rapidă

Articole similare

Recomandați și distribuiți

August 2005, volumul 185, numărul 2

Imagistica MR

Observații clinice

Măsurarea automată rapidă a distribuției grăsimii corporale din RMN întregul corp

  • Abstract
  • Text complet
  • Cifre
  • Referințe
  • PDF
  • PDF Plus
  • Adauga la favorite
  • Permisiuni
  • Descărcați Citația

OBIECTIV. Scopul acestui articol este de a determina fezabilitatea utilizării tehnicilor de diagnostic asistat de computer (CAD) pentru a identifica, localiza și măsura automat țesutul adipos dintr-o examinare rapidă a RMN a întregului corp.

CONCLUZIE. RMN-ul întregului corp împreună cu CAD permite o abordare rapidă, automată și precisă a măsurării și localizării grăsimii corporale și poate fi o alternativă utilă la indicele de masă corporală. Analiza grăsimii din întregul corp poate fi realizată în mai puțin de 5 minute.

Determinarea exactă a grăsimii corporale totale a unei persoane este o problemă importantă în analiza medicală, deoarece obezitatea este un factor semnificativ care contribuie la o varietate de probleme grave de sănătate. Literatura medicală identifică o gamă largă de boli care sunt strâns legate de obezitate. Metodele actuale de evaluare a grăsimii sunt în mare măsură inexacte, iar majoritatea metodelor actuale de determinare a grăsimilor nu pot prezenta o distribuție regională a grăsimilor, ceea ce este important în definirea riscului de boală. Introducem o metodă care combină tehnicile asistate de computer cu tehnicile RMN ale întregului corp și permite cuantificarea și vizualizarea exactă a sarcinii totale a grăsimii corporale și a distribuției regionale a grăsimii. Această tehnică poate fi importantă în identificarea și tratarea populațiilor cu risc.

Acest studiu a inclus 42 de pacienți (21 de bărbați și 21 de femei) care au fost recrutați prin publicitate locală în spital și o clinică sportivă legată de spital. Acești voluntari au inclus o cohortă de canotieri internaționali, un grup de sportivi de elită la care estimarea grăsimii corporale este de o importanță deosebită, deoarece indivizii au o greutate limitată. A fost obținută aprobarea consiliului instituțional local. Consimțământul informat a fost obținut de la fiecare subiect, iar greutatea și înălțimea acestuia au fost înregistrate. Acestea au fost utilizate pentru a calcula indicele de masă corporală (IMC) la fiecare pacient.

Imaginile MR au fost achiziționate pe o unitate de imagistică de 1,5 T (Intera, Philips Medical Systems), care a fost echipată cu un extensor de masă și a permis mișcările automate de masă. Cu extensia de masă se realizează o acoperire caudocraniană de 200 cm, ceea ce permite examinarea tuturor subiecților, cu excepția celor mai înalți. Imaginile sunt achiziționate în șase până la șapte stive complet integrate, cu o suprapunere mică. Am achiziționat imagini coroane cu gradient-ecou ponderat T1 (TR/TE, 112/1,62; unghi de rotație, 70 °, număr de semnale mediat, 1; matrice, 256 × 256; câmp de vedere dreptunghiular 80%, 189 × 189). Interpolarea automată a voxelurilor a fost utilizată pentru a produce voxeli de 2,02 × 2,02 × 8,00 mm 3 .

Pentru procesul de scanare, pacienții sunt așezați în decubit dorsal, cu brațele încrucișate peste abdomen. Acest lucru permite imaginarea membrelor superioare ale subiecților. Am plasat inițial mâinile subiecților de laturi, dar am constatat că acest lucru a provocat artefactul aliasing. După imagistică, datele brute sunt transferate, în format DICOM, către o stație de lucru pentru analiză. La stația de lucru, seturi complexe de algoritmi sunt aplicate secvențial la fiecare set de date pentru a izola grăsimea.

