利用自动化多结构分割技术以及对计算机断层扫描（CT）图像中腰椎肌肉和椎体的Hounsfield单位值分析来评估骨肌减少症

《Scientific Reports》：Assessing osteosarcopenia using automated multi-structure-segmentation and Hounsfield unit-based analysis of lumbar muscles and vertebral bodies on computed tomography

　　

摘要

肌少症和骨质疏松症是常见的与年龄相关的疾病，会显著增加跌倒、骨折和功能衰退的风险。本研究旨在开发并临床验证一种基于计算机断层扫描（CT）的完全自动化框架，该框架能够利用L3水平的单轴图像同时评估腰部骨骼肌和椎体小梁骨。我们回顾性分析了1,100张L3层面的CT图像，并实施了一个包含优化预处理和后处理步骤的自动化分割流程，随后对肌肉和骨骼部分进行了基于Hounsfield单位的解剖学标准化量化。该框架在腰部肌肉群和椎体部分的分割准确性方面表现优异。基于CT得出的骨骼肌指数与已建立的骨骼肌指数具有中等到强的相关性，并且在调整了相关临床协变量后，这些指数仍与功能障碍存在独立关联。椎体小梁骨的衰减值与基于骨密度的T值之间存在显著相关性。使用其他指数定义进行的敏感性分析也显示，这些指数与功能障碍和骨质减少之间存在一致的相关性。这种基于CT的集成方法能够通过常规影像学检查实现对肌肉和骨骼的可重复性同时评估，并且其结果与已建立的临床参考标准具有显著相关性，这证明了其在机会性筛查骨肌少症方面的潜在应用价值。