تجزئة وقياس خطي لتحليل تكوين الجسم باستخدام شريحة-O-ماتيتش وهوروس
Summary
التقسيم والقياسات الخطية قياس كتلة العضلات والهيكل العظمي والأنسجة الدهنية باستخدام التصوير المقطعي المحوسب و / أو صور التصوير بالرنين المغناطيسي. هنا ، نوضح استخدام برنامج Slice-O-Matic ومشاهد الصور Horos للتحليل السريع والدقيق لتكوين الجسم. ويمكن لهذه الأساليب أن توفر معلومات هامة عن التكهن وتقسيم المخاطر إلى طبقات.
Abstract
يرتبط تكوين الجسم بخطر تطور المرض ومضاعفات العلاج في مجموعة متنوعة من الحالات. لذلك، قد يؤدي القياس الكمي لكتلة العضلات والهيكل العظمي والأنسجة الدهنية على التصوير المقطعي المحوسب (CT) و/أو التصوير بالرنين المغناطيسي (MRI) إلى تقييم مخاطر الجراحة وتشخيص المرض. تصف هذه المقالة طريقتين للقياس الكمي وصفهما في الأصل مورتزاكيس وآخرون وأفروتين وآخرون: تجزئة الأنسجة والقياس الخطي للعضلات الهيكلية. تم الحصول على صورة المرضى المقطعية العرضية عند نقطة الوسط للفقرة القطنية الثالثة لكلا القياسين. للتجزئة ، تم استيراد الصور إلى Slice-O-Matic وملونة للعضلات الهيكلية والأنسجة الدهنية العضلية والأنسجة الدهنية الحشوية والأنسجة الدهنية تحت الجلد. ثم تم حساب مساحات سطحية من كل نوع من أنواع الأنسجة باستخدام وظيفة مساحة سطح العلامة. بالنسبة للقياسات الخطية، يتم قياس ارتفاع وعرض العضلات الثنائية والعضلات شبه الأساسية على مستوى الفقرة القطنية الثالثة، وتسفر الحسابات باستخدام هذه القيم الأربع عن كتلة العضلات الهيكلية المقدرة. يوفر تحليل التقسيم معلومات كمية وشاملة حول تكوين جسم المرضى ، والتي يمكن ربطها بعد ذلك بتطور المرض. غير أن العملية تستغرق وقتا أطول وتتطلب تدريبا متخصصا. القياسات الخطية هي أداة فعالة وصديقة للعيادة للتقييم السريع قبل الجراحة. ومع ذلك، لا توفر القياسات الخطية معلومات عن تكوين الأنسجة الدهنية. ومع ذلك، فإن هذه الطرق لها تطبيقات واسعة في مجموعة متنوعة من الأمراض للتنبؤ بالنتائج الجراحية، وخطر تطور المرض وإبلاغ خيارات العلاج للمرضى.
Introduction
تقييم الساركوبينيا وتكوين الجسم حاليا من أهمية سريرية كبيرة. على الرغم من أن التعاريف المحددة للساركوبينيا تختلف تبعا للإعداد والسياق، وتشمل جميع التعاريف فقدان كبير من كتلة العضلات الهيكلية أو قوة العضلات، والتي ترتبط ارتباطاوثيقا 1،2،3. يتضمن تحليل تكوين الجسم قياسات كتلة العضلات والهيكل العظمي وتوزيع الأنسجة الدهنية ، وتوفير معلومات أكثر شمولا حول اللياقة العامة للمرضى1و3و4. وبالمثل، تم العثور على الأنسجة الدهنية الموزعة بشكل غير متناسب، وخاصة الأنسجة الدهنية الحشوية، أن تكون ذات صلة بأمراض مختلفة، بما في ذلك أمراض القلب، ومرض السكري من النوع الثاني، والسرطان5.
