ES2948673T3

ES2948673T3 - Cuantificación del volumen de tejido magro

Info

Publication number: ES2948673T3
Application number: ES15719175T
Authority: ES
Inventors: Leinhard Olof Dahlqvist; Magnus Borga; Thobias Romu
Original assignee: Amra Medical AB
Current assignee: Amra Medical AB
Priority date: 2014-04-25
Filing date: 2015-04-21
Publication date: 2023-09-15
Anticipated expiration: 2035-04-21
Also published as: US20170046837A1; US9996926B2; EP3133993B1; AU2015250942A1; KR20160145800A; EP3133993C0; AU2015250942B2; JP6490794B2; EP2937039A1; CN106233332A; EP3133993A1; JP2017513676A; CA2946330C; ES2914613T3; CN106233332B; WO2015162120A1; CA2946330A1; KR101858382B1; EP2937039B1

Abstract

La presente invención se refiere a un método para cuantificar un volumen de tejido magro que comprende las etapas de adquirir (10) una imagen adquirida como una imagen de resonancia magnética separada por agua y grasa, en donde la imagen adquirida comprende una imagen de agua y una imagen de grasa, proporcionando (20) una imagen de grasa calibrada (F), que proporciona (30) una máscara de tejido blando (STM) que define áreas de tejido blando en la imagen adquirida y define (40) una región de interés (ROI) de la imagen adquirida. El método comprende además una etapa de calcular (50) un volumen de tejido magro (LTV) multiplicando, para cada elemento de volumen en la región de interés, la máscara de tejido blando por el volumen (Vvox) de cada elemento de volumen y el resultado de uno menos la imagen de grasa calibrada, y resumiendo los productos de dichas multiplicaciones para todos los elementos de volumen en la región de interés. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Cuantificación del volumen de tejido magro

Campo técnico

La presente divulgación se refiere a un método para la cuantificación de un volumen de tejido magro y, de manera especial, a un método para la cuantificación del volumen de tejido muscular magro utilizando una imagen con separación de grasa y agua a partir de imágenes de resonancia magnética (IRM).

Antecedentes

La función del sistema muscular esquelético es proporcionar estabilidad y permitir el movimiento del cuerpo humano. Por lo tanto, las mediciones exactas y precisas del volumen muscular son fundamentales para comprender mejor diferentes enfermedades, síndromes y trastornos tales como la distrofia muscular, lesiones deportivas, miopatías inflamatorias, lesiones de la médula espinal o la sarcopenia (pérdida de músculo debido al envejecimiento). Cuando se diagnostica sarcopenia, se necesitan pruebas de fuerza muscular combinadas con mediciones del volumen muscular. Asociada al envejecimiento y a la progresión de la sarcopenia, la composición de los músculos también cambia y se produce un aumento de la infiltración de grasa. Sin embargo, el impacto del mayor contenido de grasa dentro de los músculos aún no se comprende completamente. Para una mejor comprensión de la prevalencia, inicio y progreso de la sarcopenia, se necesitan nuevos métodos, que incluyan una técnica precisa para medir el volumen muscular. Otro ejemplo en el que es importante un conocimiento detallado y preciso del volumen muscular y de la composición muscular es para los trastornos asociados al latigazo cervical (TALC). Se ha encontrado una mayor infiltración de grasa en los músculos del cuello en personas con TALC, en comparación con controles sanos. Recientemente también se ha encontrado una mayor concentración de grasa en el músculo cuádriceps asociada al síndrome de fibromialgia.

Existen muchos enfoques para medir la masa o el volumen muscular humano. Los métodos sin imágenes suelen ser muy variables, ya que generalmente se calibran en adultos jóvenes sanos. El método de imagen convencional actual para la determinación de la masa muscular y su distribución es la absorciometría de rayos X de energía dual (DXA, del inglés "dual energy x-ray absorptiometrf), que es rápido y fácilmente disponible. Sin embargo, la DXA utiliza radiación ionizante y solo permite el análisis de proyecciones bidimensionales del cuerpo. Por lo tanto, no se puede obtener una separación detallada de grupos musculares o una cuantificación del contenido de grasa dentro del tejido muscular utilizando DXA.

Se puede hacer un análisis más preciso con métodos tomográficos, es decir, TC y IRM. La IRM con separación de agua y grasa, basada en las técnicas de imagen de Dixon, permite un contraste elevado de tejidos blandos, proporcionando mediciones detalladas de los volúmenes musculares y la infiltración de grasa. Los inconvenientes de la Rm son su disponibilidad y coste. Con las técnicas actuales, es posible escanear todo el cuerpo con suficiente resolución para el análisis de la composición corporal en menos de diez minutos. Sin embargo, la carga de trabajo de segmentar de manera manual el tejido muscular dentro de todo el cuerpo es demasiado grande para que sea factible en algo que no sea un estudio muy pequeño. Incluso cuando se utilizan métodos semiautomáticos optimizados, una sola segmentación del sistema muscular de todo el cuerpo puede tardar varios días de trabajo en completarse. Por lo tanto, se necesita el desarrollo de una segmentación automática sólida del tejido muscular para que la IRM sea una alternativa atractiva para estudiar el volumen del tejido muscular en estudios más amplios.

El conocimiento anatómico se puede incorporar a un método de segmentación mediante atlas, es decir, imágenes reales o sintéticas con los correspondientes marcadores anatómicos definidos de manera manual. Este conocimiento anatómico, es decir, los atlas segmentados, se puede transferir después a un nuevo sujeto (diana) mediante el registro no rígido del atlas en las imágenes de la diana. Sin embargo, debido a la gran variación anatómica entre sujetos y a dificultades técnicas tales como la colocación de brazos y piernas durante el escaneo, un solo registro puede no converger correctamente en todas partes. Por lo tanto, la mayoría de las técnicas basadas en atlas abordan partes limitadas del cuerpo, tales como el cerebro, que muestra una variación relativamente limitada en la forma y ubicación de sus estructuras anatómicas.

