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

Los autores desean agradecer el apoyo de las fundaciones de la familia 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>

Los autores no tienen nada que revelar.

El músculo psoas, los grupos musculares paraespinales y los músculos oblicuos se correlacionan estrechamente con la masa muscular general5. En particular, el área de superficie dentro de una sección transversal de TC o RMN de estos grupos musculares en el punto medio de la tercera vértebra lumbar (L3) está altamente correlacionada con la masa muscular general, lo que hace que esta imagen sea ideal para que los investigadores o clínicos la utilicen al evaluar la sarcopenia1,2,13. La segmentación y las mediciones lineales han demostrado un gran valor en la evaluación de la composición corporal y la identificación de condiciones de mal pronóstico como la sarcopenia y la obesidad sarcopénica en pacientes16,17. La investigación ha demostrado que las mediciones de masa muscular están asociadas con la supervivencia y los riesgos de complicaciones importantes después de cirugías importantes o planes de tratamiento como la quimioterapia y la toxicidad quimioterapéutica16,17,18. Por lo tanto, postularíamos que puede ser beneficioso para los médicos tener datos de composición corporal antes de aconsejar a los pacientes con respecto a las opciones de tratamiento.
Actualmente, hay varios métodos para evaluar la composición corporal. Varios métodos, como la densitometría12 y la pletismografía de desplazamiento de aire (ADP)19,utilizan el peso del aire y el desplazamiento, respectivamente, para estimar el porcentaje de grasa corporal y la densidad corporal. Si bien estos métodos pueden ser útiles, son incapaces de determinar la distribución del tejido adiposo5,19. Otras técnicas analíticas de composición corporal, como la BIA, basan su análisis en las diferentes características eléctricas de la masa grasa y la masa libre de grasa12. Sin embargo, una vez más esta técnica no evalúa adecuadamente la distribución de la grasa, y también requiere más información como el origen étnico, la edad y el sexo para mediciones más precisas19. Por el contrario, evaluaciones como la DEXA han demostrado ser útiles en la evaluación de la composición corporal, pero tienen una tendencia a sobreestimar la masa muscular con el aumento de la adiposidad12. Varios protocolos también han utilizado el método de región de interés (ROI) para obtener datos de masa muscular y tejido adiposo dentro del software de visualización DICOM, que ha demostrado tener una buena correlación con el análisis de composición corporal BIA para la evaluación de sarcopenia y la evaluación nutricional20,21.
El procedimiento de segmentación desarrollado por Mourtzakis et al. tiene una ventaja sobre las evaluaciones alternativas de la composición corporal, ya que se puede hacer en la mayoría de las imágenes de TC o MRI y determina con precisión las distribuciones del tejido adiposo y el área muscular13. Además, la segmentación axial L3 tiene la ventaja de la precisión independientemente del estado de obesidad del paciente13. Similar a las alternativas antes mencionadas, la técnica de medidas lineales desarrollada por Avrutin et al.14 no tiene la capacidad de evaluar la distribución de la grasa. Recientemente, los investigadores han demostrado disparidad en la segmentación corporal, especialmente en los métodos de medición de los músculos del psoassolos 22. La masa muscular del psoas sola no es altamente representativa de la cantidad muscular lumbar o de la pérdida sistemática de músculo, y puede no estar altamente correlacionada con los resultados clínicos22. Este problema puede ser más preocupante en la medición lineal, ya que el músculo psoas es el principal grupo muscular en la evaluación. Sin embargo, nuestra técnica contorneado incluye valoraciones bilaterales del músculo del psoas y del paraspinal para calibrar un más exacto, mientras que todavía un gravamen rápido y conveniente de la masa sec seccional del músculo. Se justifican estudios futuros que validen la concordancia entre los métodos de segmentación y medición lineal de TC/RMn y su correlación con los resultados clínicos.
Tanto la segmentación L3 como los procedimientos de medición lineal se diseñaron inicialmente para evaluar de forma rápida y precisa el contenido muscular en todo el cuerpo. Al segmentar en las vértebras L3 solamente, el protocolo ahorra tiempo mientras que todavía proporciona a los investigadores o a los clínicos bastante información para determinar la masa magra del músculo del paciente y la situación de la adiposidad. Sin embargo, a pesar de que la segmentación L3 toma mucho menos tiempo que la segmentación de cuerpo completo, todavía puede ser lento y costoso usar el software Slice-O-Matic. Por el contrario, las mediciones lineales tienen el potencial de ser tan precisas como la segmentación L3 en la evaluación del estado muscular y la sarcopenia en pacientes críticamente enfermos14,15. Hemos demostrado tal relación en la cohorte de carcinoma de células renales T3, donde el músculo esquelético medido por mediciones lineales está estrechamente correlacionado con el valor medido por segmentación(Figura 6). Es importante destacar que el método es extremadamente rápido y el software de imágenes es gratuito. Sin embargo, la limitación más notable al procedimiento de medición lineal es su falta de capacidad para evaluar el contenido de tejido adiposo, lo que limita a los médicos a contextos donde la evaluación general del contenido muscular es suficiente.
