基于CT扫描自动分割的儿童身体成分分析:一项初步研究
该初步研究回顾性纳入537例因高能量创伤行腹部CT的1-17岁荷兰儿童,用自动分割工具测量L3层面肌肉和脂肪面积,并与52例手动分割比较验证。结果显示肌肉和皮下脂肪Dice系数较高(0.87-0.90、0.88),内脏脂肪较低(0.60);自动分割测量内脏脂肪和总脂肪面积系统性地高于手动分割。研究提供了493例儿童按年龄和性别的肌肉脂肪面积参考值,发现男孩内脏脂肪/皮下脂肪比值高于女孩(中位数1.1 vs 0.6,P<0.01),女孩总脂肪/肌肉比值高于男孩(中位数1.0 vs 0.7,P<0.01)。
要点
- 自动分割在L3层面测量儿童肌肉和脂肪面积与手动分割一致性高,但内脏脂肪分割Dice系数仅0.60。
- 自动分割的内脏脂肪和总脂肪面积系统性地高于手动分割,5%的扫描因自动分割错误被排除。
- 男孩内脏/皮下脂肪比值中位数1.1高于女孩0.6,女孩总脂肪/肌肉比值中位数1.0高于男孩0.7(均P<0.01)。
核心结论
- 自动分割L3层面肌肉和脂肪面积可准确量化儿童身体成分。
- 利用自动分割展示了荷兰健康儿童在童年期肌肉和脂肪分布的发育变化。
研究设计与样本
- 回顾性初步研究,纳入2002年8月至2019年4月单家荷兰三级中心因高能量创伤行腹部CT的537例1-17岁儿童,无人被扫描两次。
- 493例(66%男孩)用于建立参考值,中位年龄男孩14岁(IQR 9-17)、女孩14岁(IQR 9-16)。
- CT采用多排探测器扫描仪(Mx8000 IDT 16、Brilliance 64、iQon Spectral或Brilliance iCT,均为Philips Medical Systems),管电压80-120 kVp、管电流35-190 mAs按患者体型调整,重建4 mm轴位层厚,标准腹部软组织窗(窗位30、窗宽400)。
- 自动分割工具为Quantib Body Composition,因原为成人开发,使用49例儿童手动分割图像重新训练切片选择和分割网络,分割L3中心及上下各2层共5层并取平均值(覆盖2 cm范围)。
- 52例扫描由一名末一年医学生手动分割作为验证子集(未用于训练),其中30例至少12个月后由同一观察者再次分割以计算观察者内一致性;不确定时咨询有15年经验的放射科医生。
关键影像表现/征象
- 自动分割有时将部分肠管纳入内脏脂肪,且常不能区分腹壁肌肉与背阔肌。
- 手动与自动分割的Dice系数在肌肉为0.87-0.90、皮下脂肪为0.88、内脏脂肪为0.60。
- 自动分割的内脏脂肪面积和总脂肪面积系统性地高于手动分割。
- 自动分割与手动分割的总肌肉面积ICC为0.98(95%CI 0.96-0.99),总脂肪面积ICC为0.99(95%CI 0.98-0.99)(P<0.001)。
诊断标准与关键数值
- 自动分割验证:52例手动分割扫描中,总肌肉面积ICC 0.98(95%CI 0.96-0.99),总脂肪面积ICC 0.99(95%CI 0.98-0.99)(P<0.001)。
- Dice系数:肌肉0.87-0.90,皮下脂肪0.88,内脏脂肪0.60。
- 男孩总肌肉面积中位数从38 cm²(IQR 31-39)增至174 cm²(IQR 160-190),女孩从41 cm²(IQR 38-43)增至127 cm²(IQR 123-138);总肌肉面积与年龄的Spearman相关系数男孩0.88、女孩0.85(均P<0.01)。
- 男孩总脂肪面积中位数从37 cm²(IQR 31-37)增至129 cm²(IQR 90-183),女孩从35 cm²(IQR 32-55)增至227 cm²(IQR 148-274);总脂肪面积与年龄的相关系数男孩0.61、女孩0.70(P<0.001)。
