Summary

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

Published: March 21, 2021
doi:

Summary

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

Abstract

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

Introduction

Оценка саркопении и состава тела в настоящее время представляет большой клинический интерес. Хотя конкретные определения саркопении варьируются в зависимости от обстановки и контекста, все определения включают значительную потерю скелетной мышечной массы или мышечной силы, которые тесно коррелируют1,2,3. Анализ состава тела включает в себя измерения массы скелетных мышц и распределения жировой ткани, предоставляя более полную информацию об общей пригодности пациентов1,3,4. Аналогичным образом, было обнаружено, что непропорционально распределенная жировая ткань, особенно висцеральная жировая ткань, связана с различными заболеваниями, включая сердечные заболевания, диабет II типа и рак5.

Клинически было неоднократно показано, что саркопения и ее оценка с помощью линейных измерений является сильным прогностических фактором для выживания при раке злокачественных новообразований и онкологических исходов после операции, лучевой терапии и химиотерапии1,2,4,6,7,8. В частности, предыдущие исследования показывают, что у пациентов с саркопении снижается ракоспецифическая выживаемость и общая выживаемость1,2,9,10. Поэтому точная и быстрая клиническая оценка прогрессирования саркопении важна при определении выбора лечения. Обычное профилирование композиции всего тела требует анализа на трехмерном (3D) уровне с использованием методов визуализации, включая компьютерную томографию (КТ), магнитно-резонансную томографию (МРТ), денситометрию кости (DEXA) и анализ биоэлектрического импеданса (BIA), которые являются трудоемкими, дорогостоящими и требуют обширной подготовки5,11. Другим недостатком является отсутствие информации о распределении жиров, особенно для плетизмографии смещения воздуха (АДФ) и DEXA12. Таким образом, оценка и определение саркопении и состава тела с использованием обычных методов поперечной визуализации, таких как КТ или МРТ, которые используются как часть стандартной клинической практики, имеет большое клиническое значение5.

Одним из широко используемых программ сегментации в условиях клинических исследований является программа Slice-O-Matic, разработанная TomoVision. Используя процедуру сегментации Mourtzakis et al.13, программа позволяет исследователям или клиницистам полуавтоматно помечать различные типы тканей, такие как скелетные мышцы (SM), внутримышечная жировая ткань (IMAT), висцеральная жировая ткань (VAT) и подкожная жировая ткань (SAT), используя пороговые значения на основе плотности, что позволяет измерять общие области поперечного сечения каждой ткани. Эти измерения затем используются для оценки общей массы скелетных мышц тела и ожирения, часто после нормализации по росту пациента в квадрате, для выявления саркопении и саркопенического ожирения по популяционные пороги.

Недавно разработанный метод Avrutin et al.14 с использованием линейных измерений скелетных мышц показал, что потенциал одинаково надежен в оценке общей мышечной массы с использованием изображений МРТ и КТ поперечного сечения L314,15. Группы псоа и параспинальных мышц составляют большую часть площади мышечной поверхности области L3 и обладают высокой функциональностью, предполагая, что они могут быть высокоточными предикторами общей мышечной силы и, таким образом, главными кандидатами линейного измерения14,15. Для расчета площади мышечной поверхности получают горизонтальные и вертикальные измерения групп псоа и параспинальных мышц с помощью инструмента линейки для рисования пересекающихся на 90° прямых линий. Горизонтальные и вертикальные измерения каждой группы мышц умножаются для оценки площади поверхности каждой группы мышц, которая затем используется для расчета линейного мышечного индекса при деления на рост пациента. При минимальной тренировке весь этот процесс может занять менее 1 минуты.

Учитывая потенциальные последствия измерений состава тела для ухода за пациентами, существует острая необходимость в создании доступных учебных материалов. В этой статье мы предоставляем подробное описание двух методов, разработанных Avrutin et al.14 и Mourtzakis et al.13 для количественной оценки массы скелетных мышц и состава тела, соответственно, для поставщиков и клинических исследователей.

