сравнению с другими широко используемыми методами, Mourtzakis et al. Процедура сегментации L3 в Slice-O-Matic может точно и быстро оценить распределение жировой ткани и определить статус саркопении5,12,13,19. Кроме того, в контекстах, где информация о массе скелетных мышц достаточна, процедура линейного измерения L3 является надежным и очень быстрым инструментом, помогая прогнозировать успех в лечении рака, таких как хирургия, лучевая терапия и химиотерапия1,2,4,6,7,8. Цель этого обучающих видео и рукописи состоит в том, чтобы четко очертить протокол сегментации и линейных измерений для будущего использования, чтобы клиницисты могли легче оценить состав тела в условиях клиники.

Оценка саркопении и состава тела в настоящее время представляет большой клинический интерес. Хотя конкретные определения саркопении варьируются в зависимости от обстановки и контекста, все определения включают значительную потерю скелетной мышечной массы или мышечной силы, которые тесно коррелируют1,2,3. Анализ состава тела включает в себя измерения массы скелетных мышц и распределения жировой ткани, предоставляя более полную информацию об общей пригодности пациентов1,3,4. Аналогичным образом, было обнаружено, что непропорционально распределенная жировая ткань, особенно висцеральная жировая ткань, связана с различными заболеваниями, включая сердечные заболевания, диабет II типа и рак5.
Клинически было неоднократно показано, что саркопения и ее оценка с помощью линейных измерений является сильным прогностических фактором для выживания при раке злокачественных новообразований и онкологических исходов после операции, лучевой терапии и химиотерапии1,2,4,6,7,8. В частности, предыдущие исследования показывают, что у пациентов с саркопении снижается ракоспецифическая выживаемость и общая выживаемость1,2,9,10. Поэтому точная и быстрая клиническая оценка прогрессирования саркопении важна при определении выбора лечения. Обычное профилирование композиции всего тела требует анализа на трехмерном (3D) уровне с использованием методов визуализации, включая компьютерную томографию (КТ), магнитно-резонансную томографию (МРТ), денситометрию кости (DEXA) и анализ биоэлектрического импеданса (BIA), которые являются трудоемкими, дорогостоящими и требуют обширной подготовки5,11. Другим недостатком является отсутствие информации о распределении жиров, особенно для плетизмографии смещения воздуха (АДФ) и DEXA12. Таким образом, оценка и определение саркопении и состава тела с использованием обычных методов поперечной визуализации, таких как КТ или МРТ, которые используются как часть стандартной клинической практики, имеет большое клиническое значение5.
Одним из широко используемых программ сегментации в условиях клинических исследований является программа Slice-O-Matic, разработанная TomoVision. Используя процедуру сегментации Mourtzakis et al.13, программа позволяет исследователям или клиницистам полуавтоматно помечать различные типы тканей, такие как скелетные мышцы (SM), внутримышечная жировая ткань (IMAT), висцеральная жировая ткань (VAT) и подкожная жировая ткань (SAT), используя пороговые значения на основе плотности, что позволяет измерять общие области поперечного сечения каждой ткани. Эти измерения затем используются для оценки общей массы скелетных мышц тела и ожирения, часто после нормализации по росту пациента в квадрате, для выявления саркопении и саркопенического ожирения по популяционные пороги.
Недавно разработанный метод Avrutin et al.14 с использованием линейных измерений скелетных мышц показал, что потенциал одинаково надежен в оценке общей мышечной массы с использованием изображений МРТ и КТ поперечного сечения L314,15. Группы псоа и параспинальных мышц составляют большую часть площади мышечной поверхности области L3 и обладают высокой функциональностью, предполагая, что они могут быть высокоточными предикторами общей мышечной силы и, таким образом, главными кандидатами линейного измерения14,15. Для расчета площади мышечной поверхности получают горизонтальные и вертикальные измерения групп псоа и параспинальных мышц с помощью инструмента линейки для рисования пересекающихся на 90° прямых линий. Горизонтальные и вертикальные измерения каждой группы мышц умножаются для оценки площади поверхности каждой группы мышц, которая затем используется для расчета линейного мышечного индекса при деления на рост пациента. При минимальной тренировке весь этот процесс может занять менее 1 минуты.
Учитывая потенциальные последствия измерений состава тела для ухода за пациентами, существует острая необходимость в создании доступных учебных материалов. В этой статье мы предоставляем подробное описание двух методов, разработанных Avrutin et al.14 и Mourtzakis et al.13 для количественной оценки массы скелетных мышц и состава тела, соответственно, для поставщиков и клинических исследователей.