Los métodos de registro no rígidos maximizan la similitud entre dos imágenes diferentes. El resultado variará dependiendo de la medida de similitud. Dos medidas comunes son la intensidad de la imagen y la información de fase local. Un ejemplo de un método basado en la intensidad es el algoritmo Demons. Otro ejemplo que permite una medida de similitud basada en fases es el método Morphon. Los métodos basados en fases son insensibles a las variaciones graduales de intensidad, que son comunes en las imágenes de RM debido a la falta de homogeneidad de RF y B⁰. Una característica adicional del Morphon es su capacidad para deformar los prototipos a diferentes escalas con diferentes grados de regularización, una característica importante para el registro de todo el cuerpo.

Actualmente no existe ningún método capaz de proporcionar una descripción completa y precisa del sistema muscular esquelético humano que cuantifique la mayor parte del volumen del tejido muscular y separe el tejido muscular en diferentes grupos musculares. Una solución sería una herramienta importante para los estudios de la interacción entre fenómenos tales como el desarrollo de la atrofia muscular, la infiltración de grasa intramuscular y la progresión de la enfermedad en una amplia gama de afecciones, incluidas la sarcopenia y las distrofias musculares.

En HOUCHUN H. HU ETAL .: "Quantification of absolute fat mass by magnetic resonance imaging: a validation study against chemical analysis", INTERNATIONAL JOURNAL OF BODY COMPOSITION RESEARCH 2011, vol. 9, n.° 3, 20 de septiembre de 2011, se describe un enfoque basado en imágenes de resonancia magnética (IRM) para cuantificar la masa de grasa absoluta en los órganos. Mediante la técnica IDEAL se obtiene un mapa cuantitativo de la fracción de señal de grasa en cada vóxel.

Sumario

Es un objetivo de la presente invención proporcionar una solución mejorada que alivie los inconvenientes mencionados con los dispositivos actuales. Por otra parte, es un objetivo proporcionar un método para la cuantificación de un volumen de tejido magro basado en una imagen de resonancia magnética.

De acuerdo con un aspecto de la invención, esto se proporciona mediante un método para cuantificar un volumen de tejido magro que comprende las etapas de obtener una imagen como una imagen de resonancia magnética con separación de agua y grasa, en donde la imagen obtenida comprende una imagen de agua y una imagen de grasa, proporcionar una imagen de grasa calibrada, proporcionar una máscara de tejido blando que defina áreas de tejido blando en la imagen diana y definir una región de interés de la imagen obtenida. El método comprende además una etapa de calcular un volumen de tejido magro multiplicando, para cada elemento de volumen en la región de interés, la máscara de tejido blando con el volumen de cada elemento de volumen y el resultado de uno menos la imagen de grasa calibrada, y sumando los productos de dichas multiplicaciones para todos los elementos de volumen en la región de interés.

La cuantificación de un volumen de tejido magro puede tener el propósito de determinar el volumen y/o peso del tejido sin grasa en la región de interés en números. La presente invención puede proporcionar una mayor precisión en la cuantificación restando el nivel de señal de grasa del nivel de agua de los elementos de volumen (vóxeles) que están presentes en la región de interés. La región de interés puede ser un órgano específico, tal como un músculo, un grupo muscular o una mama. De ese modo, también se puede eliminar de la cuantificación la infiltración de grasa difusa en un volumen de órgano. Además, solo se puede eliminar de la cuantificación el nivel de infiltración de grasa real en un vóxel y el nivel de agua correspondiente que define, por ejemplo, el tejido muscular, puede no ser eliminado.

La imagen obtenida puede ser una imagen de resonancia magnética bidimensional o tridimensional. En el presente documento, por volumen de tejido magro puede entenderse un volumen de tejido sin grasa. La imagen obtenida que es una imagen de resonancia magnética con separación de agua y grasa puede comprender una imagen de agua y una imagen de grasa como un par de imágenes.

Se puede proporcionar una imagen de grasa calibrada en una pluralidad de formas conocidas. Por ejemplo, basada en un método de fracción de grasa por densidad protónica (FGDP) como se divulga en Reeder, S. B., Hu, H. H. y Sirlin, C. B. (2012), Proton density fat-fraction: A standardized mr-based biomarker of tissue fat concentration. J. Magn. Reson. Imaging, 36: 1011-1014. doi: 10.1002/jmri.23741, o basada en un método como se describe en la solicitud europea EP09732976.7.

Una máscara de tejido blando puede definirse como una máscara que define áreas de tejido blando en la imagen obtenida. Una máscara de tejido blando se puede proporcionar en una pluralidad de formas conocidas, por ejemplo, de acuerdo con el método Otsus como se divulga en Nobuyuki Otsu (1979). "A threshold selection method from graylevel histograms". IEEE Trans. Sys., Man., Cyber. 9 (1): 62-66. doi:10.1109/TSMC. 1979.4310076; y Diana Wald; Birgit Teucher; Julien Dinkel; Rudolf Kaaks; Stefan Delorme; Hans-Peter Meinzer; Tobias Heimann; Automated quantification of adipose and skeletal muscle tissue in whole-body MRI data for epidemiological studies. Proc. SPIE 8315, Medical Imaging 2012: Computer-Aided Diagnosis, 831519 (23 de febrero de 2012); doi:10.1117/12.911290.

La máscara de tejido blando puede proporcionar que se eliminen los fondos de la imagen obtenida dentro de la región de interés ya que no hay tejido blando presente. Además, la máscara de tejido blando puede proporcionar que se elimine el hueso en la imagen obtenida dentro de la región de interés ya que el hueso no es visible por resonancia magnética.

