TWI797976B - 測量肌肉量的方法 - Google Patents
測量肌肉量的方法 Download PDFInfo
- Publication number
- TWI797976B TWI797976B TW111103422A TW111103422A TWI797976B TW I797976 B TWI797976 B TW I797976B TW 111103422 A TW111103422 A TW 111103422A TW 111103422 A TW111103422 A TW 111103422A TW I797976 B TWI797976 B TW I797976B
- Authority
- TW
- Taiwan
- Prior art keywords
- muscle
- information
- frame
- selection
- fascia
- Prior art date
Links
- 210000003205 muscle Anatomy 0.000 title claims abstract description 239
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000002591 computed tomography Methods 0.000 claims abstract description 59
- 210000003195 fascia Anatomy 0.000 claims abstract description 46
- 238000003325 tomography Methods 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 18
- 210000001139 rectus abdominis Anatomy 0.000 claims description 8
- 208000001076 sarcopenia Diseases 0.000 description 27
- 210000002027 skeletal muscle Anatomy 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 208000024891 symptom Diseases 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000011282 treatment Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 210000003489 abdominal muscle Anatomy 0.000 description 5
- 244000309466 calf Species 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 210000004705 lumbosacral region Anatomy 0.000 description 5
- 210000000577 adipose tissue Anatomy 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 210000001596 intra-abdominal fat Anatomy 0.000 description 4
- 210000004003 subcutaneous fat Anatomy 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 210000000689 upper leg Anatomy 0.000 description 4
- 208000029578 Muscle disease Diseases 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 210000000188 diaphragm Anatomy 0.000 description 3