Protocol

Следующее исследование и протоколы были рассмотрены и одобрены Советом по институциональному обзору Университета Эмори. 1. Сегментация L3 CT Получите осевую КТ цифровую визуализацию и связь в медицине (DICOM). В средстве просмотра изображений определите позвонок L3. Если возможно, выберите два горизонтальных вида окна и выберите корональный или сагиттальный вид слева для справки и осевой вид справа. Нажмите на Cross Link, чтобы связать левое и правое окна. Прокрутите изображения вниз от черепного до каудального направления. Определите позвонок L1, который является первым позвоночном без реберного крепления. Подсчитайте от L1 до L3 и используйте корональный или сагиттальный вид для идентификации среза середины L3. Это определяется как точка, в которой оба поперечных процесса могут быть максимально и одинаково визуализированы. Выберите фрагмент L3. На вкладке Экзамен выберите Отправить экзамен и сохраните изображение в виде файла DICOM.ПРИМЕЧАНИЕ: Шаг 1 является этапом предварительной обработки и приведен здесь, чтобы продемонстрировать, как получить изображение L3. Если у исследователя уже есть изображение L3, он может перейти к шагу 2. Если средство просмотра изображений не включает перекрестные ссылки, исследователь может пропустить 1.1.1-1.1.2. Если визуализация не включает грудную область, определите L5, который находится перед крестцом, и отсчитайте от L5 до L3, имея в виду, что наличие шестого поясничного позвонка является нормальным вариантом. Откройте образ DICOM с помощью программного обеспечения Slice-O-Matic. Перетащите файл DICOM в любое место окна Slice-O-Matic. Выберите режимы | Регион Растет для начала сегментации. Если версия Slice-O-Matic имеет параметры протокола Альберты в верхней части списка параметров Режимы, то можно также выбрать Шаг 3: Сегментация, чтобы начать сегментацию. При использовании шага 3: сегментациявыполните шаг 5 и перейдите к шагу 11. Выберите инструменты | Блокировка тегов. Это позволит пользователю «заблокировать» помеченные цвета, чтобы гарантировать, что они не будут случайно окрашены или стерт позже. Идентификация скелетных мышц: нажмите на 1 (красный) под областью роста региона в левой части экрана. Нажмите на кнопку Выкл по нижнему пределу, чтобы включить его в Вкл. Нажимайте на стрелки колесом мыши, чтобы установить отключено на нижний предел. Перетащите ползунок на Нижний предел, чтобы установить порог Единицы Хаунсфилда (HU) как можно ближе к -29, а затем с помощью колеса мыши установите порог HU точно на -2913. Нажмите на кнопку Выкл по верхнему пределу, чтобы включить его в Вкл. Нажимайте на стрелки колесом мыши, чтобы установить Нижний предел на Верхний предел. Перетащите ползунок на Верхний предел, чтобы установить порог HU как можно ближе к 150, затем с помощью колеса мыши установите порог HU точно на 15013. Внутримышечное определение жировой ткани (IMAT): нажмите на 2 (зеленый) под областью роста области в левой части экрана. Нажмите на кнопку Выкл по нижнему пределу, чтобы включить его в Вкл. Нажимайте на стрелки колесом мыши, чтобы установить отключено на нижний предел. Перетащите ползунок на Нижний предел, чтобы установить порог HU как можно ближе к -190, затем с помощью колеса мыши установите порог HU точно на -19013. Нажмите на кнопку Выкл по верхнему пределу, чтобы включить его в Вкл. Нажимайте на стрелки колесом мыши, чтобы установить Нижний предел на Верхний предел. Перетащите ползунок на Верхний предел, чтобы установить порог HU как можно ближе к -30, затем с помощью колеса мыши установите порог HU точно на -3013. Идентификация висцеральной жировой ткани (НДС): нажмите на 5 (желтый) под областью роста региона в левой части экрана. Нажмите на кнопку Выкл по нижнему пределу, чтобы включить его в Вкл. Нажимайте на стрелки колесом мыши, чтобы установить отключено на нижний предел. Перетащите ползунок на Нижний предел, чтобы установить порог HU как можно ближе к -150, затем с помощью колеса мыши установите порог HU точно на -15013. Нажмите на кнопку Выкл по верхнему пределу, чтобы включить его в Вкл. Нажимайте на стрелки колесом мыши, чтобы установить Нижний предел на Верхний предел. Перетащите ползунок на Верхний предел, чтобы установить порог HU как можно ближе к -50, затем с помощью колеса мыши установите порог HU точно на -5013. Подкожная жировая клетчатка (SAT) Идентификация: нажмите на 7 (синий) под областью роста региона в левой части экрана. Нажмите на кнопку Выкл по нижнему пределу, чтобы включить его в Вкл. Нажимайте на стрелки колесом мыши, чтобы установить отключено на нижний предел. Перетащите ползунок на Нижний предел, чтобы установить порог HU как можно ближе к -190, затем с помощью колеса мыши установите порог HU точно на -19013. Нажмите на кнопку Выкл по верхнему пределу, чтобы включить его в Вкл. Нажимайте на стрелки колесом мыши, чтобы установить Нижний предел на Верхний предел. Перетащите ползунок на Верхний предел, чтобы установить порог HU как можно ближе к -30, затем с помощью колеса мыши установите порог HU точно на -3013. Используйте клавиши + и -на клавиатуре для увеличения и уменьшения масштаба изображения КТ. Отрегулируйте масштаб по мере необходимости на протяжении всей сегментации, чтобы четко и точно пометить ткани. Начните сегментирование, выбрав 1 для скелетной мышечной ткани (SM). Установите для параметра кисти значение «Рисовать». Используйте инструменты кисти, найденные непосредственно под Region Growing, чтобы приспособиться к желаемому размеру кисти и начать закрашивать группы Psoas, Paraspinal Muscle, косые и прямые мышцы.