Summary

Segmentazione e misurazione lineare per l'analisi della composizione corporea mediante Slice-O-Matic e Horos

Published: March 21, 2021
doi:

Summary

La segmentazione e le misurazioni lineari quantificano la massa muscolare scheletrica e i tessuti adiposi utilizzando la tomografia computerizzata e/o le immagini di risonanza magnetica. Qui, delineamo l’uso del software Slice-O-Matic e del visualizzatore di immagini Horos per un’analisi rapida e accurata della composizione corporea. Questi metodi possono fornire informazioni importanti per la prognosi e la stratificazione del rischio.

Abstract

La composizione corporea è associata al rischio di progressione della malattia e complicanze del trattamento in una varietà di condizioni. Pertanto, la quantificazione della massa muscolare scheletrica e dei tessuti adiposi sulla tomografia computerizzata (TC) e/o sulla risonanza magnetica ( MRI) può informare la valutazione del rischio chirurgico e la prognosi della malattia. Questo articolo descrive due metodi di quantificazione originariamente descritti da Mourtzakis et al. L’immagine trasversale dei pazienti nel punto centrale della terza vertebra lombare è stata ottenuta per entrambe le misurazioni. Per la segmentazione, le immagini sono state importate in Slice-O-Matic e colorate per il muscolo scheletrico, il tessuto adiposo intramuscolare, il tessuto adiposo viscerale e il tessuto adiposo sottocutaneo. Quindi, le aree di superficie di ogni tipo di tessuto sono state calcolate utilizzando la funzione di area della superficie dell’etichetta. Per le misurazioni lineari, vengono misurate l’altezza e la larghezza delle psoas bilaterali e dei muscoli paraspinali a livello della terza vertebra lombare e il calcolo utilizzando questi quattro valori produce la massa muscolare scheletrica stimata. L’analisi di segmentazione fornisce informazioni quantitative e complete sulla composizione corporea dei pazienti, che possono quindi essere correlate con la progressione della malattia. Tuttavia, il processo richiede più tempo e richiede una formazione specializzata. Le misurazioni lineari sono uno strumento efficiente e adatto alla clinica per una rapida valutazione preoperatoria. Tuttavia, le misurazioni lineari non forniscono informazioni sulla composizione del tessuto adiposo. Tuttavia, questi metodi hanno ampie applicazioni in una varietà di malattie per prevedere gli esiti chirurgici, il rischio di progressione della malattia e informare le opzioni di trattamento per i pazienti.

Introduction

La valutazione della sarcopenia e della composizione corporea è attualmente di grande interesse clinico. Sebbene le definizioni specifiche di sarcopenia varino a seconda dell’impostazione e del contesto, tutte le definizioni includono una perdita significativa di massa muscolare scheletrica o forza muscolare, che sono strettamente correlate1,2,3. L’analisi della composizione corporea incorpora misurazioni della massa muscolare scheletrica e della distribuzione del tessuto adiposo, fornendo informazioni più complete sull’idoneità generaledei pazienti 1,3,4. Allo stesso modo, il tessuto adiposo distribuito sproporzionalemente, in particolare il tessuto adiposo viscerale, è stato trovato correlato a varie malattie, tra cui malattie cardiache, diabete di tipo II e cancro5.

Clinicamente, la sarcopenia e la sua valutazione mediante misurazioni lineari hanno ripetutamente dimostrato di essere un forte fattore prognostico per la sopravvivenza specifica del cancro attraverso neoplasie maligne ed esiti oncologici a seguito di chirurgia, radioterapia e chemioterapia1,2,4,6,7,8. In particolare, ricerche precedenti dimostrano che i pazienti con sarcopenia hanno diminuito la sopravvivenza specifica del cancro e la sopravvivenzacomplessiva 1,2,9,10. Pertanto, una valutazione clinica accurata e rapida della progressione della sarcopenia è importante per determinare l’elezione del trattamento. La profilazione convenzionale della composizione di tutto il corpo richiede l’analisi a livello tridimensionale (3D) utilizzando tecniche di imaging, tra cui tomografia computerizzata (TC), risonanza magnetica (MRI), densitometria ossea (DEXA) e analisi dell’impedenza bioelettrica (BIA), che richiedono molto tempo, denaro erichiedono un ampio allenamento 5,11. Un altro inconveniente è la mancanza di informazioni sulla distribuzione degli adiposi, specialmente per la pletismografia di spostamento dell’aria (ADP) e DEXA12. Pertanto, la valutazione e la determinazione della sarcopenia e della composizione corporea con l’uso di modalità di imaging trasversali convenzionali come TC o RISONANZA MAGNETICA, che vengono utilizzate come parte della pratica clinica standard di cura, ha un grande valore clinico5.

Un software di segmentazione comunemente usato nell’impostazione della ricerca clinica è il programma Slice-O-Matic sviluppato da TomoVision. Utilizzando la procedura disegmentazione Mourtzakis et al. Queste misurazioni vengono quindi utilizzate per stimare la massa muscolare scheletrica totale del corpo e l’adiposità, spesso dopo la normalizzazione da parte dell’altezza di un paziente al quadrato, per identificare la sarcopenia e l’obesità sarcopenica da soglie basate sulla popolazione.

Un recente metodo sviluppato da Avrutin et al. I psoas e i gruppi muscolari paraspinali comprendono gran parte della superficie muscolare della regione L3 e hanno un’alta funzionalità, suggerendo che possano essere predittori ad alta fedeltà della forza muscolare complessiva, e quindi i principali candidati della misurazione lineare14,15. Per calcolare la superficie muscolare, le misurazioni orizzontali e verticali dei gruppi muscolari psoas e paraspinali si ottengono utilizzando uno strumento righello per disegnare linee rette intersecate a 90°. Le misurazioni orizzontali e verticali di ogni gruppo muscolare vengono moltiplicate per stimare la superficie di ogni gruppo muscolare, che viene quindi utilizzato per calcolare un indice muscolare lineare se diviso per l’altezza del paziente. Con un allenamento minimo, l’intero processo può richiedere meno di 1 minuto.

