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

Yazarlar John Robinson & Churchill aile vakıflarının desteğini kabul etmek istiyor.

<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>

Yazarların açıklayacak bir şeyi yok.

Psoas kası, paraspinal kas grupları ve eğik kaslar genel kas kütlesi ile yakından ilişkilidir5. Özellikle, üçüncü bel omurunun (L3) orta noktasındaki bu kas gruplarının BT veya MRI kesiti içindeki yüzey alanı, genel kas kütlesi ile oldukça ilişkilidir, bu da bu görüntüyü araştırmacılar veya klinisyenler için sarkopeni 1,2,13'üdeğerlendirirken kullanmak için ideal bir görüntühalinegetirir. Segmentasyon ve lineer ölçümler, hastalarda vücut kompozisyonunun değerlendirilmesinde ve sarkopeni ve sarkopenik obezite gibi kötü prognostik durumların belirlenmesinde büyük değer göstermiştir16,17. Araştırmalar, kas kütlesi ölçümlerinin kemoterapi ve kemoterapötik toksisite gibi büyük ameliyatlar veya tedavi planlarından sonra sağkalım ve büyük komplikasyon riskleri ile ilişkili olduğunu göstermiştir16,17,18. Bu nedenle, klinisyenlerin tedavi seçenekleri konusunda hastalara danışmadan önce vücut kompozisyonu verilerine sahip olmaları faydalı olabilir.
Şu anda, vücut kompozisyonunu değerlendirmenin çeşitli yöntemleri vardır. Densitometri12 ve hava deplasmanı pletirimografisi (ADP)19gibi çeşitli yöntemler, yüzde vücut yağ ve vücut yoğunluğunu tahmin etmek için sırasıyla hava ağırlığını ve yer değiştirmeyi kullanır. Bu yöntemler yararlı olsa da, yağ dokusu dağılımını belirleyemezler5,19. BIA gibi diğer vücut kompozisyonu analitik teknikleri, analizlerini yağ kütlesinin ve yağsız kütlenin farklı elektrik özelliklerine dayandırır12. Bununla birlikte, bir kez daha bu teknik yağ dağılımlarını yeterince değerlendiremiyor ve daha doğru ölçümler için etnik köken, yaş ve cinsiyet gibi daha fazla bilgi gerektiriyor19. Tersine, DEXA gibi değerlendirmelerin vücut kompozisyonu değerlendirmesinde yararlı olduğu gösterilmiştir, ancak artan adipozite ile kas kütlesini abartma eğilimi vardır12. Çeşitli protokoller ayrıca, sarkopeni değerlendirmesi ve beslenme değerlendirmesi için BIA vücut kompozisyon analizi ile iyi korelasyona sahip olduğu gösterilen DICOM görüntüleme yazılımı içinde kas kütlesi ve yağ dokusu verilerini elde etmek için İlgi Alanı (ROI) yöntemini kullanmıştır20,21.
Mourtzakis ve ark. tarafından geliştirilen segmentasyon prosedürü, çoğu BT veya MRI görüntüsünde yapılabildiğinden ve yağ dokusu dağılımlarını ve kas bölgesini doğru bir şekilde belirlediğinden alternatif vücut kompozisyon değerlendirmelerine göre avantajlıdır13. Ek olarak, eksenel L3 segmentasyonu, hasta obezite durumuna bakılmaksızın doğruluk avantajına sahiptir13. Yukarıda belirtilen alternatiflere benzer şekilde, Avrutin ve ark.14 tarafından geliştirilen doğrusal önlemler tekniği yağ dağılımını değerlendirme yeteneğine sahip değildir. Son zamanlarda, araştırmacılar vücut segmentasyonunda, özellikle psoas kaslarını tek başına ölçen yöntemlerde farklılık gösterdiler22. Psoas kas kütlesi tek başına bel kası miktarını veya sistematik kas israfını yüksek oranda temsil etmez ve klinik sonuçlarla yüksek oranda ilişkili olmayabilir22. Psoas kası değerlendirmede ana kas grubu olduğu için bu sorun doğrusal ölçümde daha fazla endişe verici olabilir. Bununla birlikte, özetlenen tekniğimiz, kesitsel kas kütlesinin hızlı ve rahat bir şekilde değerlendirilmesini sürdürürken, daha doğru bir ölçüm yapmak için bilateral psoas ve paraspinal kas tahminlerini içerir. BT/MRI doğrusal ölçüm ve segmentasyon yöntemleri ile bunların klinik sonuçlarla korelasyonu arasındaki uygunlığı doğrulayan gelecekteki çalışmalar garanti edilmektedir.
Hem L3 segmentasyonu hem de doğrusal ölçüm prosedürleri başlangıçta vücut çapındaki kas içeriğini hızlı ve doğru bir şekilde değerlendirmek için tasarlanmıştır. Protokol, sadece L3 omurlarında segmentlere ayırarak, araştırmacılara veya klinisyenlere hastanın yağsız kas kütlesini ve adipozite durumunu belirlemek için yeterli bilgi sağlarken zaman kazandırır. Bununla birlikte, L3 segmentasyonu tam gövde segmentasyonundan çok daha az zaman alsa da, Slice-O-Matic yazılımını kullanmak hala zaman alıcı ve pahalı olabilir. Tersine, lineer ölçümler kritik durumdaki hastalarda kas durumunu ve sarkopeniyi değerlendirmede L3 segmentasyonu kadar doğru olma potansiyeline sahiptir14,15. Doğrusal ölçümlerle ölçülen iskelet kasının segmentasyonla ölçülen değerle yakından ilişkili olduğu T3 renal hücreli karsinom kohortunda bu ilişkiyi ortaya koyduk (Şekil 6). Daha da önemlisi, yöntem son derece hızlıdır ve görüntüleme yazılımı ücretsizdir. Bununla birlikte, doğrusal ölçüm prosedürünün en dikkat çekici sınırlaması, klinisyenleri kas içeriğinin genel değerlendirmesinin yeterli olduğu bağlamlarla sınırlayan yağ dokusu içeriğini değerlendirme yeteneğine sahip olmamasıdır.
Hem segmentasyon hem de doğrusal ölçüm prosedürlerinde üç kritik adım vardır. İlk olarak, klinisyenler ve araştırmacılar tutarlılık elde etmek için L3 omurlarının ortasını tanımlamalıdır. L3 omurunun ortası, enine işlemlerin iliğinin en belirgin olduğu dilim olacaktır. Eksenel L3 omur dilimi, çapraz bağlı sagittal veya koronal görünüm yardımıyla daha kolay tanımlanır. Araştırmacılar veya klinisyenler ilk olarak L1 omurlarını veya sakrumunu referans noktası olarak bulabilirler, beş yerine altı bel omurunun varlığının normal bir varyant olduğunu akılda tutarak. Bir sonraki önemli adım kasları tanımlamaktır. Doğrusal ölçümlerde, dikey ve yatay ölçümler alırken quadratus lumborum dahil edilmelidir. Üçüncü olarak, araştırmacılar segmentasyon protokolünde KDV'yi etiketlerken de çok dikkat etmelidir, çünkü kolon içeriği bazen viseral yağ dokusu olarak etiketlenebilir23. Böyle bir hata oluştuğunda, araştırmacılar bir sonraki adıma geçmeden önce bu alanları silmelidir.
Segmentasyonda yaygın bir sorun zayıf BT veya MRI görüntü kalitesidir (örnekler için Temsilci Sonuçları'ne bakın). Bazı durumlarda, düşük kalite görüntüyü işe yaramaz hale getirmez, ancak diğer durumlarda görüntünün analizden dışlanmaları gerekebilir. Tek bir görüntünün segmentasyonunun başka, muhtemelen kaçınılmaz bir sınırlaması, görüntüden görüntüye katı organ konumunun rastgele varyasyonunu içerir.
Hem L3 segmentasyon analizi hem de doğrusal ölçüm analizi için diğer yaygın sorunlar genellikle inter ve intra-rater varyasyonu ile ilgilidir. Çoğu protokolde olduğu gibi, gözlemciler arasında ve tek bir bireyin ayrı denemeleri arasında belirli bir miktar varyasyon beklenebilir. Analiz yapan birden fazla kişiyle oranlar arası varyasyonu hesaba katmak ve en aza indirmek için, araştırmacılar veya klinisyenlerden oluşan ekip, yüzey alanı ölçümlerinde ve aynı görüntüden ortalama HU'da istatistiksel olarak anlamlı varyasyonlar için test yapabilir. Aynı görüntü için çok benzer yüzey alanlarına sahip araştırmacıların veya klinisyenlerin dokuları yaklaşık olarak aynı şekilde etiketleyip etiketlemediğini göstereceğinden, HU varyasyonunu özel olarak not alın. Bir birey için önemli bir intra-rater varyasyonu test etmek için, araştırmacılar veya klinisyenler görüntülerin küçük bir alt kümesini alabilir ve her görüntünün tüm kopyaları dar, istatistiksel olarak önemsiz bir kenar boşluğuna gelene kadar her görüntüyü segmentlere ayırabilir.
Burada sunulan her iki protokolün de sadece tek bir dilim kullanıldığı için vücut kompozisyon analizinde sınırlamalar olduğunu kabul ediyoruz. Shen ve arkadaşları tarafından önerildikçe, 3D analiz karın viseral yağ için daha doğru bilgi sağlayabilir ve KDV için tek dilimli analiz erkekler ve kadınlar için farklıseviyelerdedir 24. Bununla birlikte, burada tartışılan protokoller, kliniklerde sarkopeni taraması için kullanılabilecek yağ dokusunun yanı sıra kasın hızlı değerlendirmelerini sağladığı için hala değerlidir.
Ayrıca, 3D makine öğrenimi algoritmaları, özellikle sinir-net tabanlı sınıflandırma algoritmaları25. Bunların geleneksel 2D segmentasyona gelecekteki potansiyel alternatifler olabileceğini kabul ediyoruz. Bununla birlikte, bu yöntemler klinik ve araştırma ortamlarında büyük BT ve MRI görüntülerinin geliştirilmesini, test edilmesini ve uygulanmasını gerektirir. Ayrıca, bu yöntemler genellikle makine öğrenimi algoritmalarını doğrulamak için temel bir başvuru oluşturmak için 2D segmentasyon analizi gerektirir. Bu nedenle, burada gösterilen protokoller büyük veri kümeleri veya 3D görüntüler kullanılamıyorsa yararlı olabilir ve bu protokoller, uygulanabilir olduklarında makine öğrenimi algoritmalarının geliştirilmesine ve doğrulanabilmesine yardımcı olmak için uygulanabilir. Bu nedenle, klinisyenlerin ve araştırmacıların bu eğitim videosundan yararlanabileceğine ve otomatik analiz mevcut olmadan önce ve bu ileri teknolojinin uygulanmasını kolaylaştırmak için bu hızlı ve güvenilir yöntemleri ön tarama olarak benimseyebileceğine inanıyoruz.
Yağ dokusu dağılımını ve iskelet kas kütlesini hızlı bir şekilde analiz etme yeteneği, kanser tedavisi ve araştırmalarından kardiyak hastalığa kadar geniş bir klinik ilgi alanına sahiptir5. Yaygın olarak kullanılan diğer yöntemlerle karşılaştırıldığında, Mourtzakis ve ark. Slice-O-Matic'te L3 segmentasyon prosedürü yağ dokusu dağılımını doğru ve hızlı bir şekilde değerlendirebilir ve sarkopeni durumunu5, 12,13,19olarak belirleyebilir. Ek olarak, iskelet kas kütlesi hakkında bilginin yeterli olduğu bağlamlarda, L3 lineer ölçüm prosedürü cerrahi, radyoterapi ve kemoterapi 1 ,2,4,6,7,8gibi kanser tedavilerinde başarıyı tahmin etmeye yardımcı olacak güvenilir ve çok hızlı bir araçtır. Bu eğitim videosunun ve el yazmasının amacı, klinisyenlerin klinik ortamında vücut kompozisyonunu daha kolay değerlendirebilmeleri için segmentasyon protokolünü ve gelecekteki kullanım için doğrusal ölçümleri açıkça belirlemektir.