سريريا، وقد ثبت مرارا وتكرارا ساركوبينيا وتقييمها من قبل القياسات الخطية لتكون عاملا التكهن قوية للبقاء على قيد الحياة سرطان محددة عبر الأورام الخبيثة ونتائج الأورام بعد الجراحة والعلاج الإشعاعي والعلاج الكيميائي1،2،4،6،7،8. على وجه الخصوص، أظهرت الأبحاث السابقة أن المرضى الذين يعانون من ساركوبينيا قد انخفض البقاء على قيد الحياة سرطان محددة والبقاء على قيد الحياة عموما1،2،9،10. لذلك ، فإن التقييم السريري الدقيق والسريع لتطور الساركوبينيا مهم في تحديد انتخابات العلاج. يتطلب التنميط التقليدي لتكوين الجسم كله تحليلا على مستوى ثلاثي الأبعاد (ثلاثي الأبعاد) باستخدام تقنيات التصوير ، بما في ذلك التصوير المقطعي المحوسب (CT) والتصوير بالرنين المغناطيسي (MRI) وقياس كثافة العظام (DEXA) وتحليل المعاوقة الكهربية الحيوية (BIA) ، والتي تستغرق وقتا طويلا ومكلفة وتتطلب تدريبا مكثفا5و11. عيب آخر هو نقص المعلومات عن التوزيع الدهني ، وخاصة بالنسبة للإزاحة الجوية plethysmography (ADP) و DEXA12. لذلك ، تقييم وتحديد الساركوبينيا وتكوين الجسم مع استخدام طرائق التصوير المقطعي التقليدي مثل CT أو MRI ، والتي تستخدم كجزء من الممارسة السريرية القياسية للرعاية ، له قيمة سريرية كبيرة5.
أحد برامج التقسيم الشائعة الاستخدام في إعداد الأبحاث السريرية هو برنامج Slice-O-Matic الذي طورته TomoVision. باستخدام إجراء التقسيم Mourtzakis وآخرون13 ، يسمح البرنامج للباحثين أو الأطباء بالوسم شبه التلقائي لأنواع مختلفة من الأنسجة مثل العضلات الهيكلية (SM) والأنسجة الدهنية العضلية (IMAT) والأنسجة الدهنية الحشوية (VAT) والأنسجة الدهنية تحت الجلد (SAT) باستخدام العتبات القائمة على الكثافة ، مما يسمح بقياس المناطق المقطعية الشاملة لكل نسيج. ثم تستخدم هذه القياسات لتقدير إجمالي كتلة العضلات الهيكلية في الجسم والدهون، وغالبا بعد التطبيع من قبل ارتفاع المريض مربعة، لتحديد الساركوبينيا والسمنة الساركوبينية من قبل عتبات السكان.
وقد أظهرت طريقة وضعت مؤخرا من قبل Avrutin وآخرون14 باستخدام القياسات الخطية للعضلات الهيكل العظمي وضعت القدرة على أن تكون موثوقة على قدم المساواة في تقدير إجمالي كتلة العضلات باستخدام التصوير بالرنين المغناطيسي والصور المقطعية من المقطع العرضي L314,15. تشكل مجموعات العضلات شبه النخاعية والبارازبينات جزءا كبيرا من مساحة سطح العضلات في منطقة L3 ولها وظائف عالية ، مما يشير إلى أنها قد تكون تنبؤات عالية الدقة لقوة العضلات الإجمالية ، وبالتالي فإن المرشحين الرئيسيين للقياس الخطي14،15. لحساب مساحة السطح العضلي، يتم الحصول على قياسات أفقية وعمودية لمجموعات العضلات psoas وparaspinal باستخدام أداة مسطرة لرسم خطوط مستقيمة متقاطعة 90 درجة. يتم ضرب القياسات الأفقية والعمودية لكل مجموعة عضلية لتقدير مساحة سطح كل مجموعة عضلية ، والتي يتم استخدامها بعد ذلك لحساب مؤشر العضلات الخطية عند تقسيمها على طول المريض. مع الحد الأدنى من التدريب، يمكن أن تستغرق هذه العملية بأكملها أقل من دقيقة واحدة.
وبالنظر إلى الآثار المحتملة لقياسات تكوين الجسم على رعاية المرضى، هناك حاجة ملحة إلى إنشاء مواد تدريبية يسهل الوصول إليها. في هذه المقالة، نقدم وصفا مفصلا ل طريقتين طورهما أفروتين وآخرون14 ومورتزاكيس وآخرون13 لتحديد كتلة العضلات الهيكلية وتكوين الجسم، على التوالي، لمقدمي الخدمات والباحثين السريريين.
Protocol
Representative Results
Discussion
العضلة psoas, مجموعات العضلات paraspinal, والعضلات المائلة ترتبط ارتباطا وثيقا مع كتلة العضلاتالشاملة 5. على وجه الخصوص، ترتبط مساحة السطح داخل مقطع عرضي CT أو MRI من هذه المجموعات العضلية عند نقطة الوسط للفقرة القطنية الثالثة (L3) ارتباطا وثيقا بكتلة العضلات الإجمالية، مما يجعل هذه الصورة مثالية للباحثين أو الأطباء لاستخدامها عند تقييم الساركوبينيا1و2و13. وقد أظهرت تجزئة والقياسات الخطية قيمة كبيرة في تقييم تكوين الجسم وتحديد الظروف التكهنية السيئة مثل الساركوبينيا والسمنة الساركوبينية في المرضى16،17. وقد أظهرت الأبحاث أن قياسات كتلة العضلات ترتبط بالبقاء على قيد الحياة ومخاطر المضاعفات الكبرى بعد العمليات الجراحية الكبرى أو خطط العلاج مثل العلاج الكيميائي والسمية الكيميائية16و17و18. لذلك ، فإننا نفترض أنه قد يكون من المفيد للأطباء أن يكون لديهم بيانات تكوين الجسم قبل تقديم المشورة للمرضى فيما يتعلق بخيارات العلاج.
