Summary
La segmentation et les mesures linéaires quantifient la masse musculaire squelettique et les tissus adipeux à l’aide de la tomodensitométrie et/ou d’images d’imagerie par résonance magnétique. Ici, nous décrivons l’utilisation du logiciel Slice-O-Matic et de la visionneuse d’images Horos pour une analyse rapide et précise de la composition corporelle. Ces méthodes peuvent fournir des informations importantes pour le pronostic et la stratification du risque.
Abstract
La composition corporelle est associée au risque de progression de la maladie et aux complications du traitement dans diverses conditions. Par conséquent, la quantification de la masse musculaire squelettique et des tissus adipeux sur la tomodensitométrie (CT) et/ou l’imagerie par résonance magnétique (IRM) peut éclairer l’évaluation du risque de chirurgie et le pronostic de la maladie. Cet article décrit deux méthodes de quantification décrites à l’origine par Mourtzakis et coll. et Avrutin et coll. : segmentation tissulaire et mesure linéaire du muscle squelettique. L’image transversale des patients au milieu de la troisième vertèbre lombaire a été obtenue pour les deux mesures. Pour la segmentation, les images ont été importées dans Slice-O-Matic et colorées pour le muscle squelettique, le tissu adipeux intramusculaire, le tissu adipeux viscéral, et le tissu adipeux sous-cutané. Ensuite, les surfaces de chaque type de tissu ont été calculées à l’aide de la fonction de surface de l’étiquette. Pour des mesures linéaires, la taille et la largeur des psoas bilatéraux et des muscles paraspinal au niveau de la troisième vertèbre lombaire sont mesurées et le calcul utilisant ces quatre valeurs rapporte la masse estimée de muscle squelettique. L’analyse de segmentation fournit des informations quantitatives et complètes sur la composition corporelle des patients, qui peuvent ensuite être corrélées avec la progression de la maladie. Cependant, le processus prend plus de temps et nécessite une formation spécialisée. Les mesures linéaires sont un outil efficace et clinique-friendly pour l’évaluation préopératoire rapide. Cependant, les mesures linéaires ne fournissent pas d’informations sur la composition du tissu adipeux. Néanmoins, ces méthodes ont de larges applications dans une variété de maladies pour prédire les résultats chirurgicaux, le risque de progression de la maladie et éclairer les options de traitement pour les patients.
Introduction
L’évaluation de la sarcopénie et de la composition corporelle est actuellement d’un grand intérêt clinique. Bien que les définitions spécifiques de la sarcopénie varient en fonction du cadre et du contexte, toutes les définitions incluent une perte significative de masse musculaire squelettique ou de force musculaire, qui sont étroitement corrélées1,2,3. L’analyse de la composition corporelle intègre des mesures de la masse musculaire squelettique et de la distribution des tissus adipeux, fournissant des informations plus complètes sur l’aptitude générale des patients1,3,4. De même, le tissu adipeux distribué de manière disproportionnée, en particulier le tissu adipeux viscéral, s’est avéré être lié à diverses maladies, y compris les maladies cardiaques, le diabète de type II et le cancer5.
Médicalement, la sarcopénie et son évaluation par des mesures linéaires se sont à plusieurs reprises avérées un facteur pronostique fort pour la survie cancer-spécifique à travers des malignités et des résultats oncologiques suivant la chirurgie, la radiothérapie, et la chimiothérapie1,2,4,6,7,8. En particulier, des recherches antérieures démontrent que les patients atteints de sarcopénie ont diminué la survie spécifique au cancer et la survie globale1,2,9,10. Par conséquent, l’évaluation clinique précise et rapide de la progression de sarcopenia est importante en déterminant l’élection de traitement. Le profilage conventionnel de la composition du corps entier nécessite une analyse à un niveau tridimensionnel (3D) à l’aide de techniques d’imagerie, y compris la tomodensitométrie (TDM), l’imagerie par résonance magnétique (IRM), la densitométrie osseuse (DEXA) et l’analyse d’impédance bioélectrique (ARA), qui prennent beaucoup de temps, sont coûteuses et nécessitent une formation approfondie5,11. Un autre inconvénient est un manque d’informations sur la distribution adipeuse, en particulier pour la pléthysmographie par déplacement d’air (ADP) et DEXA12. Par conséquent, l’évaluation et la détermination de la sarcopénie et de la composition corporelle avec l’utilisation de modalités d’imagerie transversales conventionnelles telles que la TDM ou l’IRM, qui sont utilisées dans le cadre de la pratique clinique standard, ont une grande valeur clinique5.
Un logiciel de segmentation couramment utilisé dans le cadre de la recherche clinique est le programme Slice-O-Matic développé par TomoVision. À l’aide de la procédure de segmentation de Mourtzakis et coll.13, le programme permet aux chercheurs ou aux cliniciens d’étiqueter semi-automatiquement divers types de tissus tels que le muscle squelettique (SM), le tissu adipeux intramusculaire (IMAT), le tissu adipeux viscéral (VAT) et le tissu adipeux sous-cutané (SAT) en utilisant des seuils basés sur la densité, permettant de mesurer les zones transversales globales de chaque tissu. Ces mesures sont alors employées pour estimer la masse et l’adiposity de muscle squelettique de corps total, souvent après normalisation par un patient' taille de s au carré, pour identifier sarcopenia et obésité sarcopénique par des seuils basés sur la population.
Une méthode récemment développée par Avrutin et al.14 utilisant des mesures linéaires du muscle squelettique développé a montré le potentiel d’être tout aussi fiable dans l’estimation de la masse musculaire totale en utilisant des images IRM et CT de la section transversale L314,15. Les groupes musculaires psoas et paraspinal constituent une grande partie de la surface musculaire de la région L3 et ont une fonctionnalité élevée, ce qui suggère qu’ils peuvent être des prédicteurs de haute fidélité de la force musculaire globale, et donc les principaux candidats de la mesure linéaire14,15. Pour calculer la surface musculaire, des mesures horizontales et verticales des groupes musculaires psoas et paraspinal sont obtenues à l’aide d’un outil de règle pour dessiner des lignes droites se croisant à 90°. Les mesures horizontales et verticales de chaque groupe musculaire sont multipliées pour estimer la surface de chaque groupe musculaire, qui est ensuite utilisée pour calculer un indice musculaire linéaire lorsqu’il est divisé par la taille du patient. Avec une formation minimale, l’ensemble de ce processus peut prendre moins de 1 min.