Sarkopeni ve vücut kompozisyonunun değerlendirilmesi şu anda klinik olarak büyük ilgi çekse de; Sarkopeni'nin spesifik tanımları ayara ve bağlama bağlı olarak değişmekle birlikte, tüm tanımlar, yakından ilişkili olan iskelet kas kütlesi veya kas gücü kaybıiçerir 1,2,3. Vücut kompozisyon analizi, iskelet kası kütlesi ve yağ dokusu dağılımı ölçümlerini içerir ve hastaların genel zindeliği hakkında daha kapsamlı bilgi sağlar1,3,4. Benzer şekilde, orantısız olarak dağılmış yağ dokusu, özellikle viseral yağ dokusu, kardiyak hastalık, tip II diyabet ve kanser5dahil olmak üzere çeşitli hastalıklarla ilişkili olduğu bulunmuştur.
Klinik olarak sarkopeni ve doğrusal ölçümlerle değerlendirilmesinin cerrahi, radyoterapi ve kemoterapi 1 ,2,4,6,7,8sonrasında maligniteler ve onkolojik sonuçlarda kansere özgü sağkalım için güçlü bir prognostik faktör olduğu defalarca gösterilmiştir. Özellikle, önceki araştırmalar sarkopeni hastalarının kansere özgü sağkalım ve genel sağkalım 1 , 2,9,10azaldığını göstermektedir. Bu nedenle, sarkopeni ilerlemesinin doğru ve hızlı klinik değerlendirmesi tedavi seçiminin belirlenmesinde önemlidir. Geleneksel tüm vücut kompozisyon profilleme, zaman alıcı, maliyetli ve kapsamlı eğitim gerektiren Bilgisayarlı Tomografi (BT), Manyetik Rezonans Görüntüleme (MRG), Kemik Yoğunluk (DEXA) ve Biyoelektrik Empedans Analizi (BIA) dahil olmak üzere görüntüleme teknikleri kullanılarak üç boyutlu (3D) düzeyde analiz gerektirir5,11. Bir diğer dezavantajı, özellikle hava deplasmanı pletirmografisi (ADP) ve DEXA12için yağ dağılımı hakkında bilgi eksikliğidir. Bu nedenle, standart bakım klinik uygulamalarının bir parçası olarak kullanılan BT veya MR gibi geleneksel kesitsel görüntüleme yöntemlerinin kullanımı ile sarkopeni ve vücut kompozisyonunun değerlendirilmesi ve belirlenmesi büyük klinik değere sahiptir5.
Klinik araştırma ortamında yaygın olarak kullanılan segmentasyon yazılımlarından biri de TomoVision tarafından geliştirilen Slice-O-Matic programıdır. Mourtzakis ve ark.13 segmentasyon prosedürünü kullanarak, araştırmacılara veya klinisyenlere iskelet kası (SM), kas içi yağ dokusu (IMAT), visseral yağ dokusu (KDV) ve deri altı yağ dokusu (SAT) gibi çeşitli doku tiplerini yoğunluk bazlı eşikler kullanarak yarı otomatik olarak etiketleme olanağını sağlayan program, her dokunun genel kesitsel alanlarının ölçülmesine izin verir. Bu ölçümler daha sonra, genellikle bir hastanın boy karesine göre normalleşmeden sonra, popülasyona dayalı eşiklere göre sarkopeni ve sarkopenik obeziteyi tanımlamak için toplam vücut iskelet kası kütlesini ve adipozitesini tahmin etmek için kullanılır.
Avrutin ve ark.14 tarafından geliştirilen iskelet kasının doğrusal ölçümleri kullanılarak geliştirilen yeni bir yöntem, L3 kesiti14,15'inMR ve BT görüntülerini kullanarak toplam kas kütlesini tahmin etmede eşit derecede güvenilir olma potansiyelini göstermiştir. Psoas ve paraspinal kas grupları L3 bölgesinin kas yüzey alanının çoğunu oluşturur ve yüksek işlevselliğe sahiptir, bu da genel kas gücünün yüksek doğruluk tahmincileri olabileceğini ve böylece doğrusal ölçüm14,15'in baş adayları olabileceğini düşündürmektedir. Kas yüzey alanını hesaplamak için psoas ve paraspinal kas gruplarının yatay ve dikey ölçümleri, 90° kesişen düz çizgiler çizmek için bir cetvel aracı kullanılarak elde edilir. Her kas grubunun yatay ve dikey ölçümleri, her kas grubunun yüzey alanını tahmin etmek için çarpılır, daha sonra hastanın yüksekliğine bölündüğünde doğrusal bir kas indeksi hesaplamak için kullanılır. Minimum eğitimle, tüm bu süreç 1 dakikadan az sürebilir.
Vücut kompozisyon ölçümlerinin hasta bakımı üzerindeki potansiyel etkileri göz önüne alındığında, erişilebilir eğitim materyalleri oluşturmak için acil bir ihtiyaç vardır. Bu yazıda, avcılar ve klinik araştırmacılar için sırasıyla iskelet kas kütlesi ve vücut kompozisyonunu ölçmek için Avrutin ve ark.14 ve Mourtzakis ve ark.13 tarafından geliştirilen iki yöntemin ayrıntılı bir açıklamasını sunuyoruz.