<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

Состав тела связан с риском прогрессирования заболевания и осложнений лечения при различных состояниях. Таким образом, количественная оценка массы скелетных мышц и жировых тканей на компьютерной томографии (КТ) и / или магнитно-резонансной томографии (МРТ) может информировать об оценке риска операции и прогнозе заболевания. В этой статье описываются два метода количественной оценки, первоначально описанные Mourtzakis et al. и Avrutin et al.: сегментация тканей и линейное измерение скелетных мышц. Изображение поперечного сечения пациентов в средней точке третьего поясничного позвонка было получено для обоих измерений. Для сегментации изображения были импортированы в Slice-O-Matic и окрашены для скелетных мышц, внутримышечной жировой ткани, висцеральной жировой ткани и подкожной жировой клетчатки. Затем площади поверхности каждого типа ткани были рассчитаны с использованием функции площади поверхности метки. Для линейных измерений измеряют высоту и ширину двусторонних псоа и параспинальных мышц на уровне третьего поясничного позвонка, и расчет с использованием этих четырех значений дает расчетную массу скелетных мышц. Сегментационный анализ предоставляет количественную, исчерпывающую информацию о составе тела пациентов, которая затем может быть коррелирована с прогрессированием заболевания. Однако этот процесс является более трудоемким и требует специализированной подготовки. Линейные измерения являются эффективным и удобным для клиники инструментом для быстрой предоперационной оценки. Однако линейные измерения не дают информации о составе жировой ткани. Тем не менее, эти методы имеют широкое применение при различных заболеваниях для прогнозирования хирургических результатов, риска прогрессирования заболевания и информирования о вариантах лечения пациентов.

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

Сегментация и линейные измерения количественно оценивают массу скелетных мышц и жировую ткань с использованием компьютерной томографии и / или магнитно-резонансной томографии. Здесь мы описываем использование программного обеспечения Slice-O-Matic и средства просмотра изображений Horos для быстрого и точного анализа состава тела. Эти методы могут предоставить важную информацию для прогнозирования и стратификации риска.

Сегментация и линейное измерение для анализа состава тела с использованием Slice-O-Matic и Horos