Compte tenu des implications potentielles des mesures de la composition corporelle sur les soins aux patients, il est urgent de créer du matériel de formation accessible. Dans cet article, nous fournissons une description détaillée de deux méthodes développées par Avrutin et al.14 et Mourtzakis et al.13 pour quantifier la masse musculaire squelettique et la composition corporelle, respectivement, pour les fournisseurs et les chercheurs cliniques.
Protocol
L’étude et les protocoles suivants ont été examinés et approuvés par le Comité d’examen institutionnel de l’Université Emory.
1. Segmentation L3 CT
- Obtenez l’image dicom (Axial CT Digital Imaging and Communications in Medicine).
- Dans la visionneuse d’images, identifiez la vertèbre L3.
- Si possible, sélectionnez deux vues de fenêtre horizontales, puis sélectionnez vue coronale ou sagittale à gauche pour référence, et vue axiale à droite.
- Cliquez sur Cross Link pour lier les fenêtres de gauche et de droite.
- Faites défiler les images de la direction crânienne à la direction caudale. Identifier la vertèbre L1, qui est la première vertèbre sans fixation des côtes.
- Comptez de L1 à L3 et utilisez la vue coronale ou sagittale pour identifier la tranche du milieu de L3. Ceci est identifié comme le point auquel les deux processus transversaux peuvent être visualisés de manière maximale et égale.
- Sélectionnez la tranche L3. Dans l’onglet Examen, sélectionnez Envoyer l’examen et enregistrez l’image en tant que fichier DICOM.
REMARQUE: L’étape 1 est une étape de prétraitement et est répertoriée ici pour montrer comment obtenir une image L3. Si le chercheur a déjà une image L3, il peut passer à l’étape 2. Si la visionneuse d’images n’active pas les références croisées, le chercheur peut ignorer les sections 1.1.1 à 1.1.2. Si l’imagerie n’inclut pas la région thoracique, identifiez L5, qui est antérieur au sacrum, et comptez de L5 à L3, en gardant à l’esprit que la présence d’une sixième vertèbre lombaire est une variante normale.
- Dans la visionneuse d’images, identifiez la vertèbre L3.
- Ouvrez l’image DICOM avec le logiciel Slice-O-Matic.
- Faites glisser le fichier DICOM n’importe où dans la fenêtre Slice-O-Matic.
- Sélectionner les modes | Région en croissance pour commencer la segmentation.
- Si la version de Slice-O-Matic a des options de protocole albertain en haut de la liste modes d’options, alors on peut également sélectionner Étape 3: Segmentation pour commencer la segmentation. Si vous utilisez Étape 3 : Segmentation,effectuez l’étape 5, puis passez à l’étape 11.
- Sélectionner les outils | Verrou de balise. Cela permettra à l’utilisateur de « verrouiller » les couleurs marquées pour s’assurer qu’elles ne sont pas accidentellement colorées ou effacées ultérieurement.
- Identification des muscles squelettiques: Cliquez sur 1 (rouge) sous la zone Région de croissance sur le côté gauche de l’écran.
- Cliquez sur le bouton Off par Lower Limit pour le activer . Cliquez sur les flèches de la roulette de la souris pour définir Désactivé sur Limite inférieure. Faites glisser le curseur sur Limite inférieure pour définir le seuil de l’unité hounsfield (HU) aussi près que possible de -29, puis utilisez la molette de la souris pour définir le seuil HU exactement sur -2913.
- Cliquez sur le bouton Off par Upper Limit pour le activer . Cliquez sur les flèches de la roulette de la souris pour définir la limite inférieure sur la limite supérieure. Faites glisser le curseur sur Limite supérieure pour définir le seuil HU aussi près que possible de 150, puis utilisez la molette de la souris pour définir le seuil HU exactement sur 15013.
- Identification du tissu adipeux intramusculaire (IMAT) : Cliquez sur 2 (vert) sous la zone Région de croissance sur le côté gauche de l’écran.
- Cliquez sur le bouton Off par Lower Limit pour le activer . Cliquez sur les flèches de la roulette de la souris pour définir Désactivé sur Limite inférieure. Faites glisser le curseur sur Limite inférieure pour définir le seuil HU aussi près que possible de -190, puis utilisez la molette de la souris pour définir le seuil HU exactement sur -19013.
- Cliquez sur le bouton Off par Upper Limit pour le activer . Cliquez sur les flèches de la roulette de la souris pour définir la limite inférieure sur la limite supérieure. Faites glisser le curseur sur Limite supérieure pour définir le seuil HU aussi près que possible de -30, puis utilisez la molette de la souris pour définir le seuil HU exactement sur -3013.
- Identification des tissus adipeux viscéraux (TVA): Cliquez sur 5 (jaune) sous la zone de croissance de la région sur le côté gauche de l’écran.
- Cliquez sur le bouton Off par Lower Limit pour le activer . Cliquez sur les flèches de la roulette de la souris pour définir Désactivé sur Limite inférieure. Faites glisser le curseur sur Limite inférieure pour définir le seuil HU aussi près que possible de -150, puis utilisez la molette de la souris pour définir le seuil HU exactement sur -15013.
- Cliquez sur le bouton Off par Upper Limit pour le activer . Cliquez sur les flèches de la roulette de la souris pour définir la limite inférieure sur la limite supérieure. Faites glisser le curseur sur Limite supérieure pour définir le seuil HU aussi près que possible de -50, puis utilisez la molette de la souris pour définir le seuil HU exactement sur -5013.