Date le potenziali implicazioni delle misurazioni della composizione corporea sulla cura del paziente, vi è l’urgente necessità di creare materiali di formazione accessibili. In questo articolo, forniamo una descrizione dettagliata di due metodi sviluppati da Avrutin et al.

Protocol

I seguenti studi e protocolli sono stati esaminati e approvati dal Comitato di Revisione Istituzionale dell’Università di Emory. 1. Segmentazione TC L3 Ottenere l’immagine AXIAL CT Digital Imaging and Communications in Medicine (DICOM). Nel visualizzatore di immagini identificare la vertebra L3. Se possibile, selezionate due viste finestra orizzontali e selezionate vista coronale o sagittale a sinistra per riferimento e vista assiale a destra. Clicca su Cross Link per collegare le finestre sinistra e destra. Scorrere verso il basso le immagini dalla direzione cranici a quella caudale. Identificare la vertebra L1, che è la prima vertebra senza attacco di costola. Contare da L1 a L3 e utilizzare la vista coronale o sagittale per identificare la fetta del centro di L3. Questo è identificato come il punto in cui entrambi i processi trasversali sono in grado di essere visualizzati in modo massimo e uguale. Selezionare la sezione L3. Nella scheda Esame selezionare Invia esame e salvare l’immagine come file DICOM.NOTA: il passaggio 1 è un passaggio di pre-elaborazione ed è elencato qui per dimostrare come ottenere un’immagine L3. Se il ricercatore ha già un’immagine L3, può andare al passaggio 2. Se il visualizzatore di immagini non abilita il riferimento incrociato, il ricercatore può saltare da 1.1.1 a 1.1.2. Se l’imaging non include la regione toracica, identificare L5, che è anteriore all’osso sacro, e contare da L5 a L3, tenendo presente che la presenza di una sesta vertebra lombare è una variante normale. Aprire l’immagine DICOM con slice-o-matic software. Trascinate il file DICOM in un punto qualsiasi della finestra Slice-O-Matic. Selezionare modalità | Regione In crescita per iniziare la segmentazione. Se la versione di Slice-O-Matic ha opzioni del protocollo Alberta nella parte superiore dell’elenco delle opzioni delle modalità, è anche possibile selezionare Passaggio 3: Segmentazione per iniziare la segmentazione. Se si utilizza il passaggio 3: Segmentazione, completare il passaggio 5 e quindi procedere al passaggio 11. Selezionare Strumenti | Blocco tag. Ciò consentirà all’utente di “bloccare” i colori con tag per assicurarsi che non vengano accidentalmente colorati o cancellati in seguito. Identificazione muscolare scheletrica: clicca su 1 (rosso) sotto l’area di crescita della regione sul lato sinistro dello schermo. Fare clic sul pulsante Disattivato per limite inferiore per attivarlo. Fare clic sulle frecce della rotellina del mouse per impostare Disabilitato su Limite inferiore. Trascinare il dispositivo di scorrimento su Limite inferiore per impostare la soglia HU (Hounsfield Unit) il più vicino possibile a -29, quindi utilizzare la rotellina del mouse per impostare la soglia HU esattamente su -2913. Fare clic sul pulsante Disattivato per limite superiore per attivarlo. Fare clic sulle frecce della rotellina del mouse per impostare Limite inferiore su Limite superiore. Trascinare il dispositivo di scorrimento su Limite superiore per impostare la soglia HU il più vicino possibile a 150, quindi utilizzare la rotellina del mouse per impostare la soglia HU esattamente su 15013. Identificazione del tessuto adiposo intramuscolare (IMAT): clicca su 2 (verde) sotto l’area di crescita della regione sul lato sinistro dello schermo. Fare clic sul pulsante Disattivato per limite inferiore per attivarlo. Fare clic sulle frecce della rotellina del mouse per impostare Disabilitato su Limite inferiore. Trascinare il dispositivo di scorrimento su Limite inferiore per impostare la soglia HU il più vicino possibile a -190, quindi utilizzare la rotellina del mouse per impostare la soglia HU esattamente su -19013. Fare clic sul pulsante Disattivato per limite superiore per attivarlo. Fare clic sulle frecce della rotellina del mouse per impostare Limite inferiore su Limite superiore. Trascinare il dispositivo di scorrimento su Limite superiore per impostare la soglia HU il più vicino possibile a -30, quindi utilizzare la rotellina del mouse per impostare la soglia HU esattamente su -3013. Identificazione del tessuto adiposo viscerale (IVA): clicca su 5 (giallo) sotto l’area di crescita della regione sul lato sinistro dello schermo. Fare clic sul pulsante Disattivato per limite inferiore per attivarlo. Fare clic sulle frecce della rotellina del mouse per impostare Disabilitato su Limite inferiore. Trascinare il dispositivo di scorrimento su Limite inferiore per impostare la soglia HU il più vicino possibile a -150, quindi utilizzare la rotellina del mouse per impostare la soglia HU esattamente su -15013. Fare clic sul pulsante Disattivato per limite superiore per attivarlo. Fare clic sulle frecce della rotellina del mouse per impostare Limite inferiore su Limite superiore. Trascinare il dispositivo di scorrimento su Limite superiore per impostare la soglia HU il più vicino possibile a -50, quindi utilizzare la rotellina del mouse per impostare la soglia HU esattamente su -5013. Identificazione del tessuto adiposo sottocutaneo (SAT): clicca su 7 (ciano) sotto l’area di crescita della regione sul lato sinistro dello schermo. Fare clic sul pulsante Disattivato per limite inferiore per attivarlo. Fare clic sulle frecce della rotellina del mouse per impostare Disabilitato su Limite inferiore. Trascinare il dispositivo di scorrimento su Limite inferiore per impostare la soglia HU il più vicino possibile a -190, quindi utilizzare la rotellina del mouse per impostare la soglia HU esattamente su -19013. Fare clic sul pulsante Disattivato per limite superiore per attivarlo. Fare clic sulle frecce della rotellina del mouse per impostare Limite inferiore su Limite superiore. Trascinare il dispositivo di scorrimento su Limite superiore per impostare la soglia HU il più vicino possibile a -30, quindi utilizzare la rotellina del mouse