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

Было показано, что дегенерация ленточных мышц при саркопении является прогностического фактора для выживания рака и успеха лечения. Анализ состава третьей поясничной области представляет интерес, так как он обеспечивает количественную характеристику скелетных мышц и в рамках КТ дает качественную информацию о жировой ткани. Следующие процедуры предоставляют протокол и сегментированную вертикаль в программном обеспечении sliceOmatic, а также ваши протоколы измерений для анализа композиции на изображениях КТ и МРТ.Выбор протокола позвонков L3 завершается в пределах ГЭ-центриты. Имейте в виду, что при использовании другого программного обеспечения инструменты могут отличаться. Откройте снимки КТ или МРТ пациента, сделанные в интересующих сроки.Выберите области монитора, вид окна 2 В. Выберите корональный или сагиттальный вид на левом экране, перейдя к сериям, а затем выбрав корональные или сагиттальные изображения. Выберите осевой вид на правом экране, перейдя к последовательному, а затем выбрав осевые изображения.Нажмите на conn, перекрестную ссылку, чтобы связать два изображения, затем прокрутите изображения на корональном или сагиттальном виде, чтобы убедиться, что позвонки позвоночника легко видны. Затем прокрутите изображения осевого вида, чтобы найти позвонки L1. L1 является первым позвоночном, который не имеет реберного крепления.Отсчитайте от L1 до позвонков L3. Обязательно используйте сагиттальный или корональный вид для справки, чтобы найти центр позвонков L3. Экспортируйте изображение L3, перейдя в меню экзамена, выберите экспорт изображений, выбранные изображения.Убедитесь, что формат DICOM. Затем выберите место, в которое должно быть сохранено изображение. Дважды щелкните файл DICOM, чтобы открыть sliceOmatic.После загрузки программы перетащите изображение DICOM в любое место на экран sliceOmatic. Перейдите в режимы, регион роста, чтобы начать сегментацию. Выберите инструменты, зафиксируйте теги.Эта функция будет использоваться на последующих этапах. Нажмите на красный под растущей областью, чтобы установить ограничения H.U.для мышц. Затем нажмите на кнопку выключения рядом с нижним пределом.Это настроит его на включение. Отрегулируйте предел с помощью ползунка, чтобы он был как можно ближе к отрицательному 29. Затем используйте колесо мыши, чтобы установить его точно на отрицательный 29.Затем нажмите кнопку выключения рядом с верхним пределом, чтобы установить его на. Используйте ползунок и колесо мыши, чтобы установить предел H.U.limit на положительный 150 Далее, нажмите на зеленые два, чтобы установить H.U.limits для I.M.A.T., и установите нижний и верхний пределы таким же образом, но установив нижний предел на отрицательный 190 и верхний предел на отрицательный 30. Нажмите на желтую пятерку, чтобы установить пределы для V.A.T.this time, установленные в нижнем пределе на отрицательный 150 и верхний предел на отрицательный 50.Наконец, нажмите на циановую семерку, чтобы установить пределы H.U.для S.A.T., установив нижний предел отрицательным 190, а верхний предел отрицательным 30. Нажмите клавиши плюс и минус на клавиатуре, чтобы увеличить изображение по мере необходимости. Отрегулируйте масштаб по мере необходимости на протяжении всего процесса сегментации.Выберите красный и убедитесь, что параметр кисти настроен на рисование. Используйте размер кисти, который наиболее эффективен для изображения, и начните рисовать, нажав на мышечную ткань. Закрасьте псоа, параспинальные группы мышц и косые группы мышц.Позаботьтесь о краях мышц, которые находятся близко к позвоночнику, внутренним органам или жидкостям, чтобы убедиться, что они не помечены как мышцы. Если что-либо помечено ложно, выберите «Нет» и удалите ошибку. После того, как все мышцы будут помечены, выберите одну в меню блокировки тегов.Это гарантирует, что ни одна мышца не будет случайно стертой или повторно помечена по мере продолжения сегментации. Выберите зеленые два и закрасьте ткань I.M.A.T. в мышечной фасции. Обратите внимание, что большинство промежутков внутри самой мышцы будут I.M.A.T.Обратите внимание, что края мышечной фасции часто легче по внешнему виду, чем окружающие ткани.Это может быть полезным руководством, особенно в областях, где косые группы мышц встречаются с параспинальными группами мышц и в области ниже спины эректора, но выше фасциальной линии. После того, как все I.M.A.T. будут помечены тегами, выберите их в меню блокировки тегов. Затем выберите желтую пятерку из меню роста региона, чтобы начать сегментировать V.A.T.One по-прежнему может использовать опцию кисти, но для многих изображений может быть проще и быстрее использовать опцию «увеличить до D».Если вы используете grow to D, обязательно выберите наименьший размер кисти, а затем нажмите на V.A.T.tissue в изображении, чтобы пометить его. Убедитесь, что ткани или жиры внутри кишечника или других органов не помечены как V.A.T. Как только все V.A.T.is помечены, выберите пять в меню блокировки тегов. Наконец, выберите циановую семерку из меню роста региона, чтобы пометить S.A.T.tissue.Опять же, в зависимости от изображения, S.A.T.ткань часто легче пометить с помощью опции grow to D. После того, как ткань S.A.T.помечена, проверьте края, особенно вокруг кожи, чтобы убедиться, что только подкожный жир помечен как S.A.T. После того, как все ткани были помечены, посмотрите на изображение, чтобы убедиться, что нет ошибок или неправильно помеченных тканей. По завершении перейдите к инструментам, пометьте объем поверхности.Нажмите на кнопку значений окна и запишите площадь поверхности каждой ткани и средние значения H.U. Наконец, перейдите в файл, сохраните файлы тегов. При этом будет сохранен файл тегов, в котором находится образ DICOM.Чтобы начать сегментацию МРТ, перейдите в режимы роста региона. Глядя в окно предварительного просмотра, мы можем увидеть гистограмму значений H.U., где первый пик - воздух, следующий - скелетные мышцы, и если следующие пики различимы, они будут костью, за которой следует жировая ткань. Обратите внимание, что при использовании изображений МРТ обычно только скелетные мышцы могут быть уверенно сегментированы из-за плохой дискриминации жировой ткани.