حاليا، هناك عدة طرق لتقييم تكوين الجسم. تستخدم عدة طرق، مثل قياس الكثافة12 والتصويرplethysmography الإزاحة الهواء (ADP)19،وزن الهواء والتشريد، على التوالي لتقدير النسبة المئوية للدهون في الجسم وكثافة الجسم. في حين أن هذه الأساليب يمكن أن تكون مفيدة، فهي غير قادرة على تحديد توزيع الأنسجة الدهنية5،19. تقنيات تحليلية أخرى لتكوين الجسم ، مثل BIA ، تستند في تحليلها إلى الخصائص الكهربائية المختلفة لكتلة الدهون والكتلة الخالية من الدهون12. ومع ذلك، مرة أخرى هذه التقنية فشل في تقييم توزيعات الدهون بشكل كاف، ويتطلب أيضا المزيد من المعلومات مثل العرق والعمر والجنس لقياسات أكثردقة 19. وعلى العكس من ذلك، فقد ثبت أن تقييمات مثل DEXA مفيدة في تقييم تكوين الجسم، ولكن لديها ميل إلى المبالغة في تقدير كتلة العضلات مع زيادة الدهون12. وقد استخدمت العديد من البروتوكولات أيضا طريقة منطقة الاهتمام (ROI) للحصول على كتلة العضلات وبيانات الأنسجة الدهنية داخل برنامج عرض DICOM ، والتي ثبت أن لها علاقة جيدة مع تحليل تكوين الجسم BIA لتقييم الساركوبينيا والتقييم الغذائي20،21.
إجراء التقسيم التي وضعتها Mourtzakis وآخرون لديه ميزة على تقييمات تكوين الجسم البديلة لأنه يمكن القيام به على معظم التصوير المقطعي أو التصوير بالرنين المغناطيسي ويحدد بدقة توزيعات الأنسجة الدهنية ومنطقة العضلات13. بالإضافة إلى ذلك، تجزئة L3 المحورية لديه ميزة الدقة بغض النظر عن حالة السمنة المريض13. وعلى غرار البدائل المذكورة أعلاه، فإن تقنية التدابير الخطية التي طورها أفروتين وآخرون14 لا تملك القدرة على تقييم توزيع الدهون. في الآونة الأخيرة، أظهر الباحثون متباينة في تجزئة الجسم، وخاصة في أساليب قياس عضلات psoas وحدها22. كتلة العضلات Psoas وحدها ليست ممثلة تمثيلا عاليا لكمية العضلات القطنية أو الهزال العضلات المنهجية، وربما لا تكون مرتبطة ارتباطا وثيقا مع النتائج السريرية22. قد تكون هذه المشكلة أكثر إثارة للقلق في القياس الخطي، كما العضلات psoas هي مجموعة العضلات الرئيسية في التقييم. ومع ذلك، لدينا تقنية المبينة تشمل psoas الثنائية وتقديرات العضلات paraspinal لقياس أكثر دقة، في حين لا يزال التقييم السريع والمريح للكتلة العضلية المقطعية العرضية. هناك ما يبرر الدراسات المستقبلية التي تثبت صحة التوافق بين القياس الخطي CT / MRI وطرق التقسيم وارتباطها بالنتائج السريرية.