<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

Vücut kompozisyonu, çeşitli durumlarda hastalığın ilerlemesi ve tedavi komplikasyonları riski ile ilişkilidir. Bu nedenle bilgisayarlı Tomografi (BT) ve/veya Manyetik Rezonans Görüntüleme (MRG) üzerinde iskelet kası kitlesi ve yağ dokularının nicelleştirilmesi cerrahi risk değerlendirmesini ve hastalık prognozlarını bilgilendirebilir. Bu makalede, başlangıçta Mourtzakis ve ark. ve Avrutin ve arkadaşları tarafından tanımlanan iki nicelleştirme yöntemi açıklanmaktadır: doku segmentasyonu ve iskelet kasının doğrusal ölçümü. Her iki ölçümde de hastaların üçüncü bel omurunun orta noktasında kesitsel görüntüsü elde edildi. Segmentasyon için, görüntüler Slice-O-Matic'e ithal edildi ve iskelet kası, kas içi yağ dokusu, viseral yağ dokusu ve deri altı yağ dokusu için renklendi. Daha sonra etiket yüzey alanı fonksiyonu kullanılarak her doku tipinin yüzey alanları hesaplandı. Doğrusal ölçümler için, bilateral psoas ve paraspinal kasların üçüncü bel omur seviyesindeki yüksekliği ve genişliği ölçülür ve bu dört değer kullanılarak yapılan hesaplama tahmini iskelet kas kütlesini verir. Segmentasyon analizi, hastaların vücut kompozisyonu hakkında nicel, kapsamlı bilgiler sağlar ve daha sonra hastalığın ilerlemesi ile ilişkilendirilebilir. Ancak, süreç daha zaman alıcıdır ve özel eğitim gerektirir. Doğrusal ölçümler, hızlı ameliyat öncesi değerlendirme için verimli ve klinik dostu bir araçtır. Bununla birlikte, doğrusal ölçümler yağ dokusu bileşimi hakkında bilgi sağlamaz. Bununla birlikte, bu yöntemler cerrahi sonuçları, hastalığın ilerleme riskini tahmin etmek ve hastalar için tedavi seçeneklerini bilgilendirmek için çeşitli hastalıklarda geniş uygulamalara sahiptir.