Hay tres pasos críticos en los procedimientos de segmentación y medición lineal. En primer lugar, los médicos e investigadores deben identificar la mitad de las vértebras L3 para lograr consistencia. La mitad de las vértebras L3 será la rebanada donde la médula de los procesos transversales es más prominente. La rebanada axial de vértebras L3 se identifica más fácilmente con la ayuda de una vista sagital o coronal reticida. Los investigadores o clínicos pueden encontrar primero las vértebras L1 o el sacro como punto de referencia, teniendo en cuenta que la presencia de seis vértebras lumbares en lugar de cinco es una variante normal. El siguiente paso crucial es identificar los músculos. En las mediciones lineales, el quadratus lumborum no debe incluirse mientras se toman las mediciones verticales y horizontales. En tercer lugar, los investigadores también deben prestar mucha atención al etiquetar el IVA en el protocolo de segmentación, ya que el contenido del colon a veces puede ser etiquetado como tejido adiposo visceral23. Cuando se produce un error de este tipo, los investigadores deben borrar estas áreas antes de pasar al siguiente paso.
Un problema común en la segmentación es la mala calidad de la imagen de TC o RMN (consulte Resultados representativos para obtener ejemplos). En algunos casos, la mala calidad no hace que la imagen sea inútil, pero en otros casos la imagen puede necesitar ser excluida del análisis. Otra limitación, posiblemente inevitable, de la segmentación de una sola imagen incluye la variación aleatoria de la posición del órgano sólido de una imagen a otra.
Otros problemas comunes tanto para el análisis de segmentación L3 como para el análisis de medición lineal a menudo están relacionados con la variación entre e intra-evaluador. Como sería el caso con la mayoría de los protocolos, se puede esperar una cierta cantidad de variación entre los observadores y entre los ensayos separados de un solo individuo. Para tener en cuenta y minimizar la variación entre evaluador con varias personas que realizan análisis, el equipo de investigadores o médicos puede probar cualquier variación estadísticamente significativa en las mediciones de área de superficie y hu promedio de la misma imagen. Tome nota especial de la variación de HU, ya que esto indicará si los investigadores o clínicos que tienen áreas de superficie muy similares para la misma imagen están etiquetando los tejidos aproximadamente igual. Para probar la variación significativa dentro del evaluador para un individuo, los investigadores o clínicos pueden tomar un pequeño subconjunto de imágenes y segmentar cada imagen hasta que todas las réplicas de cada imagen estén dentro de un margen estrecho y estadísticamente insignificante.
Reconocemos que ambos los protocolos presentados aquí tienen limitaciones en el análisis de la composición corporal, ya que solo se utiliza una sola rebanada. Como sugieren Shen et al., el análisis 3D puede proporcionar información más precisa para la grasa visceral abdominal, y el análisis de una sola rebanada para el IVA está en diferentes niveles para hombres y mujeres24. Sin embargo, los protocolos discutidos aquí siguen siendo valiosos, ya que proporcionan evaluaciones rápidas del músculo, así como el tejido adiposo, que se puede utilizar para la detección de sarcopenia en las clínicas.
Además, ha habido muchos protocolos automatizados de análisis de composición corporal que utilizan algoritmos de aprendizaje automático 3D, especialmente algoritmos de clasificación basados en redes neuronales25. Reconocemos que estas pueden ser las posibles alternativas futuras a la segmentación 2D tradicional. Sin embargo, estos métodos requieren grandes conjuntos de datos de imágenes de TC y RMN que se desarrollen, prueben e implementen en entornos clínicos y de investigación. Además, estos métodos a menudo requieren un análisis de segmentación 2D para establecer una referencia de línea base con la que validar los algoritmos de aprendizaje automático. Por lo tanto, los protocolos que se muestran aquí pueden ser útiles cuando no hay grandes conjuntos de datos o imágenes 3D disponibles, y estos protocolos se pueden aplicar para ayudar a desarrollar y validar algoritmos de aprendizaje automático cuando son aplicables. Por lo tanto, creemos que los médicos e investigadores pueden beneficiarse de este video de capacitación y adoptar estos métodos rápidos y confiables como cribado preliminar antes de que el análisis automatizado esté disponible y con el fin de facilitar la implementación de esta tecnología avanzada.
La capacidad de analizar rápidamente la distribución del tejido adiposo y la masa muscular esquelética tiene una amplia gama de intereses clínicos que van desde el tratamiento del cáncer y la investigación hasta las enfermedades cardíacas5. En comparación con otros métodos comúnmente utilizados, el Mourtzakis et al. El procedimiento de segmentación L3 en Slice-O-Matic puede evaluar de forma precisa y rápida la distribución del tejido adiposo y determinar el estado de sarcopenia5,12,13,19. Además, en contextos donde la información sobre la masa muscular esquelética es suficiente, el procedimiento de medición lineal L3 es una herramienta confiable y muy rápida para ayudar a predecir el éxito en tratamientos contra el cáncer como cirugía, radioterapia y quimioterapia1,2,4,6,7,8. El propósito de este video de capacitación y manuscrito es delinear claramente el protocolo para la segmentación y las mediciones lineales para uso futuro para que los médicos puedan evaluar más fácilmente la composición corporal en el entorno clínico.