- 男孩内脏/皮下脂肪比值中位数1.1(IQR 0.7-1.5,范围0.1-3.5),女孩中位数0.6(IQR 0.4-0.9,范围0.2-3.4),性别间平均差0.4(P<0.01);男孩总脂肪/肌肉比值中位数0.7(IQR 0.5-1.0,范围0.2-3.8),女孩中位数1.0(IQR 0.8-1.7,范围0.4-3.9),性别间平均差0.4(P<0.01)。
临床应用与阅片要点
- 自动分割可用于儿童L3层面身体成分量化,但5%的扫描因自动分割错误被排除,不应在无专家监督和审核的情况下盲目应用。
- 内脏脂肪是最难分割的区域,自动分割系统性地高估内脏脂肪面积,判读时需注意。
- 作者提倡机会性利用临床已有的横断面图像进行常规身体成分评估,但不应仅为身体成分分析而扫描儿童。
局限性
- 仅52例扫描被手动分割,且视觉异常的扫描未纳入,解读Dice系数、ICC和Bland-Altman图时需注意。
- 部分年龄组每种性别的样本量不足以确定可靠的参考值,研究队列中较大儿童(15-17岁)和男孩(66%)占比过高。
- 缺乏慢性病史、青春期分期或种族/民族等重要身体成分参数,且因创伤环境下不常规测量身高体重,无法将CT测量与体重指数关联。
- 研究纳入相对城市地区单家三级中心的创伤患者作为一般儿童人群的最佳代表,遭受高能量创伤的儿童身体成分可能与普通儿童不同。
- 自动工具在单中心相对较小的数据集上训练,可能限制泛化性;使用更多样数据集(包括年龄、解剖和扫描采集参数等更广泛因素)的手动分割扫描训练可能产生更稳健的算法。
全文中译14 节 · 点击展开
引言
身体成分,特别是骨骼肌和脂肪组织的分布,可能是多种健康结局的重要预测指标[1]。例如,在成人中,肌肉减少症与死亡率和发病率的增加相关[2];内脏脂肪过度沉积与代谢综合征和恶性肿瘤的更高风险相关[3, 4]。然而,关于儿童身体成分及其预后意义的研究有限。
儿童肌肉减少症是一个需要定义的新概念。然而,低肌肉量和肌肉丢失在临床环境中非常普遍(占儿童的20–41%)[5–10],并与发病率增加相关[5, 8–14]。重要的是,在进行人体测量时,肌肉减少症的存在常常被忽视,尤其是在存在体脂过多的情况下。在儿童肥胖日益增加的时代,肌肉减少性肥胖可能是一种未被充分认识的情况。
目前,横断面成像(计算机断层扫描[CT]和磁共振成像[MRI])被认为是身体成分分析的金标准。它提供直接的解剖学测量,能够区分骨骼肌和脂肪(皮下、内脏)的独立分布[15, 16]。腹部肌肉和脂肪面积的轴位单层测量已被证明可分别可靠地预测全身肌肉量和脂肪量[17]。自动分割工具的使用日益增多,其比手动分割耗时更少,且受观察者内和观察者间变异性的影响更小[18–20]。
从出生到青春期,由于纵向身高、内分泌状态和能量消耗的生理变化,儿童身体成分变化迅速。在这些变化的身体成分指标开始产生有意义的预后影响之前,需要关于横断面身体成分正常变异的数据。目前缺乏欧洲儿童横断面成像中总肌肉和脂肪面积值的数据。
本研究旨在评估一种用于儿童CT扫描中骨骼肌和脂肪面积分割的自动工具,并使用自动分割提供一组其他方面健康的荷兰儿童在整个童年期身体成分变异的数据。
材料与方法
研究人群
2002年8月至2019年4月期间,在一家荷兰三级中心的急诊科因高能量创伤(高处坠落和交通事故)接受腹部CT扫描的所有1至17岁儿童被确定为普通儿科人群的代表性样本(n=537)。无个体接受两次扫描。若存在明显解剖异常或广泛创伤后改变而无法进行可靠分割的患者被排除。患者的临床数据不可获得。
CT图像采集
所有患者根据我们的创伤方案接受2 ml/kg对比剂碘普胺(Ultravist 300,Bayer Healthcare,柏林,德国)。CT检查使用多探测器扫描仪获得:Mx8000 IDT 16、Brilliance 64、iQon Spectral或Brilliance iCT;(均为Philips Medical Systems,克利夫兰,俄亥俄州)。曝光设置(范围:35–190 mAs和80–120 kVp)根据患者体型调整。重建轴位4 mm层厚图像,并以标准腹部软组织设置(窗位:30,窗宽:400)显示。
自动分割工具