- DGAIEPBNLOQYER-UHFFFAOYSA-N iopromide Chemical compound COCC(=O)NC1=C(I)C(C(=O)NCC(O)CO)=C(I)C(C(=O)N(C)CC(O)CO)=C1I DGAIEPBNLOQYER-UHFFFAOYSA-N 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 210000003903 pelvic floor Anatomy 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 206010028289 Muscle atrophy Diseases 0.000 description 2
- 208000021642 Muscular disease Diseases 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 230000007850 degeneration Effects 0.000 description 2
- 210000002683 foot Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 210000002414 leg Anatomy 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 201000000585 muscular atrophy Diseases 0.000 description 2
- 210000001087 myotubule Anatomy 0.000 description 2
- 206010033675 panniculitis Diseases 0.000 description 2
- 210000002976 pectoralis muscle Anatomy 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000004580 weight loss Effects 0.000 description 2
- 206010060891 General symptom Diseases 0.000 description 1
- 201000002481 Myositis Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 210000001789 adipocyte Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000009547 dual-energy X-ray absorptiometry Methods 0.000 description 1
- 238000000105 evaporative light scattering detection Methods 0.000 description 1
- 210000001255 hallux Anatomy 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 210000000876 intercostal muscle Anatomy 0.000 description 1
- 229960002603 iopromide Drugs 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000020763 muscle atrophy Effects 0.000 description 1
- 230000009756 muscle regeneration Effects 0.000 description 1