ПРИМЕЧАНИЕ: Если жидкости или органы вне мышечной фасции помечены красным цветом как мышцы, обязательно очистите маркировку, используя выбор цвета None. После того, как все мышцы будут помечены, выберите 1 в меню TAG Lock в левом нижнем углу экрана. Это гарантирует, что ни одна мышца не будет случайно повторно помечена или стерта по мере продолжения сегментации. Выберите 2 в разделе Регион Выращивание и закрасьте все жировые ткани (IMAT) в мышечной фасции. Обязательно используйте выбор цвета None, если какой-либо жир или структуры за пределами мышечной фасции ошибочно помечены как IMAT.ПРИМЕЧАНИЕ: Края мышечной фасции обычно кажутся легче, чем висцеральный или подкожный жир, окружающий ее. Обязательно пометьте весь жир в более светлых краях мышечной фасции как IMAT, а не VAT или SAT. Если linea alba не помечена как мышца, вся linea alba должна быть проанализирована как IMAT. После того, как все IMAT будут помечены, выберите 2 в меню TAG Lock в левом нижнем углу экрана. Выберите 5 в меню «Регион выращивания», чтобы пометить ткань НДС. При маркировке НДС, в зависимости от изображения, может быть проще использовать Grow 2D вместо Paint. При использовании Grow 2Dиспользуйте самый маленький параметр Paint Brush. При использовании Grow 2D обязательно оглянитесь на все помеченные НДС и убедитесь, что внутрипросветная ткань внутри кишечника или органов не помечена ошибочно, поскольку этот жир обычно происходит либо от переваривания пищи, либо от других структур, которые не являются НДС. При использовании Paint обязательно не красьте внутрь просвета органов или кишечника. После того, как все НДС помечены, выберите 5 в меню TAG Lock в левом нижнем углу экрана. Выберите 7 в меню «Регион выращивания», чтобы пометить ткань SAT. При пометке SAT, в зависимости от изображения, обычно проще использовать Grow 2D вместо Paint. При использовании Grow 2Dиспользуйте самый маленький параметр Paint Brush. При использовании Grow 2D обязательно вернитесь к краям изображения с выбранным инструментом «Нет», чтобы убедиться, что ни одна ткань в мышечной фасции не помечена как SAT и чтобы убедиться, что ни одна кожа не помечена как SAT.ПРИМЕЧАНИЕ: Кожа обычно светлее по внешнему виду, чем SAT, и обычно составляет около 2-3 пикселей в толщину, но имейте в виду, что внешний вид и толщина кожи могут варьироваться от изображения к изображению. Если вы используете Paint,обязательно позаботьтесь о краях, особенно вокруг кожи, чтобы убедиться, что ни одна ткань не помечена неправильно. Закончив маркировку тканей, перейдите в | Тег Поверхность/Том. Это отобразит площадь поверхности и объем каждой из помеченных тканей, обычно интерес заключается в площади поверхности. Нажмите «Отображать в окне», чтобы полностью открыть окно «Поверхность тегов/том». Это также будет отображать значения HU. Запишите пороговые значения поверхности и HU.ПРИМЕЧАНИЕ: Если окно Tag Surface/Volume не отображается в левом нижнем углу экрана, это может быть связано с тем, что для его отображения недостаточно места. В этом случае убедитесь, что окно Slice-O-Matic развернуто, а затем выберите Инструменты | Блокировка тегов, чтобы удалить окно Блокировка тегов. Это должно освободить достаточно места для отображения окна Tag Surface/Volume. После завершения перейдите в | файлов Сохраните файлы TAG. При этом будет сохранен файл TAG, в котором находится файл DICOM. 2. Сегментация МРТ L3 Получение осевого изображения DICOM МРТ (T2-взвешенных последовательностей) В средстве просмотра изображений определите позвонок L3. Если возможно, выберите два горизонтальных вида окна и выберите корональный или сагиттальный вид слева для справки и осевой вид справа. Нажмите на Cross Link, чтобы связать левое и правое окна. Прокрутите изображения вниз от черепного до каудального направления. Определите позвонок L1, который является первым позвоночном без реберного крепления. Подсчитайте от L1 до L3 и используйте корональный или сагиттальный вид для идентификации среза середины L3. Это определяется как точка, в которой оба поперечных процесса могут быть максимально и одинаково визуализированы. Выберите фрагмент L3. На вкладке Экзамен выберите Отправить экзамен и сохраните изображение в виде файла DICOM.ПРИМЕЧАНИЕ: Шаг 1 является этапом предварительной обработки и приведен здесь, чтобы продемонстрировать, как получить изображение L3. Если у исследователя уже есть изображение L3, он может перейти к шагу 2. Если средство просмотра изображений не включает перекрестные ссылки, исследователь может пропустить 1.1.1-1.1.2. Если визуализация не включает грудную область, определите L5, который находится перед крестцом, и посчитайте от L5 до L3, имея в виду, что наличие шестого поясничного позвонка является нормальным вариантом. Откройте образ DICOM с помощью программного обеспечения Slice-O-Matic. Перетащите файл DICOM в любое место окна Slice-O-Matic. Выберите режимы | Регион Растет для начала сегментации.