La etapa de calcular un volumen de tejido magro se puede describir como

en donde VTM es el volumen de tejido magro calculado, RDI son los elementos de volumen en la región de interés, G es la imagen de grasa calibrada, MTB es la máscara de tejido blando y Vvox es el volumen de cada vóxel.

Además, se puede reducir un umbral para clasificar un elemento de volumen en los bordes de una parte de volumen de tejido de la región de interés. En los bordes, el nivel de agua (que representa el tejido) disminuye y el nivel de grasa aumenta en una dirección fuera del volumen del tejido. El borde es difuso proporcionando una transición gradual.

La cuantificación se puede realizar para cada elemento de volumen que forma parte de la región de interés. Mediante la determinación, para cada elemento de volumen, del volumen de tejido magro eficaz de toda la infiltración de grasa, tanto la infiltración de grasa difusa como pura, se puede proporcionar una cuantificación precisa del volumen de tejido.

Las etapas para calcular el volumen de tejido magro en el método descrito anteriormente no necesariamente deben realizarse en el orden presentado.

En una realización, el método puede comprender además una etapa de proporcionar una imagen de agua calibrada y una etapa de calcular una concentración de agua del tejido magro multiplicando, para cada elemento de volumen en la imagen obtenida, la máscara de tejido blando por la imagen de agua calibrada, determinando una suma de los productos de dichas multiplicaciones para todos los elementos de volumen en la región de interés, y dividiendo dicha suma por dicho volumen de tejido magro calculado. El cálculo adicional, basado en el volumen de tejido magro calculado puede proporcionar un nivel de concentración de agua eficaz en la región de interés como proporción del total de agua y grasa en la región. La concentración de agua eficaz puede incorporar agua visible como señales de agua en la imagen de resonancia magnética, pero no agua u otro tejido no visible en la imagen de resonancia magnética. El cálculo de la concentración de agua en el tejido magro puede describirse como

en donde CATM es la concentración de agua en el tejido magro calculada, RDI son los elementos de volumen en la región de interés, A es la imagen de agua calibrada, MTB es la máscara de tejido blando, Vvox es el volumen de cada vóxel y VTM es el volumen de tejido magro calculado como se presentó anteriormente. Una imagen de agua calibrada puede ser una imagen de agua normalizada con un campo de polarización determinado de manera similar a un campo de polarización para una calibración de una imagen de grasa (véase el documento EP09732976.7). De manera alternativa, la imagen de agua puede normalizarse con un campo de polarización determinado a partir de vóxeles en la imagen de agua con una probabilidad elevada de contener tejido sin grasa y rico en agua, por ejemplo, calculado como Agua/(Agua Grasa) >0,9, o un umbral similar, y con una suma de Agua Grasa significativamente más elevada que un nivel de señal de ruido en las señales de agua y grasa. La imagen de agua calibrada puede determinarse a partir de una imagen de agua calculada con una pluralidad de métodos conocidos, tales como Yu H., McKenzie C. A., Shimakawa A., Vu A. T., Brau A. C., Beatty P. J., Pineda A. R., Brittain J. H., Reeder S. B. Multiecho reconstruction for simultaneous water-fat decomposition and T2* estimation. Journal of magnetic resonance imaging: JMRI 2007;26(4):1153-1161.

Las etapas para calcular la concentración de agua en el tejido magro en el método descrito anteriormente no necesariamente deben realizarse en el orden presentado.

En una realización, la etapa de proporcionar una máscara de tejido blando puede comprender una etapa de eliminar elementos de volumen que no contienen tejido visible por resonancia magnética. Los elementos de volumen de la imagen obtenida que no contengan tejido visible por resonancia magnética pueden eliminarse para reducir el ruido alrededor de los grupos musculares segmentados y clasificados. La etapa de eliminar elementos de volumen que no contengan tejido visible por resonancia magnética puede comprender las etapas de proporcionar una imagen de agua calibrada, aplicar un umbral a la suma de la imagen de grasa calibrada y la imagen de agua calibrada, en donde los elementos de volumen por encima de dicho umbral forman una máscara de tejido binaria, y forman una máscara de tejido blando borrosa al establecer los elementos de volumen dentro de un elemento de volumen desde los bordes de la máscara de tejido binaria igual a la suma de las imágenes normalizadas de agua y grasa. Dicho umbral puede ser de aproximadamente 0,5. Cuando se eliminan los elementos de volumen de fondo, pueden eliminarse elementos de volumen no clasificados que, de otro modo, podrían haber alterar la cuantificación. Por lo tanto, se puede proporcionar una máscara de tejido blando más correcta, proporcionando una cuantificación más correcta del tejido magro.

En una realización, la etapa de proporcionar una imagen de grasa calibrada puede comprender una etapa de corrección de falta de homogeneidad de intensidad coherente. Dicha etapa se puede divulgar en el documento EP09732976.7; Dahlqvist Leinhard O., Johansson A., Rydell J. et al. Quantitative abdominal fat estimation using MRI. En: Proceedings of the 19th International Conference on Pattern Recognition (ICPR'08); 2008; Tampa, Florida, EE. UU. págs. 1-4. (En: Proceedings of the 19th International Conference on Pattern Recognition (ICPR'08)); o Romu T., Borga M., Dahlqvist O. MANA - Multi scale adaptive normalized averaging. En: Proceedings of the 2011 IEEE International Symposium on Biomedical Imaging: From Nano to Macro; 2011. págs. 361-364. (En: Proceedings of the 2011 IEEE International Symposium on Biomedical Imaging: From Nano to Macro).