Выберите красный и поверните нижний предел, оставив его равным нулю. Затем включите верхний предел и измените параметр колеса мыши на верхний предел. Затем выберите параметр «Краска и большая кисть», затем наведите курсор на мышцу psoas так, чтобы область курсора включает в себя как мышцы, так и кости.Чтобы быть уверенным в том, что кость не помечена как мышца, установите верхний предел консервативно, перемещая колесо мыши до тех пор, пока верхний предел не будет включать в себя какие-либо внешние костные ткани. Затем сегментирует мышечную ткань, непосредственно прилегающую к позвоночнику. Затем переместите курсор на linea alba или в любое другое место на сканировании, где жировую ткань и мышцы легко дифференцировать.Увеличьте верхний предел как можно выше, не включая жировую ткань. Отсюда можно приступать к сегментированию всех оставшихся скелетных мышц. Обратите внимание, что для некоторых изображений верхний предел может потребоваться постоянно корректировать.Обратите внимание, что, хотя установка верхнего предела с помощью этой двухэтапной процедуры является консервативной, она оптимизирует количество скелетных мышц, которые должны быть помечены, не беспокоясь о значительной ошибочной маркировке кости или жировой ткани. По завершении перейдите к инструментам, пометьте объем поверхности и выберите значения окна, чтобы записать площадь поверхности и средние значения H.U. скелетной мышцы. Было показано, что линейное измерение области позвонков L3 тесно коррелирует с общей мышечной массой.Преимуществом линейного измерения является его простота и скорость, а также тот факт, что его можно сделать на любом программном обеспечении с помощью инструмента линейки или инструмента коробки. Этот протокол демонстрируется с помощью приложения Horace Medical Imaging. Если вы используете другое программное обеспечение, имейте в виду, что конкретные инструменты могут очень.Импортируйте изображение в средство просмотра, нажав на импорт, затем перейдя к местоположению изображения и выбрав открыть. После импорта нажмите на изображение или имя пациента, чтобы отобразить изображение внизу. Дважды щелкните изображение, чтобы развернуть его, что также откроет параметры инструмента.Определите группы псоа и параспинальных мышц. Отметим, квадратус поясничного не следует учитывать при определении краев параспинальных групп мышц. Выберите инструмент «Линейка».Провести вертикальную линию от самых высоких точек группы мышц до самого низа группы мышц. Затем проведите горизонтальную линию от самого широкого края группы мышц до другого самого широкого края группы мышц. Повторите этот процесс как для правой, так и для левой псоа, а также для правой и левой параспинальных групп.Обратите внимание, что нарисованные линии должны пересекаться под 90 градусами. Обратите внимание, что если бы края нарисованных линий были соединены, это соединение должно было создать коробку, охватывающую всю группу мышц. В Horace Medical Viewer трудно использовать инструмент линейки, чтобы обеспечить пересечение линий под 90 градусами.По этой причине вместо этого следует использовать инструмент рисования коробок. Выберите инструмент «Прямоугольник». Нарисуйте коробку вокруг каждой группы мышц, теперь обратите внимание, что края коробки касаются самой высокой и самой низкой частей мышцы, а также самых широких частей мышцы.До тех пор, пока инструмент box отображает свои вертикальные и горизонтальные размеры, он может быть предпочтительнее инструмента линейки, поскольку он позволяет легко визуализировать границы мышц. Правильно сегментированное изображение КТ или МРТ не должно иметь мышечных меток за пределами фасциальных линий, а для изображений КТ не должно быть жировой метки в мышечной фасции или на коже. Запишите площадь мышечной поверхности рядом с ростом пациента, чтобы рассчитать индекс скелетных мышц.Для компьютерного томографии области поверхности жировой ткани могут быть записаны на основе конкретных исследований или клинических вопросов, представляющих интерес. Кроме того, средние значения H.U.могут быть записаны для контроля качества L3 линейное измерение должно иметь линейку или коробку измерений, охватывающих всю каждую мышцу. Запишите горизонтальную ширину и вертикальную высоту каждой мышцы, а также рост пациента.Умножьте ширину и высоту для каждой мышцы, затем суммируйте эти области, чтобы получить общую площадь мышц. Рассчитайте индекс линейного измерения, разделив общую площадь на рост пациента в квадрате. Продемонстрированный протокол позволяет клиницистам и исследователям использовать L3 КТ или МРТ для получения быстрой и надежной количественной информации для оценки саркопении.

Research

JoVE Journal

Medicine

Dissection of Human Vitreous Body Elements for Proteomic Analysis

Препарирование прав Стекловидное Элементы орган для анализа протеомных

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

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

Сегментация и измерение объемов жира в мышиной модели ожирения Использование рентгеновской компьютерной томографии

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

Измерение и лечение в борьбе с амблиопией

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

Полуавтоматические анализ морфологии скелетных мышц мыши и волоконно тип состава

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

Целом мозг сегментации и изменения Пойнт анализ анатомических мозга МРТ — применение в Premanifest болезни Гентингтона

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

Состав тела и метаболических арретирование анализ высокого жира ФРС мышей

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

Портативный металлодетектор скрининга для заглатывания металлический инородного тела в детей

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

Сравнение библиометрического анализа с использованием баз данных PubMed, Scopus и 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

Количественный анализ клеточного состава в передовых атеросклеротическим поражением гладкомышечные клетки Lineage трассировки мышей

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

Динамическое измерение и визуализация капилляров, артериол и перицитов в сердце мыши

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