ПРИМЕЧАНИЕ: Из-за плохой дифференцировки жировой ткани на снимках МРТ сегментирован только СМ. Сегментация параспинальных мышц: Нажмите на 1 (красный) под областью Роста области в левой части экрана. В режиме предварительного просмотрагистограммы изображения будут показывать несколько пиков, причем первый пик представляет воздух, а последующие второй, третий и четвертый пики представляют мышцы, кости и жир соответственно. Нажмите на кнопку Выкл по нижнему пределу, чтобы включить его в Вкл. Нажимайте на стрелки колесом мыши, чтобы установить отключено на нижний предел. Перетащите ползунок на Нижний предел, чтобы установить пороговое значение ЕДИНИЦы измерения Хаунсфилда (HU) на 0. Нажмите на кнопку Выкл по верхнему пределу, чтобы включить его в Вкл. Нажимайте на стрелки колесом мыши, чтобы установить Нижний предел на Верхний предел. Перетащите ползунок на верхний предел, чтобы установить HU для включения параспинальной мышцы. Начните сегментирование параспинальной мышцы, выбрав 1 для скелетной мышечной ткани (SM). Установите для параметра кисти значение «Рисовать». Используйте инструменты кисти, найденные непосредственно под Region Growing, чтобы приспособиться к желаемому размеру кисти и начать закрашивать группы параспинальных мышц.ПРИМЕЧАНИЕ: Если что-то помечено красным цветом как мышца на жидкостях или органах за пределами мышечной фасции, обязательно очистите маркировку, используя выбор цвета None. Сегментация оставшихся групп мышц: переместите мышь к передней части к linea alba. В режиме предварительного просмотра настройте верхний предел, включив linea alba. Этот верхний предел интенсивности затем принимается для всех оставшихся групп мышц. Начните сегментирование, выбрав 1 для скелетной мышечной ткани (SM). Установите для параметра кисти значение «Рисовать». Используйте инструменты кисти, найденные непосредственно под Region Growing, чтобы приспособиться к желаемому размеру кисти и начать закрашивать группы параспинальных мышц.ПРИМЕЧАНИЕ: Если что-то помечено красным цветом как мышца на жидкостях или органах за пределами мышечной фасции, обязательно очистите маркировку, используя выбор цвета None. Закончив маркировку тканей, перейдите в | Тег Поверхность/Том. Это будет отображать площадь поверхности и объем каждой из помеченных тканей, как правило, интерес заключается в площади поверхности. Нажмите «Отображать в окне», чтобы полностью открыть окно «Поверхность тегов/том». Это также будет отображать значения HU. Запишите пороговые значения поверхности и HU.ПРИМЕЧАНИЕ: Если окно Tag Surface/Volume не отображается в левом нижнем углу экрана, это может быть связано с тем, что для его отображения недостаточно места. В этом случае убедитесь, что окно Slice-O-Matic развернуто, а затем выберите Инструменты | Блокировка тегов, чтобы удалить окно Блокировка тегов. Это должно освободить достаточно места для отображения окна Tag Surface/Volume. После завершения перейдите в | файлов Сохраните файлы TAG. При этом будет сохранен файл TAG, в котором находится файл DICOM. 3. Линейное измерение для КТ и МРТ Получите осевое КТ или МРТ DICOM изображение. В средстве просмотра изображений определите позвонок L3. Если возможно, выберите два горизонтальных вида окна и выберите корональный или сагиттальный вид слева для справки и осевой вид справа. Нажмите на Cross Link, чтобы связать левое и правое окна. Прокрутите изображения вниз от черепного до каудального направления. Определите позвонок L1, который является первым позвоночном без реберного крепления. Подсчитайте от L1 до L3 и используйте корональный или сагиттальный вид для идентификации среза середины L3, определяемого точкой, в которой оба поперечных процесса одинаково идентифицируются.ПРИМЕЧАНИЕ: Шаг 1 является этапом предварительной обработки и приведен здесь, чтобы продемонстрировать, как получить изображение L3. Если у исследователя уже есть изображение L3, он может перейти к шагу 2. Если средство просмотра изображений не включает перекрестные ссылки, исследователь может пропустить 1.1.1-1.1.2. Если визуализация не включает грудной отдел, определите L5, который находится перед крестцом, и посчитайте от L5 до L3. Импортируйте изображение в средство просмотра медицинских изображений и откройте его. Для Horos: откройте приложение и нажмите «Импорт». Перейдите к тому, где находится изображение DICOM, выберите его и нажмите «Открыть». Файл и изображение должны отображаться в списке Имя пациента. Дважды щелкните имя пациента,затем дважды щелкните по изображению, чтобы начать линейную сегментацию. Определите мышцы псоас и параспинальные мышцы. Выберите инструмент линейки и измерьте горизонтальный (180°) и вертикальный (90°) диаметры четырех мышц, упомянутых выше.ПРИМЕЧАНИЕ: Линии должны быть горизонтальными и вертикальными к изображению, а не диагональными. Нарисованные горизонтальные и вертикальные линии должны создавать прямоугольную рамку, которая охватывает всю каждую мышцу. Не стоит просто измерять самое длинное расстояние мышцы. При использовании средства просмотра изображений, которое позволяет использовать инструмент рисования полей, этот инструмент можно использовать вместо простого инструмента линейки. Это при условии, что инструмент рисования коробок отображает по крайней мере высоту и длину коробки. Запишите все восемь измерений (ширина правого псоаса, длина правого псоаса, ширина левого псоаса, длина левого псоаса, правая параспинальная ширина, правая параспинальная длина, левая параспинальная ширина, левая параспинальная длина) для дальнейшего анализа. Рассчитайте площадь индивидуальной поверхности мышцы, умножив горизонтальное и вертикальное значение этой мышцы. Получите общую площадь мышечной поверхности мышц псоа и параспинальных мышц, добавив левую мышцу к правой мышце соответственно. Рассчитайте линейный мышечный индекс, разделив комбинированную площадь поверхности (мм2)на рост пациента в квадрате(м2).