Además, dicha etapa puede comprender las etapas de reconstruir la imagen obtenida que contiene las imágenes de agua y grasa, en donde la reconstrucción es sensible a la fase de modo que da como resultado un componente de imagen en fase (EF) que comprende la imagen de agua más grasa y un componente de imagen fuera de fase (FF) que comprende la imagen de agua menos grasa; identificar elementos de volumen en la imagen reconstruida cuyos elementos de volumen de acuerdo con un criterio de prueba representan tejido adiposo puro produciendo así una imagen de grasa pura; segmentar la imagen de grasa pura para producir una imagen segmentada sin datos de imagen que no sean de tejido; y generar el campo de corrección de intensidad mediante la interpolación de una imagen de grasa (G) utilizando los elementos de volumen indicados en la imagen segmentada, calculándose dicha imagen de grasa en función del componente de imagen en fase (EF) y del componente de imagen fuera de fase (FF). Si la imagen de grasa calibrada se proporciona en función de, por ejemplo, FGDP, puede haber secciones indefinidas en las interfaces entre la grasa y el agua en la imagen obtenida, lo que puede afectar de manera negativa a la cuantificación del tejido magro con efectos de volumen parcial. Mediante la utilización de las etapas anteriores para proporcionar la imagen de grasa calibrada, dichos inconvenientes pueden reducirse. Además, los efectos en la imagen de grasa calibrada debido a la saturación de la señal de relajación longitudinal T1 se pueden evitar de manera eficaz mediante la utilización de las etapas anteriores como se divulga en:

Peterson, P. Quantification of Fat Content and Fatty Acid Composition Using Magnetic Resonance Imaging. Lund University Doctoral Dissertation 2013, ISBN: 978-91-87651-99-1.

En otra realización, la etapa de definir una región de interés puede comprender una etapa de registro no rígido de al menos un atlas para la imagen obtenida para segmentar la imagen obtenida. En el presente documento, un atlas puede definirse como un par de imágenes de agua y grasa con información anatómica correspondiente para la clasificación de grupos musculares. El atlas puede utilizarse para segmentar el cuerpo o parte del cuerpo en la imagen obtenida en grupos de órganos, tales como grupos musculares. El registro no rígido puede realizarse en un proceso automatizado, que proporciona una definición automatizada de la región de interés.

En una realización, la etapa de registro no rígido puede comprender una etapa de registro multiescalar y en fases de dicho atlas. Mediante la utilización de un registro multiescalar y en fases, el atlas puede modificarse para que se corresponda en forma con la imagen obtenida. El atlas puede registrarse de manera que la forma de un grupo(s) muscular(es) específico(s) corresponda a la imagen obtenida. El atlas puede modificarse para aumentar la probabilidad de una clasificación exitosa de un grupo de tejidos.

En otra realización, dicho atlas puede comprender información anatómica que puede transferirse a la imagen obtenida. La información anatómica puede proporcionarse en forma de marcadores que identifiquen un grupo de tejido específico. Los marcadores pueden proporcionarse a elementos de volumen seleccionados de un grupo de tejidos en el atlas. Los marcadores pueden transferirse a la imagen obtenida para proporcionar elementos de volumen seleccionados en la imagen obtenida con el marcador. Una etapa de clasificar elementos de volumen en un volumen de tejido puede comprender una etapa de transferir marcadores para elementos de volumen seleccionados en el volumen de tejido en la imagen obtenida a todos los elementos de volumen en dicho volumen de tejido. De este modo, puede proporcionarse un proceso automatizado para clasificar un volumen de tejido, tal como un volumen de tejido muscular o un volumen de mama, para definir la región de interés.

En una realización adicional, la etapa de registro no rígido puede comprender una etapa de registrar por separado múltiples atlas a la imagen obtenida. Mediante el registro de múltiples atlas en la imagen obtenida, se puede proporcionar una segmentación más sólida de la imagen obtenida. Pueden utilizarse de manera simultánea atlas con diferente composición de órganos representando así una pluralidad de variaciones anatómicas. De este modo se puede mejorar el resultado de la segmentación.

En una realización, los resultados de la segmentación utilizando los atlas múltiples pueden añadirse a la imagen obtenida para formar un mapa, en donde dicho mapa puede normalizarse para formar un mapa de probabilidad que define la probabilidad de que un elemento de volumen en la imagen obtenida represente tejido. En una realización adicional, la normalización puede proporcionar un valor entre 0 y 1 para elementos de volumen en la imagen obtenida, en donde el valor 1 representa que todos los atlas múltiples definen ese elemento de volumen como tejido, y el valor 0 que ninguno de los atlas múltiples define el elemento de volumen como tejido. Para cada elemento de volumen, se puede proporcionar un valor de probabilidad que define la probabilidad de que dicho elemento de volumen pertenezca a un grupo de tejido específico.

En una realización adicional más, la etapa de clasificar elementos de volumen puede comprender una etapa de marcar elementos de volumen en la imagen obtenida para un grupo de tejidos basado en el mapa de probabilidad. Los elementos de volumen determinados que pertenecen a un grupo de tejidos basándose en el mapa de probabilidad pueden, por lo tanto, marcarse para ese grupo de tejidos. Dicha clasificación de elementos de volumen puede entonces ser una base para la cuantificación del volumen de tejido magro del grupo de tejido.

En otra realización, dicha etapa de marcar elementos de volumen puede comprender una etapa de aplicar un umbral de número de atlas que necesitan clasificar un elemento de volumen específico a un grupo de tejido para marcar ese elemento de volumen a dicho grupo de tejido. De este modo, si un número de segmentaciones basadas en atlas por encima del umbral definen un elemento de volumen como perteneciente al grupo de tejido, el elemento de volumen puede estar provisto del marcador correspondiente. En una realización, el umbral puede ser el 50 % de los atlas.

En una realización, se puede seleccionar un umbral del número de atlas para un primer grupo de tejido que difiera de un umbral seleccionado para un segundo grupo de tejido. Un umbral demasiado elevado puede conducir a una subestimación del volumen de tejido muscular y un umbral demasiado bajo puede conducir a una sobreestimación del volumen de tejido muscular. El umbral óptimo puede ser diferente para diferentes grupos de tejido. Por tanto, se pueden utilizar diferentes umbrales para diferentes grupos de tejido.