În RMN cu corp întreg, subiectul este imaginat într-un set de secțiuni coronale suprapuse. Seria rezultată de imagini MR trebuie reconstituită într-un set de date volumetrice pentru a facilita analiza. Există două aspecte care necesită o atenție deosebită în acest proces: înregistrarea spațială și potrivirea la scară de gri. Pentru a realiza o înregistrare spațială corectă, folosim vectori de localizare și orientare stocate în antetele DICOM. Acest lucru ne permite să poziționăm cu precizie fiecare imagine într-un sistem global de coordonate. În acest fel, putem explica orice suprapunere între feliile coronale adiacente și putem genera corect volumul final.

Este necesară potrivirea la scară de gri, deoarece pot exista compensări semnificative de intensitate între secțiunile coronare succesive datorită naturii procesului de achiziție RMN, în special relației spațiale strânse dintre spate și bobinele receptorului. Este necesar să se minimizeze aceste efecte pentru a optimiza performanța procedurii de analiză automată. Obținem acest lucru folosind potrivirea histogramei. Se construiește o histogramă de intensitate pentru fiecare secțiune coronară, vârful caracteristic reprezentând țesutul moale este identificat algoritmic în fiecare caz, iar setul de vârfuri sunt aliniate pentru a se potrivi cu distribuțiile la scară de gri pe toate secțiunile.

O examinare vizuală a imaginilor conținute în seturile de date relevă faptul că țesuturile grase tind să aibă o valoare mai mare la scară de gri decât alte țesuturi. Dar aceste imagini indică, de asemenea, că există o variație ridicată la scară de gri în regiunile imaginii reprezentând țesuturile adipoase. De asemenea, chiar și după potrivirea histogramei, valorile la scară de gri ale grăsimii în unele situații se suprapun peste cele asociate cu alte țesuturi de intensitate nominală mai mică, cum ar fi cele care reprezintă ficatul sau creierul. Prin urmare, segmentarea exactă nu poate fi realizată prin aplicarea unor metode simple bazate pe praguri.

Pentru a face față acestor probleme, am conceput un algoritm de segmentare în patru pași. Un nivel de prag inițial este calculat pe baza unei analize a histogramei de date. Vârful care reprezintă țesutul moale este localizat, iar voxelurile cu valori care se încadrează peste sfârșitul acestui vârf sunt inițializate ca potențiali voxeli de grăsime. Apoi folosim un pas de îmbunătățire a limitelor pentru a compensa căderea semnalului în unele regiuni periferice ale datelor. Apoi aplicăm o procedură de creștere a regiunii 3D. În cele din urmă, aplicăm un proces de rafinare a regiunii prin care voxelii candidați sunt grupați în regiuni conectate [1]. Prin acest proces, ajungem la o segmentare robustă a semnalului datorită țesutului adipos din volumul de date.

Calculul grăsimii corporale totale (TBF) se efectuează utilizând următoarea formulă: TBF =NFatVoxels) (Voxel_Dim) (Grăsime_Densitate), Unde NFatVoxels este numărul total de voxeli grași conținuți în setul de date, Voxel_Dim este dimensiunea voxel (în cm 3) și Grăsime_Densitate este densitatea țesutului adipos (în g/cm 3). Dimensiunile voxelului pot fi extrase din antetul DICOM, iar seturile de date utilizate în studiul nostru au avut în mare parte dimensiuni de 2,02 × 2,02 × 8,00 mm 3. Literatura medicală indică faptul că densitatea țesutului adipos poate fi considerată constantă [2] și de obicei i se atribuie o valoare de 0,9196 g/cm3. Conținutul de grăsime este determinat prin numărarea voxelurilor de țesut adipos conținute în datele segmentate (marcate cu galben în Fig. 1). Am normalizat aceste valori pentru a produce grăsimea corporală totală în kilograme.

Rezultatele analizei sunt prezentate în mai multe moduri. Revizuirea ortogonală simplă permite examinarea secțiunilor axiale, coronale și sagitale, evidențiind regiunile care au fost clasificate drept grăsime corporală. Marcarea color a imaginilor oferă feedback vizual eficient, îmbunătățind lizibilitatea datelor (Fig. 1). Această formă de revizuire permite, de asemenea, examinarea detaliată a distribuției grăsimii în organism și facilitează identificarea ușoară a zonelor cu o concentrație specială de grăsime.