El gravamen de la sarcopenia y de la composición del cuerpo está actualmente de gran interés clínico. Aunque las definiciones específicas de sarcopenia varían dependiendo del entorno y el contexto, todas las definiciones incluyen la pérdida significativa de masa muscular esquelética o fuerza muscular, que están estrechamente correlacionadas1,2,3. El análisis de la composición corporal incorpora mediciones de la masa muscular esquelética y la distribución del tejido adiposo, proporcionando información más completa sobre la aptitud general de los pacientes1,3,4. Del mismo modo, se ha encontrado que el tejido adiposo distribuido de manera desproporcionada, especialmente el tejido adiposo visceral, está relacionado con diversas enfermedades, incluidas las enfermedades cardíacas, la diabetes tipo II y el cáncer5.
Clínico, la sarcopenia y su gravamen por medidas lineares se han mostrado en varias ocasiones para ser un factor pronóstico fuerte para la supervivencia cáncer-específica a través de malignidades y de resultados oncológicos después de cirugía, radioterapia, y quimioterapia1,2,4,6,7,8. En particular, investigaciones anteriores demuestran que los pacientes con sarcopenia han disminuido la supervivencia específica del cáncer y la supervivencia general1,2,9,10. Por lo tanto, el gravamen clínico exacto y rápido de la progresión del sarcopenia es importante en la determinación de la elección del tratamiento. El perfilado convencional de la composición de todo el cuerpo requiere análisis a nivel tridimensional (3D) utilizando técnicas de imagen, incluyendo tomografía computarizada (TC), resonancia magnética (RMN), densitometría ósea (DEXA) y análisis de impedancia bioeléctrica (BIA), que consumen mucho tiempo, son costosas y requieren una amplia capacitación5,11. Otro inconveniente es la falta de información sobre la distribución adiposa, especialmente para la pletismografía de desplazamiento del aire (ADP) y DEXA12. Por lo tanto, la evaluación y determinación de la sarcopenia y la composición corporal con el uso de modalidades convencionales de imagen transversal como la TC o la RMN, que se utilizan como parte de la práctica clínica estándar de atención, tiene un gran valor clínico5.
Un software de segmentación comúnmente utilizado en el ámbito de la investigación clínica es el programa Slice-O-Matic desarrollado por TomoVision. Utilizando el procedimiento de segmentación de Mourtzakis et al.13, el programa permite a los investigadores o clínicos etiquetar semiautomáticamente varios tipos de tejido, como el músculo esquelético (SM), el tejido adiposo intramuscular (IMAT), el tejido adiposo visceral (VAT) y el tejido adiposo subcutáneo (SAT) utilizando umbrales basados en la densidad, lo que permite medir las áreas transversales generales de cada tejido. Estas medidas entonces se utilizan para estimar la masa y la adiposidad del músculo esquelético de cuerpo total, a menudo después de la normalización por la altura de un paciente al cuadrado, para identificar sarcopenia y obesidad sarcopénica por umbrales sobre la base de la población.
Un método desarrollado recientemente por Avrutin et al.14 utilizando mediciones lineales del músculo esquelético desarrollado ha demostrado el potencial para ser igualmente fiable en la estimación de la masa muscular total utilizando imágenes de MRI y CT de la sección transversal L314,15. Los grupos psoas y músculo paraespinal comprenden gran parte del área de superficie muscular de la región L3 y tienen una alta funcionalidad, lo que sugiere que pueden ser predictores de alta fidelidad de la fuerza muscular general, y por lo tanto los principales candidatos de la medición lineal14,15. Para calcular el área de superficie muscular, las mediciones horizontales y verticales de los grupos psoas y músculos paraespinales se obtienen utilizando una herramienta de regla para dibujar líneas rectas que se cruzan a 90 °. Las mediciones horizontales y verticales de cada grupo muscular se multiplican para estimar el área de superficie de cada grupo muscular, que luego se utiliza para calcular un índice muscular lineal cuando se divide por la altura del paciente. Con un entrenamiento mínimo, todo este proceso puede tomar menos de 1 minuto.
Dadas las posibles implicaciones de las mediciones de la composición corporal en la atención al paciente, existe una necesidad urgente de crear materiales de capacitación accesibles. En este artículo, proporcionamos una descripción detallada de dos métodos desarrollados por Avrutin et al.14 y Mourtzakis et al.13 para cuantificar la masa muscular esquelética y la composición corporal, respectivamente, para proveedores e investigadores 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