Representative Results

Процедура сегментации L3 приводит к помеченному КТ или МРТ изображению с тканью скелетных мышц (SM), помеченной красным цветом, IMAT зеленым, VAT желтым и SAT в синю(рисунок 1). Остальные непомеченные ткани останутся в исходных белых, серых и задних оттенках, которые соответствуют соответствующим значениям единицы Хаунсфилда (HU) каждого пикселя. Большинство незамеченных тканей, которые остаются в белом цвете, будут костями, большинство тканей, которые остаются в серых, будут нескелетными мышцами, тканью органов и жировой тканью в просветах кишечника, а большая часть изображения, которое остается в черном цвете, будет воздухом. Правильно сегментированное изображение не будет иметь красных или зеленых меток за пределами фасции скелетных мышц и желтых или синих меток в фасции скелетных мышц. Кроме того, желтые метки не должны вторгаться в просвет кишечника или органов, таких как почки или печень, а синие метки не должны присутствовать вдоль более светлых внешних краев, которые соответствуют коже. После завершения сегментации изображения следует записать площадь поверхности и средние значения HU тканей вместе с ростом пациента(таблица 1). Исходя из этих данных, можно рассчитать индекс скелетных мышц и приступить к любому другому анализу, относящемуся к конкретному исследованию или клиническим вопросам. Обратите внимание, что для большинства изображений МРТ только скелетные мышцы могут быть правильно помечены и впоследствии проанализированы(таблица 2). При линейных измерениях индекс рассчитывается путем деления площади поверхности на квадрат высоты(таблица 3). Общие проблемы, с которыми исследователи могут столкнуться во время процедуры сегментации, включают изображения, в которых не указана ключевая информация. Например, изображения могут иметь значительные части, вырезанные или обрезанные(рисунок 2). В частности, изображения, на которых SAT и / или скелетная мышечная ткань вырезаны из кадра, резко снижают точность расчета площади поверхности пораженных тканей. Делает ли это изображение непригодным для анализа, будет зависеть от клинического или исследовательского контекста и должно решаться исследовательской группой в каждом конкретном случае. Еще одна ловушка заключается в том, что исследователи могут непреднамеренно включить спинной мозг и костный мозг в скелетные мышцы. Чтобы избежать этой проблемы, исследователи должны быть хорошо обучены и сохранять осторожность во время сегментации. Другие распространенные артефакты на изображениях КТ или МРТ включают технические проблемы, вызванные размещением или движением пациента в сканере, жировыми нитями и рубцовых тканей вокруг фасции скелетных мышц и другими артефактами странной формы(рисунок 3). Технические проблемы, вызванные движением пациента или неправильным размещением, обычно кажутся более легкими, с более высокими значениями HU, чем окружающие ткани. Такого рода технические проблемы обычно появляются в SAT, а также могут снизить точность расчета площади поверхности. Клинический или исследовательский контекст будет определять уровень толерантности к таким проблемам. Жировые и рубцовые тканевые артефакты обычно не приводят к большим погрешнокам в расчетах площади поверхности ткани. Однако они могут привести к неправильной идентификации фасциальной линии. Области скелетных мышц и поверхности IMAT могут быть очень неточными в тех случаях, когда жировые нити или рубцовая ткань ошибочно принимаются за линию мышечной фасции. Другие небольшие пятна и артефакты на снимках КТ и МРТ обычно не влияют на общее качество изображения, за исключением редких случаев. В зависимости от клинического или исследовательского контекста, эти артефакты могут потребоваться для оценки экспертом по радиологии для проверки качества изображения. Последней распространенной проблемой на снимках КТ и МРТ являются деформации в линии мышечной фасции(рисунок 4). Эти разрывы обычно не влияют на качество изображения, но изображения, содержащие большие разрывы или другие деформации в мышечной фасции, должны быть оценены радиологом, чтобы определить, повлияет ли происхождение деформации на анализ клинического или исследовательского контекста. Процедура линейного измерения L3, разработанная Avruvin et al., имеет меньше распространенных ошибок, чем процедура сегментации L314,15. Основные проблемы, возникающие при линейных измерениях, вращаются вокруг идентификации интересующих групп мышц, двух псоа и параспинальных групп мышц(рисунок 5). В большинстве случаев края псоа будут отличаться от близлежащих органов, но в том случае, если край трудно различить, изменение фильтров HU или яркости обычно решит большинство проблем. Кроме того, края групп параспинальных мышц часто будут отличаться от других близлежащих тканей, но следует отметить, что если ни одна четкая мышца не достигает самой нижней линии фасции, линия не должна включаться в определение нижнего края группы параспинальных мышц. Наконец, квадратус люмборума следует исключить при определении края псоа или параспинальных групп мышц(рисунок 5Е). Рисунок 1:Правильная сегментация L3 в Slice-O-Matic. (A) Неизменное осевое КТ-изображение на L3 позвонках. (B) Полностью помеченная осевая КТ с красным цветом, соответствующим скелетным мышцам (SM), зеленым – внутримышечной жировой ткани (IMAT), желтым – везиальной жировой ткани (VAT) и синим – подкожной жировой клетчатке (SAT). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка. Рисунок 2:Отрезанный L3 CT изображение. Непомеченное КТ-изображение в Slice-O-Matic со значительным количеством SAT, а также значительным количеством отрезанной скелетной мышечной ткани. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка. Рисунок 3:Общие артефакты. (A) Изображение КТ без тегов имеет различные артефакты, выделенные в красном поле, синем овале и зеленом поле соответственно. Красное поле показывает технические проблемы с компьютерной томографией, потенциально из-за неправильного совмещания или движения во время сканирования. Синий овал подчеркивает общий артефакт, вероятно, происходящий из рубцовых тканей. Зеленый квадрат выделяет пятна, которые могут иметь несколько потенциальных причин. (B) Помеченная компьютерная томография с появлением тех же соответствующих артефактов, выделенных в красном поле, синем овале и зеленом поле. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка. Рисунок 4:Большой разрыв мышечной фасции. (A) Непомеченное изображение L3 CT подчеркивает большой разрыв в фасции скелетных мышц в фиолетовой коробке. (B) Помеченное изображение L3 CT подчеркивает помеченный внешний вид большого разрыва в фасции скелетных мышц в фиолетовой коробке. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка. Рисунок 5:Линейные измерения L3. (A) Исходное изображение L3 CT перед анализом в просмотрщике изображений Horos. (B)Традиционный метод линейного измерения включает одну вертикальную линию и одну горизонтальную линию, нарисованную для каждой мышцы. Эти линии измеряются с помощью инструмента линейки и умножаются, чтобы найти площадь поверхности каждой группы мышц. Обратите внимание, что традиционный метод линейных мер всегда должен иметь линии, пересекающиеся под 90°. Это изображение традиционного метода линейных мер является визуальной демонстрацией только потому, что оно было создано в Хоросе и не гарантирует пересечений 90°. (C) (D) (E) Метод Коробки для линейных измерений L3. (C) (D) Синяя и фиолетовая прямоугольники охватывают правую и левую псоа, соответственно, а желтая и зеленая коробка охватывают правую и левую параспинальную мышцы соответственно. (E) Светло-фиолетовые и оранжевые коробочки выделяют квадратус люмборум, который не следует учитывать при определении краев псоа и параспинальных групп мышц. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка. Рисунок 6:Сравнение линейных показателей и площади поперечного сечения скелетных мышц L3, n = 65. Комбинированные псоа и параспинальные области находятся в соответствии с общей скелетной мышцей в поперечном сечении L3. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка. СЕГМЕНТАЦИЯ КТ мышца Внутримышечно жировая ткань Висцеральная жировая ткань Подкожная жировая клетчатка Площадь suface (см2) 134.4 8.402 72.43 271 Подразделение Хаунсфилд (среднее значение) 33.61 2.1 18.11 67.76 Рост пациента в квадрате(м 2) 2.69 Индекс скелетных мышц (Площадь мышц/Рост2, см2/м 2) 49.97 Таблица 1: Сегментация КТ МРТ СЕГМЕНАЦИЯ мышца Площадь suface (см2) 241.8 Подразделение Хаунсфилд (среднее значение) 35.85 Высота пациента(м 2) 3.39 Индекс скелетных мышц 71.42 (Площадь мышц/Высота2, см2/м2 ) Таблица 2: Сегментация МРТ ЛИНЕЙНЫЕ МЕРЫ Высота правого Псоаса (см) Ширина правого псоаса (см) Высота левого Псоаса (см) Ширина левого Псоаса (см) Высота правого параспина (см) Правая параспинальная ширина (см) Высота левого параспина (см) Левая параспинальная ширина (см) 3.934 2.927 3.743 2.788 4.916 6.264 4.403 7.045 Общая площадь Псоас(см2) 21.950 Общая площадь параспина(см2) 61.813 Общая площадь мышц(см2) 83.76 Рост пациента в квадрате(м 2) 2.496 Индекс линейного измерения (см2/м2) 33.55 Таблица 3: Линейные меры