Vizualizările tridimensionale redate în volum (Fig. 2) oferă o imagine de ansamblu excelentă asupra datelor și, atunci când sunt utilizate cu tăierea spațiului de date, pot vizualiza în mod eficient distribuția grăsimii corporale într-un volum de interes, oferind o vizualizare mai completă și o defalcare cuprinzătoare a distribuția țesutului gras în corp.

În plus față de aceste instrumente vizuale, rezultatele numerice sunt prezentate utilizatorului. Figura 3 prezintă un exemplu de rezultate tipice generate de sistem. Se fac estimări ale înălțimii și greutății subiecților, iar măsurătorile sunt efectuate pentru a calcula valorile pentru grăsimea corporală reală și procentuală detectată, măsurate în funcție de volum și greutate. Toate aceste calcule sunt efectuate automat, fără nicio inițializare sau intervenție ulterioară necesară din partea utilizatorului. Întregul proces de analiză, de la datele brute DICOM la rezultatele finale, durează mai puțin de 2 minute.

Măsura care prezintă un interes mai mare este cea a procentului de grăsime corporală, a cărei determinare exactă a fost scopul principal al studiului. Rezultatele au arătat că a existat o corelație rezonabilă între această măsurare și IMC, cu diferențele de sex așteptate, așa cum sunt evidențiate în Figura 5. Cu toate acestea, complexitatea relației ilustrate în Figura 5 confirmă deficiențele recunoscute ale IMC ca măsurare a nivelului de grăsime corporală. Rezultatele pentru cohorta de canotieri internaționali evidențiază masa musculară neobișnuit de mare, arătând unul dintre dezavantajele IMC - incapacitatea sa de a distinge între masa corporală provenită din surse diferite. Rezultatele sunt prezentate în tabelul 1 și figurile 4 și 5. În toate cazurile, rezultatele au fost obținute în câteva minute de la primirea datelor DICOM.

IMC, care deduce conținutul de grăsime corporală numai din înălțime și greutate, este convenabil pentru screeningul în masă, dar, din nou, validitatea sa a fost pusă la îndoială în diferite grupuri etnice și populații de vârstă [11-13]. De asemenea, este cunoscut faptul că este inexact la persoanele atletice [14, 15] și la persoanele în vârstă [14, 16] din cauza conținutului extrem de mușchi. În plus, nu oferă nicio perspectivă asupra distribuției regionale a grăsimilor.

Metodele complexe de măsurare a grăsimii corporale pe bază de laborator includ tehnici precum hidrodensitatea, diluția radioactivă și deplasarea aerului (Bod Pod, Life Measurement). În timp ce deplasarea apei este recunoscută drept standardul auriu, consumă mult timp, este extrem de incomodă și nu este disponibilă pe scară largă. Validitatea unora dintre aceste tehnici a fost, de asemenea, pusă la îndoială [17-19].

Mai recent, au fost dezvoltate noi tehnici, iar printre cele mai importante se numără absorptiometria cu raze X cu energie duală (DEXA), interacțiunea în infraroșu apropiat (NIR) și conductivitatea electrică totală a corpului (TOBEC). DEXA este probabil cel mai disponibil pe scară largă și pare a fi rezonabil de precis, deși necesită expunere la radiații ionizante. Impedanța corporală TOBEC, segmentară și totală deduce distribuția grăsimii corporale din rezistența la un curent electric și are detractorii lor [18, 20, 21]. În majoritatea cazurilor, aceste tehnici sunt exacte, dar echipamentul este dedicat și costisitor, iar acesta este un factor determinant pentru aplicarea lor în investigațiile medicale curente. În plus, DEXA necesită expunerea la radiații ionizante.