使用Quantib身体成分工具进行自动分割[21, 22](可在线用于成人扫描,https://research.quantib.com)。由于该方法是为成人CT开发的,本研究使用49张儿童手动分割图像重新训练了层面选择和分割方法的网络。
分割方法包括两个步骤。首先,自动工具使用卷积神经网络从CT数据集中识别第三腰椎(L3)颅尾中部的层面。其次,自动工具使用第二个扩张卷积神经网络[23]将L3层面分割为以下区域:腰大肌、腹壁(腹直肌;腹横肌;内斜肌和外斜肌)和椎旁(腰方肌、竖脊肌、多裂肌、背阔肌)肌肉以及皮下脂肪和内脏脂肪。第三腰椎是文献中用于身体成分评估最常用的层面[16, 24]。
为尽量减少所选确切层面的影响,自动工具在检测到的L3层面周围共分割五个层面,即中心L3层面上下各两个层面,因此对2 cm范围内的面积测量值取平均值。
手动分割
共52张轴位CT图像(未用于分割工具的训练),选自所有年龄组和性别,由一名经过培训的观察者(A.S.,一名在放射学方面有3个月经验的医学专业最后一年的学生)使用医学影像交互工具包(MITK)2018.04版(www.mitk.org)[25]进行手动分割。如有不确定之处,咨询了一位有15年经验的放射科医生(P.A.d.J.)。为计算观察者内一致性,52次扫描中的30次由同一观察者在至少12个月后以不同顺序并对其之前的结果设盲的情况下分割两次。
自动分割的评估
手动分割的CT图像被用作自动分割的验证子集。使用组内相关系数(ICC)和Bland-Altman图比较自动分割与手动分割区域的测量值。为评估算法正确的解剖决策,计算了同一层面手动分割与自动分割之间以及观察者内分割之间的Dice系数。
自动分割的参考数据
为获得参考数据,使用自动分割工具处理了所有537名患者的CT扫描。所有自动分割由另一位审查者(S.S.,具有三年儿童放射学研究经验)进行独立评估。该审查者排除了所有在层面和/或分割区域方面视觉上不正确的自动分割,仅接受不会导致面积测量值发生重要变化的小分割误差。使用描述性统计以中位值和四分位距(IQR)的形式报告数据。分析按性别和年龄分层。为每位患者计算以下比值:内脏脂肪与皮下脂肪比、内脏脂肪与总脂肪比以及总肌肉与脂肪面积比。
连续变量之间的相关性使用Spearman rho相关系数计算。使用Student T检验来检验两性之间连续变量均值的差异。对非正态分布变量应用对数变换。数据使用软件(SPSS 25版,IBM,Armonk,NY及R Core Team 2017,R Foundation for Statistical Computing,Vienna,Austria)进行分析。R中的quantreg包用于分位数回归曲线的重建(R. Koenker [2020],https://cran.r-project.org/package=quantreg)。P值<0.05被认为具有统计学显著性。
结果
自动与手动分割
对于用于验证该工具的52例CT检查,手动与自动分割面积之间的ICC在总肌肉面积为0.98(95%置信区间[CI] 0.96–0.99),在总脂肪面积为0.99(95% CI 0.98–0.99)(P<0.001)(图1)。Bland Altman图(图2)显示,内脏脂肪和总脂肪面积的自动分割测量值系统性地高于手动分割测量值。手动与自动分割的Dice系数与手动观察者内变异的Dice系数相似(表1),其中内脏脂肪的变异最大。
参考数据
对所有537例患者的CT扫描进行自动分割后,我们排除了44例患者的CT检查,原因如下:17例因解剖结构异常(包括腰骶部发育不全和肌营养不良)和/或广泛的创伤后改变(包括L3爆裂性骨折、腹膜腔、内脏器官、肌肉和/或皮下气肿/出血),27例因CT分割在所选层面或分割区域方面不正确。最终研究样本为493名儿童,年龄1至17岁,其中326名男孩(66%),用于建立参考数据。两性年龄分布相似,男孩中位年龄为14(IQR 9–17)岁,女孩为14(IQR 9–16)岁。
第三腰椎水平肌肉和脂肪面积