Discussion

Мышцы псоа, параспинальные группы мышц и косые мышцы тесно коррелируют с общей мышечной массой5. В частности, площадь поверхности в поперечном сечении КТ или МРТ этих групп мышц в средней точке третьего поясничного позвонка (L3) сильно коррелирует с общей мышечной массой, что делает это изображение идеальным для исследователей или клиницистов для использования при оценке саркопении1,2,13. Сегментация и линейные измерения продемонстрировали большую ценность в оценке состава тела и выявлении плохих прогностических состояний, таких как саркопения и саркопеническое ожирение у пациентов16,17лет. Исследования показали, что измерения мышечной массы связаны с выживаемостью и риском серьезных осложнений после крупных операций или планов лечения, таких как химиотерапия и химиотерапевтическая токсичность16,17,18. Поэтому мы бы предположили, что клиницистам может быть полезно иметь данные о составе тела, прежде чем консультировать пациентов относительно вариантов лечения.

В настоящее время существует несколько методов оценки состава тела. Несколько методов, таких как денситометрия12 и плетизмография смещения воздуха (ADP)19,используют воздушную массу и смещение, соответственно, для оценки процента жира в организме и плотности тела. Хотя эти методы могут быть полезны, они не могут определить распределение жировойткани 5,19. Другие методы анализа состава тела, такие как BIA, основывают свой анализ на различных электрических характеристиках жировой массы и безжировой массы12. Тем не менее, опять же, этот метод не может адекватно оценить распределение жира, а также требует больше информации, такой как этническая принадлежность, возраст и пол для более точных измерений19. И наоборот, было показано, что такие оценки, как DEXA, полезны при оценке состава тела, но имеют тенденцию переоценивать мышечную массу с увеличением ожирения12. Несколько протоколов также использовали метод Region-of-Interest (ROI) для получения данных о мышечной массе и жировой ткани в программном обеспечении dicom-просмотра, которое, как было показано, имеет хорошую корреляцию с анализом состава тела BIA для оценки саркопении и оценки питания20,21.

Процедура сегментации, разработанная Mourtzakis et al., имеет преимущество перед альтернативными оценками состава тела, поскольку она может быть выполнена на большинстве изображений КТ или МРТ и точно определяет распределение жировой ткани и мышечнуюобласть 13. Кроме того, осевая сегментация L3 имеет преимущество точности независимо от статуса ожирения пациента13. Подобно вышеупомянутым альтернативам, метод линейных мер, разработанный Avrutin et al.14, не имеет возможности оценить распределение жира. В последнее время исследователи продемонстрировали разрозненность сегментации тела, особенно в методах измерения только мышц псоа22. Мышечная масса Psoas сама по себе не очень репрезентативна для количества поясничных мышц или систематического мышечного истощения и может не сильно коррелировать с клиническими исходами22. Эта проблема может быть более тревожной при линейном измерении, так как мышцы псоас являются основной группой мышц при оценке. Тем не менее, наша описанная методика включает в себя двусторонние оценки псоа и параспинальных мышц для оценки более точной, но в то же время быстрой и удобной оценки мышечной массы поперечного сечения. Будущие исследования, которые подтверждают соответствие между линейными методами измерения и сегментации КТ / МРТ и их корреляцию с клиническими результатами, оправданы.

Как сегментация L3, так и линейные процедуры измерения были первоначально разработаны для быстрой и точной оценки мышечного содержимого всего тела. Сегментируя только позвонки L3, протокол экономит время, предоставляя исследователям или клиницистам достаточно информации для определения мышечной массы пациента и статуса ожирения. Однако, несмотря на то, что сегментация L3 занимает гораздо меньше времени, чем сегментация всего тела, использование программного обеспечения Slice-O-Matic все равно может занять много времени и дорого. И наоборот, линейные измерения могут быть такими же точными, как сегментация L3 при оценке мышечного статуса и саркопении у критически больных пациентов14,15. Мы продемонстрировали такую взаимосвязь в когорте Т3-клеточной карциномы, где скелетная мышца, измеренная линейными измерениями, тесно коррелирует со значением, измеренным сегментацией(рисунок 6). Важно отметить, что метод чрезвычайно быстрый, а программное обеспечение для обработки изображений является бесплатным. Однако наиболее заметным ограничением процедуры линейного измерения является отсутствие у нее способности оценивать содержание жировой ткани, что ограничивает клиницистов контекстами, где общая оценка мышечного содержимого достаточна.