- 208000016334 muscle symptom Diseases 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000000062 pectoralis major Anatomy 0.000 description 1
- 210000000989 pectoralis minor Anatomy 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 210000002097 psoas muscle Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000007863 steatosis Effects 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
- A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本發明有關一種測量肌肉量的方法,係包括:一第一選取步驟,係提供一電腦斷層掃描圖,並於窗寬為300 HU至500 HU且窗位為40 HU至50 HU之條件下,於該電腦斷層掃描圖框選出一筋膜區域,以取得一框選資訊,其中該筋膜區域之選取範圍內包含一肌肉;以及 一第二選取步驟,於該電腦斷層掃描圖的HU值為-29 HU至150 HU之條件下,計算該框選之筋膜區域內的像數值以取得該肌肉之一肌肉資訊。
Description
本發明有關一種檢測方法,特別係指一種利用電腦斷層掃描來檢測肌肉量之方法。
「肌少症」是肌肉疾病之一種,會導致全身普遍的骨骼肌重量、與功能持續減少,並且隨著骨骼肌肌肉量之減少,會造成走路遲緩、握力下降、行動吃力、反覆跌倒、與體重減輕等狀況,使得生活品質受到重大影響,甚至導致失能之情形。由於肌少症通常是伴隨著高齡、與慢性病而一同發生,若沒有早期發現,在失能初期給予適當治療,輕症容易導致手腳沒力,增加跌倒機率;重症則可能導致失能而久臥在床,實為得不償失。
台灣專利公告號I646943 提出一種「透過功能性體適能篩檢肌少症的方法」,其係令受測者自承載物坐起後圍繞物件行走預設距離,藉由計算圍繞物件行走的時間,來判斷受測者是否有肌少症之問題。然而,人體之身體能力、與運動能力於每次測量時都會產生一定之誤差,並且隨著疲勞情形與受測次數的累積,體能會逐漸降低。由於影響體適能之檢測結果的外在因素較多,因此單以體適能之方式較難以判斷肌少症之實際狀況,而可能產生誤判之情形。另外台灣專利公告號I652039提出一種「肌少症簡易檢測方法及系統」,係藉由測量受測者之行走速度數值、與握力數值,來判定受測者是否為疑似為肌少症之患者,其中可以理解地,該案所使用之檢測方法與I646943 所提供之篩檢方法雷同,均存在因誤差、或外在因素而影響結果與準確性之問題。
有鑑於以上之問題與先前技術之缺失,提供一種可精準檢測肌肉量之方法,以避免肌少症之患者錯過黃金治療時期,實為時勢所需。
本發明所欲解決之問題在於:於電腦斷層掃描圖上自動框選出一筋膜區域,再調整適合之HU值來凸顯所框選區域內之肌肉量,以檢測人體之肌肉質量。
為達上述之目的,本發明提供一種測量肌肉量的方法,係包括: 一第一選取步驟,係提供一電腦斷層掃描圖,並於窗寬為300 HU至500 HU且窗位為40 HU至50 HU之條件下,於該電腦斷層掃描圖框選出一筋膜區域,以取得一框選資訊,其中該筋膜區域之選取範圍內包含一肌肉;以及 一第二選取步驟,於該電腦斷層掃描圖的HU值為-29 HU至150 HU之條件下,計算該框選之筋膜區域內的像數值以取得該肌肉之一肌肉資訊。
本發明另提供一種測量肌肉量的方法,係包括: 一第一選取步驟,係提供一電腦斷層掃描圖,並於窗寬為300 HU至500 HU且窗位為40 HU至50 HU之條件下,於該電腦斷層掃描圖框選出一第一筋膜區域,以取得一第一框選資訊,其中該第一筋膜區域之選取範圍內包含一第一肌肉;以及一第二筋膜區域,以取得一第二框選資訊,其中該第二筋膜區域之選取範圍內包含一第二肌肉;以及 一第二選取步驟,於該電腦斷層掃描圖的HU值為-29 HU至150 HU之條件下,計算該框選之第一筋膜區域內的像數值以取得該第一肌肉之一第一肌肉資訊;以及計算該框選之第二筋膜區域內的像數值以取得該第二肌肉之一第二肌肉資訊。