En otra realización, la etapa de registro no rígido puede comprender una etapa de seleccionar, de un grupo de atlas, uno o más atlas que pueden comprender el volumen de tejido de órgano más similar a la imagen obtenida. Cuando se utilizan múltiples atlas, se puede realizar una operación de selección en donde se comparan los atlas con la imagen obtenida y se seleccionan varios atlas que tienen una determinada similitud en el volumen del músculo corporal. A cada atlas se le puede dar un valor que represente su similitud con la imagen obtenida. Se pueden seleccionar atlas que tengan dicho valor por encima de un umbral.

En una realización adicional, dicha etapa de seleccionar uno o más atlas puede repetirse en un proceso reiterado, en donde los atlas seleccionados en un primer proceso de selección pueden utilizarse como base para la selección en un segundo proceso de selección. Los atlas seleccionados en el primer proceso de selección pueden así evaluarse de nuevo. El número de atlas podrá reducirse aún más en el segundo proceso de selección, seleccionando así únicamente los mejores atlas coincidentes. El rendimiento de la segmentación de la imagen obtenida puede mejorarse así adicionalmente.

En una realización adicional, la etapa de cuantificar el volumen de tejido muscular puede comprender un cálculo procedente del volumen de agua normalizado menos el volumen de grasa normalizado para los elementos de volumen en el volumen de tejido muscular.

En una realización adicional, la imagen de grasa calibrada, la máscara de tejido blando y la región de interés pueden definirse en un intervalo de valores comunes. Cada elemento de volumen en la imagen de grasa calibrada, la máscara de tejido blando y la región de interés puede tener respectivamente valores en el intervalo de valores comunes. Para la imagen de grasa calibrada, el intervalo puede extenderse desde un valor extremo que no representa grasa hasta un valor extremo que representa grasa pura. De forma similar, para la máscara de tejido blando, el intervalo puede extenderse desde un valor extremo que no representa tejido blando hasta un valor extremo que representa tejido blando puro. Además, para la región de interés, el intervalo puede extenderse desde un valor extremo que representa el elemento de volumen a excluir hasta un valor extremo que representa el elemento de volumen a incluir. De forma similar, la imagen de agua calibrada puede definirse en el intervalo de valores comunes. Para la imagen de agua calibrada, el intervalo puede extenderse desde un valor extremo que no representa agua hasta un valor extremo que representa agua pura.

En una realización, dicho intervalo de valores comunes puede estar entre 0 y 1, [0, 1]. Un intervalo de valores comunes proporciona que la cuantificación del volumen de tejido magro se pueda calcular sin problemas de calibración.

Breve descripción de los dibujos

La invención se describirá a continuación con más detalle con referencia a los dibujos adjuntos, en donde:

la figura 1 es un diagrama de flujo de un método de acuerdo con una realización de la presente invención; la figura 2 es un diagrama de flujo de las etapas del método de acuerdo con una realización de la presente invención;

la figura 3 es un diagrama de flujo de un método de cuantificación de acuerdo con una realización de la presente invención; y

las figuras 4a y 4b son representaciones gráficas bidimensionales de un volumen de tejido muscular.

La figura 5 es un diagrama de flujo de un método de acuerdo con una realización de la presente invención;

Descripción de las realizaciones

La presente invención se describirá ahora más completamente en lo sucesivo en el presente documento con referencia a los dibujos adjuntos, en los cuales se muestran realizaciones preferidas de la invención. Esta invención puede, sin embargo, incorporarse de muchas formas diferentes y no debe interpretarse como limitada a las realizaciones que se muestran en el presente documento; más bien, estas realizaciones se proporcionan de modo que esta divulgación será exhaustiva y completa y transmitirá plenamente el alcance de la invención para los expertos en la materia. En los dibujos, los números similares se refieren a elementos similares.

Como se ilustra en la figura 1, el método para cuantificar un volumen de tejido magro de acuerdo con una realización de la presente invención comprende cinco etapas principales.

a) Adquisición (10) de una imagen con separación de agua y grasa.

b) Proporcionar (20) una imagen de grasa calibrada.

c) Proporcionar (30) una máscara de tejido blando.

d) Definir (40) una región de interés en la imagen obtenida.

e) Calcular (50) un volumen de tejido magro.

El método ilustrado en la figura 1 se puede describir como:

donde VTM es el volumen de tejido magro, G es la imagen de grasa calibrada, MTB es la máscara de tejido blando, Vvox es el volumen de cada vóxel y RDI son los vóxeles en la región de interés. La definición de la región de interés se puede realizar de forma manual o automática.

Las etapas a) a d) del método se describirán con más detalle a continuación con más referencia a la figura 2.

El método necesita imágenes separadas de agua y grasa con información de grasa cuantitativa. Para la presente realización, se utilizan imágenes Dixon de dos o múltiples puntos, con reconstrucción sensible a la fase, para obtener 10 imágenes con separación de agua y grasa. Hay, sin embargo, varios otros métodos de separación que pueden utilizarse. Dichos otros métodos que proporcionan imágenes de grasa que se utilizarán para proporcionar una imagen de grasa calibrada se describen en:

• Berglund J., Ahlstrom H., Johansson L., Kullberg J. Two-point Dixon method with flexible echo times. Magnetic resonance in medicine: official journal of the Society of Magnetic Resonance in Medicine / Society of Magnetic Resonance in Medicine 2011;65(4):994-1004.

• Berglund J., Kullberg J. Three-dimensional water/fat separation and T2* estimation based on whole-image optimization-application in breathhold liver imaging at 1.5 T. Magnetic resonance in medicine: official journal of the Society of Magnetic Resonance in Medicine / Society of Magnetic Resonance in Medicine 2012;67(6):1684-1693.