L3 segmentasyon prosedürü, kırmızı etiketli iskelet kası (SM) dokusu, yeşil IMAT, sarıDA KDV ve siyanda SAT ile etiketlenmiş bir BT veya MRI görüntüsü ile sonuçlanır (Şekil 1). Kalan etiketlenmemiş dokular, her pikselin ilgili Hounsfield birimi (HU) değerlerine karşılık gelen orijinal beyaz, gri ve arka tonlarında kalır. Beyaz renkte kalan etiketsiz dokuların çoğunluğu kemik, gri renkte kalan dokuların çoğunluğu bağırsak lümenleri içinde iskelet dışı kas, organ dokusu ve yağ dokusu, siyahta kalan görüntünün büyük çoğunluğu ise hava olacaktır. Düzgün bir şekilde parçalanmış bir görüntüde iskelet kas fasyası dışında kırmızı veya yeşil etiketleme ve iskelet kas fasyası içinde sarı veya siyan etiketleme olmayacaktır. Ek olarak, sarı etiketleme bağırsakların veya böbrek veya karaciğer gibi organların lümenlerini istila etmemelidir ve cilde karşılık gelen daha açık dış kenarlar boyunca camgöbeği etiketleme olmamalıdır. Görüntü segmentasyonu tamamlandıktan sonra, hastanın yüksekliğinin yanı sıra yüzey alanları ve ortalama doku HU değerleri de kaydedilmelidir (Tablo 1). Bu verilerden, iskelet kası indeksini hesaplayabilir ve belirli araştırma veya klinik sorularla ilgili diğer analizlere devam edilebilir. Çoğu MRI görüntüsü için, yalnızca iskelet kasının düzgün bir şekilde etiketlenebileceğini ve daha sonra analiz edilebileceğini unutmayın (Tablo 2). Doğrusal ölçümlerde, yüzey alanının yüksekliğin karesine bölünmesiyle bir indeks hesaplanır (Tablo 3).
Araştırmacıların segmentasyon prosedürü sırasında karşılaşabilecekleri yaygın sorunlar arasında anahtar bilgileri atlayan görüntüler bulunur. Örneğin, görüntülerin büyük bölümleri kesilmiş veya kırpılmış olabilir (Şekil 2). Özellikle, SAT ve/veya iskelet kas dokusunun çerçeveden kesilmesine neden olan görüntüler, etkilenen dokuların yüzey alanı hesaplamalarının doğruluğunu büyük ölçüde azaltacaktır. Bunun bir görüntüyü analiz için uygun hale getirip getirmediği klinik veya araştırma bağlamına bağlı olacaktır ve araştırma ekibi tarafından vaka bazında karar verilmelidir. Bir diğer tuzak ise araştırmacıların istemeden iskelet kasında omurilik ve kemik iliğini dahil edebilecekleridir. Bu sorunu önlemek için araştırmacılar iyi eğitilmeli ve segmentasyon sırasında dikkatli olmalıdır. BT veya MRI görüntülerindeki diğer yaygın eserler arasında hasta yerleşimi veya tarayıcıdaki hareketlerden kaynaklanan teknik sorunlar, iskelet kas fasyası etrafındaki yağ iplikçik ve skar dokuları ve diğer garip şekilli eserler bulunur (Şekil 3). Hasta hareketi veya yanlış yerleştirmeden kaynaklanan teknik sorunlar genellikle çevre dokudan daha yüksek HU değerleriyle daha hafif görünecektir. Bu tür teknik sorunlar genellikle SAT'da görünür ve yüzey alanı hesaplamasının doğruluğunu da azaltabilir. Klinik veya araştırma bağlamı, bu tür konulara tolerans düzeyini belirleyecektir. Yağ iplikçik ve skar doku eserleri genellikle doku yüzey alanı hesaplamalarında yüksek miktarda hataya neden olmaz. Bununla birlikte, fasyal çizginin yanlış tanımlamasına yol açabilirler. İskelet kası ve IMAT yüzey alanları, yağ tellerinin veya skar dokusunun kas fasyası çizgisi olarak yanlış olduğu durumlarda büyük ölçüde yanlış olabilir. BT ve MRI görüntülerindeki diğer küçük lekeler ve eserler genellikle nadir durumlar dışında genel görüntü kalitesini etkilemez. Klinik veya araştırma bağlamı bağlı olarak, bu eserlerin görüntü kalitesini doğrulamak için bir radyoloji uzmanı tarafından değerlendirilmesi gerekebilir. BT ve MRG görüntülerinde son sık karşılaşılan konu kas fasya hattındaki şekil bozukluklarıdır(Şekil 4). Bu kırılmalar genellikle görüntü kalitesini etkilemez, ancak kas fasyasında büyük kırılmalar veya diğer deformiteler içeren görüntüler, deformite kökeninin klinik veya araştırma bağlamı analizini etkileyip etkilemeyeceğini belirlemek için bir radyolog tarafından değerlendirilmelidir.
Avruvin ve ark. tarafından geliştirilen L3 doğrusal ölçüm prosedürü, L3 segmentasyon prosedürü14,15'tendaha az yaygınhatayasahiptir. Doğrusal ölçülerde karşılaşılan başlıca sorunlar, ilgi çekici kas gruplarını, iki psoas ve paraspinal kas gruplarını tanımlamak etrafında döner (Şekil 5). Çoğu durumda psoas kenarları yakındaki organlardan farklı olacaktır, ancak kenarın ayırt edilmesi zorsa, HU filtrelerini veya parlaklığını değiştirmek genellikle sorunların çoğunu çözecektir. Ek olarak, paraspinal kas gruplarının kenarları genellikle yakındaki diğer dokulardan farklı olacaktır, ancak net bir kas en alttaki fasya çizgisine ulaşmazsa, hattın paraspinal kas grubunun alt kenarının belirlenmesine dahil edilmesi gerektiğini not etmek gerekir. Son olarak, psoas veya paraspinal kas gruplarının kenarı belirlenirken quadratus lumborum hariç tutulmalıdır (Şekil 5E).