更佳者,其中: 該電腦斷層掃描圖係為第三節脊椎骨的水平電腦斷層掃描圖、或第四節脊椎骨的水平電腦斷層掃描圖;以及 該肌肉係選自以下所組成之群組:橫腹肌、腹直肌、腹內斜肌、腹外斜肌、腰肌、腰方肌、椎旁肌、或其結合。
更佳者,其中: 該電腦斷層掃描圖係為第三節脊椎骨的水平電腦斷層掃描圖、或第四節脊椎骨的水平電腦斷層掃描圖;以及 該第一肌肉或該第二肌肉係選自以下所組成之群組:橫腹肌、腹直肌、腹內斜肌、腹外斜肌、腰肌、腰方肌、椎旁肌、或其結合。
更佳者,其中更包含一紀錄步驟,係於該第一選取步驟後,將該框選資訊儲存於一紀錄模組中;以及於該第二選取步驟後,將該肌肉資訊儲存於該紀錄模組中。
更佳者,其中更包含一紀錄步驟,係於該第一選取步驟後,將該第一框選資訊與該第二框選資訊儲存於一紀錄模組中;以及於該第二選取步驟後,將該第一肌肉資訊與該第二肌肉資訊儲存於該紀錄模組中。
更佳者,其中: 於該第一選取步驟中,係利用一分析模組於該電腦斷層掃描圖上自動框選出該筋膜區域,其中:該分析模組係可接收一框選參照物,並整理、歸納出該框選參照物所框選範圍內之一細節特徵,並藉由該細節特徵,將該電腦斷層掃描圖上與該細節特徵相同之部分框選出來,以取得該框選資訊。
更佳者,其中:更包含一智能運算步驟,係於該紀錄步驟後,利用一運算模組將該肌肉資訊以數字化之方式呈現,以表示該肌肉之質量、密度、或分布,其中:該運算模組係與該紀錄模組訊號連接,以接收該肌肉資訊。
更佳者,其中: 於該第一選取步驟中,係利用一分析模組於該電腦斷層掃描圖上自動框選出該第一筋膜區域與該第二筋膜區域,其中:該分析模組係可接收一框選參照物,並整理、歸納出該框選參照物所框選範圍內之一細節特徵,並藉由該細節特徵,將該電腦斷層掃描圖上與該細節特徵相同之部分框選出來,以取得該第一框選資訊與該第二框選資訊。
更佳者,其中:更包含一智能運算步驟,係於該紀錄步驟後,利用一運算模組將該第一肌肉資訊與該第二肌肉資訊以數字化之方式呈現,以表示該第一肌肉與該第二肌肉之質量、密度、或分布,其中:該運算模組係與該紀錄模組訊號連接,以接收該第一肌肉資訊與該第二肌肉資訊。
本發明相較於先前技術之功效在於:本發明並非以體能檢測之方式來判定肌少症,而是使用電腦斷層掃描技術來獲取精準之肌肉量數據,因此能夠達成精準判定之效果,可於後續治療、或復原階段時對肌肉進行追蹤,以記錄肌肉量之增加效果。此外,本發明於使用電腦斷層掃描來檢測肌肉量時,會自動框選出一待檢測之筋膜區域,有別於傳統醫護人員以手動之方式框取,因此可以確定每次進行框選時,皆能框選出所有肌肉表層之筋膜部分,而不會有疏漏;再藉由調整HU值,使肌肉部分於電腦斷層掃描圖上突顯出來,以獲得準確的肌肉量之數據。
為讓本發明上述及/或其他目的、功效、特徵更明顯易懂,下文特舉較佳實施方式,作詳細說明於下:
以下用以說明本發明之第一實施態樣。
如圖1所示,本發明提供一種測量肌肉量的方法,係包括: 一第一選取步驟(1),係提供一電腦斷層掃描圖,並於窗寬為300 HU(Hounsfield unit)至500 HU且窗位為40 HU至50 HU之條件下,於該電腦斷層掃描圖框選出一筋膜區域,以取得一框選資訊,其中該筋膜區域之選取範圍內包含一肌肉;以及 一第二選取步驟(2),於該電腦斷層掃描圖的HU值為-29 HU至150 HU之條件下,計算該框選之筋膜區域內的像數值以取得該肌肉之一肌肉資訊。於一較佳實施例中,為了測量腰椎椎旁肌群之肌肉量多寡,以檢視肌少症之症狀、或嚴重程度,該電腦斷層掃描圖係為第三節脊椎骨的水平電腦斷層掃描圖、或第四節脊椎骨的水平電腦斷層掃描圖,但不以此為限。於另一較佳實施例中,該肌肉係為腰椎椎旁肌群之一部分,包含:橫腹肌、腹直肌、腹內斜肌、腹外斜肌、腰肌、腰方肌、椎旁肌、或上述所列舉之肌肉的結合,但不以此為限。於又一較佳實施例中,為了辨別該肌肉之多寡、或分布之密度,其中於該第二選取步驟(2)中,於該電腦斷層掃描圖的HU值為-29 HU至150 HU之條件下,會形成一肌肉分布圖。於又一較佳實施例中,所設定之窗寬不以300 HU至500 HU為限;所設定之窗位不以40 HU至50 HU為限;所設定之HU值不以-29 HU至150 HU為限。