Существует три критических этапа как в процедурах сегментации, так и в процедурах линейного измерения. Во-первых, клиницисты и исследователи должны идентифицировать середину позвонков L3 для достижения консистенции. Середина позвонков L3 будет срезом, где костный мозг поперечных отростков наиболее заметен. Осевой срез позвонков L3 легче идентифицировать с помощью сшитого сагиттального или коронального вида. Исследователи или клиницисты могут сначала найти позвонки L1 или крестец в качестве точки отсчета, имея в виду, что наличие шести поясничных позвонков вместо пяти является нормальным вариантом. Следующим важным шагом является идентификация мышц. При линейных измерениях квадратус люмборума не следует включать при измерении вертикальных и горизонтальных измерений. В-третьих, исследователи также должны обратить пристальное внимание при маркировке НДС в протоколе сегментации, так как содержимое толстой кишки иногда может быть помечено как висцеральная жировая ткань23. Когда возникает такая ошибка, исследователи должны стереть эти области, прежде чем переходить к следующему шагу.

Распространенной проблемой сегментации является плохое качество изображения КТ или МРТ (см. Репрезентативные результаты для примеров). В некоторых случаях низкое качество не делает изображение бесполезным, но в других случаях изображение может потребоваться исключить из анализа. Другое, возможно, неизбежное ограничение сегментации одного изображения включает в себя случайное изменение положения твердого органа от изображения к изображению.

Другие общие проблемы как для анализа сегментации L3, так и для анализа линейных измерений часто связаны с меж- и внутриреймерными вариациями. Как и в случае с большинством протоколов, можно ожидать определенных различий между наблюдателями и между отдельными испытаниями одного человека. Чтобы учесть и свести к минимуму межрейтерные вариации с несколькими людьми, выполняющими анализ, команда исследователей или клиницистов может проверить любые статистически значимые изменения в измерениях площади поверхности и среднего HU из одного и того же изображения. Обратите особое внимание на вариации HU, поскольку это укажет, действительно ли исследователи или клиницисты, которые имеют очень похожие площади поверхности для одного и того же изображения, отмечают ткани примерно одинаково. Чтобы проверить значительные изменения внутрирейтности для отдельного человека, исследователи или клиницисты могут взять небольшое подмножество изображений и сегментировать каждое изображение до тех пор, пока все реплики для каждого изображения не будут находиться в узком, статистически незначимом поле.

Мы признаем, что оба протокола, представленные здесь, имеют ограничения в анализе состава тела, поскольку используется только один срез. Как предполагают Shen et al., 3D-анализ может дать более точную информацию для брюшного висцерального жира, а анализ одного среза для НДС находится на разных уровнях для мужчин и женщин24. Тем не менее, протоколы, обсуждаемые здесь, по-прежнему ценны, поскольку они обеспечивают быструю оценку мышечной, а также жировой ткани, которая может быть использована для скрининга саркопении в клиниках.

Кроме того, существует множество автоматизированных протоколов анализа состава тела с использованием алгоритмов 3D-машинного обучения, особенно алгоритмов классификации на основе нейронных сетей25. Мы признаем, что это могут быть потенциальные будущие альтернативы традиционной 2D-сегментации. Однако эти методы требуют больших наборов данных изображений КТ и МРТ для разработки, тестирования и внедрения в клинических и исследовательских условиях. Кроме того, эти методы часто требуют анализа 2D-сегментации для установления базового ориентира, по которому можно проверить алгоритмы машинного обучения. Поэтому протоколы, демонстрируемые здесь, могут быть полезны, когда большие наборы данных или 3D-изображения недоступны, и эти протоколы могут быть применены для разработки и проверки алгоритмов машинного обучения, когда они применимы. Таким образом, мы считаем, что клиницисты и исследователи могут извлечь выгоду из этого обучающее видео и принять эти быстрые и надежные методы в качестве предварительного скрининга до того, как будет доступен автоматизированный анализ, и для того, чтобы облегчить внедрение этой передовой технологии.

Способность быстро анализировать распределение жировой ткани и массу скелетных мышц имеет широкий спектр клинических интересов, начиная от лечения рака и исследований до сердечных заболеваний5. По сравнению с другими широко используемыми методами, Mourtzakis et al. Процедура сегментации L3 в Slice-O-Matic может точно и быстро оценить распределение жировой ткани и определить статус саркопении5,12,13,19. Кроме того, в контекстах, где информация о массе скелетных мышц достаточна, процедура линейного измерения L3 является надежным и очень быстрым инструментом, помогая прогнозировать успех в лечении рака, таких как хирургия, лучевая терапия и химиотерапия1,2,4,6,7,8. Цель этого обучающих видео и рукописи состоит в том, чтобы четко очертить протокол сегментации и линейных измерений для будущего использования, чтобы клиницисты могли легче оценить состав тела в условиях клиники.

Disclosures

The authors have nothing to disclose.

Acknowledgements

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

Materials

Centricity PACS Radiology RA 1000 Workstation GE  Healthcare Image viewer to obtain subject's MRI and CT images
Slice-O-Matic 5.0 TomoVision Segmentation software used in this protocol. Other versions of this software may be used, but tools may be slightly different.
Horos Nimble Co LLC d/b/a Purview Linear segmentation software used in this protol, but researchers can use any image viewer with a ruler tool.