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/61674/61674fig01.jpg"> Şekil 1: Slice-O-Matic'te uygun L3 segmentasyonu. (A) L3 omurlarında değişmemiş eksenel BT görüntüsü. (B) İskelet kasına (SM), yeşil ila Kas İçi Yağ Dokusuna (IMAT), sarıdan Vezipik Yağ Dokusuna (KDV) ve Deri Altı Yağ Dokusuna (SAT) karşılık gelen kırmızı ile tamamen etiketlenmiş eksenel BT. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig01large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/61674/61674fig02.jpg"> Şekil 2: L3 CT görüntüsünü kesin. Slice-O-Matic'te önemli miktarda SAT'ın yanı sıra önemli miktarda iskelet kas dokusu kesilmiş etiketsiz bir CT <a href="https://www.jove.com/files/ftp_upload/61674/61674fig02large.jpg" target="_blank">görüntüsü. Bu rakamın daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/61674/61674fig03.jpg"> Şekil 3: Ortak eserler. (A) Etiketlenmemiş CT görüntüsünde sırasıyla kırmızı kutuda, mavi ovalde ve yeşil kutuda vurgulanan çeşitli eserler bulunur. Kırmızı kutu, tarama sırasında malalignment veya hareketten kaynaklanan bt taramasıyla ilgili teknik sorunları gösterir. Mavi oval, muhtemelen skar dokularından kaynaklanan ortak bir yapıtı vurgulamaktadır. Yeşil kare, birden fazla olası nedeni olabilecek lekeleri vurgular. (B) Kırmızı kutuda, mavi ovalde ve yeşil kutuda vurgulanan aynı ilgili eserlerin görünümlerini içeren etiketli CT taraması. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig03large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/61674/61674fig04.jpg"> Şekil 4: Kas fasyasında büyük kırılma. (A) Etiketsiz L3 CT görüntüsü mor kutuda iskelet kas fasyasında büyük bir kırılmayı vurgular. (B) Etiketli L3 CT görüntüsü, mor kutudaki iskelet kas fasyasındaki büyük kırılmanın etiketli görünümünü vurgular. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig04large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/61674/61674fig05.jpg"> Şekil 5: L3 doğrusal ölçümler. (A) Horos görüntü görüntüleyicide analizden önce orijinal L3 CT görüntüsü. (B) Geleneksel doğrusal ölçüm yöntemi, her kas için çizilen bir dikey çizgi ve bir yatay çizgi içerir. Bu çizgiler bir cetvel aracı ile ölçülür ve her kas grubunun yüzey alanını bulmak için çarpılır. Geleneksel doğrusal ölçüler yönteminin her zaman 90° 'de kesişen çizgilere sahip olması gerektiğini unutmayın. Geleneksel doğrusal önlemler yönteminin bu görüntüsü, horos'ta oluşturulduğundan ve 90 ° kavşaklara sahip olması garanti edilmezden görsel bir gösteridir. (C) (D) (E) L3 doğrusal ölçümler için Box yöntemi. (C) (D) Mavi ve mor kutu sırasıyla sağ ve sol psoaları, sarı ve yeşil kutu ise sırasıyla sağ ve sol paraspinal kası kapsar. (E) Açık mor ve turuncu kutular, Psoas ve paraspinal kas gruplarının kenarlarını belirlerken dikkate alınmaması gereken quadratus lumborum'u vurgular. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig05large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/61674/61674fig06.jpg"> Şekil 6: Doğrusal ölçülerin ve L3 kesitsel iskelet kas bölgesinin karşılaştırılması, n = 65. Kombine psoas ve paraspinal alanlar L3 kesitteki toplam iskelet kasına uygundur. <a href="https://www.jove.com/files/ftp_upload/61674/61674fig06large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>CT SEGMENTASYONU</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr>
<tr>
<td></td>
			<td>kas</td>
			<td>İntramüsküler Yağ Dokusu</td>
			<td>Viseral Yağ Dokusu</td>
			<td>Deri Altı Yağ Dokusu</td>
		</tr>
<tr>
<td>Suface Alanı (cm2)</td>
			<td>134.4</td>
			<td>8.402</td>
			<td>72.43</td>
			<td>271</td>
		</tr>
<tr>
<td>Hounsfield Birimi (ortalama)</td>
			<td>33.61</td>
			<td>2.1</td>
			<td>18.11</td>
			<td>67.76</td>
		</tr>
<tr>
<td>Hasta Yüksekliği Kare (m2)</td>
			<td>2.69</td>
			<td>İskelet Kas indeksi (Kas bölgesi/Yükseklik2, cm2/ m2)</td>
			<td></td>
			<td>49.97</td>
		</tr>
</tbody></table>Tablo 1: CT Segmentasyonu
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>MR SEGMENASYONU</td>
			<td></td>
		</tr>
<tr>
<td></td>
			<td>kas</td>
		</tr>
<tr>
<td>Suface Alanı (cm2)</td>
			<td>241.8</td>
		</tr>
<tr>
<td>Hounsfield Birimi (ortalama)</td>
			<td>35.85</td>
		</tr>
<tr>
<td>Hasta Yüksekliği (m2)</td>
			<td>3.39</td>
		</tr>
<tr>
<td>İskelet Kası indeksi</td>
			<td rowspan="2">71.42</td>
		</tr>
<tr>
<td>(Kas bölgesi/Yükseklik2, cm2/m2)</td>
		</tr>
</tbody></table>Tablo 2: MRI Segmentasyonu
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td colspan="8">DOĞRUSAL ÖNLEMLER</td>
		</tr>
<tr>
<td>Sağ Psoas Yüksekliği (cm)</td>
			<td>Sağ Psoas Genişliği (cm)</td>
			<td>Sol Psoas Yüksekliği (cm)</td>
			<td>Sol Psoas Genişliği (cm)</td>
			<td>Sağ Paraspinal Yükseklik (cm)</td>
			<td>Sağ Paraspinal Genişlik (cm)</td>
			<td>Sol Paraspinal Yükseklik (cm)</td>
			<td>Sol Paraspinal Genişlik (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">Toplam Psoas Alanı (cm2)</td>
			<td colspan="2">21.950</td>
			<td colspan="2">Toplam Paraspinal Alan (cm2)</td>
			<td colspan="2">61.813</td>
		</tr>
<tr>
<td colspan="4">Toplam Kas Bölgesi (cm2)</td>
			<td colspan="4">83.76</td>
		</tr>
<tr>
<td colspan="2">Hasta Yüksekliği Kare (m2)</td>
			<td colspan="2">2.496</td>
			<td colspan="2">Doğrusal Ölçü İndeksi (cm2/m2)</td>
			<td colspan="2">33.55</td>
		</tr>
</tbody></table>Tablo 3: Doğrusal Ölçüler