per impostare la soglia HU esattamente su -3013. Utilizzare i tasti + e – sulla tastiera per ingrandire e ridurre l’immagine CT. Regolare lo zoom in base alle esigenze durante la segmentazione per contrassegnare in modo chiaro e accurato i tessuti. Inizia a segmentare selezionando 1 per il tessuto muscolare scheletrico (SM). Impostare l’opzione pennello su Paint. Utilizzare gli strumenti pennello trovati direttamente in Region Growing per adattarsi alle dimensioni desiderate del pennello e iniziare a dipingere sui gruppi muscolari psoas, paraspinali, obliqui e retto.NOTA: Se fluidi o organi al di fuori della fascia muscolare sono etichettati in rosso come muscoli, assicurati di cancellare l’etichettatura usando la selezione di colore Nessuno. Una volta contrassegnati tutti i muscoli, selezionare 1 nel menu TAG Lock in basso a sinistra dello schermo. Ciò garantirà che nessun muscolo sia accidentalmente re-taggato o cancellato man mano che la segmentazione procede. Selezionare 2 in Crescita regione e dipingere su tutti i tessuti adiposi (IMAT) all’interno della fascia muscolare. Assicurati di utilizzare la selezione di colore Nessuno se qualsiasi grasso o struttura al di fuori della fascia muscolare viene erroneamente taggato come IMAT.NOTA: I bordi della fascia muscolare di solito appaiono più chiari del grasso viscerale o sottocutaneo che lo circonda. Assicurati di etichettare tutto il grasso all’interno dei bordi più chiari della fascia muscolare come IMAT e non IVA o SAT. Se la linea alba non è etichettata come muscolo, l’intera linea alba deve essere analizzata come IMAT. Una volta contrassegnato tutti gli IMAT, selezionare 2 dal menu TAG Lock in basso a sinistra dello schermo. Selezionare 5 dal menu Crescita regione per contrassegnare il tessuto IVA. Quando si contrassegna l’IVA, a seconda dell’immagine, potrebbe essere più facile utilizzare Grow 2D anziché Paint. Se si utilizza Grow 2D, utilizzare l’opzione Pennello più piccolo. Se si utilizza Grow 2D assicurarsi di guardare indietro su tutta l’IVA taggata e assicurarsi che nessun tessuto intralumenale all’interno dell’intestino o degli organi sia erroneamente taggato, dal momento che quel grasso di solito proviene da cibo digerire o altre strutture che non sono IVA. Se si utilizza Paint assicurarsi di non dipingere all’interno del lume degli organi o dell’intestino. Una volta contrassegnata tutta l’IVA, selezionarne 5 dal menu TAG Lock in basso a sinistra dello schermo. Selezionare 7 dal menu Crescita regione per contrassegnare il tessuto SAT. Quando si tagga SAT, a seconda dell’immagine, in genere è più facile utilizzare Grow 2D anziché Paint. Se si utilizza Grow 2D, utilizzare l’opzione Pennello più piccolo. Se si utilizza Grow 2D, assicurarsi di tornare indietro sui bordi dell’immagine con lo strumento Nessuno selezionato per essere sicuri che nessun tessuto all’interno della fascia muscolare sia etichettato come SAT e per essere sicuri che nessuna pelle sia etichettata come SAT.NOTA: La pelle è solitamente più chiara nell’aspetto rispetto a SAT e di solito è spessa circa 2-3 pixel, ma tieni presente che l’aspetto e lo spessore della pelle possono variare da immagine a immagine. Se si utilizza Paint, assicurarsi di fare attenzione intorno ai bordi, in particolare intorno alla pelle per assicurarsi che nessun tessuto sia etichettato in modo errato. Al termine dell’etichettatura dei tessuti, passare a Strumenti | Tag Superficie/Volume. In questo modo verranno visualizzate l’area della superficie e il volume di ciascuno dei tessuti contrassegnati, in genere l’interesse è per l’area della superficie. Fate clic su Visualizza in finestra (Display in Window) per aprire completamente la finestra Superficie tag/Volume (Tag Surface/Volume). Verranno visualizzati anche i valori HU. Registrare i valori di soglia superficie e HU.NOTA: se la finestra Superficie tag/Volume non viene visualizzata in basso a sinistra dello schermo, potrebbe essere perché non c’è abbastanza spazio per visualizzarla. In questo caso, assicurarsi che la finestra Slice-O-Matic sia ingrandita e quindi selezionare Strumenti | Tag Lock per rimuovere la finestra Blocco tag. Questo dovrebbe fare abbastanza spazio per visualizzare la finestra Superficie tag/Volume. Al termine, passare a File | Salvare i file TAG. In questo modo verrà salvato un file TAG in cui si trova il file DICOM. 2. Segmentazione 100 MRI L3 Ottenere l’immagine DICOM 10 (sequenze ponderate T2) assiale Nel visualizzatore di immagini identificare la vertebra L3. Se possibile, selezionate due viste finestra orizzontali e selezionate vista coronale o sagittale a sinistra per riferimento e vista assiale a destra. Clicca su Cross Link per collegare le finestre sinistra e destra. Scorrere verso il basso le immagini dalla direzione cranici a quella caudale. Identificare la vertebra L1, che è la prima vertebra senza attacco di costola. Contare da L1 a L3 e utilizzare la vista coronale o sagittale per identificare la fetta del centro di L3. Questo è identificato come il punto in cui entrambi i processi trasversali sono in grado di essere visualizzati in modo massimo e uguale. Selezionare la sezione L3. Nella scheda Esame selezionare Invia esame e salvare l’immagine come file DICOM.NOTA: il passaggio 1 è un passaggio di pre-elaborazione ed è elencato qui per dimostrare come ottenere un’immagine L3. Se il ricercatore ha già un’immagine L3, può andare al passaggio 2. Se il visualizzatore di immagini non abilita il riferimento incrociato, il ricercatore può saltare da 1.1.1 a 1.1.2. Se l’imaging non include la regione toracica, identificare L5, che è anteriore all’osso sacro, e contare da L5 a L3, tenendo presente che la presenza di una sesta vertebra lombare è una variante normale. Aprire l’immagine DICOM con il software Slice-O-Matic. Trascinare il file DICOM in un punto qualsiasi della finestra Slice-O-Matic. Selezionare modalità | Regione In crescita per iniziare la segmentazione.NOTA: A causa della scarsa differenziazione dei tessuti adiposi nelle immagini MRI, solo SM è segmentato. Segmentazione dei muscoli