La composición corporal se asocia con el riesgo de progresión de la enfermedad y complicaciones del tratamiento en una variedad de condiciones. Por lo tanto, la cuantificación de la masa del músculo esquelético y de los tejidos adiposos en la tomografía computada (CT) y/o la proyección de imagen de resonancia magnética (MRI) puede informar la evaluación del riesgo de la cirugía y el pronóstico de la enfermedad. Este artículo describe dos métodos de cuantificación descritos originalmente por Mourtzakis et al. y Avrutin et al.: segmentación tisular y medición lineal del músculo esquelético. La imagen transversal de los pacientes en el punto medio de la tercera vértebra lumbar fue obtenida para ambas mediciones. Para la segmentación, las imágenes fueron importadas en Slice-O-Matic y coloreadas para el músculo esquelético, el tejido adiposo intramuscular, el tejido adiposo visceral, y el tejido adiposo subcutáneo. Luego, las áreas superficiales de cada tipo de tejido se calcularon utilizando la función de área de superficie de etiqueta. Para las mediciones lineales, se mide la altura y la anchura del psoa bilateral y los músculos paraespinales a nivel de la tercera vértebra lumbar y el cálculo utilizando estos cuatro valores produce la masa muscular esquelética estimada. El análisis de segmentación proporciona información cuantitativa y completa sobre la composición corporal de los pacientes, que luego se puede correlacionar con la progresión de la enfermedad. Sin embargo, el proceso consume más tiempo y requiere capacitación especializada. Las mediciones lineales son una herramienta eficiente y clínica para una evaluación preoperatoria rápida. Sin embargo, las mediciones lineales no proporcionan información sobre la composición del tejido adiposo. No obstante, estos métodos tienen amplias aplicaciones en una variedad de enfermedades para predecir los resultados quirúrgicos, el riesgo de progresión de la enfermedad e informar las opciones de tratamiento para los pacientes.