更佳者,如圖2所示,為了進行紀錄、或存取該框選資訊以及該肌肉資訊,其中更包含一紀錄步驟(3),係於該第一選取步驟(1)後,將該框選資訊儲存於一紀錄模組中;以及於該第二選取步驟(2)後,將該肌肉分布圖與該肌肉資訊儲存於該紀錄模組中。於一較佳實施例中,如圖3所示,其中更包含一編輯步驟(4),係將該肌肉分布圖按照執行該第二選取步驟(2)之日期與時間點來依序排序;將該肌肉分布圖按照執行該第二選取步驟(2)之日期與時間點來依序排序;以及將該依序排序之肌肉分布圖編輯成一影片,以便於觀測者更好地理解肌肉之變化狀況;或將該肌肉分布圖彙整為一3D立體圖像。
更佳者,為了加強肌肉量檢測之速度與品質、或提供一輔助判斷之基準,其中於該第一選取步驟(1)中,係利用一分析模組於該電腦斷層掃描圖上自動框選出該筋膜區域,其中:該分析模組係可接收一框選參照物,並整理、歸納出該框選參照物所框選範圍內之一細節特徵,並藉由該細節特徵,將該電腦斷層掃描圖上與該細節特徵相同之部分框選出來,以取得該框選資訊。於一較佳實施例中,該細節特徵包含方位、明暗程度、紋理、凹凸、或相對位置,但不以此為限。其中可以理解地,傳統電腦掃描之框選方式係為手動方式來進行框選,相當考驗框選者之經驗豐富度與觀察敏銳度。此外,由於人眼之辨別能力有限,因此以手動框選之方式經常會產生誤差,而使最後電腦斷層掃描所測得之結果不精確。本發明在此提供了以「智能學習」之方式來對電腦斷層掃描圖進行判定,並可以依照所欲檢測之症狀類型來調整所使用之框選參照物的類別,以因應不同之使用場景。具體而言,本發明之一目的在於針對肌少症之症狀進行檢測與判定,因此首先需取得一第三節脊椎骨的水平電腦斷層掃描圖、或一第四節脊椎骨的水平電腦斷層掃描圖;然後,將上述電腦斷層掃描圖中與肌少症相關聯之肌群進行框選,以針對所框選範圍內之肌肉量多寡來判定受試者是否存在肌少症之症狀。此時,為了於提供電腦斷層掃描圖時,該分析模組可自動對肌少症相關聯之肌肉進行框選,該所使用之框選參照物為至少一張已對肌少症相關聯之肌肉進行框選之電腦斷層掃描圖,以做為該分析模組進行框選之基準。其中可以理解地,框選與肌少症相關聯之肌肉,其目的是為了便於進行肌少症症狀之分析或判斷,其中,本發明之目的是在於進行肌肉量之檢測,因此,可根據人體不同部位之肌肉、組織、或骨骼的CT(Computed Tomography)圖進行調整,以取得所欲檢測之人體部位的詳細資訊。因此,所框選之部分不僅以與肌少症相關聯之肌肉為限。
更佳者,如圖4所示,為了使該肌肉之肌肉量更容易判讀、或作為後續研究之基準,其中更包含一智能運算步驟(5),係於該紀錄步驟(3)後,利用一運算模組將該肌肉資訊以數字化之方式呈現,以表示該肌肉之質量、密度、或分布,其中:該運算模組係與該紀錄模組訊號連接,以接收該肌肉資訊。
更佳者,圖5B、5C、與5E為一系列之電腦斷層掃描之示意圖,其中,圖5B為一般電腦斷層掃描圖之結果;圖5C為本發明自動對該斷層掃描圖沿筋膜進行框選之結果;圖5E用以表示:於該第二選取步驟(2)中,調整完HU值後之肌肉分布圖之示意圖。於一較佳實施例中,圖5C是以窗寬為450 HU;以及窗位為45 HU之條件下所取得之CT圖。於另一較佳實施例中,如圖5C所示,其中各顏色線條所框選之範圍係以該分析模組參照該框選參照物之資訊,並依照該框選參照物中之細節特徵所選取者。其中可以理解地,此自動框選之機制可以避免手動框選對於經驗之要求,並可減少誤差、縮減人力、與增加肌肉診斷之效率。於又一較佳實施例中,如圖5E所示,其中於該第二框選步驟中,由於電腦斷層掃描之HU值經過調整,因此於該肌肉分布圖中,肌肉部分與非肌肉部分之對比度會增加,使得人體或機器更容易判別該肌肉分布圖中之肌肉數據。
以下用以說明本發明之第二實施態樣。