按年龄和性别总结L3总肌肉面积(表2)以及内脏、皮下和总脂肪面积(表3)的数值(中位数和IQR,表2和表3)。相应的分位数回归曲线绘制于图3(腰大肌、腹部和长脊肌的曲线见补充材料1图1)。
随着年龄增长,男孩的总肌肉面积中位数范围为38 cm2(IQR 31–39)至174 cm2(IQR 160–190),女孩为41 cm2(IQR 38–43)至127 cm2(IQR 123–138)。两个性别的总肌肉面积与年龄均呈强相关(Spearman相关系数男孩为0.88,女孩为0.85,均P<0.01)。此外,两个性别的腰大肌面积与总肌肉面积均呈强相关(男孩0.94,女孩0.88,均P<0.01)。
随着年龄增长,男孩的总脂肪面积中位数从37 cm2(IQR 31–37)增加至129 cm2(IQR 90–183),女孩从35 cm2(IQR 32–55)增加至227 cm2(IQR 148–274)。两个性别的总脂肪面积均随年龄增加(相关系数男孩为0.61,女孩为0.70,P<0.001),尤其是在青春期。一部分(10%)男孩和女孩甚至在平均青春期启动年龄之前就开始积累更多脂肪组织。
比值
两个性别的内脏脂肪与皮下脂肪比值均随年龄下降,男孩范围为0.1至3.5(中位数1.1,IQR 0.7–1.5),女孩范围为0.2至3.4(中位数0.6,IQR 0.4–0.9)。比较两性之间的内脏脂肪与皮下脂肪比值时,观察到内脏脂肪与皮下脂肪比值的平均差异为0.4(P<0.01),表明整个童年期男孩的内脏脂肪百分比高于女孩。总脂肪与肌肉比值在男孩中范围为0.2至3.8(中位数0.7,IQR 0.5–1.0),在女孩中范围为0.4至3.9(中位数1.0,IQR 0.8–1.7)。男孩与女孩之间总脂肪与肌肉比值的平均差异为0.4(P<0.01),女孩的平均比值更高。随着年龄增长,男孩的总脂肪与肌肉比值呈轻微下降趋势,但一部分男孩的数值超过1.0(补充材料2图2)。
讨论
在这项初步研究中,评估了一种身体成分自动分割工具,并将其用于提供接受高能量创伤后CT检查的儿童在L3水平的全部肌肉和脂肪面积数据。手动分割与自动分割面积之间的平均Dice系数在肌肉(0.87–0.90)和皮下脂肪(0.88)较高,但内脏脂肪较低(0.60)。正如预期,接近青春期时男孩开始比女孩获得更多肌肉量,而女孩的总体脂肪与肌肉比值高于男孩(中位数1.01 vs. 0.65;P<0.01)。大约10%的男孩和女孩在青春期平均起始年龄之前就开始积累更多脂肪组织。我们的研究表明,即使从年幼时起,男孩似乎更容易发生内脏脂肪储存。
与观察者内手动分割相比,该自动工具的性能总体良好。内脏脂肪的观察者内Dice系数较低(手动和自动分割均如此),表明内脏脂肪是内脏脂肪很少的儿童中最难分割的部位。Bland-Altman分析显示,与手动分割相比,自动分割的内脏脂肪面积值系统性偏高。这可能有多种原因:(1)自动工具在分割小面积时更敏感,因此纳入了更多小的内脏脂肪区域(示例见图1);(2)自动工具使用多层分割的平均值,而手动分割为单层分割。与单层测量相比,多层评估可能提供更一致的脂肪面积代表值,尤其是对于内脏脂肪面积;(3)自动工具以牺牲内脏器官为代价高估内脏脂肪(示例见图1)。总而言之,由于5%的研究因自动分割不正确而被排除,自动分割不应在没有专家监督和审查的情况下盲目应用。
我们的L3数值总体上与一个代表北美儿童(因创伤和/或阑尾炎接受CT检查)的队列中椎间隙L3/L4和L4/L5 [26]及L4 [27]处腰大肌面积的年龄和性别特异性测量值相似。Harbaugh等[27]还提供了美国儿童L4水平内脏脂肪面积的数据。我们的内脏脂肪四分位距高于他们的数据,这可能由水平差异以及我们队列中内脏脂肪相对于手动分割的高估来解释。关于儿童多层测量及不同水平之间比较的研究有限。进一步研究比较儿科人群中的不同水平,可能有助于探索潜在差异并建立标准化方案。