- Identification du tissu adipeux sous-cutané (SAT) : Cliquez sur 7 (Cyan) sous la zone de croissance de la région sur le côté gauche de l’écran.
- Cliquez sur le bouton Off par Lower Limit pour le activer . Cliquez sur les flèches de la roulette de la souris pour définir Désactivé sur Limite inférieure. Faites glisser le curseur sur Limite inférieure pour définir le seuil HU aussi près que possible de -190, puis utilisez la molette de la souris pour définir le seuil HU exactement sur -19013.
- Cliquez sur le bouton Off par Upper Limit pour le activer . Cliquez sur les flèches de la roulette de la souris pour définir la limite inférieure sur la limite supérieure. Faites glisser le curseur sur Limite supérieure pour définir le seuil HU aussi près que possible de -30, puis utilisez la molette de la souris pour définir le seuil HU exactement sur -3013.
- Utilisez les touches + et - du clavier pour effectuer un zoom avant et arrière sur l’image CT. Ajustez le zoom si nécessaire tout au long de la segmentation pour marquer clairement et avec précision les tissus.
- Commencez la segmentation en sélectionnant 1 pour le tissu musculaire squelettique (SM).
- Définissez l’option pinceau sur Peinture.
- Utilisez les outils de pinceau trouvés directement sous Région en croissance pour ajuster à la taille souhaitée du pinceau et commencez à peindre sur les groupes musculaires Psoas, Paraspinal, oblique et rectus.
Remarque : Si les fluides ou les organes en dehors du fascia musculaire sont marqués en rouge comme muscle, veillez à effacer le marquage à l’aide de la sélection de couleur Aucun.
- Une fois que tous les muscles sont marqués, sélectionnez 1 dans le menu TAG Lock en bas à gauche de l’écran. Cela garantira qu’aucun muscle n’est accidentellement re-étiqueté ou effacé au fur et à mesure que la segmentation progresse.
- Sélectionnez 2 sous Région en croissance et peignez sur tous les tissus adipeux (IMAT) dans le fascia musculaire. Assurez-vous d’utiliser la sélection de couleur Aucun si de la graisse ou des structures en dehors du fascia musculaire sont étiquetées par erreur comme IMAT.
REMARQUE: Les bords du fascia musculaire semblent généralement plus légers que la graisse viscérale ou sous-cutanée qui l’entoure. Assurez-vous d’étiqueter toute la graisse dans les bords plus légers du fascia musculaire comme IMAT et non TVA ou SAT. Si la linea alba n’est pas étiquetée comme muscle, l’intégralité de la linea alba doit être analysée comme IMAT. - Une fois que tous les IMAT sont marqués, sélectionnez 2 dans le menu TAG Lock en bas à gauche de l’écran.
- Sélectionnez 5 dans le menu Croissance de la région pour marquer le tissu TVA.
- Lors du marquage de la TVA, en fonction de l’image, il peut être plus facile d’utiliser Grow 2D au lieu de Paint.
- Si vous utilisez Grow 2D, utilisez la plus petite option Pinceau. Si vous utilisez Grow 2D, assurez-vous de regarder en arrière sur toute la TVA étiquetée et assurez-vous qu’aucun tissu intraluménal à l’intérieur des intestins ou des organes n’est marqué par erreur, car cette graisse provient généralement de la digestion des aliments ou d’autres structures qui ne sont pas TVA.
- Si vous utilisez Paint, assurez-vous de ne pas peindre à l’intérieur de la lumière des organes ou des intestins.
- Une fois que toute la TVA est étiquetée, sélectionnez 5 dans le menu TAG Lock en bas à gauche de l’écran.
- Sélectionnez 7 dans le menu Croissance de la région pour marquer le tissu SAT.
- Lors du marquage SAT, en fonction de l’image, il est généralement plus facile d’utiliser Grow 2D au lieu de Paint.
- Si vous utilisez Grow 2D, utilisez la plus petite option Pinceau.
- Si vous utilisez Grow 2D, assurez-vous de revenir sur les bords de l’image avec l’outil Aucun sélectionné pour être sûr qu’aucun tissu dans le fascia musculaire n’est étiqueté comme SAT et pour être sûr qu’aucune peau n’est étiquetée comme SAT.
REMARQUE: La peau est généralement plus claire en apparence que SAT et est généralement d’environ 2-3 pixels d’épaisseur, mais sachez que l’apparence et l’épaisseur de la peau peuvent varier d’une image à l’autre. - Si vous utilisez Paint, assurez-vous de faire attention sur les bords, en particulier autour de la peau pour vous assurer qu’aucun tissu n’est mal étiqueté.
- Lorsque vous avez terminé de marquer les tissus, accédez à Outils | Baliser surface/volume. Cela affichera la surface et le volume de chacun des tissus marqués, généralement l’intérêt est dans la surface.
- Cliquez sur Afficher dans la fenêtre pour ouvrir complètement la fenêtre Surface de balise / Volume. Cela affichera également les valeurs HU.
- Enregistrez la surface d’accueil et les valeurs de seuil HU.
Remarque : Si la fenêtre surface/volume de balise n’apparaît pas en bas à gauche de l’écran, il peut être parce qu’il n’y a pas assez d’espace pour l’afficher. Dans ce cas, assurez-vous que la fenêtre Slice-O-Matic est agrandie, puis sélectionnez Outils | Verrou de balise pour supprimer la fenêtre Verrou de balise. Cela devrait faire suffisamment d’espace pour afficher la fenêtre Surface/Volume de balise.
- Lorsque vous avez terminé, accédez à | de fichiers Enregistrer les fichiers TAG. Cela enregistrera un fichier TAG où se trouve le fichier DICOM.
2. Segmentation de l’IRM L3
- Obtenir l’image DICOM IRM axiale (séquences pondérées T2)
- Dans la visionneuse d’images, identifiez la vertèbre L3.
- Si possible, sélectionnez deux vues de fenêtre horizontales, puis sélectionnez vue coronale ou sagittale à gauche pour référence, et vue axiale à droite.