如圖1所示,本發明另提供一種測量肌肉量的方法,係包括: 一第一選取步驟(1),係提供一電腦斷層掃描圖,並於窗寬為300 HU至500 HU且窗位為40 HU至50 HU之條件下,於該電腦斷層掃描圖框選出一第一筋膜區域,以取得一第一框選資訊,其中該第一筋膜區域之選取範圍內包含一第一肌肉;以及一第二筋膜區域,以取得一第二框選資訊,其中該第二筋膜區域之選取範圍內包含一第二肌肉;以及 一第二選取步驟(2),於該電腦斷層掃描圖的HU值為-29 HU至150 HU之條件下,計算該框選之第一筋膜區域內的像數值以取得該第一肌肉之一第一肌肉資訊;以及計算該框選之第二筋膜區域內的像數值以取得該第二肌肉之一第二肌肉資訊。於一較佳實施例中,為了測量腰椎椎旁肌群之肌肉量多寡,以檢視肌少症之症狀、或嚴重程度,該電腦斷層掃描圖係為第三節脊椎骨的水平電腦斷層掃描圖、或第四節脊椎骨的水平電腦斷層掃描圖,但不以此為限。於另一較佳實施例中,該第一肌肉係為腰椎椎旁肌群之一部分,包含:橫腹肌、腹直肌、腹內斜肌、腹外斜肌、腰肌、腰方肌、椎旁肌、或上述所列舉之肌肉的結合,但不以此為限;以及該第二肌肉係為腰椎椎旁肌群之一部分,包含:橫腹肌、腹直肌、腹內斜肌、腹外斜肌、腰肌、腰方肌、椎旁肌、或上述所列舉之肌肉的結合,但不以此為限。於又一較佳實施例中,為了辨別該第一肌肉與該第二肌肉之多寡、或分布之密度,其中於該第二選取步驟(2)中,於該電腦斷層掃描圖的HU值為-29 HU至150 HU之條件下,會形成一肌肉分布圖。
於又一較佳實施例中,如圖2所示,為了進行紀錄、或存取該框選資訊以及該肌肉資訊,其中更包含一紀錄步驟(3),係於該第一選取步驟(1)後,將該第一框選資訊與該第二框選資訊儲存於一紀錄模組中;以及於該第二選取步驟(2)後,將該第一肌肉資訊與該第二肌肉資訊儲存於該紀錄模組中。於一較佳實施例中,如圖3所示,其中更包含一編輯步驟(4),係將該肌肉分布圖按照執行該第二選取步驟(2)之日期與時間點來依序排序;將該肌肉分布圖按照執行該第二選取步驟(2)之日期與時間點來依序排序;以及將該依序排序之肌肉分布圖編輯成一影片,以便於觀測者更好地理解肌肉之變化狀況;或將該肌肉分布圖彙整為一3D立體圖像。
更佳者,其中: 於該第一選取步驟(1)中,係利用一分析模組於該電腦斷層掃描圖上自動框選出該第一筋膜區域與該第二筋膜區域,其中:該分析模組係可接收一框選參照物,並整理、歸納出該框選參照物所框選範圍內之一細節特徵,並藉由該細節特徵,將該電腦斷層掃描圖上與該細節特徵相同之部分框選出來,以取得該第一框選資訊與該第二框選資訊。 其中,以上關於自動框選之機制與本發明之第一實施態樣大致相同,因此在此不多做贅述。
更佳者,如圖4所示,其中:更包含一智能運算步驟(5),係於該紀錄步驟(3)後,利用一運算模組將該第一肌肉資訊與該第二肌肉資訊以數字化之方式呈現,以表示該第一肌肉與該第二肌肉之質量、密度、或分布,其中:該運算模組係與該紀錄模組訊號連接,以接收該第一肌肉資訊與該第二肌肉資訊。
更佳者,如圖5A所示,為使用AI自動將電腦斷層掃描圖上之肌群進行分類後所框選之結果,其中:使用AI自動框選時,可分別框選出該電腦斷層掃描圖上各肌群之肌肉表層的筋膜,具體而言,如圖5A所示,可以不同顏色來對不同肌群之肌肉表層的筋膜進行框選,以取得該第一框選資訊、以及該第二框選資訊,如此一來,後續可針對特定肌群進行肌肉質量之分析。其中,如圖5B所示,係為一般電腦斷層掃描圖之掃描結果;如圖5C所示,係使用圖5B之電腦斷層掃描圖,並於第一選取步驟(1)中,於窗寬為440 HU;以及窗位為45 HU之條件下,於電腦斷層掃描圖上對各肌群肌肉表層之筋膜進行框選之結果,具體而言,於圖5C中係以5種顏色分別框選出5種肌群之筋膜部分;如圖5D所示,係於第二選取步驟(2)中調整HU值後所得之結果,具體而言,係將HU值調整至-29至150 HU,使被筋膜覆蓋之肌肉部分顯現,而有助於後續計算肌肉之質量、或數據;以及如圖5E所示,係進一步將圖5D中框選範圍內之肌肉區塊進行定量之結果。於一較佳實施例中,如圖5C至圖5E所示,其中各顏色之線條所框選之範圍係以該分析模組參照該框選參照物之資訊,並依照該框選參照物中之細節特徵所選取者。其中可以理解地,此自動框選之機制可以避免手動框選對於經驗之要求,並可減少誤差、縮減人力、與增加肌肉診斷之效率。於另一較佳實施例中,如圖5D所示,其中於該第二框選步驟中,由於電腦斷層掃描之HU值經過調整,因此於該電腦斷層掃描圖中,肌肉部分與非肌肉部分之對比度會增加,使得人體或機器更容易判別該肌肉分布圖中之肌肉數據。於又一較佳實施例中,其中更可包含更多之框選資訊,其中可以理解地,框選資訊之數量可與肌群之數量相對應,並以數字進行排序,但不以此為限。