El procedimiento de segmentación L3 da como resultado una imagen de TC o MRI marcada con tejido del músculo esquelético (SM) marcado en rojo, IMAT en verde, IVA en amarillo y SAT en cian(Figura 1). Los tejidos restantes sin etiquetar permanecerán en sus tonos blancos, grises y traseros originales que corresponden a los respectivos valores de unidad de Hounsfield (HU) de cada píxel. La mayoría de los tejidos sin etiquetar que permanecen en blanco serán hueso, la mayoría de los tejidos que permanecen en grises serán músculo no esquelético, tejido de órganos y tejido adiposo dentro de los lúmenes de los intestinos, y la mayoría de la imagen que permanece en negro será aire. Una imagen correctamente segmentada no tendrá etiquetado rojo o verde fuera de la fascia del músculo esquelético, y no tendrá etiquetado amarillo o cian dentro de la fascia del músculo esquelético. Además, el etiquetado amarillo no debe invadir los lúmenes de los intestinos u órganos como el riñón o el hígado, y el etiquetado cian no debe estar presente a lo largo de los bordes externos más claros que corresponden a la piel. Una vez completada la segmentación de la imagen, se deben registrar las áreas superficiales y los valores medios de HU del tejido, junto con la altura del paciente (Tabla 1). A partir de estos datos, se puede calcular el índice del músculo esquelético y proceder con cualquier otro análisis relevante para la investigación específica o preguntas clínicas. Tenga en cuenta que para la mayoría de las imágenes de RMN, sólo el músculo esquelético puede ser etiquetado correctamente y posteriormente analizado (Tabla 2). En las mediciones lineales, un índice se calcula dividiendo el área de superficie sobre el cuadrado de la altura (Tabla 3).
Los problemas comunes que los investigadores pueden encontrar durante el procedimiento de segmentación incluyen imágenes que tienen omisión de información clave. Por ejemplo, las imágenes pueden tener porciones considerables cortadas o recortadas (Figura 2). Específicamente, las imágenes que tienen SAT y / o tejido del músculo esquelético cortado fuera del marco reducirá drásticamente la precisión de los cálculos de área de superficie de los tejidos afectados. Si esto hace que una imagen no sea adecuada para el análisis dependerá del contexto clínico o de investigación y debe ser decidido por el equipo de investigación caso por caso. Otra trampa es que los investigadores pueden incluir inadvertidamente la médula espinal y la médula ósea en el músculo esquelético. Para evitar este problema, los investigadores deben estar bien capacitados y ser cautelosos durante la segmentación. Otros artefactos comunes en las imágenes de TC o MRI incluyen problemas técnicos causados por la colocación o el movimiento del paciente en el escáner, el trenzado de grasa y los tejidos cicatriciales alrededor de la fascia del músculo esquelético, y otros artefactos de forma extraña(Figura 3). Los problemas técnicos causados por el movimiento del paciente o la colocación incorrecta generalmente aparecerán más ligeros, con valores de HU más altos que el tejido circundante. Este tipo de problemas técnicos suelen aparecer en SAT y también pueden reducir la precisión del cálculo del área expuesta. El contexto clínico o de investigación determinará el nivel de tolerancia para tales cuestiones. El varamiento de grasa y los artefactos de tejido cicatricial generalmente no resultan en grandes cantidades de error en los cálculos del área de superficie del tejido. Sin embargo, pueden conducir a la identificación errónea de la línea fascial. El músculo esquelético y las áreas superficiales de IMAT pueden ser enormemente inexactos en los casos en que las hebras de grasa o el tejido cicatricial se confunden como la línea de fascia muscular. Otras pequeñas manchas y artefactos en las imágenes de TC y MRI generalmente no afectan la calidad general de la imagen, excepto en casos raros. Dependiendo del contexto clínico o de investigación, estos artefactos pueden necesitar ser evaluados por un experto en radiología para verificar la calidad de la imagen. El último problema común en las imágenes de TC y RM son las deformidades en la línea de la fascia muscular(Figura 4). Estas roturas generalmente no afectarán la calidad de la imagen, pero las imágenes que contienen roturas grandes u otras deformidades en la fascia muscular deben ser evaluadas por un radiólogo para determinar si el origen de la deformidad afectará el análisis del contexto clínico o de investigación.
El procedimiento de medición lineal L3 desarrollado por Avruvin et al. tiene menos errores comunes que el procedimiento de segmentación L314,15. Los principales problemas encontrados en las medidas lineales giran en torno a la identificación de los grupos musculares de interés, los dos psoas y los grupos musculares paraespinales (Figura 5). En la mayoría de los casos, los bordes del psoas serán distintos de los órganos cercanos, pero en el caso de que el borde sea difícil de discernir, cambiar los filtros HU o el brillo generalmente resolverá la mayoría de los problemas. Además, los bordes de los grupos musculares paraespinales a menudo serán distintos de otros tejidos cercanos, pero uno debe tener en cuenta que si ningún músculo claro alcanza la línea de fascia inferior más baja, la línea no debe incluirse en la determinación del borde inferior del grupo muscular paraespinal. Por último, el cuadrado lumborum debe excluirse a la hora de determinar el borde del psoas o grupos musculares paraespinales (Figura 5E).