- Cliquez sur Cross Link pour lier les fenêtres de gauche et de droite.
- Faites défiler les images de la direction crânienne à la direction caudale. Identifier la vertèbre L1, qui est la première vertèbre sans fixation des côtes.
- Comptez de L1 à L3 et utilisez la vue coronale ou sagittale pour identifier la tranche du milieu de L3. Ceci est identifié comme le point auquel les deux processus transversaux peuvent être visualisés de manière maximale et égale.
- Sélectionnez la tranche L3. Dans l’onglet Examen, sélectionnez Envoyer l’examen et enregistrez l’image en tant que fichier DICOM.
REMARQUE: L’étape 1 est une étape de prétraitement et est répertoriée ici pour montrer comment obtenir une image L3. Si le chercheur a déjà une image L3, il peut passer à l’étape 2. Si la visionneuse d’images n’active pas les références croisées, le chercheur peut ignorer les sections 1.1.1 à 1.1.2. Si la formation image n’inclut pas la région thoracique, identifiez L5, qui est antérieur au sacrum, et comptez de L5 à L3, en gardant à l’esprit que la présence d’une sixième vertèbre lombaire est une variante normale.
- Dans la visionneuse d’images, identifiez la vertèbre L3.
- Ouvrez l’image DICOM avec le logiciel Slice-O-Matic.
- Faites glisser le fichier DICOM n’importe où dans la fenêtre Slice-O-Matic.
- Sélectionner les modes | Région en croissance pour commencer la segmentation.
REMARQUE: En raison de la mauvaise différenciation des tissus adipeux dans les images IRM, seul SM est segmenté.- Segmentation des muscles paraspinaux: Cliquez sur 1 (rouge) sous la zone Région de croissance sur le côté gauche de l’écran.
- En mode Aperçu, les histogrammes de l’image afficheraient plusieurs pics, le premier pic représentant l’air et les deuxième, troisième et quatrième pics suivants représentant respectivement le muscle, l’os et la graisse.
- Cliquez sur le bouton Off par Lower Limit pour le activer .
- Cliquez sur les flèches de la roulette de la souris pour définir Désactivé sur Limite inférieure.
- Faites glisser le curseur sur Limite inférieure pour définir le seuil d’unité de Hounsfield (HU) sur 0.
- Cliquez sur le bouton Off par Upper Limit pour le activer .
- Cliquez sur les flèches de la roulette de la souris pour définir la limite inférieure sur la limite supérieure.
- Faites glisser le curseur sur Limite supérieure pour définir HU pour inclure le muscle paraspinal.
- Commencez à segmenter le muscle paraspinal en sélectionnant 1 pour le tissu musculaire squelettique (SM). Définissez l’option pinceau sur Peinture. Utilisez les outils de pinceau trouvés directement sous Région en croissance pour vous adapter à la taille souhaitée du pinceau et commencez à peindre sur les groupes de muscles paraspinaux.
REMARQUE: Si quelque chose est marqué en rouge comme muscle sur les fluides ou les organes en dehors du fascia musculaire, assurez-vous d’effacer le marquage à l’aide de la sélection de couleur Aucun.
- Segmentation des groupes musculaires restants : Déplacez la souris antérieurement à linea alba. En mode aperçu, ajustez la limite supérieure pour inclure linea alba. Cette limite supérieure de l’intensité est ensuite adoptée pour tous les groupes musculaires restants.
- Commencez la segmentation en sélectionnant 1 pour le tissu musculaire squelettique (SM). Définissez l’option pinceau sur Peinture. Utilisez les outils de pinceau trouvés directement sous Région en croissance pour vous adapter à la taille souhaitée du pinceau et commencez à peindre sur les groupes de muscles paraspinaux.
REMARQUE: Si quelque chose est marqué en rouge comme muscle sur les fluides ou les organes en dehors du fascia musculaire, assurez-vous d’effacer le marquage à l’aide de la sélection de couleur Aucun.
- Commencez la segmentation en sélectionnant 1 pour le tissu musculaire squelettique (SM). Définissez l’option pinceau sur Peinture. Utilisez les outils de pinceau trouvés directement sous Région en croissance pour vous adapter à la taille souhaitée du pinceau et commencez à peindre sur les groupes de muscles paraspinaux.
- Segmentation des muscles paraspinaux: Cliquez sur 1 (rouge) sous la zone Région de croissance sur le côté gauche de l’écran.
- Lorsque vous avez terminé de marquer les tissus, accédez à Outils | Baliser surface/volume. Cela affichera la surface et le volume de chacun des tissus marqués, généralement l’intérêt est dans la surface.
- Cliquez sur Afficher dans la fenêtre pour ouvrir complètement la fenêtre Surface de balise / Volume. Cela affichera également les valeurs HU.
- Enregistrez la surface d’accueil et les valeurs de seuil HU.
Remarque : Si la fenêtre surface/volume de balise n’apparaît pas en bas à gauche de l’écran, il peut être parce qu’il n’y a pas assez d’espace pour l’afficher. Dans ce cas, assurez-vous que la fenêtre Slice-O-Matic est agrandie, puis sélectionnez Outils | Verrou de balise pour supprimer la fenêtre Verrou de balise. Cela devrait faire suffisamment d’espace pour afficher la fenêtre Surface/Volume de balise. - Lorsque vous avez terminé, accédez à | de fichiers Enregistrer les fichiers TAG. Cela enregistrera un fichier TAG où se trouve le fichier DICOM.
3. Mesure linéaire pour la TDM et l’IRM
- Obtenez l’image Axiale CT ou MRI DICOM.
- Dans la visionneuse d’images, identifiez la vertèbre L3.
- Si possible, sélectionnez deux vues de fenêtre horizontales, puis sélectionnez vue coronale ou sagittale à gauche pour référence, et vue axiale à droite.
- Cliquez sur Cross Link pour lier les fenêtres de gauche et de droite.
- Faites défiler les images de la direction crânienne à la direction caudale. Identifier la vertèbre L1, qui est la première vertèbre sans fixation des côtes.