更佳者,於第二選取步驟(2)中,可根據所設定之HU值大小來測量人體肌肉、組織、或骨骼。具體而言,如表1所示,當HU值之區間設定為-29HU至150HU時,可於CT圖上顯示骨骼肌之肌肉分佈狀況、肌肉密度、與肌肉質量。其中可以理解地,可以根據所欲檢測之人體部位來設定合適之HU值,並非僅以檢測骨骼肌為限。
表1
組織 | HU值區間 |
骨骼肌 | -29~150 |
肌間脂肪組織 | -190~-30 |
內臟脂肪組織 | -150~-50 |
皮下脂肪組織 | -190~-30 |
骨骼 | 250~2000 |
更佳者,一般之人體測量方法包含:生物電阻分析法(BIA)、電腦斷層掃描法(CT)、磁振造影法(MRI)、雙能量X光吸收測定法(DXA)、超音波回波法、或肉眼觀察法,但不以此為限。其中,電腦斷層掃描(Computed Tomography),是一種利用數位幾何處理後重建的三維放射線醫學影像;或為結合X光技術與電腦運算而成的醫療診斷工具。其中,該技術主要通過單一軸面的光線旋轉照射物件,由於不同的材質對光線的吸收能力或阻射率之不同,而可以電腦三維技術重建出斷層面影像。於一較佳實施例中,於進行電腦斷層掃描檢查前,會先使用顯影劑來增強組織間的對比。其中:顯影劑是一種經由靜脈注入體內,隨著血管分佈而被身體組織攝入的物質,可使組織在拍攝影像時造成對比亮度的改變,讓血管、腫瘤、臟器、或肌肉等構造變得較為清晰而易於判讀。於另一較佳實施例中,窗寬係指CT圖像上所包含的CT值範圍;窗位係指窗寬上下限的平均數,藉由窗寬與窗位之處理,可以得到相應人體組織的斷層影像。於又一較佳實施例中,將斷層影像層層堆疊,可形成一立體影像,使人體全身各組織、器官、骨骼、或肌肉之3D影像都可以清楚表現出來,因此可作為醫護人員進行身體症狀診斷或治療之重要依據。由於電腦斷層掃描為非侵入性、並且可快速方便地重組出人體體內之3D影像,因此可顯現出身體大多部位的狀況,並大幅提高疾病診斷的精準度。因此,本發明係使用電腦斷層掃描來進行肌肉量之檢測。
更佳者,為了檢視不同之肌肉疾病或症狀,該肌肉、該第一肌肉、或該第二肌肉係人體肌群之部分。其中,人體肌群包含:腰椎椎旁肌群、腿部肌群、胸部肌群、背部肌群、腹部肌群、肱二頭肌群、肱三頭肌群、或核心肌群,但不以此為限。於一較佳實施例中,腰椎椎旁肌群包含:橫突間肌、腰方肌、多裂肌、腰髂肋肌、最長肌、與腰大肌,但不以此為限。於另一較佳實施例中,人體腿部肌群包含大腿肌群與小腿肌群,但不以此為限。其中大腿肌群包含:大腿前部肌肉群,包含:縫匠肌(sartorius)、股四頭肌(quadriceps)、或闊筋膜張肌(tensor fasciae latae),但不以此為限;大腿後部肌群,包含:股二頭肌(Biceps Femoris)、半腱肌(Semitendinosus)、或半膜肌(Semimembranosus),但不以此為限;與大腿內側肌肉群,包含:恥骨肌(Pectineus)、長收肌(Adductor Longus)、短收肌(Adductor Brevis)、大收肌(Adductor Magnus)、或股薄肌(Gracilis),但不以此為限;小腿肌群包含:小腿前側肌群,包含:前群有脛骨前肌(tibialis anterior)、趾長伸肌(extensor longus digitorum)、或拇長伸肌(extensor longus pollicis),但不以此為限;小腿外側肌群,包含:腓骨長肌(peronaeus longus)、或腓骨短肌(peronaeus brevis),但不以此為限;與小腿後側肌群,包含:小腿三頭肌(triceps surae)、趾長屈肌(flexor digitorum longus)、拇長屈肌(flexor pollicis longus)、或脛骨後肌(tibialis posterior),但不以此為限。於又一較佳實施例中,人體胸部肌群包含胸大肌、胸小肌、前鋸肌、或肋間肌,但不以此為限。