我们深入探讨了儿童期身体肌肉和脂肪变化的时间规律。虽然男孩和女孩在儿童早期具有相近的脂肪和肌肉面积,但在青春期观察到更大的差异。我们量化了这一点:随着青春期启动(由性腺激素触发),男孩通常增加更多肌肉,女孩增加更多脂肪。虽然已知出生时内脏脂肪量可忽略不计[28],但我们发现儿童从小就开始积累内脏脂肪,甚至早于青春期启动年龄。这种脂肪积累的增加可能部分由青春期的生理准备所解释。已充分证实成年男性具有更高的内脏脂肪与皮下脂肪比值,而成年女性具有更多皮下脂肪和总脂肪[29]。在我们的队列中,这些脂肪分布的性别差异从年幼时就已存在。四项针对4至18岁不同年龄儿童的研究也描述了这一点[30–33]。脂肪积累的时间对未来健康具有重要意义,包括与过度肥胖相关的代谢并发症风险[34]。
身体成分分析在初级和专科医疗保健环境中具有广泛相关性。正常值对于识别身体成分异常的儿童及评估其预后影响非常重要。身体成分改变可影响药物的分布和清除[35, 36]。身体成分异常的儿童可能面临剂量不足和过量的风险。应研究基于身体成分的个性化给药是否能最大限度地降低治疗毒性并提高治疗疗效[37]。此外,通过支持性(营养和身体)干预改善身体成分是否能改善预后(如化疗耐受性和生活质量),尚未在儿童中进行研究。
自动分割工具的评估为进一步验证身体成分作为许多疾病环境中预后预测因子提供了基础。建立能够预测不良结局风险增加的形态学测量的参考值和截断值非常重要。横断面成像在临床环境中常用于儿童,并包含重要的身体成分信息。例如,创伤患者的横断面成像可作为一般儿科人群的代表。我们不应仅为儿科身体成分分析的目的而对儿童进行扫描。我们倡导机会性利用这些现成的横断面图像进行常规身体成分评估。
我们的研究存在一些局限性需要说明。第一,在解读Dice系数、ICC和Bland-Altman图时,应注意仅对52次扫描进行了手动分割,且视觉异常的扫描未被纳入。第二,对于某些年龄组,每个性别的样本量不足以确定可靠的规范值,因为本研究中年龄较大的儿童(15-17岁)和男孩(66%)占比过高。第三,一些重要的身体成分参数不可获得,如慢性病史、青春期分期或种族/民族。将CT测量值与体重指数进行相关性分析本会提供很多信息,但这些数据不可获得,因为创伤环境中不常规测量这些儿童的身高/体重。第四,在本研究中,我们纳入了来自相对城市地区单一三级中心的创伤患者,作为一般儿科人群的最佳可用代表。接受高能量创伤的儿童可能在身体成分上与普通儿童不同。该自动工具是在来自单一中心的相对较小的数据集上训练的,这可能限制其泛化能力。使用来自更多样化数据集的更多手动分割扫描来训练自动工具,包括更广泛的因素如年龄、解剖结构和扫描采集参数,可能会产生更稳健的算法。
本初步研究展示了自动工具在儿科中用于生成横断面身体成分数据的应用。在荷兰儿科人群的队列中,我们发现L3肌肉和脂肪面积在性别和年龄方面均存在重要差异。了解这些值有助于我们理解整个童年期发生的身体成分生理变化。它为 further 研究(早期)识别身体成分异常的脆弱儿童以及评估其终生可能的健康风险提供了基础。
结论
随着横断面成像使用的增加和自动分割方法的发展,我们现在才能够收获身体成分分析中蕴含的丰富预后信息。一个合理的下一步是不仅分析组织体积,还包括其在CT Hounsfield单位方面的构成,这将进一步提高这些测量的相关性和适用性。
补充信息
ESM 1(DOCX 2.23 MB)
引用
- Samim A, Spijkers S, Moeskops P, et al. Pediatric body composition based on automatic segmentation of computed tomography scans: a pilot study. Pediatr Radiol. 2023. PMID: 37640800. doi:10.1007/s00247-023-05739-x
- 全文:PMC10635977(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10635977/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。