European Radiology：深度学习实现从大腿到全身的全自动肌肉质量评估

众所周知，骨骼肌在身体活动以及蛋白质代谢和葡萄糖调节中发挥着重要作用。在过去的十年中，骨骼肌质量和功能的显著丧失即肌肉疏松症，已成为临床研究中的一个重要问题。最近，对大腿肌肉质量和力量的关注也在增加，因为已知大腿肌肉力量的下降与膝关节疼痛和功能障碍有关。大腿肌肉力量是膝关节骨性关节炎的一个潜在风险因素，也与膝关节置换的风险有关。因此，人们对量化骨骼肌的质量和大小越来越感兴趣。

临床上有几种成像技术用于测量肌肉质量，包括磁共振成像（MRI）、计算机断层扫描（CT）、超声波、生物电阻抗分析（BIA）和双能X射线吸收仪（DXA）。其中，由于DXA相对简单、价格合理、容易获得且需要的辐射最新，因此在测量身体成分方面一直应用广泛。现阶段，随着CT技术的巨大进步，CT扫描变得更快，可提供更低的辐射暴露和更高的空间分辨率。此外，近年来，一种基于深度学习（DL）的个体肌肉自动分割方法已经成功开发出来，可以提供可重复的和准确的肌肉定量分析。CT也可以提供更详细的解剖分析和肌肉质量的信息。

近日，发表在European Radiology杂志的一项研究比较了三维（3D）容积CT与基于DL的全自动分割和DXA在测量大腿组织成分方面的情况，为更准确、快速、全面的评估肌肉质量提供了技术支持。

本项前瞻性研究在2019年1月至2020年12月期间对参与者进行了DXA检查，以确定整个身体和大腿的身体成分。在大腿区域进行CT扫描，通过定制开发的基于DL的自动分割软件将图像自动分割成三个肌肉群和脂肪组织。随后，该程序报告了大腿的组织构成。评估了由DXA和CT测量的变量之间的相关性和一致性。然后，基于DXA得出的大腿组织质量，使用一般线性模型开发了CT大腿组织体积预测方程式。 

总共评估了100名患者（平均年龄44.9岁；60名女性）。CT和DXA测量之间有很强的相关性（R = 0.813~0.98，P < 0.001）。DXA和CT测量之间的总软组织质量没有显著差异（P = 0.183）。然而，DXA高估了大腿的肌肉质量，低估了大腿的总脂肪质量（p < 0.001）。DXA得出的肌肉质量比CT得出的肌肉质量平均高10%，比CT得出的肌肉质量高47%。DXA得出的总脂肪量比CT得出的总脂肪量低约20%。在验证组中，使用DXA衍生数据预测的CT组织量与实际CT测量的组织量高度相关（R2 = 0.96~0.97，P < 0.001）。 

图 使用定制开发的基于深度学习软件进行自动CT图像分割。大腿CT图像被自动分割成三个肌肉群，即伸肌、屈肌、和内收肌群以及脂肪组织

本研究表明，DXA和使用基于DL的全自动分割的大腿区域体积CT测量之间有良好的整体相关性。然而，这两种方法之间存在着系统性的差异：高估了肌肉质量，低估了脂肪质量。使用基于DL的全自动分割的三维体积CT测量是一种更快速和更准确的测量身体组织成分的方法。

原文出处：

Hye Jin Yoo,Young Jae Kim,Hyunsook Hong,et al.Deep learning-based fully automated body composition analysis of thigh CT: comparison with DXA measurement.DOI:10.1007/s00330-022-08770-y