- Comptez de L1 à L3 et utilisez la vue coronale ou sagittale pour identifier la tranche du milieu de L3, telle qu’identifiée par le point auquel les deux processus transversaux sont également identifiés.
REMARQUE: L’étape 1 est une étape de prétraitement et est répertoriée ici pour montrer comment obtenir une image L3. Si le chercheur a déjà une image L3, il peut passer à l’étape 2. Si la visionneuse d’images n’active pas les références croisées, le chercheur peut ignorer les sections 1.1.1 à 1.1.2. Si l’imagerie n’inclut pas la région thoracique, identifiez L5, qui est antérieur au sacrum, et comptez de L5 à L3.
- Dans la visionneuse d’images, identifiez la vertèbre L3.
- Importez l’image dans une visionneuse d’imagerie médicale et ouvrez-la.
- Pour Horos: ouvrez l’application et cliquez sur Importer.
- Accédez à l’emplacement de l’image DICOM, sélectionnez-la et cliquez sur Ouvrir. Le fichier et l’image doivent apparaître sous la liste Nom du patient.
- Double-cliquez sur Nom du patient, puis double-cliquez sur l’image pour commencer la segmentation linéaire.
- Identifier les muscles psoas et les muscles paraspinaux.
- Sélectionnez l’outil règle et mesurez les diamètres horizontaux (180°) et verticaux (90°) des quatre muscles mentionnés ci-dessus.
Remarque : les lignes doivent être horizontales et verticales à l’image, pas diagonale. Les lignes horizontales et verticales dessinées doivent créer une boîte rectangulaire qui englobe l’intégralité de chaque muscle. Ne mesurez pas simplement la plus longue distance du muscle. Si vous utilisez une visionneuse d’images qui autorise un outil de dessin de boîte, cet outil peut être utilisé à la place de l’outil règle simple. Ceci est fourni que l’outil de dessin de boîte affiche au moins la hauteur et la longueur de la boîte. - Enregistrez les huit mesures (largeur de Psoas droite, largeur de Psoas droite, largeur de Psoas gauche, longueur de Psoas gauche, largeur de paraspinal droite, longueur de paraspinal droite, largeur de paraspinal gauche, longueur de paraspinal gauche) pour une analyse plus approfondie.
- Calculez la surface musculaire individuelle en multipliant la valeur horizontale et verticale de ce muscle.
- Obtenir la surface musculaire totale des muscles psoas et des muscles paraspinaux en ajoutant le muscle gauche au muscle droit, respectivement.
- Calculer l’indice musculaire linéaire en divisant la surface combinée (mm2)par la taille du patient au carré (m2).
Representative Results
La procédure de segmentation L3 se traduit par une image CT ou MRI marquée avec du tissu du muscle squelettique (SM) marqué en rouge, IMAT en vert, VAT en jaune et SAT en cyan(Figure 1). Les tissus non marqués restants resteront dans leurs teintes blanches, grises et dorguées d’origine qui correspondent aux valeurs d’unité Hounsfield (HU) respectives de chaque pixel. La majorité des tissus non marqués qui restent en blanc seront osseux, la majorité des tissus qui restent en gris seront des muscles non squelettiques, des tissus organiques et des tissus adipeux dans les lumens des intestins, et la majorité de l’image qui reste en noir sera de l’air. Une image correctement segmentée n’aura pas de marquage rouge ou vert à l’extérieur du fascia du muscle squelettique, et aucun marquage jaune ou cyan dans le fascia du muscle squelettique. De plus, le marquage jaune ne doit pas envahir les lumières des intestins ou des organes tels que le rein ou le foie, et le marquage cyan ne doit pas être présent le long des bords externes plus clairs qui correspondent à la peau. Une fois la segmentation de l’image terminée, les surfaces et les valeurs moyennes de HU tissulaire doivent être enregistrées, parallèlement à la taille du patient(tableau 1). À partir de ces données, on peut calculer l’indice du muscle squelettique et procéder à toute autre analyse pertinente à la recherche spécifique ou aux questions cliniques. Notez que pour la plupart des images IRM, seul le muscle squelettique peut être correctement marqué et analysé par la suite (Tableau 2). Dans les mesures linéaires, un indice est calculé en divisant la surface sur le carré de la hauteur (Tableau 3).
Les problèmes courants que les chercheurs peuvent rencontrer au cours de la procédure de segmentation comprennent des images qui comportent une omission d’informations clés. Par exemple, les images peuvent avoir des portions rognables coupées ou recadrées(Figure 2). Plus précisément, les images qui ont sat et/ou tissu musculaire squelettique découpé hors cadre réduira considérablement la précision des calculs de surface des tissus affectés. La question de savoir si cela rend une image impropre à l’analyse dépendra du contexte clinique ou de recherche et devra être décidée par l’équipe de recherche au cas par cas. Un autre écueil est que les chercheurs peuvent inclure par inadvertance la moelle épinière et la moelle osseuse dans le muscle squelettique. Pour éviter ce problème, les chercheurs doivent être bien formés et rester prudents pendant la segmentation. D’autres artefacts courants dans les images de TDM ou d’IRM comprennent des problèmes techniques causés par le placement ou le mouvement du patient dans le scanner, l’échouage de graisse et les tissus cicatriciels autour du fascia du muscle squelettique, ainsi que d’autres artefacts de forme étrange (Figure 3). Les problèmes techniques causés par le mouvement du patient ou un placement inapproprié apparaîtront généralement plus légers, avec des valeurs de HU plus élevées que les tissus environnants. Ce type de problèmes techniques apparaît généralement dans SAT et peut également réduire la précision du calcul de la surface. Le contexte clinique ou de recherche déterminera le niveau de tolérance à de tels problèmes. L’échouage de graisse et les artefacts de tissu cicatriciel n’ont habituellement pas comme conséquence des quantités élevées d’erreur dans des calculs de surface de tissu. Cependant, ils peuvent conduire à une mauvaise identification de la ligne fasciale. Les surfaces du muscle squelettique et de l’IMAT peuvent être très imprécises dans les cas où les brins de graisse ou le tissu cicatriciel sont confondus avec la ligne de fascia musculaire. D’autres petites imperfections et artefacts dans les images CT et MRI n’affectent généralement pas la qualité globale de l’image, sauf dans de rares cas. Selon le contexte clinique ou de recherche, ces artefacts peuvent devoir être évalués par un expert en radiologie pour vérifier la qualité de l’image. Le dernier problème courant dans les images ct et MRI sont des déformations dans la ligne de fascia de muscle (Figure 4). Ces ruptures n’affecteront généralement pas la qualité de l’image, mais les images contenant de grandes ruptures ou d’autres déformations dans le fascia musculaire doivent être évaluées par un radiologiste pour déterminer si l’origine de la déformation affectera l’analyse du contexte clinique ou de recherche.