• Hernando D., Haldar J. P., Sutton B. P., Ma J., Kellman P., Liang Z. P. Joint estimation of water/fat images and field inhomogeneity map. Magnetic resonance in medicine: official journal of the Society of Magnetic Resonance in Medicine / Society of Magnetic Resonance in Medicine 2008;59(3):571-580.

• Ma J. Dixon techniques for water and fat imaging. Journal of magnetic resonance imaging: JMRI 2008;28(3):543-558.

• Reeder S. B., Pineda A. R., Wen Z., Shimakawa A., Yu H., Brittain J. H., Gold G. E., Beaulieu C. H., Pelc N. J.

Iterative decomposition of water and fat with echo asymmetry and least-squares estimation (IDEAL): application with fast spin-echo imaging. Magnetic resonance in medicine: official journal of the Society of Magnetic Resonance in Medicine / Society of Magnetic Resonance in Medicine 2005;54(3):636-644.

• Yu H., McKenzie C. A., Shimakawa A., Vu A. T., Brau A. C., Beatty P. J., Pineda A. R., Brittain J. H., Reeder S. B. Multiecho reconstruction for simultaneous water-fat decomposition and T2* estimation. Journal of magnetic resonance imaging: JMRI 2007;26(4):1153-1161.

La imagen obtenida comprende una imagen de agua y una imagen de grasa. Un método para calibrar una imagen de grasa basada en tejido adiposo puro como referencia de intensidad interna, es decir, el nivel de intensidad de la señal en un vóxel de imagen de grasa dada, es decir, elemento de volumen, se relaciona con la intensidad en tejido adiposo puro al que se le da el valor 1, correspondiente al 100 % de tejido adiposo. Además de crear una imagen de grasa calibrada, el método también elimina parte de la falta de homogeneidad en la imagen de agua original.

El método de acuerdo con una realización de la presente invención utiliza un registro y una segmentación basados en un atlas para definir la región de interés. De manera alternativa, la región de interés se puede definir de manera manual o automática con otro método.

El punto de partida para un método de segmentación basado en atlas es la generación del atlas 21. Un atlas 21 se define en el presente documento como un par de imágenes de agua y grasa con marcadores correspondientes 21a que definen diferentes grupos de tejido. Después, el atlas 21 se registra en una imagen obtenida 12 (diana). La intención del registro es que el atlas 21 sea lo más similar posible a la imagen obtenida 12. Para esta tarea, se utiliza la imagen de agua del atlas 21, ya que muestra la menor variación anatómica y contiene la mayor cantidad de información sobre la forma del volumen del tejido. Un método multiescalar y en fases, tal como un método Morphon, se utiliza para el registro no rígido 20. El registro Morphon estima de manera reiterada un campo de desplazamiento 22 mediante la aplicación de filtros de cuadratura direccional en el atlas 21 y la imagen obtenida 12 y actualiza el campo de desplazamiento de manera que se minimizan las diferencias de fase entre las respuestas del filtro. Después de la convergencia Morphon, el campo de desplazamiento resultante 22 consiste en un mapa de información, y la información anatómica, tal como los marcadores 21a que definen los grupos musculares, se puede transferir 23 del atlas 21 a la imagen obtenida 12.

La solidez de la segmentación basada en atlas se mejora mediante el registro de múltiples atlas 21 en la imagen obtenida 12. El registro de múltiples atlas permite el uso simultáneo de atlas 21 con diferente composición corporal, lo que representa una pluralidad de variaciones anatómicas, lo que puede mejorar la operación de segmentación. Por lo tanto, se realiza el registro para cada atlas y los marcadores sugeridos se añaden entre sí en la diana, formando un mapa. El mapa se normaliza y se utiliza como un mapa de probabilidad 24. Un valor igual a 1 para un vóxel establece que todos los atlas clasifican un vóxel como tejido, y un valor igual a cero establece que ninguno de los atlas clasifica ese vóxel como tejido.

La tercera etapa del método es clasificar el marcador de cada vóxel basándose en el mapa de probabilidad 24 resultante a partir del registro de atlas múltiple. Se aplica un umbral 31 que determina cuántos atlas 21 deben coincidir para clasificar un vóxel como un determinado músculo. Un umbral demasiado elevado conduciría a una subestimación del volumen del tejido, mientras que un umbral demasiado bajo conduciría a una sobreestimación. Los diferentes grupos de tejido tienen diferentes entornos, por lo que se pueden utilizar umbrales óptimos para cada grupo.

Los umbrales óptimos 31 para cada grupo de tejido segmentado pueden calcularse encontrando el umbral que maximiza la similitud entre una segmentación real y la segmentación automática, en función del índice de similitud (IS), también conocido como el coeficiente Dice. El valor umbral que proporcionó el IS medio más elevado (en todos los atlas utilizados) se utilizó como valor umbral óptimo.

La probabilidad de lograr un buen resultado de registro es mayor si el atlas 21 y la imagen 12 diana son similares. Una selección automatizada de encontrar atlas con una distribución tisular similar se puede utilizar en una realización para mejorar el resultado de la segmentación. Esto se implementa como un proceso reiterado. Después de la primera reiteración, donde se utiliza un subconjunto aleatorio o general de atlas, se realiza una segunda reiteración 33 donde solo los atlas 21 con el volumen de tejido más similar, en comparación con el resultado de la primera reiteración, se utilizan para una segunda vuelta de selección. En lugar de los criterios del volumen muscular de todo el cuerpo más similar, se puede utilizar otra característica que describa los sujetos.

Después de la clasificación de tejidos, se proporciona una imagen obtenida 35 con marcadores 32 de grupos de tejido.