În studiul nostru, am comparat metoda noastră de investigație pentru analiza grăsimilor cu IMC singur. În timp ce s-a obținut o corelație largă, credem că cea mai mare parte a disparității dintre cele două tehnici se bazează pe un standard de referință defect. Compararea cu o metodă mai bună de analiză a grăsimii, cum ar fi deplasarea apei, ar fi mărit validitatea rezultatelor noastre, dar nu am avut acces la astfel de tehnici. În plus, restricțiile instituționale de examinare ne-au împiedicat să folosim orice metode care includeau radiații ionizante. În cele din urmă, chiar dacă am avea o metodă de referință absolută disponibilă pentru comparație, nu există astăzi nici un test standard de aur pentru cuantificarea distribuției regionale a grăsimilor, ceea ce credem că este unul dintre cele mai importante rezultate ale metodelor noastre de cercetare.

Autorii anteriori au folosit tehnici de imagistică transversală pentru a estima conținutul de grăsime corporală [22-24]. CT este disponibil pe scară largă, rapid și, datorită reproductibilității unice a atenuării grăsimilor, potrivit pentru analiza automată a imaginii. Cu toate acestea, doza prohibitivă de radiație implicată exclude utilizarea acesteia într-o populație generală. În plus, imagistica întregului corp folosind o MDCT elicoidală sau de generație mai nouă ar necesita o interpolare extinsă a imaginii, introducând astfel o prejudecată.

RMN, deși nu este la fel de disponibil ca CT, este din ce în ce mai utilizat și nu implică radiații ionizante. Autorii anteriori au stabilit acuratețea și reproductibilitatea RMN pentru analiza grăsimilor în comparație cu disecția cadavrică [25] și la modelele animale [26]. La imagistica ponderată T1, grăsimea returnează un semnal ridicat din cauza unei concentrații mari de protoni relativ imobili. Doar substanțele paramagnetice, cum ar fi fierul sau melanina, fluidele foarte vâscoase și rotirile în mișcare (de exemplu, sângele care curge), de asemenea, returnează semnal ridicat folosind această secvență. Fierul și melanina nu sunt prezente în organism în cantități semnificative. În plus, deoarece am obținut imagini coronale orientate paralel cu axele majorității vaselor de sânge majore, îmbunătățirea legată de flux nu a fost o problemă majoră.

Deși RMN pentru analiza grăsimii a fost deja utilizat de autori anteriori, o revizuire a literaturii relevă faptul că a fost utilizat un spectru larg de tehnici, constând adesea din felii simple sau selectate, cu extrapolarea ulterioară la restul corpului [27-30 ]. Alte studii timpurii despre RMN-ul întregului corp pentru analiza grăsimii au folosit lacune de 1-3 cm între felii axiale, care necesită interpolare și, astfel, introduc în mod inevitabil părtinire. Într-adevăr, autorii anteriori au arătat că sub-eșantionarea și scanarea limitată introduc prejudecăți și o incertitudine crescută în măsurătorile de grăsime înregistrate [29]. În studiul nostru, am obținut o acoperire a întregului corp fără goluri, eliminând astfel orice potențial de prejudecată și asigurând rezultate exacte și reproductibile. În plus, evoluțiile în hardware, omogenitatea câmpului și utilizarea secvențelor de ecou gradient ne-au redus timpul de imagine la aproximativ 140 sec.

Tehnica noastră împarte efectiv corpul în voxeli de 2,02 × 2,02 × 8,00 mm 3. Prin împărțirea corpului în astfel de voxeli 3D mici și ulterior folosind tehnici de diagnostic asistat de computer (CAD), așa cum este subliniat, se obține o reprezentare clară a distribuției grăsimilor, iar inexactitățile potențiale datorate efectelor parțiale ale volumului sunt reduse la minimum. Există o serie de controverse în literatura de specialitate cu privire la consistența biochimică exactă a țesutului detectat ca grăsime prin RMN. Cu toate acestea, majoritatea autorilor acceptă faptul că țesutul adipos este compus din 84,67% trigliceride, 12,67% apă și 2,66% proteine, dând o densitate de 0,9196 kg/L [31]. În plus, această consistență biochimică pare a fi omogenă în tot corpul uman, astfel încât variabilele de confuzie care stau la baza dificultăților cu alte metode de compoziție corporală, cum ar fi vârsta, sexul și originea etnică. Astfel, utilizarea ecuațiilor, în afară de calculul automat automat al grăsimii corporale menționate anterior, este eliminată. În cohorta noastră de pacienți, am examinat un grup cu un spectru larg de niveluri și distribuții ale grăsimii corporale fără daune sau dificultăți evidente, inclusiv sportivi care sunt slab deserviți de alte metode disponibile.