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/61674/61674fig01.jpg"> Figura 1:Segmentación L3 adecuada en Slice-O-Matic. (A)La imagen de TC axial inalterada en las vértebras L3. (B)La TC axial totalmente marcada con rojo correspondiente al músculo esquelético (SM), verde a Tejido Adiposo Intramuscular (IMAT), amarillo a Tejido Adiposo Vesical (VAT), y cian a Tejido Adiposo Subcutáneo (SAT). <a href="https://www.jove.com/files/ftp_upload/61674/61674fig01large.jpg" target="_blank">Haga clic aquí para ver una versión más amplia de esta figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/61674/61674fig02.jpg"> Figura 2:Corte la imagen L3 CT. Una imagen de TC sin etiquetar en Slice-O-Matic con cantidades sustanciales de SAT, así como cantidades significativas de tejido muscular esquelético cortado. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig02large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/61674/61674fig03.jpg"> Figura 3:Artefactos comunes. (A) La imagen CT sin etiquetar tiene varios artefactos resaltados en el cuadro rojo, el óvalo azul y el cuadro verde, respectivamente. El cuadro rojo muestra problemas técnicos con una tomografía computarizada, potencialmente por mal alineación o movimiento durante la exploración. El óvalo azul destaca un artefacto común que probablemente proviene de los tejidos cicatriciales. El cuadrado verde resalta las manchas que pueden tener múltiples causas potenciales. (B) La tomografía computarizada etiquetada con apariencias de los mismos artefactos respectivos resaltados en la caja roja, el óvalo azul y la caja verde. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig03large.jpg" target="_blank">Haga clic aquí para ver una versión más amplia de esta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/61674/61674fig04.jpg"> Figura 4:Gran rotura en la fascia muscular. (A)La imagen L3 CT sin etiquetar destaca una gran ruptura en la fascia del músculo esquelético en la caja púrpura. (B) La imagen etiquetada L3 CT destaca la apariencia etiquetada de la gran rotura en la fascia del músculo esquelético en la caja púrpura. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig04large.jpg" target="_blank">Haga clic aquí para ver una versión más amplia de esta figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/61674/61674fig05.jpg"> Figura 5:Mediciones lineales L3. (A) La imagen original L3 CT antes del análisis en el visor de imágenes Horos. (B) El método de medición lineal tradicional incluye una línea vertical y una línea horizontal dibujada para cada músculo. Estas líneas se miden con una herramienta de regla y se multiplican para encontrar el área de superficie de cada grupo muscular. Tenga en cuenta que el método tradicional de medidas lineales siempre debe tener líneas que se intersecan a 90 °. Esta imagen del método tradicional de medidas lineales es solo demostración visual ya que fue creada en Horos y no se garantiza que tenga intersecciones de 90 °. (C) (D) (E) El método box para mediciones lineales L3. (C) (D) La caja azul y púrpura abarcan el psoas derecho e izquierdo, respectivamente, y la caja amarilla y verde abarcan el músculo paraespinal derecho e izquierdo, respectivamente. (E) Las cajas de color púrpura claro y naranja resaltan el cuadrado lumborum, que no debe tenerse en cuenta al determinar los bordes de los grupos psoas y músculos paraespinales. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig05large.jpg" target="_blank">Haga clic aquí para ver una versión más amplia de esta figura.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/61674/61674fig06.jpg"> Figura 6: Comparación de medidas lineales y L3 transversal del área del músculo esquelético, n = 65. El psoas combinado y las áreas del paraspinal están de acuerdo con el músculo esquelético total en la sección transversal L3. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig06large.jpg" target="_blank">Haga clic aquí para ver una versión más amplia de esta figura.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>SEGMENTACIÓN POR TC</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr>
<tr>
<td></td>
			<td>músculo</td>
			<td>Tejido adiposo intramuscular</td>
			<td>Tejido adiposo visceral</td>
			<td>Tejido adiposo subcutáneo</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>Unidad de Hounsfield (media)</td>
			<td>33.61</td>
			<td>2.1</td>
			<td>18.11</td>
			<td>67.76</td>
		</tr>
<tr>
<td>Altura del paciente al cuadrado (m2)</td>
			<td>2.69</td>
			<td>Índice del músculo esquelético (Área muscular/Altura2,cm2/m2)</td>
			<td></td>
			<td>49.97</td>
		</tr>
</tbody></table>Tabla 1: Segmentación por TC
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>SEGMENACIÓN POR RMN</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>Unidad de Hounsfield (media)</td>
			<td>35.85</td>
		</tr>
<tr>
<td>Altura del paciente (m2)</td>
			<td>3.39</td>
		</tr>
<tr>
<td>Índice del músculo esquelético</td>
			<td rowspan="2">71.42</td>
		</tr>
<tr>
<td>(Área muscular/Altura2,cm2/m2)</td>
		</tr>
</tbody></table>Tabla 2: Segmentación por RMN
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td colspan="8">MEDIDAS LINEALES</td>
		</tr>
<tr>
<td>Altura del Psoas Derecho (cm)</td>
			<td>Ancho de Psoas Derecho (cm)</td>
			<td>Altura del Psoas izquierdo (cm)</td>
			<td>Ancho del Psoas izquierdo (cm)</td>
			<td>Altura paraespinal derecha (cm)</td>
			<td>Ancho paraespinal derecho (cm)</td>
			<td>Altura paraespinal izquierda (cm)</td>
			<td>Ancho paraespinal izquierdo (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 paraespinal 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 del paciente al cuadrado (m2)</td>
			<td colspan="2">2.496</td>
			<td colspan="2">Índice de medida lineal (cm2/m2)</td>
			<td colspan="2">33.55</td>
		</tr>
</tbody></table>Tabla 3: Medidas lineales