La etapa final para obtener el volumen de tejido es combinar el resultado de las etapas de segmentación y clasificación del tejido con la información de la imagen presente en el volumen de tejido en la imagen obtenida. Esto se describe a continuación con referencia a la figura 3.

Una etapa de cálculo del volumen de tejido magro consiste en la eliminación de vóxeles que no pertenecen al cuerpo en la imagen obtenida 35, es decir, eliminación de fondo. Solo se incluyen vóxeles dentro de una máscara de tejido blando (MTB) difusa para reducir el ruido de los vóxeles de fondo. En primer lugar, se crea una máscara de tejido binaria (MTB) mediante la calibración del volumen de tejido de agua (An), similar a lo descrito anteriormente para el volumen de tejido graso, proporcionando un volumen de tejido graso calibrado (Gn). Una calibración de la imagen de agua se basa en agua pura como referencia de intensidad interna. Es decir, el nivel de intensidad de la señal en un vóxel de imagen de agua determinado está relacionado con la intensidad en el tejido de agua pura al que se le asigna el valor 1, correspondiente al 100 % de tejido de agua. Los vóxeles de la imagen de agua con una intensidad sin agua reciben el valor 0.

La suma (Gn An) del volumen de tejido de agua normalizado y el volumen de tejido graso proporciona una señal en fase normalizada (EFn). Se aplica un umbral a la señal en fase normalizada. El umbral está en un nivel de 0,5. La máscara de tejido difusa se crea mediante el establecimiento de los vóxeles dentro de un vóxel desde los bordes de la máscara corporal binaria igual a la suma de las imágenes normalizadas de agua y grasa. Esta operación se conoce como relajación de bordes. Mediante la utilización de la máscara de tejido blando difusa, se minimizan los efectos de volumen parcial en la medición del volumen.

El volumen de la máscara de tejido segmentado, M^m, se calcula mediante:

donde M^{a u t} es la segmentación automática de tejidos, MTB es la máscara de tejido blando, V^{v o x} es el volumen de cada vóxel y RDI son los vóxeles en la región de interés. Esto proporciona una cuantificación del tejido en el volumen clasificado, también descrito como volumen de tejido blando (VTB). Basándose en la misma máscara de tejido blando difusa y el volumen de tejido graso calibrado, se proporciona una cuantificación del volumen de tejido graso o volumen de tejido adiposo (VTA), se proporciona.

La etapa de cuantificación del volumen de tejido magro corrige la infiltración grasa en M^{a u t}.

Esto se realiza mediante un cálculo 50 del volumen de tejido magro, VTM:

donde G es la imagen de grasa calibrada, M^{a u t}es la segmentación automática de tejidos, MTB es la máscara de tejido blando, Vvox es el volumen de cada vóxel y RDI son los vóxeles en la región de interés.

La imagen de grasa calibrada proporciona una imagen de grasa continua. El nivel de señal de grasa en cada vóxel clasificado como, por ejemplo, el tejido muscular se resta del cálculo del volumen de tejido final. El VTM elimina las regiones que contienen tejido adiposo puro, es decir, estrías grasas y tejido subcutáneo. Además, en presencia de infiltración de grasa difusa, el VTM cuantifica la cantidad de tejido muscular en lugar del volumen de tejido muscular más la infiltración de grasa difusa. Esto proporciona una cuantificación del volumen de tejido magro (VTM).

Esto se ilustra adicionalmente en las figuras 4a y 4b, que ilustran una representación bidimensional de un volumen de tejido muscular 100 (eje y). Una representación baja de tejido muscular en un vóxel en el eje x proporciona un nivel de grasa correspondiente. La figura 4a ilustra una etapa conocida de cuantificación de tejido muscular en donde se establece un umbral 110. Los vóxeles con nivel de señal de tejido muscular por debajo del umbral 110, es decir, con un nivel de señal de grasa por encima del umbral 110, se eliminan del volumen de tejido muscular cuantificado 140. Una porción 120 de los vóxeles, dentro de los límites exteriores del volumen de tejido muscular 100, se eliminará de la cuantificación 140 debido a una clasificación como infiltración de grasa pura. Sin embargo, el tejido muscular 122 en dichos vóxeles también se eliminará y, por lo tanto, eliminará dicho tejido 122 de la cuantificación 140 del volumen de tejido muscular. Además, la infiltración de grasa difusa 130 se cuantificará como tejido muscular debido a la baja cantidad de grasa.

La figura 4b ilustra la etapa de cuantificación de acuerdo con la presente invención, en donde la cuantificación del volumen de tejido muscular 100 se determina restando el nivel de grasa 131, 132 en los vóxeles clasificados dentro del volumen de tejido muscular 100 del nivel de señal de tejido muscular correspondiente (nivel de señal de agua). Por lo tanto, el umbral 110 puede establecerse más bajo, o incluso anularse, para proporcionar una cuantificación más correcta del volumen de tejido muscular. Los niveles (elevados) de grasa 132 en los bordes se eliminarán de todos modos mediante la operación de sustracción. Una gran infiltración de grasa 131 se eliminará aún más de la cuantificación, incluso con un umbral 110 más bajo. Al mismo tiempo, el tejido muscular presente en los vóxeles 120 que tienen una gran infiltración de grasa también forma parte de la cuantificación de tejido muscular 141.

De acuerdo con la realización ilustrada en la figura 5, el método 1 de la presente invención puede comprender además una etapa de proporcionar 60 una imagen de agua calibrada y una etapa de calcular 70 una concentración de agua en tejido magro (CATM). El cálculo de la concentración de agua en tejido magro puede describirse como:

donde A es la imagen de agua calibrada, MTB es la máscara de tejido blando, VTM es el volumen de tejido magro calculado, Vvox es el volumen de cada vóxel y RDI son los vóxeles en la región de interés. La concentración de agua en tejido magro proporciona una concentración de agua eficaz como proporción del total de agua y grasa en la región. La concentración de agua en tejido magro incluye el nivel de señal de agua medido en la región de interés de la imagen obtenida y no el agua u otro tejido no visible por resonancia magnética en la región de interés.