paraspinali: fai clic su 1 (Rosso) sotto l’area di crescita della regione sul lato sinistro dello schermo. Nella modalità anteprima, gli istogrammi dell’immagine mostrerebbero più picchi, con il primo picco che rappresenta l’aria e il secondo, il terzo e il quarto picco successivi che rappresentano rispettivamente muscoli, ossa e grassi. Fare clic sul pulsante Disattivato per limite inferiore per attivarlo. Fare clic sulle frecce della rotellina del mouse per impostare Disabilitato su Limite inferiore. Trascinate il dispositivo di scorrimento su Limite inferiore (Lower Limit) per impostare la soglia hu (Hounsfield Unit) su 0. Fare clic sul pulsante Disattivato per limite superiore per attivarlo. Fare clic sulle frecce della rotellina del mouse per impostare Limite inferiore su Limite superiore. Trascinare il dispositivo di scorrimento su Limite superiore per impostare HU per includere il muscolo paraspinale. Inizia a segmentare il muscolo paraspinale selezionando 1 per il tessuto muscolare scheletrico (SM). Impostare l’opzione pennello su Paint. Utilizzare gli strumenti pennello trovati direttamente in Region Growing per adattarsi alle dimensioni desiderate del pennello e iniziare a dipingere sui gruppi muscolari paraspinali.NOTA: Se qualcosa è etichettato in rosso come muscolo su fluidi o organi al di fuori della fascia muscolare, assicurati di cancellare l’etichettatura usando la selezione di colori Nessuno. Segmentazione dei gruppi muscolari rimanenti: spostare il topo anteriormente alla linea alba. Nella modalità di anteprima, regolare il limite superiore per includere la linea alba. Questo limite superiore dell’intensità viene quindi adottato per tutti i gruppi muscolari rimanenti. Inizia a segmentare selezionando 1 per il tessuto muscolare scheletrico (SM). Impostare l’opzione pennello su Paint. Utilizzare gli strumenti pennello trovati direttamente in Region Growing per adattarsi alle dimensioni desiderate del pennello e iniziare a dipingere sui gruppi muscolari paraspinali.NOTA: Se qualcosa è etichettato in rosso come muscolo su fluidi o organi al di fuori della fascia muscolare, assicurati di cancellare l’etichettatura usando la selezione di colori Nessuno. Al termine dell’etichettatura dei tessuti, passare a Strumenti | Tag Superficie/Volume. Questo mostrerà l’area della superficie e il volume di ciascuno dei tessuti etichettati, in genere l’interesse è per la superficie. Fate clic su Visualizza in finestra (Display in Window) per aprire completamente la finestra Superficie tag/Volume (Tag Surface/Volume). Verranno visualizzati anche i valori HU. Registrare i valori di soglia superficie e HU.NOTA: se la finestra Superficie tag/Volume non viene visualizzata in basso a sinistra dello schermo, potrebbe essere perché non c’è abbastanza spazio per visualizzarla. In questo caso, assicurarsi che la finestra Slice-O-Matic sia ingrandita e quindi selezionare Strumenti | Tag Lock per rimuovere la finestra Blocco tag. Questo dovrebbe fare abbastanza spazio per visualizzare la finestra Superficie tag/Volume. Al termine, passare a File | Salvare i file TAG. In questo modo verrà salvato un file TAG in cui si trova il file DICOM. 3. Misurazione lineare per TC e RISONANZA Ottenere l’immagine DICOM CT o MRI assiale. Nel visualizzatore di immagini identificare la vertebra L3. Se possibile, selezionate due viste finestra orizzontali e selezionate vista coronale o sagittale a sinistra per riferimento e vista assiale a destra. Clicca su Cross Link per collegare le finestre sinistra e destra. Scorrere verso il basso le immagini dalla direzione cranici a quella caudale. Identificare la vertebra L1, che è la prima vertebra senza attacco di costola. Contare da L1 a L3 e utilizzare la vista coronale o sagittale per identificare la fetta di metà di L3, come identificato dal punto in cui entrambi i processi trasversali sono ugualmente identificati.NOTA: il passaggio 1 è un passaggio di pre-elaborazione ed è elencato qui per dimostrare come ottenere un’immagine L3. Se il ricercatore ha già un’immagine L3, può andare al passaggio 2. Se il visualizzatore di immagini non abilita il riferimento incrociato, il ricercatore può saltare da 1.1.1 a 1.1.2. Se l’imaging non include la regione toracica, identificare L5, che è anteriore all’osso sacro, e contare da L5 a L3. Importare l’immagine in un visualizzatore di imaging medico e aprirla. Per Horos: apri l’app e fai clic su Importa. Passare alla posizione dell’immagine DICOM, selezionarla e fare clic su Apri. Il file e l’immagine devono essere visualizzati nell’elenco Nome paziente. Fare doppio clic su Nome paziente, quindi fare doppio clic sull’immagine per iniziare la segmentazione lineare. Identificare i muscoli psoas e i muscoli paraspinali. Selezionare lo strumento righello e misurare i diametri orizzontale (180°) e verticale (90°) dei quattro muscoli sopra menzionati.NOTA: Le linee devono essere orizzontali e verticali verso l’immagine, non diagonali. Le linee orizzontali e verticali disegnate dovrebbero creare una scatola rettangolare che comprenda l’intero muscolo. Non misurare semplicemente la distanza più lunga del muscolo. Se si utilizza un visualizzatore di immagini che consente uno strumento di disegno a scatola, è possibile utilizzare tale strumento anziché il semplice strumento righello. Ciò è previsto che lo strumento di disegno a scatola 2000 visualizzati almeno l’altezza e la lunghezza della scatola. Registrare tutte e otto le misurazioni (Larghezza psoas destra, Lunghezza psoas destra, Larghezza psoas sinistra, Lunghezza psoas sinistra, Larghezza paraspinale destra, Lunghezza paraspinale destra, Larghezza paraspinale sinistra, Lunghezza paraspinale sinistra) per ulteriori analisi. Calcola la superficie muscolare individuale moltiplicando il valore orizzontale e verticale di quel muscolo. Ottenere la superficie muscolare totale muscoli psoas e muscoli paraspinali aggiungendo il muscolo sinistro al muscolo destro, rispettivamente. Calcolare l’indice muscolare lineare dividendo la superficie combinata (mm2) per l’altezza del paziente al quadrato (m2).