تم تصميم كل من إجراءات تقسيم L3 والقياس الخطي في البداية لتقييم محتوى العضلات على نطاق الجسم بسرعة ودقة. من خلال تقسيم فقرات L3 فقط ، يوفر البروتوكول الوقت مع توفير ما يكفي من المعلومات للباحثين أو الأطباء لتحديد كتلة العضلات الهزيلة للمريض وحالة الدهون. ومع ذلك ، على الرغم من أن تجزئة L3 تستغرق وقتا أقل بكثير من تقسيم الجسم بالكامل ، إلا أنه لا يزال من الممكن أن يستغرق استخدام برنامج Slice-O-Matic وقتا طويلا ومكلفا. وعلى العكس من ذلك، القياسات الخطية لديها القدرة على أن تكون دقيقة مثل تجزئة L3 في تقييم حالة العضلات وsarcopenia في المرضى الذين يعانون من أمراض خطيرة14،15. لقد أظهرنا مثل هذه العلاقة في مجموعة سرطان الخلايا الكلوية T3 ، حيث ترتبط العضلات الهيكلية التي تقاس بالقياسات الخطية ارتباطا وثيقا بالقيمة التي تقاس بالقطع(الشكل 6). الأهم من ذلك ، فإن الطريقة سريعة للغاية ، وبرنامج التصوير مجاني. ومع ذلك ، فإن القيد الأبرز على إجراء القياس الخطي هو افتقاره إلى القدرة على تقييم محتوى الأنسجة الدهنية ، مما يقصر الأطباء على السياقات التي يكون فيها التقييم العام لمحتوى العضلات كافيا.
هناك ثلاث خطوات حاسمة في كل من إجراءات التقسيم والقياس الخطي. أولا، يجب على الأطباء والباحثين تحديد منتصف فقرات L3 لتحقيق الاتساق. منتصف الفقرات L3 ستكون الشريحة حيث نخاع العمليات العرضية هو الأبرز. يتم التعرف على شريحة فقرات L3 المحورية بسهولة أكبر بمساعدة منظر برجي أو تاجي متصل. يمكن للباحثين أو الأطباء العثور أولا على فقرات أو عجز L1 كنقطة مرجعية ، مع الأخذ في الاعتبار أن وجود ست فقرات قطني بدلا من خمس فقرات هو متغير طبيعي. الخطوة الحاسمة التالية هي تحديد العضلات. في القياسات الخطية، لا ينبغي إدراج لومبروم رباعية مع أخذ القياسات الرأسية والأفقية. ثالثا، يجب على الباحثين أيضا إيلاء اهتمام وثيق عند وضع علامة ضريبة القيمة المضافة في بروتوكول التقسيم، حيث يمكن في بعض الأحيان وضع علامة على محتوى القولون على أنه نسيج الدهني الحشوي23. عند حدوث مثل هذا الخطأ، يجب على الباحثين مسح هذه المناطق قبل الانتقال إلى الخطوة التالية.
ومن المسائل الشائعة في التقسيم ضعف جودة الصورة المقطعية أو التصوير بالرنين المغناطيسي (انظر النتائج التمثيلية للأمثلة). في بعض الحالات ، لا تجعل الجودة السيئة الصورة عديمة الفائدة ، ولكن في حالات أخرى قد تحتاج الصورة إلى استبعادها من التحليل. آخر، ربما لا مفر منه، والحد من تجزئة صورة واحدة تشمل الاختلاف العشوائي من موقف الجهاز الصلب من صورة إلى صورة.
غالبا ما ترتبط القضايا المشتركة الأخرى لكل من تحليل تجزئة L3 وتحليل القياس الخطي بالاختلاف بين الأسعار وداخلها. وكما هو الحال في معظم البروتوكولات، يمكن توقع قدر معين من التباين بين المراقبين وبين المحاكمات المنفصلة للفرد الواحد. ولحصر وتقليل التباين بين المعدلات مع إجراء العديد من الأشخاص للتحليل، يمكن لفريق الباحثين أو الأطباء اختبار أي اختلافات ذات دلالة إحصائية في قياسات مساحة السطح ومتوسط HU من نفس الصورة. يحيط علما خاصة من الاختلاف هو جين تاو لأن هذا سوف يشير إلى ما إذا كان الباحثون أو الأطباء الذين لديهم مساحات سطحية مشابهة جدا لنفس الصورة هي في الواقع وضع علامات على الأنسجة نفسها تقريبا. لاختبار الاختلاف الكبير داخل المعدل للفرد ، قد يأخذ الباحثون أو الأطباء مجموعة فرعية صغيرة من الصور ويقطعون كل صورة حتى تكون جميع النسخ المتماثلة لكل صورة ضمن هامش ضيق غير مهم إحصائيا.
ونحن نعترف بأن كلا البروتوكولين المعروضين هنا لديهم قيود في تحليل تكوين الجسم حيث يتم استخدام شريحة واحدة فقط. كما اقترح شن وآخرون، قد يوفر التحليل ثلاثي الأبعاد معلومات أكثر دقة عن الدهون الحشوية في البطن، وتحليل شريحة واحدة لضريبة القيمة المضافة على مستويات مختلفة للرجال والنساء24. ومع ذلك ، فإن البروتوكولات التي نوقشت هنا لا تزال قيمة لأنها توفر تقييمات سريعة للعضلات وكذلك الأنسجة الدهنية ، والتي يمكن استخدامها لفحص الساركوبينيا في العيادات.