În această investigație, ilustrăm modul în care utilizarea tehnicilor CAD bazate pe metodologiile de procesare și analiză avansată a imaginii poate fi utilizată pentru a cuantifica distribuția grăsimii în corp în secvențe de imagini MR cu corp întreg. Rezultatul acestui efort de cercetare este un sistem care evaluează scanarea RMN a corpului complet al unui subiect, oferind feedback numeric și vizual pentru a ilustra concluziile sale. Acest sistem generează rezultate în câteva minute, permițând efectuarea unei evaluări inițiale imediat după finalizarea scanării RMN. Prin evidențierea zonelor în care este concentrată grăsimea corporală, sistemul permite radiologilor să identifice și să examineze rapid regiunile de interes în scanare.

Ieșirile numerice ale sistemului oferă, de asemenea, o măsurare precisă a grăsimii corporale ca procent din masa întregului corp. Aceasta este o valoare importantă, care este dificilă și consumatoare de timp pentru a fi derivată prin mijloace alternative. După cum sa menționat anterior, distribuția țesutului adipos real în organism este o măsură importantă a stării de sănătate și a stării generale de sănătate și nu este bine cuantificată de IMC. În acest sens, evaluarea grăsimii corporale la sportivii implicați în programe de antrenament intensiv a fost un domeniu de o importanță deosebită în studiul nostru. Capacitatea de a localiza distribuția grăsimii și de a arăta unui sportiv exact unde se află pe corp este de mare interes, deoarece astfel de informații pot fi folosite pentru a ajuta la modelarea programului de antrenament al sportivului. Acest lucru are un import special pentru mulți sportivi cu greutate redusă, cum ar fi canoterii, boxerii și jockeys-urile. Întregul corp este acoperit, fără goluri, într-un timp de imagistică de aproximativ 2 minute 20 secunde și se achiziționează 32 de felii coronale de 8 mm grosime pentru fiecare dintre cele șase până la șapte stive.

Deși am avut o cohortă de sportivi în studiul nostru, această tehnică ar putea fi aplicată pacienților obezi cu facilități egale. Pentru a ține cont de masa corporală mai mare, grosimea feliei poate fi mărită, ceea ce reduce ușor specificitatea tehnicii, sau numărul de felii poate fi mărit, ceea ce crește ușor timpul de achiziție. Toate tabelele RMN au restricții de greutate la masă (de obicei 300-350 lb) și dimensiunea limitată a găurii (60 × 60 cm pe Intera). Aceste restricții exclud analiza pacienților extrem de mari pe sistemul pe care l-am folosit. Cu toate acestea, programul de analiză offline pe care l-am dezvoltat ar putea fi aplicat datelor de la orice aparat RMN și, deoarece realiniază informațiile în funcție de informațiile obținute în antetul DICOM, analiza întregului corp ar putea fi aplicată chiar și fără o masă în mișcare, atâta timp cât este meticuloasă. s-a observat poziționarea pacientului. Prin urmare, unitățile de imagistică care sunt utilizate în prezent pentru a imagina cei mai mari pacienți din practica clinică de astăzi ar putea fi adaptate pentru a măsura conținutul de grăsime corporală cu acest software.

În concluzie, am dezvoltat o tehnică care, prin combinarea RMN și CAD, face posibilă îmbunătățirea ușurinței, eficienței și eficacității cu care analiza distribuției grăsimii corporale poate fi efectuată în mod obișnuit.