Representative Results

La procedura di segmentazione L3 si traduce in un’immagine CT o RISONANZA CON TAG CON tessuto muscolare scheletrico (SM) taggato in rosso, IMAT in verde, IVA in giallo e SAT in ciano (Figura 1). I tessuti non ancorati rimanenti rimarranno nelle tonalità originali bianche, grigie e posteriori che corrispondono ai rispettivi valori hu (Hounsfield unit) di ciascun pixel. La maggior parte dei tessuti non oziati che rimangono in bianco saranno ossa, la maggior parte dei tessuti che rimangono nei grigi saranno muscoli non scheletrici, tessuto d’organo e tessuti adiposi all’interno dei lumen dell’intestino e la maggior parte dell’immagine che rimane in nero sarà aria. Un’immagine correttamente segmentata non avrà tag rosso o verde al di fuori della fascia muscolare scheletrica e nessun tagging giallo o ciano all’interno della fascia muscolare scheletrica. Inoltre, l’etichettatura gialla non deve invadere lumen dell’intestino o organi come il rene o il fegato e l’etichettatura ciano non dovrebbe essere presente lungo i bordi esterni più chiari che corrispondono alla pelle. Una volta completata la segmentazione dell’immagine, devono essere registrate le superfici e i valori medi di HU del tessuto, insieme all’altezza del paziente(tabella 1). Da questi dati, si può calcolare l’indice muscolare scheletrico e procedere con qualsiasi altra analisi rilevante per la ricerca specifica o le domande cliniche. Si noti che per la maggior parte delle immagini mri, solo il muscolo scheletrico può essere correttamente taggato e successivamente analizzato(Tabella 2). Nelle misurazioni lineari, un indice viene calcolato dividendo la superficie sul quadrato dell’altezza (Tabella 3). Problemi comuni che i ricercatori possono incontrare durante la procedura di segmentazione includono immagini che hanno omissione di informazioni chiave. Ad esempio, le immagini possono avere porzioni considerevoli tagliate o ritagliate (Figura 2). In particolare, le immagini con SAT e/o tessuto muscolare scheletrico ritagliate dal telaio diminuiranno drasticamente l’accuratezza dei calcoli delle superfici dei tessuti interessati. Se ciò rende un’immagine inadatta all’analisi dipenderà dal contesto clinico o di ricerca e dovrà essere deciso dal gruppo di ricerca caso per caso. Un’altra insidia è che i ricercatori possono inavvertitamente includere midollo spinale e midollo osseo nel muscolo scheletrico. Per evitare questo problema, i ricercatori dovrebbero essere ben addestrati e rimanere cauti durante la segmentazione. Altri artefatti comuni nelle immagini TC o RISONANZA TURA includono problemi tecnici causati dal posizionamento o dal movimento del paziente nello scanner, filamenti di grasso e tessuti cicatriziali intorno alla fascia muscolare scheletrica e altri artefatti di forma strana (Figura 3). I problemi tecnici causati dal movimento del paziente o dal posizionamento improprio di solito appaiono più leggeri, con valori di HU più elevati rispetto al tessuto circostante. Questo tipo di problemi tecnici di solito compaiono in SAT e possono anche ridurre l’accuratezza del calcolo della superficie. Il contesto clinico o di ricerca determinerà il livello di tolleranza per tali problemi. Gli artefatti del tessuto cicatriziale e cicatriziale di solito non vengono causando elevate quantità di errore nei calcoli della superficie tissutale. Tuttavia, possono portare a un’applicazione applicazione applicazione applicazione applicazione della classificazione. Le aree superficiali del muscolo scheletrico e dell’IMAT possono essere molto imprecise nei casi in cui filamenti di grasso o tessuto cicatriziale si sbagliano come la linea della fascia muscolare. Altre piccole imperfezioni e artefatti nelle immagini CT e MRI di solito non influiscono sulla qualità complessiva dell’immagine tranne in rari casi. A seconda del contesto clinico o di ricerca, questi artefatti potrebbero dover essere valutati da un esperto di radiologia per verificare la qualità dell’immagine. L’ultimo problema comune nelle immagini CT e MRI sono le deformità nella linea della fascia muscolare (Figura 4). Queste interruzioni di solito non influenzeranno la qualità dell’immagine, ma le immagini contenenti grandi rotture o altre deformità nella fascia muscolare dovrebbero essere valutate da un radiologo per determinare se l’origine della deformità influenzerà l’analisi del contesto clinico o di ricerca. La procedura di misurazione lineare L3 sviluppata da Avruvin etal. I principali problemi incontrati nelle misure lineari ruotano attorno all’identificazione dei gruppi muscolari di interesse, dei due psoa e dei gruppi muscolari paraspinali (Figura 5). Nella maggior parte dei casi i bordi delle psoas saranno distinti dagli organi vicini, ma nel caso in cui il bordo sia