En los dibujos y la memoria descriptiva, se han divulgado realizaciones preferidas y ejemplos de la invención y, aunque se emplean términos específicos, estos se usan únicamente en un sentido genérico y descriptivo y no con fines limitativos, estableciéndose el alcance de la invención en las siguientes reivindicaciones.

Claims

REIVINDICACIONES

1. Un método (1) para cuantificar un volumen de tejido magro (100), que comprende las etapas de

obtener (10) una imagen (12) como una imagen de resonancia magnética con separación de agua y grasa, en donde la imagen obtenida comprende una imagen de agua y una imagen de grasa, comprendiendo cada una de ellas una pluralidad de elementos de volumen,

proporcionar (20) una imagen de grasa calibrada (G),

proporcionar (30) una máscara de tejido blando (MTB) que define áreas de tejido blando en la imagen obtenida, y definir (40) una región de interés de la imagen obtenida

en donde

el método comprende además una etapa de calcular (50) un volumen de tejido magro multiplicando, para cada elemento de volumen en la región de interés, la máscara de tejido blando por el volumen (Vvox) de cada elemento de volumen y el resultado de uno menos la imagen de grasa calibrada, y sumando los productos de dichas multiplicaciones para todos los elementos de volumen en la región de interés.

2. El método de acuerdo con la reivindicación 1, que comprende además una etapa de proporcionar (60) una imagen de agua calibrada (A) y una etapa de calcular (70) una concentración de agua en tejido magro multiplicando, para cada elemento de volumen en la imagen obtenida, la máscara de tejido blando por la imagen de agua calibrada y el volumen (Vvox) de cada elemento de volumen, determinando una suma de los productos de dichas multiplicaciones para todos los elementos de volumen en la región de interés, y dividiendo dicha suma por dicho volumen de tejido magro calculado.

3. El método de acuerdo con la reivindicación 1, en donde la etapa de proporcionar (30) una máscara de tejido blando (MTB) comprende una etapa de eliminar elementos de volumen que no contienen tejido visible por resonancia magnética, en donde la etapa de eliminar elementos de volumen comprende las etapas de

proporcionar una imagen de agua calibrada (A),

aplicar un umbral a la suma de la imagen de grasa calibrada y la imagen de agua calibrada, en donde los elementos de volumen por encima de dicho umbral forman una máscara de tejido binaria (MTB), y

formar una máscara de tejido blando (MTB) difusa mediante el establecimiento de los elementos de volumen dentro de un elemento de volumen desde los bordes de la máscara de tejido binaria igual a la suma de las imágenes normalizadas de agua y grasa.

4. El método de acuerdo con cualquiera de las reivindicaciones anteriores, en donde la etapa de definir una región de interés comprende una etapa de registro no rígido de al menos un atlas (21) para la imagen obtenida (12) para segmentar la imagen obtenida.

5. El método de acuerdo con la reivindicación 4, en donde la etapa de registro no rígido comprende una etapa de registro multiescalar y basado en fases, tal como un registro Morphon, de dicho atlas.

6. El método de acuerdo con las reivindicaciones 4 o 5, en donde dicho atlas (21) comprende información anatómica (21a) que es transferida a la imagen obtenida (12).

7. El método de acuerdo con cualquiera de las reivindicaciones 4-6, en donde la etapa de registro no rígido comprende una etapa de registrar por separado múltiples atlas (21) en la imagen obtenida.

8. El método de acuerdo con la reivindicación 6, en donde los resultados del registro de los múltiples atlas se añaden a la imagen obtenida (12) para formar un mapa, en donde dicho mapa se normaliza para formar un mapa de probabilidad (24) que define la probabilidad de que un elemento de volumen en la imagen obtenida represente tejido muscular, y en donde la normalización proporciona un valor entre 0 y 1 para elementos de volumen en la imagen obtenida (12), en donde el valor 1 representa que todos los múltiples atlas (21) definen ese elemento de volumen como tejido muscular, y el valor 0 que ninguno de los múltiples atlas define el elemento de volumen como tejido muscular.

9. El método de acuerdo con la reivindicación 8, en donde el método comprende además una etapa de clasificar los elementos de volumen en la imagen de agua como un grupo de tejido basado en dicho al menos un atlas, en donde dicha etapa de clasificar comprende una etapa de marcar (32) elementos de volumen en la imagen obtenida (12) para un grupo de tejido basado en el mapa de probabilidad (24).

10. El método de acuerdo con la reivindicación 9, en donde dicha etapa de marcar (32) elementos de volumen comprende una etapa de aplicar un umbral de número de atlas que necesitan clasificar un elemento de volumen específico para un grupo de tejido para marcar ese elemento de volumen a dicho grupo de tejido.

11. El método de acuerdo con la reivindicación 10, en donde se selecciona un umbral del número de atlas para un primer grupo de tejido que difiera de un umbral seleccionado para un segundo grupo de tejido.

12. El método de acuerdo con cualquiera de las reivindicaciones 4-10, en donde la etapa de registro no rígido comprende una etapa de seleccionar, de un grupo de atlas, uno o más atlas que comprenden el volumen de tejido más similar a la imagen obtenida (12), y en donde dicha etapa de seleccionar uno o más atlas se repite en un proceso reiterativo, en donde los atlas seleccionados en un primer proceso de selección se utilizan como base para la selección en un segundo proceso de selección.

13. El método de acuerdo con cualquiera de las reivindicaciones anteriores, en donde la imagen de grasa calibrada, la máscara de tejido blando y la región de interés se definen en un intervalo de valores comunes.

14. El método de acuerdo con la reivindicación 13, en donde el intervalo de valores comunes se extiende de 0 a 1.