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

Segmentasyon ve doğrusal ölçümler, Bilgisayarlı Tomografi ve/veya Manyetik Rezonans Görüntüleme görüntülerini kullanarak iskelet kas kütlesini ve yağ dokularını ölçer. Burada, vücut kompozisyonunun hızlı ve doğru analizi için Slice-O-Matic yazılımının ve Horos görüntü görüntüleyicinin kullanımını özetliriz. Bu yöntemler prognoz ve risk tabakalaşması için önemli bilgiler sağlayabilir.

Slice-O-Matic ve Horos Kullanarak Vücut Kompozisyon Analizi için Segmentasyon ve Doğrusal Ölçüm

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

Sarkopenideki şerit kas dejenerasyonu kanser sağkalım ve tedavi başarısı için prognostik bir faktör olarak gösterilmiştir. Üçüncü bel bölgesinin bileşim analizi, iskelet kasının nicel karakterizasyonunu sağladığı ve BT taramaları içinde yağ dokusunun nitel bilgilerini sağladığı için ilgi çekicidir. Aşağıdaki prosedürler, dilimOmatic yazılımında protokol ve bölümlenmiş dikeyin yanı sıra CT ve MRI görüntülerinde kompozisyon analizi için ölçüm protokollerinizi sağlar.L3 omur protokolünün seçimi GE merkezli olarak tamamlanır. Farklı bir yazılım kullanıyorsanız, araçların değişebileceğini unutmayın. Hastanın ilgi alanı içinde yapılan BT veya MRI görüntülerini açın.Monitör bölgelerini, 2V pencere görünümünü seçin. Seriye geçerek sol ekrandaki koronal veya sagittal görünümü seçin, ardından koronal veya sagittal görüntüleri seçin. Serilere ve ardından eksenel görüntülere geçerek sağ ekranda eksenel görünümü seçin.İki görüntüye bağlamak için conn, cross-reference'a tıklayın, ardından omurga omurlarının kolayca görülebildiğinden emin olmak için koronal veya sagittal görünümdeki görüntüler arasında ilerleyin. Ardından, L1 omurlarını bulmak için eksenel görünüm görüntüleri arasında ilerleyin. L1, kaburga ataşmanı olmayan ilk omurdur.L1'den L3 omurlarına kadar say. L3 omurlarının merkezini bulmak için referans için sagittal veya koronal görünümü kullandığınızdan emin olun. Sınav menüsüne geçerek L3 görüntüsünü dışa aktarın, görüntüleri dışa aktar'ı, seçilen görüntüleri seçin.Biçimin DICOM olduğundan emin olun. Ardından görüntünün kaydedilmesi gereken konumu seçin. SliceOmatic'i açmak için DICOM dosyasını çift tıklatın.Program yüklendikten sonra, DICOM görüntüsünü sliceOmatic ekranına herhangi bir yere sürükleyin. Segmentasyona başlamak için büyüyen modlara gidin. Araçları seçin, etiket kilidi.Bu özellik sonraki adımlarda kullanılacaktır. Kas için H.U. sınırlarını ayarlamak için büyüyen bölgenin altındaki kırmızıya tıklayın. Ardından alt sınırın yanındaki kapat düğmesine tıklayın.Bu onu devam ettirecek. Kaydırıcıyla sınırı mümkün olduğunca negatif 29'a yakın olacak şekilde ayarlayın. Ardından fare tekerleğini tam olarak negatif 29 olarak ayarlamak için kullanın.Ardından, ayarlamak için üst sınırın yanındaki kapat düğmesine tıklayın. H.U.limitini pozitif 150 olarak ayarlamak için kaydırıcıyı ve fare tekerleğini kullanın Sonraki, I..M.A.T. için H.U.limitlerini ayarlamak için yeşil ikiye tıklayın ve alt ve üst sınırları aynı şekilde ayarlayın, ancak alt sınırı negatif 190 ve üst sınırı negatif 30 olarak ayarlayın. Bu kez alt sınırda negatif 150 ve üst sınırda negatif 50 olarak belirlenen V.A.T. sınırlarını ayarlamak için sarı beşe tıklayın.Son olarak, S.A.T. için H.U.limitlerini negatif 190 ve üst sınırı negatif 30 olarak ayarlamak için siyan yediye tıklayın. Görüntüyü gerektiği gibi yakınlaştırmak için klavyedeki artı ve eksi tuşlarına basın. Yakınlaştırmayı segmentasyon işlemi boyunca gerektiği gibi ayarlayın.Kırmızı olanı seçin ve fırça seçeneğinin boyanacak şekilde ayarlı olduğundan emin olun. Görüntü için en verimli olan fırça boyutunu kullanın ve kas dokusuna tıklayarak boyamaya başlayın. Psoas, paraspinal kas grupları ve eğik kas gruplarının üzerine boyayın.Bunların kas olarak etiketli olmadığından emin olmak için omurgaya, iç organlara veya sıvılara yakın kas kenarlarına dikkat edin. Yanlış etiketlenmiş bir şey varsa, hiçbirini seçmeyin ve hatayı silin. Tüm kas etiketlendikten sonra, etiket kilidi menüsünden birini seçin.Bu, segmentasyon ilerledikçe hiçbir kasnın yanlışlıkla silinmemesini veya yeniden etiketlenmemesini sağlayacaktır. Yeşil ikiyi seçin ve kas fasyası içindeki I.M.A.T.dokusunu boyayın. Unutmayın, kasın içindeki boşlukların çoğu I.M.A.T.Kas fasyasının kenarlarının genellikle görünüşte çevre dokuya göre daha hafif olduğunu unutmayın.Bu, özellikle eğik kas gruplarının paraspinal kas gruplarıyla buluştuğu bölgelerde ve erektör spinae'nin altındaki ancak fasyal çizginin üzerindeki bölgede yararlı bir rehber olabilir. Tüm I.M.A.T. etiketlendikten sonra, etiket kilidi menüsünün altındaki ikisini seçin. Daha sonra V.A.T.One'ı segmentlere ayırarak fırça seçeneğini kullanmaya başlamak için bölge büyüyen menüsünden sarı beşliyi seçin, ancak birçok görüntü için bunun yerine D'ye büyüt seçeneğini kullanmak daha kolay ve hızlı olabilir.Grow to D kullanıyorsanız, en küçük fırça boyutunu seçtiğinizden emin olun, ardından etiketlemek için görüntüdeki V.A.T.dokusunu tıklatın. Bağırsak veya diğer organların sınırı içindeki dokuların veya yağların V.A.T. olarak etiketlenmediğinden emin olun Tüm V.A.T.is etiketlendikten sonra etiket kilidi