difficile da discernere, cambiare i filtri HU o la luminosità di solito risolverà la maggior parte dei problemi. Inoltre, i bordi dei gruppi muscolari paraspinali saranno spesso distinti dagli altri tessuti vicini, ma si dovrebbe notare che se nessun muscolo chiaro raggiunge la linea di fascia più in basso, la linea non dovrebbe essere inclusa nel determinare il bordo inferiore del gruppo muscolare paraspinale. Infine, il quadratus lumborum deve essere escluso quando si determina il bordo delle psoas o dei gruppi muscolari paraspinali (Figura 5E). Figura 1: Corretta segmentazione L3 in Slice-O-Matic. (A) L’immagine TC assiale inalterata alle vertebre L3. (B) La TAC assiale completamente taggata con rosso corrispondente al muscolo scheletrico (SM), dal verde al tessuto adiposo intramuscolare (IMAT), dal giallo al tessuto adiposo vescicale (IVA) e dal ciano al tessuto adiposo sottocutaneo (SAT). Clicca qui per visualizzare una versione più grande di questa figura. Figura 2: Tagliare l’immagine L3 CT. Un’immagine CT non registrata in Slice-O-Matic con notevoli quantità di SAT e quantità significative di tessuto muscolare scheletrico tagliate. Fare clic qui per visualizzare una versione più grande di questa figura. Figura 3: Artefatti comuni. (A) L’immagine CT senza osta è evidenziata rispettivamente nella casella rossa, nell’ovale blu e nella casella verde. La casella rossa mostra problemi tecnici con una TAC, potenzialmente da malalignment o movimento durante la scansione. L’ovale blu evidenzia un artefatto comune probabilmente derivante da tessuti cicatriziali. Il quadrato verde evidenzia le imperfezioni che possono avere più potenziali cause. (B) Scansione CT con tag con aspetti degli stessi rispettivi artefatti evidenziati nella casella rossa, ovale blu e casella verde. Clicca qui per visualizzare una versione più grande di questa figura. Figura 4: Grande rottura della fascia muscolare. (A) L’immagine L3 CT non registrata evidenzia una grande rottura nella fascia muscolare scheletrica nella scatola viola. (B) L’immagine L3 CT taggata evidenzia l’aspetto taggato della grande rottura nella fascia muscolare scheletrica nella scatola viola. Clicca qui per visualizzare una versione più grande di questa figura. Figura 5: Misurazioni lineari L3. (A) L’immagine TC originale L3 prima dell’analisi nel visualizzatore di immagini Horos. (B) Il metodo tradizionale di misurazione lineare comprende una linea verticale e una linea orizzontale tracciata per ciascun muscolo. Queste linee vengono misurate con uno strumento righello e moltiplicate per trovare la superficie di ogni gruppo muscolare. Si noti che il metodo tradizionale delle misure lineari dovrebbe sempre avere linee che si intersecano a 90°. Questa immagine del metodo tradizionale delle misure lineari è una dimostrazione visiva solo poiché è stata creata a Horos e non è garantito che abbia intersezioni di 90 °. (C) (D) (E) Metodo Box per misure lineari L3. (C) (D) La scatola blu e viola comprende rispettivamente le psoas destro e sinistro, e la scatola gialla e verde comprende rispettivamente il muscolo paraspinale destro e sinistro. (E) Le scatole viola chiaro e arancioni evidenziano il quadratus lumborum, che non deve essere preso in considerazione quando si determinano i bordi delle Psoas e dei gruppi muscolari paraspinali. Clicca qui per visualizzare una versione più grande di questa figura. Figura 6: Confronto tra misure lineari e area muscolare scheletrica della sezione trasversale L3, n = 65. Le psoas combinate e le aree paraspinali sono in accordo con il muscolo scheletrico totale nella sezione trasversale L3. Clicca qui per visualizzare una versione più grande di questa figura. SEGMENTAZIONE CT muscolo Tessuto adiposo intramuscolare Tessuto adiposo viscerale Tessuto adiposo sottocutaneo Area sufazione (cm2) 134.4 8.402 72.43 271 Hounsfield Unit (media) 33.61 2.1 18.11 67.76 Altezza paziente al quadrato (m2) 2.69 Indice muscolare scheletrico (area muscolare/altezza2,cm2/ m2) 49.97 Tabella 1: Segmentazione CT SEGMENAZIONE DELLA MENTO muscolo Area sufazione (cm2) 241.8 Hounsfield Unit (media) 35.85 Altezza paziente (m2) 3.39 Indice muscolare scheletrico 71.42 (Area muscolare/Altezza2, cm2/m2) Tabella 2: Segmentazione della MENTO MISURE LINEARI Altezza psoas destra (cm) Larghezza psoas destra (cm) Altezza Psoas sinistra (cm) Larghezza psoas sinistra (cm) Altezza paraspinale destra (cm) Larghezza paraspinale destra (cm) Altezza paraspinale sinistra (cm) Larghezza paraspinale sinistra (cm) 3.934 2.927 3.743 2.788 4.916 6.264 4.403 7.045 Superficie totale psoas (cm2) 21.950 Superficie paraspinale totale (cm2) 61.813 Superficie muscolare totale (cm2) 83.76 Altezza paziente al quadrato (m2) 2.496 Indice di misura lineare (cm2/m2) 33.55 Tabella 3: Misure lineari