وعلاوة على ذلك، كانت هناك العديد من بروتوكولات تحليل تكوين الجسم الآلي باستخدام خوارزميات التعلم الآلي 3D، وخاصة خوارزميات التصنيف العصبية القائمة على الشبكة25. ونحن نعترف بأن هذه قد تكون البدائل المستقبلية المحتملة للتجزئة التقليدية 2D. ومع ذلك، تتطلب هذه الطرق مجموعات بيانات كبيرة من صور التصوير المقطعي المحوسب والتصوير بالرنين المغناطيسي ليتم تطويرها واختبارها وتنفيذها في البيئات السريرية والبحثية. بالإضافة إلى ذلك ، تتطلب هذه الطرق في كثير من الأحيان تحليل تجزئة 2D لإنشاء مرجع أساسي للتحقق من صحة خوارزميات التعلم الآلي مقابل. ولذلك يمكن أن تكون البروتوكولات التي تم توضيحها هنا مفيدة عندما لا تتوفر مجموعات بيانات كبيرة أو صور ثلاثية الأبعاد، ويمكن تطبيق هذه البروتوكولات للمساعدة في تطوير خوارزميات التعلم الآلي والتحقق من صحتها عندما تكون قابلة للتطبيق. وبالتالي، نعتقد أن الأطباء والباحثين يمكنهم الاستفادة من هذا الفيديو التدريبي واعتماد هذه الأساليب السريعة والموثوقة كفحص أولي قبل أن يتوفر التحليل الآلي ومن أجل تسهيل تنفيذ هذه التكنولوجيا المتقدمة.
القدرة على تحليل توزيع الأنسجة الدهنية بسرعة وكتلة العضلات الهيكلية لديها اتساع واسع من المصالح السريرية التي تتراوح بين علاج السرطان والبحوث لأمراض القلب5. بالمقارنة مع غيرها من الأساليب الشائعة الاستخدام، وMourtzakis وآخرون. يمكن إجراء تجزئة L3 في شريحة-O-ماتيتش بدقة وبسرعة تقييم توزيع الأنسجة الدهنية وتحديد حالة ساركوبينيا5,12,13,19. بالإضافة إلى ذلك، في السياقات التي تكون فيها المعلومات عن كتلة العضلات الهيكلية كافية، يعتبر إجراء القياس الخطي L3 أداة موثوقة وسريعة جدا للمساعدة في التنبؤ بالنجاح في علاجات السرطان مثل الجراحة والعلاج الإشعاعي والعلاج الكيميائي1و2و4و6و7و8. الغرض من هذا الفيديو التدريبي والمخطوطة هو تحديد بروتوكول التقسيم والقياسات الخطية بوضوح للاستخدام في المستقبل حتى يتمكن الأطباء من تقييم تكوين الجسم بسهولة أكبر في إعداد العيادة.
Divulgaciones
The authors have nothing to disclose.
Acknowledgements
ويود المؤلفون أن يعترفوا بدعم مؤسستي عائلة جون روبنسون وتشرشل.
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. |
Referencias
- 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).
- 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).
- Santilli, V., Bernetti, A., Mangone, M., Paoloni, M. Clinical definition of sarcopenia. Clinical Cases in Mineral and Bone Metabolism. 11 (3), 117-180 (2014).
- 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).
- 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).
- 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).
- 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).
- 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).
- Vashi, P. G., et al. Sarcopenia supersedes subjective global assessment as a predictor of survival in colorectal cancer. PLoS One. 14 (6), 0218761 (2019).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Peng, P., et al. Impact of sarcopenia on outcomes following resection of pancreatic adenocarcinoma. Journal of Gastrointestinal Surgery. 16 (8), 1478-1486 (2012).
- 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).
- 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).
- 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).
- Zopfs, D., et al. Single-slice CT measurements allow for accurate assessment of sarcopenia and body composition. European Radiology. 30 (3), 1701-1708 (2020).
- 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).
- Baracos, V. E. Psoas as a sentinel muscle for sarcopenia: a flawed premise. Journal of Cachexia, Sarcopenia and Muscle. 8 (4), 527-528 (2017).
- 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).
- 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).
- Weston, A. D., et al. Automated abdominal segmentation of CT scans for body composition analysis using deep learning. Radiology. 290 (3), 669-679 (2019).