menüsünden beş tane seçin. Son olarak, S.A.T.tissue'u etiketlemek için bölge büyüyen menüsünden camgöbeği yedi'yi seçin.Yine, görüntüye bağlı olarak, S.A.T.dokusunun D'ye büyüme seçeneğiyle etiketlenerek etiketlenerek genellikle daha kolaydır. S.A.T. dokusu etiketlendikten sonra, sadece deri altı yağının S.A.T. olarak işaretli olduğundan emin olmak için kenarları kontrol edin. Tamamlandığında, go-to araçları, etiket yüzey hacmi.Pencere değerleri düğmesine tıklayın ve her dokunun yüzey alanını ve ortalama H.U. değerlerini kaydedin. Son olarak, dosyaya gidin, etiket dosyalarını kaydedin. Bu, DICOM görüntüsünün bulunduğu bir etiket dosyasını kaydeder.MRI segmentasyonuna başlamak için modlara, bölge büyütmeye gidin. Ön izleme penceresine baktığımızda, ilk tepenin hava, bir sonrakinin iskelet kası olduğu ve aşağıdaki zirveler ayırt edilebilirse, kemik ve ardından yağ dokusu olacağı H.U. değerlerinin histogramını görebiliriz. MRI görüntülerini kullanırken, zayıf yağ dokusu ayrımcılığı nedeniyle genellikle sadece iskelet kası güvenle parçalanabilir.Kırmızı olanı seçin ve sıfıra ayarlanmış olarak bırakmanın alt sınırını çevirin. Ardından üst sınırı açın ve fare tekerleği seçeneğini üst sınıra değiştirin. Ardından, boya ve büyük bir fırça seçeneği seçin, ardından imleci psoas kasının üzerine taşıyın, böylece imleç bölgesi hem kas hem de kemik içerir.Kemiğin kas olarak etiketli olmadığından emin olmak için, üst sınır dış kemik dokularından herhangi birini içermeyene kadar fare tekerleğini hareket ettirerek üst sınırı muhafazakar bir şekilde ayarlayın. Daha sonra kas dokusunu omurgaya hemen bitişik olarak bölün. Daha sonra, imleci linea alba'ya veya yağ dokusu ve kasının ayırt etmenin kolay olduğu taramada başka bir yere taşıyın.Herhangi bir yağ dokusu dahil etmeden üst sınırı mümkün olduğunca yüksek artırın. Buradan, kalan tüm iskelet kaslarını segmentlere ayırabilir. Bazı görüntüler için üst sınırın sürekli olarak ayarlanması gerekebileceğini unutmayın.Not, bu iki adımlı prosedürle üst sınırın belirlenmesi konservatif olsa da, kemik veya yağ dokusunun önemli ölçüde hatalı etiketlenmesinden endişe duymadan etiketlenecek iskelet kası miktarını optimize edecektir. Tamamlandığında, iskelet kasının yüzey alanını ve ortalama H.U. değerlerini kaydetmek için araçlara gidin, yüzey hacmini etiketleyin ve pencere değerlerini seçin. L3 omur bölgesinin doğrusal ölçümünün toplam kas kütlesi ile yakından ilişkili olduğu gösterilmiştir.Doğrusal ölçümün avantajı, kolaylığı ve hızının yanı sıra bir cetvel aracı veya kutu aracı ile herhangi bir yazılımda yapılabilmesidir. Bu protokol Horace Tıbbi Görüntüleme uygulaması kullanılarak gösterilmiştir. Farklı bir yazılım kullanıyorsanız, belirli araçların çok.İçeri aktar'a tıklayıp görüntü konumuna gidin ve aç'ı seçerek görüntüyü görüntüleyiciye içe aktarın. İçe aktarıldıktan sonra, görüntüyü altta görüntülemek için görüntünün veya hasta adının üzerine tıklayın. Görüntüyü ekranı kaplamak için çift tıklatın ve bu da araç seçeneklerini açar.Psoas ve paraspinal kas gruplarını tanımlayın. Not, paraspinal kas gruplarının kenarları belirlenirken quadratus lumborum dikkate alınmamalıdır. Cetvel aracını seçin.Kas grubunun en yüksek noktalarından kas grubunun en altına dikey bir çizgi çekin. Daha sonra kas grubunun en geniş kenarından kas grubunun diğer en geniş kenarına yatay bir çizgi çizin. Bu işlemi hem sağ hem sol psoas hem de sağ ve sol paraspinal gruplar için tekrarlayın.Çizilen çizgilerin 90 derecede kesişmesi gerektiğini unutmayın. Çizilen çizgilerin kenarları bağlanacaksa, bu bağlantının kas grubunun tamamını kapsayan bir kutu oluşturması gerektiğini unutmayın. Horace Medical Viewer'da, çizgilerin 90 derecede kesişmesini sağlamak için cetvel aracını kullanmak zordur.Bu nedenle, bunun yerine kutu çizim aracı kullanılmalıdır. Dikdörtgen aracını seçin. Her kas grubunun etrafına bir kutu çizin, şimdi kutunun kenarlarının kasın en yüksek ve en alt kısımlarına ve kasın en geniş kısımlarına dokunduğunu unutmayın.Kutu aracı dikey ve yatay boyutlarını görüntülediği sürece, kas sınırlarının kolay görselleştirilmesine izin verdiğinden cetvel aracına tercih edilebilir. Düzgün segmentlere ayrılmıştır bir BT veya MRI görüntüsü, fasyal çizgilerin ötesinde kas etiketlemesine sahip olmamalıdır ve BT görüntüleri için kas fasyası içinde veya ciltte yağ etiketleme olmamalıdır. İskelet kas indeksini hesaplamak için hastanın yüksekliğinin yanında kas yüzey alanını kaydedin.BT taramaları için yağ dokusu yüzey alanları, özel araştırmalara veya klinik sorulara göre kaydedilebilir. Ek olarak, kalite kontrolü için ortalama H.U.değerleri kaydedilebilir L3 doğrusal ölçüm, her kasın tamamını kapsayan cetvel veya kutu ölçümlerine sahip olmalıdır. Her bir kasın yatay genişliklerini ve dikey yüksekliklerini ve hasta yüksekliğini kaydedin.Toplam kas bölgesini elde etmek için bu alanları toplamından daha fazla, her kas için genişlikleri ve yükseklikleri çarpın. Toplam alanı kareli hasta yüksekliğine bölerek doğrusal ölçü indeksini hesaplayın. Gösterilen protokol, klinisyenlerin ve araştırmacıların sarkopeni değerlendirmesi için hızlı ve güvenilir nicel bilgi elde etmek için L3 CT veya MRI taramalarını kullanmalarına izin verir.