La procédure de mesure linéaire L3 développée par Avruvin et al. présente moins d’erreurs courantes que la procédure de segmentation L314,15. Les principaux problèmes rencontrés dans les mesures linéaires tournent autour de l’identification des groupes musculaires d’intérêt, les deux groupes musculaires psoas et paraspinaux (Figure 5). Dans la plupart des cas, les bords du psoas seront distincts des organes voisins, mais dans le cas où le bord est difficile à discerner, le changement des filtres HU ou de la luminosité résoudra généralement la majorité des problèmes. En outre, les bords des groupes de muscle paraspinal seront souvent distincts des autres tissus voisins, mais il convient de noter que si aucun muscle clair n’atteint la ligne de fascia la plus basse, la ligne ne doit pas être incluse dans la détermination du bord inférieur du groupe musculaire paraspinal. Enfin, le quadratus lumborum doit être exclu lors de la détermination du bord des groupes de muscles psoas ou paraspinaux (Figure 5E).
Figure 1: Segmentation L3 appropriée dans Slice-O-Matic. (A)L’image CT axiale inchangée aux vertèbres L3. (B) Le CT axial entièrement marqué avec le rouge correspondant au muscle squelettique (SM), vert au tissu adipeux intramusculaire (IMAT), jaune au tissu adipeux vésical (VAT), et cyan au tissu adipeux sous-cutané (SAT). Veuillez cliquer ici pour voir une version plus grande de cette figure.
Figure 2: Couper l’image L3 CT. Une image CT non balisé dans Slice-O-Matic avec des quantités substantielles de SAT ainsi que des quantités importantes de tissu musculaire squelettique coupé. Veuillez cliquer ici pour voir une version plus grande de cette figure.
Figure 3: Artefacts courants. (A)L’image CT non balisé comporte divers artefacts mis en évidence dans la boîte rouge, l’ovale bleu et la boîte verte, respectivement. La case rouge montre les problèmes techniques liés à une tomodensitométrie, potentiellement dus à un mauvais alignement ou à un mouvement pendant l’analyse. L’ovale bleu met en évidence un artefact commun provenant probablement des tissus cicatriciels. Le carré vert met en évidence des imperfections qui peuvent avoir de multiples causes potentielles. (B) La tomodensitométrie étiquetée avec les apparences des mêmes artefacts respectifs mis en évidence dans la boîte rouge, l’ovale bleu et la boîte verte. Veuillez cliquer ici pour voir une version plus grande de cette figure.
Figure 4: Grande rupture du fascia musculaire. (A)L’image L3 CT non balisé met en évidence une grande rupture dans le fascia du muscle squelettique dans la boîte violette. (B) L’image L3 CT étiquetée met en évidence l’apparence étiquetée de la grande rupture dans le fascia du muscle squelettique dans la boîte violette. Veuillez cliquer ici pour voir une version plus grande de cette figure.
Figure 5: Mesures linéaires L3. (A)L’image L3 CT originale avant analyse dans la visionneuse d’images Horos. (B) La méthode traditionnelle de mesure linéaire comprend une ligne verticale et une ligne horizontale tracées pour chaque muscle. Ces lignes sont mesurées avec un outil de règle et multipliées pour trouver la surface de chaque groupe musculaire. Notez que la méthode traditionnelle des mesures linéaires doit toujours avoir des lignes qui se croisent à 90°. Cette image de la méthode traditionnelle des mesures linéaires n’est qu’une démonstration visuelle puisqu’elle a été créée à Horos et n’est pas garantie d’avoir des intersections à 90°. (C) (D) (E) La méthode box pour les mesures linéaires L3. (C) (D) La boîte bleue et violette englobe les psoas droit et gauche, respectivement, et la boîte jaune et verte englobent le muscle paraspinal droit et gauche, respectivement. (E) Les cases violet clair et orange mettent en évidence le quadratus lumborum, qui ne doit pas être pris en compte lors de la détermination des bords des groupes musculaires Psoas et paraspinal. Veuillez cliquer ici pour voir une version plus grande de cette figure.
Figure 6: Comparaison des mesures linéaires et de la surface transversale des muscles squelettiques L3, n = 65. Les secteurs combinés de psoas et de paraspinal sont en accord avec le muscle squelettique total dans la section L3. Veuillez cliquer ici pour voir une version plus grande de cette figure.