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

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

La segmentación y las mediciones lineales cuantifican la masa muscular esquelética y los tejidos adiposos utilizando imágenes de tomografía computarizada y/o resonancia magnética. Aquí, describimos el uso del software Slice-O-Matic y el visor de imágenes Horos para un análisis rápido y preciso de la composición corporal. Estos métodos pueden proporcionar información importante para el pronóstico y la estratificación del riesgo.

Segmentación y medición lineal para el análisis de la composición corporal utilizando Slice-O-Matic y Horos

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

La degeneración del músculo de la cinta en un sarcopenia se ha mostrado para ser un factor pronóstico para la supervivencia del cáncer y el éxito del tratamiento. El análisis de la composición de la tercera región lumbar es de interés ya que proporciona la caracterización cuantitativa del músculo esquelético y dentro de las exploraciones del CT proporciona la información cualitativa del tejido adiposo. Los siguientes procedimientos proporcionan protocolo y vertical segmentado en el software sliceOmatic, así como sus protocolos de medición para el análisis de composición en imágenes de TC y MRI.La selección del protocolo de vértebras L3 se completa dentro de la centralidad ge. Tenga en cuenta que si utiliza un software diferente, las herramientas pueden variar. Abra las imágenes de TC o MRI del paciente realizadas dentro del plazo de interés.Seleccione las regiones del monitor, vista de ventana de 2V. Seleccione la vista coronal o sagital en la pantalla izquierda navegando a la serie y luego seleccionando las imágenes coronales o sagitales. Seleccione la vista axial en la pantalla derecha navegando a la serie y, a continuación, seleccionando las imágenes axiales.Haga clic en conn, referencia cruzada para vincular las dos imágenes, luego desplácese a través de las imágenes en la vista coronal o sagital para asegurarse de que las vértebras de la columna vertebral sean fácilmente visibles. A continuación, desplácese por las imágenes de la vista axial para encontrar las vértebras L1. La L1 es la primera vértebra que no tiene un accesorio de costilla.Cuente desde la L1 hasta las vértebras L3. Asegúrese de usar la vista sagital o coronal como referencia para localizar el centro de las vértebras L3. Exporte la imagen L3 navegando al menú del examen, seleccione exportar imágenes, imágenes seleccionadas.Asegúrese de que el formato es DICOM. A continuación, seleccione la ubicación en la que se debe guardar la imagen. Haga doble clic en el archivo DICOM para abrir sliceOmatic.Una vez que el programa se ha cargado, arrastre la imagen DICOM a cualquier lugar en la pantalla sliceOmatic. Vaya a modos, región que crece para comenzar la segmentación. Seleccione herramientas, bloqueo de etiqueta.Esta característica se utilizará en los pasos posteriores. Haga clic en el rojo en la región de crecimiento para establecer los límites de H.U.para el músculo. A continuación, haga clic en el botón de apagado junto al límite inferior.Esto lo pondrá en marcha. Ajuste el límite con el control deslizante para que esté lo más cerca posible de 29 negativos. A continuación, utilice la rueda del ratón para establecer exactamente en negativo 29.A continuación, haga clic en el botón de apagado junto al límite superior para establecerlo en activado. Use el control deslizante y la rueda del mouse para establecer el límite H.U. en positivo 150 Next, haga clic en los dos verdes para establecer los límites H.U.para I.M.A.T. y establezca los límites inferior y superior de la misma manera, pero estableciendo el límite inferior en 190 negativo y el límite superior en 30 negativo. Haga clic en el amarillo cinco para establecer los límites para V.A.T.esta vez establecido en el límite inferior a negativo 150 y el límite superior a negativo 50.Finalmente, haga clic en el cian siete para establecer los límites H.U.para S.A.T., estableciendo el límite inferior en 190 negativo y el límite superior en 30 negativo. Presione las teclas más y menos en el teclado para hacer zoom en la imagen según sea necesario. Ajuste el zoom según sea necesario durante todo el proceso de segmentación.Seleccione el rojo y asegúrese de que la opción de pincel está configurada para pintar. Utilice el tamaño del pincel que es más eficiente para la imagen y comenzar a pintar haciendo clic en el tejido muscular. Pintar sobre el psoas, grupos musculares paraespinales y grupos musculares oblicuos.Tenga cuidado en los bordes del músculo que están cerca de la columna vertebral, órganos internos, o líquidos, para asegurarse de que estos no están etiquetados como músculo. Si algo está etiquetado falsamente, seleccione ninguno y borre el error. Una vez que todo el músculo ha sido etiquetado, seleccione uno en el menú de bloqueo de etiquetas.Esto asegurará que ningún músculo se borre accidentalmente o se vuelva a etiquetar a medida que avanza la segmentación. Seleccione los dos verdes y pinte sobre el tejido I.M.A.T.dentro de la fascia muscular. Tenga en cuenta que la mayoría de las brechas dentro del músculo en sí serán I.M.A.T.Note que los bordes de la fascia muscular a menudo son más ligeros en apariencia que el tejido circundante.Esto puede ser una guía útil, particularmente en las regiones donde los grupos musculares oblicuos se encuentran con los grupos musculares paraespinales y en la región por debajo de las espinas erectoras pero por encima de la línea fascial. Una vez que todos los I.M.A.T.han sido etiquetados, seleccione los dos en el menú de bloqueo de etiquetas. A continuación, seleccione los cinco amarillos del menú de crecimiento de la región para comenzar a segmentar V.A.T.One todavía puede usar la opción de pincel, pero para muchas imágenes, puede ser más fácil y rápido usar la opción crecer a D en su lugar.Si usa grow to D, asegúrese de seleccionar el tamaño de pincel más pequeño, luego haga clic en el tejido V.A.T.dentro de la imagen para etiquetarla. Asegúrese de que los tejidos o grasas dentro del límite de intestinos u otros órganos no estén etiquetados como V.A.T.Una vez que todos los V.A.T.is etiquetados, seleccione cinco en el menú de bloqueo de etiquetas. Finalmente, seleccione el cian siete del menú de cultivo de la región para etiquetar S.A.T.tissue.Una vez más, dependiendo de la imagen, S.A.T.tissue es a menudo más fácil de etiquetar con la opción crecer a D. Una vez que S.A.T.tissue está etiquetado, revise los bordes, particularmente alrededor de la piel, para asegurarse de que solo la grasa subcutánea esté marcada como S.A.T.Una vez que todos los tejidos hayan sido etiquetados, revise la imagen para asegurarse de que no haya errores o tejido mal marcado. Cuando haya terminado, vaya a las herramientas, etiquete el volumen de la superficie.Haga clic en el botón de valores de la ventana y registre el área de superficie de cada tejido y los valores promedio de H.U. Finalmente, vaya a archivo, guarde los archivos de etiquetas. Esto guardará un archivo de etiqueta donde se encuentra la imagen DICOM.Para comenzar la segmentación por RMN, vaya a modos, región de crecimiento. Mirando en la ventana de vista