References

  1. Psutka, S. P., et al. Decreased skeletal muscle mass is associated with an increased risk of mortality after radical nephrectomy for localized renal cell cancer. The Journal of Urology. 195 (2), 270-276 (2016).
  2. Fukushima, H., Nakanishi, Y., Kataoka, M., Tobisu, K., Koga, F. Prognostic significance of sarcopenia in patients with metastatic renal cell carcinoma. The Journal of Urology. 195 (1), 26-32 (2016).
  3. Santilli, V., Bernetti, A., Mangone, M., Paoloni, M. Clinical definition of sarcopenia. Clinical Cases in Mineral and Bone Metabolism. 11 (3), 117-180 (2014).
  4. Caan, B. J., et al. Association of muscle and adiposity measured by computed tomography with survival in patients with nonmetastatic breast cancer. JAMA Oncology. 4 (6), 798-804 (2018).
  5. Borga, M., et al. Advanced body composition assessment: from body mass index to body composition profiling. Journal of Investigative Medicine. 66 (5), 1-9 (2018).
  6. Cushen, S. J., et al. Body composition by computed tomography as a predictor of toxicity in patients with renal cell carcinoma treated with sunitinib. American Journal of Clinical Oncology. 40 (1), 47-52 (2017).
  7. Bernstein, A. P., et al. A comparison of perinephric fat surface area and Mayo Adhesive Probability score in predicting malignancy in T1 renal masses. Urologic Oncology. 36 (11), 417-499 (2018).
  8. Auclin, E., et al. Prediction of everolimus toxicity and prognostic value of skeletal muscle index in patients with metastatic renal cell carcinoma. Clinical Genitourinary Cancer. 15 (3), 350-355 (2017).
  9. Vashi, P. G., et al. Sarcopenia supersedes subjective global assessment as a predictor of survival in colorectal cancer. PLoS One. 14 (6), 0218761 (2019).
  10. Elliott, J. A., et al. Sarcopenia: prevalence, and impact on operative and oncologic outcomes in the multimodal management of locally advanced esophageal cancer. Annals of Surgery. 266 (5), 822-830 (2017).
  11. Kanellakis, S., et al. Development and validation of a bioelectrical impedance prediction equation estimating fat free mass in Greek – Caucasian adult population. Clinical Nutrition ESPEN. 36, 166-170 (2020).
  12. Bredella, M. A., et al. Comparison of DXA and CT in the assessment of body composition in premenopausal women with obesity and anorexia nervosa. Obesity (Silver Spring). 18 (11), 2227-2233 (2010).
  13. Mourtzakis, M., et al. A practical and precise approach to quantification of body composition in cancer patients using computed tomography images acquired during routine care. Applied Physiology, Nutrition, and Metabolism. 33 (5), 997-1006 (2008).
  14. Avrutin, E., et al. Clinically practical approach for screening of low muscularity using electronic linear measures on computed tomography images in critically ill patients. JPEN. Journal of Parenteral and Enteral Nutrition. 42 (5), 885-891 (2018).
  15. Cespedes Feliciano, E. M., Avrutin, E., Caan, B. J., Boroian, A., Mourtzakis, M. Screening for low muscularity in colorectal cancer patients: a valid, clinic-friendly approach that predicts mortality. Journal of Cachexia, Sarcopenia and Muscle. 9 (5), 898-908 (2018).
  16. Peng, P., et al. Impact of sarcopenia on outcomes following resection of pancreatic adenocarcinoma. Journal of Gastrointestinal Surgery. 16 (8), 1478-1486 (2012).
  17. Jones, K. I., Doleman, B., Scott, S., Lund, J. N., Williams, J. P. Simple psoas cross-sectional area measurement is a quick and easy method to assess sarcopenia and predicts major surgical complications. Colorectal Disease. 17 (1), 20-26 (2015).
  18. Prado, C. M., et al. Sarcopenia as a determinant of chemotherapy toxicity and time to tumor progression in metastatic breast cancer patients receiving capecitabine treatment. Clinical Cancer Research. 15 (8), 2920-2926 (2009).
  19. Fields, D. A., Goran, M. I., McCrory, M. A. Body-composition assessment via air-displacement plethysmography in adults and children: a review. The American Journal of Clinical Nutrition. 75, 453-467 (2002).
  20. Zopfs, D., et al. Single-slice CT measurements allow for accurate assessment of sarcopenia and body composition. European Radiology. 30 (3), 1701-1708 (2020).
  21. Schwenzer, N. F., et al. Quantitative analysis of adipose tissue in single transverse slices for estimation of volumes of relevant fat tissue compartment. Investigative Radiology. 45 (12), 788-794 (2010).
  22. Baracos, V. E. Psoas as a sentinel muscle for sarcopenia: a flawed premise. Journal of Cachexia, Sarcopenia and Muscle. 8 (4), 527-528 (2017).
  23. Potretzke, A. M., Schmitz, K. H., Jensen, M. D. Preventing overestimation of pixels in computed tomography assessment of visceral fat. Obesity Research. 12 (10), 1698-1701 (2004).
  24. Shen, W., et al. Total body skeletal muscle and adipose tissue volumes: estimation from a single abdominal cross-sectional image. Journal of Applied Physiology. 97 (6), 2333-2338 (2004).
  25. Weston, A. D., et al. Automated abdominal segmentation of CT scans for body composition analysis using deep learning. Radiology. 290 (3), 669-679 (2019).

Play Video

Cite This Article
Steele, S., Lin, F., Le, T., Medline, A., Higgins, M., Sandberg, A., Evans, S., Hong, G., Williams, M. A., Bilen, M. A., Psutka, S., Ogan, K., Master, V. A. Segmentation and Linear Measurement for Body Composition Analysis using Slice-O-Matic and Horos. J. Vis. Exp. (169), e61674, doi:10.3791/61674 (2021).

View Video