| CT SEGMENTATION | ||||
| muscle | Tissu adipeux intramusculaire | Tissu adipeux viscéral | Tissu adipeux sous-cutané | |
| Zone suface (cm2) | 134.4 | 8.402 | 72.43 | 271 |
| Unité de Hounsfield (moyenne) | 33.61 | 2.1 | 18.11 | 67.76 |
| Hauteur du patient au carré (m2) | 2.69 | Indice du muscle squelettique (Surface musculaire/Hauteur2, cm2/ m2) | 49.97 |
Tableau 1 : Segmentation ct
| SEGMENATION PAR IRM | |
| muscle | |
| Zone suface (cm2) | 241.8 |
| Unité de Hounsfield (moyenne) | 35.85 |
| Hauteur du patient (m2) | 3.39 |
| Indice du muscle squelettique | 71.42 |
| (Surface musculaire/Hauteur2,cm2/m2) |
Tableau 2 : Segmentation de l’IRM
| MESURES LINÉAIRES | |||||||
| Hauteur droite de Psoas (cm) | Largeur de Psoas droite (cm) | Hauteur de Psoas gauche (cm) | Largeur du Psoas gauche (cm) | Hauteur de Paraspinal droite (cm) | Largeur paraspinale droite (cm) | Hauteur de Paraspinal gauche (cm) | Largeur paraspinale gauche (cm) |
| 3.934 | 2.927 | 3.743 | 2.788 | 4.916 | 6.264 | 4.403 | 7.045 |
| Superficie totale de Psoas (cm2) | 21.950 | Superficie totale de Paraspinal (cm2) | 61.813 | ||||
| Surface musculaire totale (cm2) | 83.76 | ||||||
| Hauteur du patient au carré (m2) | 2.496 | Indice de mesure linéaire (cm2/m2) | 33.55 | ||||
Tableau 3 : Mesures linéaires
Discussion
Le muscle psoas, les groupes de muscle paraspinal, et les muscles obliques étroitement corrélés avec la masse musculaire globale5. En particulier, la surface au sein d’une section transversale de TDM ou d’IRM de ces groupes musculaires au milieu de la troisième vertèbre lombaire (L3) est fortement corrélée avec la masse musculaire globale, ce qui fait de cette image une image idéale pour les chercheurs ou les cliniciens à utiliser lors de l’évaluation de la sarcopénie1,2,13. La segmentation et les mesures linéaires ont démontré une grande valeur dans l’évaluation de la composition corporelle et l’identification des mauvaises conditions pronostiques telles que la sarcopénie et l’obésité sarcopénique chez les patients16,17. La recherche a montré que les mesures de la masse musculaire sont associées à la survie et aux risques de complications majeures à la suite de chirurgies majeures ou de plans de traitement tels que la chimiothérapie et la toxicité chimiothérapeutique16,17,18. Par conséquent, nous voudrions qu’il puisse être avantageux pour les cliniciens d’avoir des données de composition corporelle avant de conseiller les patients concernant les options de traitement.
Actuellement, il existe plusieurs méthodes d’évaluation de la composition corporelle. Plusieurs méthodes, telles que la densitométrie12 et la pléthysmographie par déplacement d’air (ADP)19,utilisent respectivement le poids de l’air et le déplacement pour estimer le pourcentage de graisse corporelle et la densité corporelle. Bien que ces méthodes puissent être utiles, elles sont incapables de déterminer la distribution des tissus adipeux5,19. D’autres techniques analytiques de composition corporelle, telles que la BIA, fondent leur analyse sur les différentes caractéristiques électriques de la masse grasse et de la masse sans graisse12. Cependant, une fois de plus, cette technique ne parvient pas à évaluer adéquatement les distributions de graisse, et elle nécessite également plus d’informations telles que l’ethnicité, l’âge et le sexe pour des mesures plus précises19. Inversement, des évaluations telles que DEXA se sont avérées utiles dans l’évaluation de la composition corporelle, mais ont tendance à surestimer la masse musculaire avec une adipositécroissante 12. Plusieurs protocoles ont également utilisé la méthode de la région d’intérêt (ROI) pour obtenir des données sur la masse musculaire et les tissus adipeux dans le logiciel DICOM-visualisation, qui s’est avéré avoir une bonne corrélation avec l’analyse de la composition corporelle des ARA pour l’évaluation de la sarcopénie et l’évaluation nutritionnelle20,21.
La procédure de segmentation développée par Mourtzakis et al. présente un avantage par rapport aux évaluations alternatives de la composition corporelle puisqu’elle peut être effectuée sur la plupart des images de TDM ou d’IRM et détermine avec précision les distributions des tissus adipeux et la zone musculaire13. De plus, la segmentation L3 axiale présente l’avantage de la précision quel que soit le statut d’obésité du patient13. Semblable aux alternatives susmentionnées, la technique de mesures linéaires développée par Avrutin et al.14 n’a pas la capacité d’évaluer la distribution des graisses. Récemment, les chercheurs ont démontré disparate dans la segmentation du corps, en particulier dans les méthodes mesurant les muscles psoas seuls22. La masse musculaire de Psoas seule n’est pas très représentative de la quantité de muscle lombaire ou de l’atrpillage musculaire systématique, et peut ne pas être fortement corrélée avec les résultats cliniques22. Ce problème peut être plus préoccupant dans la mesure linéaire, car le muscle psoas est le groupe musculaire principal dans l’évaluation. Cependant, notre technique décrite inclut les estimations bilatérales de psoas et de muscle paraspinal pour évaluer une évaluation plus précise, tout en restant rapide et commode de la masse de muscle en coupe transversale. De futures études qui valident la conformité entre les méthodes de mesure et de segmentation linéaires de CT/MRI et leur corrélation avec des résultats cliniques sont justifiées.
La segmentation L3 et les procédures de mesure linéaire ont été initialement conçues pour évaluer rapidement et avec précision le contenu musculaire à l’échelle du corps. En segmentant uniquement les vertèbres L3, le protocole permet de gagner du temps tout en fournissant aux chercheurs ou aux cliniciens suffisamment d’informations pour déterminer la masse musculaire maigre et l’état d’adiposité du patient. Cependant, même si la segmentation L3 prend beaucoup moins de temps que la segmentation complète du corps, l’utilisation du logiciel Slice-O-Matic peut toujours être longue et coûteuse. Inversement, les mesures linéaires ont le potentiel d’être aussi précises que la segmentation L3 dans l’évaluation de l’état musculaire et de la sarcopénie chez les patients gravement malades14,15. Nous avons démontré une telle relation dans la cohorte du carcinome à cellules rénales T3, où le muscle squelettique mesuré par des mesures linéaires est étroitement corrélé avec la valeur mesurée par segmentation (Figure 6). Il est important de savoir que la méthode est extrêmement rapide et que le logiciel d’imagerie est gratuit. Cependant, la limitation la plus notable à la procédure de mesure linéaire est son manque de capacité d’évaluer le contenu de tissu adipeux, qui limite les cliniciens aux contextes où l’évaluation générale du contenu musculaire est suffisante.