previa, podemos ver un histograma de valores H.U., donde el primer pico es el aire, el siguiente es el músculo esquelético, y si los siguientes picos son discernibles, serán hueso seguido por tejido adiposo. Tenga en cuenta que, cuando se usan imágenes de RMN, generalmente solo el músculo esquelético se puede segmentar con confianza debido a la mala discriminación del tejido adiposo.Seleccione el rojo y gire el límite inferior al dejarlo establecido en cero. A continuación, active el límite superior y cambie la opción de la rueda del ratón al límite superior. A continuación, seleccione pintura y una opción de pincel grande, luego mueva el cursor sobre el músculo psoas para que la región del cursor incluya tanto el músculo como el hueso.Para estar seguro de que el hueso no está etiquetado como músculo, establezca el límite superior de forma conservadora moviendo la rueda del ratón hasta que el límite superior no incluya ninguno de los tejidos óseos externos. Luego segmente el tejido muscular inmediatamente adyacente a la columna vertebral. A continuación, mueva el cursor a la linea alba o en cualquier otro lugar de la exploración donde el tejido adiposo y el músculo son fáciles de diferenciar.Aumente el límite superior lo más alto posible sin incluir ningún tejido adiposo. A partir de aquí, se puede proceder a segmentar todo el músculo esquelético restante. Tenga en cuenta que, para algunas imágenes, es posible que sea necesario ajustar continuamente el límite superior.Tenga en cuenta que, si bien establecer el límite superior con este procedimiento de dos pasos es conservador, optimizará la cantidad de músculo esquelético que se etiquetará sin tener que preocuparse por el etiquetado erróneo significativo del hueso o el tejido adiposo. Cuando esté completo, vaya a las herramientas, etiquete el volumen de la superficie y seleccione los valores de ventana para registrar el área de superficie y los valores promedio de H.U. del músculo esquelético. Se ha demostrado que la medición lineal de la región de las vértebras L3 se correlaciona estrechamente con la masa muscular total.La ventaja de la medición lineal es su facilidad y velocidad, así como el hecho de que se puede hacer en cualquier software con una herramienta de regla o herramienta de caja. Este protocolo se demuestra utilizando la aplicación Horace Medical Imaging. Si utiliza un software diferente, tenga en cuenta que las herramientas específicas pueden muy.Importe la imagen en el visor haciendo clic en importar y luego navegando a la ubicación de la imagen y seleccionando abrir. Una vez importado, haga clic en la imagen o el nombre del paciente para mostrar la imagen en la parte inferior. Haga doble clic en la imagen para maximizarla, lo que también abrirá las opciones de la herramienta.Identificar el psoas y los grupos musculares paraespinales. Tenga en cuenta que el quadratus lumborum no debe considerarse al determinar los bordes de los grupos musculares paraespinales. Seleccione la herramienta de regla.Dibuje una línea vertical desde los puntos más altos del grupo muscular hasta la parte inferior del grupo muscular. Luego dibuje una línea horizontal desde el borde más ancho del grupo muscular hasta el otro borde más ancho del grupo muscular. Repita este proceso para el psoas derecho e izquierdo y los grupos paraespinal derecho e izquierdo.Tenga en cuenta que las líneas dibujadas deben intersecarse a 90 grados. Tenga en cuenta que si los bordes de las líneas dibujadas se conectaran, esa conexión debería crear una caja que abarcara la totalidad del grupo muscular. En horacio Medical Viewer, es difícil utilizar la herramienta de regla para asegurarse de que las líneas se intersecan a 90 grados.Por esta razón, la herramienta de dibujo de caja debe utilizarse en su lugar. Seleccione la herramienta rectángulo. Dibuje una caja alrededor de cada grupo muscular, ahora tomando nota de que los bordes de la caja tocan las partes más altas y más bajas del músculo, así como las partes más anchas del músculo.Siempre y cuando la herramienta de caja muestre sus dimensiones verticales y horizontales, puede ser preferible a la herramienta de regla, ya que permite una fácil visualización de los límites musculares. Una imagen de TC o RMN correctamente segmentada no debe tener ningún etiquetado muscular más allá de las líneas fasciales, y para las imágenes de TC, no debe haber etiquetado adiposo dentro de la fascia muscular o en la piel. Registre el área de superficie muscular junto con la altura del paciente para calcular el índice del músculo esquelético.Para las exploraciones del CT, las áreas superficiales del tejido adiposo se pueden registrar basadas en la investigación específica o las preguntas clínicas del interés. Además, los valores promedio de H.U. se pueden registrar para el control de calidad La medición lineal L3 debe tener las mediciones de la regla o la caja que abarcan la totalidad de cada músculo. Registre los anchos horizontales y las alturas verticales de cada músculo, así como la altura del paciente.Multiplique los anchos y alturas para cada músculo, que sumar esas áreas para obtener el área muscular total. Calcule el índice de medida lineal dividiendo el área total por la altura del paciente al cuadrado. El protocolo demostrado permite a los clínicos y a los investigadores utilizar las exploraciones del CT o de MRI L3 para obtener la información cuantitativa rápida y confiable para el gravamen de la sarcopenia.

Research

JoVE Journal

Medicine

Dissection of Human Vitreous Body Elements for Proteomic Analysis

La disección de los elementos humanos Cuerpo Vítreo para el análisis proteómico

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

Investigación

Medicina

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

La segmentación y la medición de los volúmenes de grasa en modelos murinos de obesidad Usando rayos X de tomografía computarizada

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

The Measurement and Treatment of Suppression in Amblyopia

La medición y tratamiento de la represión en la ambliopía

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

Análisis semi-automatizado de fibra tipo composición y morfología del músculo esquelético de ratón

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 cerebro segmentación y análisis de punto de cambio anatómico cerebral MRI — aplicación asintomático enfermedad 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

Composición corporal y análisis jaulas metabólico en ratones de reserva grasa alta

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

Detector de metales portátil detección de ingestión de cuerpo extraño metálico en niños

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

Comparación del análisis bibliométrico con PubMed, Scopus y Web of Science Databases

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

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

Análisis cuantitativo de la composición celular en las lesiones ateroscleróticas avanzadas de músculo liso células linaje trazado ratones

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

Medición dinámica e imagen de capilares, arterias y pericitos en el corazón del ratón

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