Discussion

Il muscolo psoas, i gruppi muscolari paraspinali e i muscoli obliqui sono strettamente correlati con la massa muscolarecomplessiva 5. In particolare, la superficie all’interno di una sezione trasversale TC o RISONANZA DI QUESTI gruppi muscolari al punto centrale della terza vertebra lombare (L3) è altamente correlata con la massa muscolare complessiva, rendendo questa immagine ideale per ricercatori o medici da utilizzare nella valutazione della sarcopenia1,2,13. La segmentazione e le misurazioni lineari hanno dimostrato un grande valore nel valutare la composizione corporea e nell’identificare cattive condizioni prognostiche come la sarcopenia e l’obesità sarcopenica neipazienti 16,17. La ricerca ha dimostrato che le misurazioni della massa muscolare sono associate alla sopravvivenza e ai rischi di complicanze maggiori a seguito di importanti interventi chirurgici o piani di trattamento come chemioterapia e tossicità chemioterapica16,17,18. Pertanto, vorremmo dire che potrebbe essere utile per i medici avere dati sulla composizione corporea prima di consigliare i pazienti riguardo alle opzioni di trattamento.

Attualmente, ci sono diversi metodi per valutare la composizione corporea. Diversi metodi, come la densitometria12 e la pletismografia di spostamento dell’aria (ADP)19, utilizzano rispettivamente il peso dell’aria e lo spostamento, rispettivamente per stimare la percentuale di grasso corporeo e la densità corporea. Sebbene questi metodi possano essere utili, non sono in grado di determinare la distribuzione del tessuto adiposo5,19. Altre tecniche analitiche di composizione corporea, come il BIA, basano la loro analisi sulle diverse caratteristiche elettriche della massa grassa e della massa senza grassi12. Tuttavia, ancora una volta questa tecnica non riesce a valutare adeguatamente le distribuzioni dei grassi e richiede anche maggiori informazioni come etnia, età e sesso per misurazioni più accurate19. Al contrario, valutazioni come DEXA si sono dimostrate utili nella valutazione della composizione corporea, ma hanno la tendenza a sopravvalutare la massa muscolare con l’aumento dell’adiposità12. Diversi protocolli hanno anche utilizzato il metodo Region-of-Interest (ROI) per ottenere dati sulla massa muscolare e sui tessuti adiposi all’interno del software di visualizzazione DICOM, che ha dimostrato di avere una buona correlazione con l’analisi della composizione corporea BIA per la valutazione della sarcopeniae la valutazione nutrizionale 20,21.

La procedura di segmentazione sviluppata da Mourtzakis et al. Inoltre, la segmentazione assiale L3 ha il vantaggio della precisione indipendentemente dallo stato di obesità delpaziente 13. Simile alle suddette alternative, la tecnica delle misure lineari sviluppata da Avrutin etal. Recentemente, i ricercatori hanno dimostrato disparate nella segmentazione del corpo, specialmente nei metodi che misurano i soli muscoli psoas22. La massa muscolare psoas da sola non è altamente rappresentativa della quantità muscolare lombare o dello svapo muscolare sistematico e potrebbe non essere altamente correlata con gliesiti clinici 22. Questo problema può essere più preoccupante nella misurazione lineare, in quanto il muscolo psoas è il principale gruppo muscolare nella valutazione. Tuttavia, la nostra tecnica delineata include psoas bilaterali e stime muscolari paraspinali per misurare una valutazione più accurata, pur essendo rapida e conveniente della massa muscolare della sezione trasversale. Sono giustificati studi futuri che convalidno il rispetto tra i metodi di misurazione lineare ct/ risonanza e segmentazione e la loro correlazione con i risultati clinici.

Sia la segmentazione L3 che le procedure di misurazione lineare sono state inizialmente progettate per valutare rapidamente e accuratamente il contenuto muscolare a livello corporeo. Segmentando solo le vertebre L3, il protocollo consente di risparmiare tempo pur fornendo ai ricercatori o ai medici informazioni sufficienti per determinare la massa muscolare magra del paziente e lo stato di adiposità. Tuttavia, anche se la segmentazione L3 richiede molto meno tempo rispetto alla segmentazione del corpo intero, può comunque essere dispendioso in termini di tempo e denaro utilizzare il software Slice-O-Matic. Al contrario, le misurazioni lineari hanno il potenziale per essere accurate come la segmentazione L3 nella valutazione dello stato muscolare e della sarcopenia nei pazienti in condizionicritiche 14,15. Abbiamo dimostrato tale relazione nella coorte di carcinoma a cellule renali T3, dove il muscolo scheletrico misurato mediante misurazioni lineari è strettamente correlato al valore misurato per segmentazione (Figura 6). È importante sottolineare che il metodo è estremamente veloce e il software di imaging è gratuito. Tuttavia, la limitazione più notevole alla procedura di misurazione lineare è la sua mancanza di capacità di valutare il contenuto di tessuto adiposo, che limita i medici a contesti in cui è sufficiente una valutazione generale del contenuto muscolare.