Il y a trois étapes critiques dans les procédures de segmentation et de mesure linéaire. Tout d’abord, les cliniciens et les chercheurs devraient identifier le milieu des vertèbres L3 pour atteindre la cohérence. Le milieu des vertèbres L3 sera la tranche où la moelle des processus transversaux est la plus proéminente. La tranche axiale des vertèbres L3 est plus facilement identifiée à l’aide d’une vue sagittale ou coronale réticulée. Les chercheurs ou les cliniciens peuvent d’abord trouver des vertèbres L1 ou des sacrums comme point de référence, en gardant à l’esprit que la présence de six vertèbres lombaires au lieu de cinq est une variante normale. La prochaine étape cruciale est l’identification des muscles. Dans les mesures linéaires, le quadratus lumborum ne doit pas être inclus lors de la prise des mesures verticales et horizontales. Troisièmement, les chercheurs doivent également porter une attention particulière lors de l’étiquetage de la TVA dans le protocole de segmentation, car la teneur en côlon peut parfois être étiquetée comme tissu adipeux viscéral23. Lorsqu’une telle erreur se produit, les chercheurs devraient effacer ces zones avant de passer à l’étape suivante.
Un problème courant dans la segmentation est la mauvaise qualité de l’image CT ou MRI (voir résultats représentatifs pour des exemples). Dans certains cas, la mauvaise qualité ne rend pas l’image inutile, mais dans d’autres cas, l’image peut devoir être exclue de l’analyse. Une autre limitation, peut-être inévitable, de la segmentation d’une seule image comprend la variation aléatoire de la position de l’organe solide d’une image à l’autre.
D’autres problèmes courants pour l’analyse de segmentation L3 et l’analyse de mesure linéaire sont souvent liés à la variation inter et intra-évaluateur. Comme ce serait le cas pour la plupart des protocoles, on peut s’attendre à une certaine variation entre les observateurs et entre les essais distincts d’une seule personne. Pour tenir compte et minimiser la variation inter-évaluateurs avec plusieurs personnes effectuant des analyses, l’équipe de chercheurs ou de cliniciens peut tester toute variation statistiquement significative dans les mesures de surface et la HU moyenne à partir de la même image. Prenez note en particulier de la variation hu car cela indiquera si les chercheurs ou les cliniciens qui ont des surfaces très similaires pour la même image marquent en effet les tissus approximativement les mêmes. Pour tester la variation intra-évaluatrice significative pour un individu, les chercheurs ou les cliniciens peuvent prendre un petit sous-ensemble d’images et segmenter chaque image jusqu’à ce que toutes les répliques de chaque image se trouvent dans une marge étroite et statistiquement insignifiante.
Nous reconnaissons que les deux protocoles présentés ici ont des limites dans l’analyse de la composition corporelle car une seule tranche est utilisée. Comme suggéré par Shen et al., l’analyse 3D peut fournir des informations plus précises pour la graisse viscérale abdominale, et l’analyse en une seule tranche pour la TVA est à différents niveaux pour les hommes et les femmes24. Cependant, les protocoles discutés ici sont toujours valables car ils fournissent des évaluations rapides du muscle aussi bien que du tissu adipeux, qui peut être employé pour le criblage de sarcopénie dans les cliniques.
De plus, il existe de nombreux protocoles automatisés d’analyse de la composition corporelle utilisant des algorithmes d’apprentissage automatique 3D, en particulier des algorithmes de classification basés sur des réseaux neuronaux25. Nous reconnaissons qu’il peut s’agir des futures alternatives potentielles à la segmentation 2D traditionnelle. Cependant, ces méthodes nécessitent que de grands ensembles de données d’images de TDM et d’IRM soient développés, testés et mis en œuvre dans des contextes cliniques et de recherche. De plus, ces méthodes nécessitent souvent une analyse de segmentation 2D pour établir une référence de base par rapport à laquelle valider les algorithmes d’apprentissage automatique. Les protocoles présentés ici peuvent donc être utiles lorsque de grands ensembles de données ou images 3D ne sont pas disponibles, et ces protocoles peuvent être appliqués pour aider à développer et à valider des algorithmes d’apprentissage automatique lorsqu’ils sont applicables. Ainsi, nous croyons que les cliniciens et les chercheurs peuvent bénéficier de cette vidéo de formation et adopter ces méthodes rapides et fiables comme dépistage préliminaire avant que l’analyse automatisée ne soit disponible et afin de faciliter la mise en œuvre de cette technologie de pointe.
La capacité d’analyser rapidement la distribution du tissu adipeux et la masse musculaire squelettique a un large éventail d’intérêts cliniques allant du traitement du cancer et de la recherche aux maladies cardiaques5. Par rapport à d’autres méthodes couramment utilisées, le Mourtzakis et al. La procédure de segmentation L3 dans Slice-O-Matic peut évaluer avec précision et rapidité la distribution des tissus adipeux et déterminer le statut de sarcopénie5,12,13,19. De plus, dans les contextes où les informations sur la masse musculaire squelettique sont suffisantes, la procédure de mesure linéaire L3 est un outil fiable et très rapide pour aider à prédire le succès des traitements du cancer tels que la chirurgie, la radiothérapie et la chimiothérapie1,2,4,6,7,8. Le but de cette vidéo et de ce manuscrit de formation est de délimiter clairement le protocole de segmentation et de mesures linéaires pour une utilisation future afin que les cliniciens puissent plus facilement évaluer la composition corporelle en clinique.
Disclosures
Les auteurs n’ont rien à divulguer.
Acknowledgments
Les auteurs tiennent à souligner le soutien des fondations familiales John Robinson et Churchill.
Materials
| Name | Company | Catalog Number | Comments |
| 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
- 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.
- 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).