Research

JoVE Journal

Medicine

Dissection of Human Vitreous Body Elements for Proteomic Analysis

Proteomik Analizi İnsan Vitreus Gövde Elemanları diseksiyonu

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

Segmentasyon ve Mürin Obezite Modelleri Yağ Hacimleri ölçümü X-ray Bilgisayarlı Tomografi Kullanımı

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

Ambliyopi içinde Bastırma Ölçme ve Tedavisi

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

Fare kas iskelet morfoloji ve Fiber türü kompozisyon yarı otomatik analizi

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

Bütün beyin segmentasyon ve değişim noktası analizi anatomik beyin MR'ı — uygulama Premanifest Huntington hastalığı

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

Vücut kompozisyonu ve metabolik Caging Analizi yüksek yağ Fed farelerde

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

Metalik yabancı cisim yeme çocuklar için el Metal detektörü tarama

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

PubMed, Scopus ve Web of Science Veritabanlarını Kullanarak Bibliyometrik Analizlerin Karşılaştırılması

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

Kantitatif analiz düz kas hücre soy izleme farelerin gelişmiş aterosklerotik lezyonları içinde hücresel kompozisyon

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

Fare Kalbinde Kılcal Damarlar, Arterioles ve Perisitlerin Dinamik Ölçümü ve Görüntülenmesi

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