Ci sono tre passaggi critici sia nelle procedure di segmentazione che in quello di misurazione lineare. In primo luogo, medici e ricercatori dovrebbero identificare il centro delle vertebre L3 per ottenere coerenza. Il centro delle vertebre L3 sarà la fetta in cui il midollo dei processi trasversali è più prominente. La fetta assiale delle vertebre L3 è più facilmente identificabile con l’aiuto di una vista sagittale o coronale collegata tra loro. Ricercatori o clinici possono prima trovare vertebre L1 o sacro come punto di riferimento, tenendo presente che la presenza di sei vertebre lombari invece di cinque è una variante normale. Il prossimo passo cruciale è identificare i muscoli. Nelle misurazioni lineari, il quadratus lumborum non deve essere incluso durante l’adozione delle misure verticali e orizzontali. In terzo luogo, i ricercatori dovrebbero anche prestare molta attenzione quando etichettano l’IVA nel protocollo di segmentazione, poiché il contenuto del colon può talvolta essere etichettato come tessuto adiposo viscerale23. Quando si verifica un tale errore, i ricercatori dovrebbero cancellare queste aree prima di passare al passaggio successivo.

Un problema comune nella segmentazione è la scarsa qualità dell’immagine CT o MRI (vedi risultati rappresentativi per esempi). In alcuni casi, la scarsa qualità non rende l’immagine inutile, ma in altri casi l’immagine potrebbe dover essere esclusa dall’analisi. Un’altra limitazione, forse inevitabile, della segmentazione di una singola immagine include la variazione casuale della posizione dell’organo solido da immagine a immagine.

Altri problemi comuni sia per l’analisi della segmentazione L3 che per l’analisi della misurazione lineare sono spesso correlati alla variazione inter e intra-rater. Come nel caso della maggior parte dei protocolli, ci si può attendere una certa variazione tra gli osservatori e tra le prove separate di un singolo individuo. Per tenere conto e ridurre al minimo le variazioni inter-rater con più persone che eseguono analisi, il team di ricercatori o medici può testare eventuali variazioni statisticamente significative nelle misurazioni delle superfici e hu medio dalla stessa immagine. Prendi nota in particolare della variazione hu in quanto ciò indicherà se i ricercatori o i medici che hanno aree di superficie molto simili per la stessa immagine stanno effettivamente etichettando i tessuti approssimativamente allo stesso modo. Per testare una significativa variazione intra-rater per un individuo, ricercatori o clinici possono prendere un piccolo sottoinsieme di immagini e segmentare ogni immagine fino a quando tutte le repliche per ogni immagine sono entro un margine stretto, statisticamente insignificante.

Riconosciamo che entrambi i protocolli qui presentati hanno limitazioni nell’analisi della composizione corporea in quanto viene utilizzata una sola fetta. Come suggerito da Shen et al., l’analisi 3D può fornire informazioni più accurate per il grasso viscerale addominale e l’analisi a una fetta per l’IVA è a diversi livelli per uominie donne 24. Tuttavia, i protocolli discussi qui sono ancora preziosi in quanto forniscono valutazioni rapide del tessuto muscolare e adiposo, che può essere utilizzato per lo screening della sarcopenia nelle cliniche.

Inoltre, ci sono stati molti protocolli automatizzati di analisi della composizione corporea utilizzando algoritmi di machine learning 3D, in particolare algoritmi di classificazione basati su reteneurale 25. Riconosciamo che queste potrebbero essere le potenziali alternative future alla segmentazione 2D tradizionale. Tuttavia, questi metodi richiedono grandi set di dati di immagini CT e MRI da sviluppare, testare e attuare in contesti clinici e di ricerca. Inoltre, questi metodi richiedono spesso l’analisi della segmentazione 2D per stabilire un riferimento di base rispetto al quale convalidare gli algoritmi di machine learning. I protocolli qui dimostrati possono quindi essere utili quando non sono disponibili set di dati di grandi dimensioni o immagini 3D e questi protocolli possono essere applicati per aiutare a sviluppare e convalidare algoritmi di machine learning quando sono applicabili. Pertanto, crediamo che medici e ricercatori possano beneficiare di questo video di formazione e adottare questi metodi rapidi e affidabili come screening preliminare prima che sia disponibile l’analisi automatizzata e al fine di facilitare l’implementazione di questa tecnologia avanzata.

La capacità di analizzare rapidamente la distribuzione dei tessuti adiposi e la massa muscolare scheletrica ha un’ampia gamma di interessi clinici che vanno dal trattamento e dalla ricerca sul cancro alla malattia cardiaca5. Rispetto ad altri metodi comunemente usati, i Mourtzakis et al. La procedura di segmentazione L3 in Slice-O-Matic può valutare con precisione e rapidità la distribuzione dei tessuti adiposi e determinare lo stato di sarcopenia5,12,13,19. Inoltre, in contesti in cui le informazioni sulla massa muscolare scheletrica sono sufficienti, la procedura di misurazione lineare L3 è uno strumento affidabile e molto veloce per aiutare a prevedere il successo nei trattamenti contro il cancro come chirurgia, radioterapia e chemioterapia1,2,4,6,7,8. Lo scopo di questo video e manoscritto di formazione è quello di delineare chiaramente il protocollo per la segmentazione e le misurazioni lineari per un uso futuro in modo che i medici possano valutare più facilmente la composizione corporea nell’ambiente clinico.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Gli autori vorrebbero riconoscere il sostegno delle fondazioni della famiglia John Robinson & Churchill.

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