於又一較佳實施例中,人體背部肌群包含斜方肌、背闊肌、大圓肌、小圓肌、豎脊肌、或菱形肌,但不以此為限。於又一較佳實施例中,人體腹部肌群包含腹直肌、腹內斜肌、腹橫肌、或腹外斜肌,但不以此為限。於又一較佳實施例中,人體肩部肌群包含三角肌前束、三角肌中束、或三角肌後束,但不以此為限。於又一較佳實施例中,人體核心肌群係指從橫膈膜以下到骨盆底之間且環繞著腰部、腹部、與軀幹中央的肌肉群,包含:腹橫肌(transverse abdominis)、多裂肌(lumber multifidi)、腹內斜肌(internal obliques)、腹外斜肌(external oblique)、腹直肌(rectus abdominis)、腰方肌(quadratus lumborum)、豎脊肌(erector spinae)、橫膈(respiratory diaphragm)、與骨盆底肌(pelvic floor),但不以此為限。於又一較佳實施例中,該肌肉、該第一肌肉、或該第二肌肉可包含1種、或1種以上之肌群,但不以此為限。
更佳者,肌肉疾病包含:肌少症、肌肉萎縮、或肌肉發炎,但不以此為限,其中「肌少症」是一種全身普遍的骨骼肌重量、與功能持續減少之症狀,隨著骨骼肌肌肉量之減少,會造成走路遲緩、握力下降、行動吃力、反覆跌倒、與體重減輕等狀況,使得生活品質受到重大影響,甚至導致失能之情形。由於肌少症通常是伴隨著高齡、與慢性病而一同發生,若沒有早期發現,在失能初期給予適當治療,輕症容易導致手腳沒力,增加跌倒機率;重症則可能導致失能而久臥在床,實為得不償失;而肌肉萎縮(Muscle wasting)係指肌肉品質的逐漸丟失及、或肌肉逐漸弱化與退化。本發明不僅可針對肌少症之症狀來進行測量,更可針對人體特定部位之肌群來進行電腦段層掃描,以觀察是否有其他之肌肉疾病的存在,進而可以預防或控制肌肉疾病;或促進肌肉再生,使因某種要因而減少的肌肉量回復至原有的水準;或使因某種要因而減少的肌力回復至原有的水準。
更佳者,為了有效評估肌肉質量,以對肌少症、或肌肉脂肪變性等症狀進行即時處理、或預防,可利用CT掃描來測量腹肌總面積(Total abdominal muscle area;TAMA);肌間脂肪組織區(Intermuscular adipose tissue area;IMAT);或骨骼肌肉區(skeletal muscle area;SMA)。其中,以CT掃描測量所獲得之總肌肉面積包含:正常衰減肌肉區(normal attenuation muscle area;NAMA);與低衰減肌肉區(low attenuation muscle area;LAMA)。具體而言,NAMA較少發生脂肪浸潤的狀況,為優質肌肉區域;而LAMA為較容易在肌肉纖維中發現脂肪細胞的區域,為劣質肌肉區域,通常被用於作為身體缺陷、或代謝不良之指標,此外,由於LAMA中之脂肪含量較高,因此其於CT描圖上之密度會較低。其中,由於L3腰脊椎骨與全身肌肉質量高度相關,因此其斷層掃描圖適合做為診斷肌肉質量之依據。於一較佳實施例中,CT掃描可使用:Somatom Definition (Siemens Healthineers, Erlangen, Germany); Discovery CT750 HD (GE Healthcare, Milwaukee, WI, USA);或LightSpeed VCT scanner (GE Healthcare)執行;CT掃所設定之參數包含:120 kVp; 自動藥劑調製(CareDose 4D, Siemens Healthineers; automA and smartmA, GE Healthcare);512 X 512的矩陣;0.625 mm的準直;或上述之結合,但不以此為限。於另一較佳實施例中,CT掃描所取得之圖像數據可使用「軟組織濾波反投影技術(B30f kernel; Siemens Healthineers; Standard kernel, GE Healthcare)」重建,以建立一切片厚度,其中該切片厚度優選為為 5 mm,但不以此為限。於又一較佳實施例中, 用於增強對比度時,可使用100e150 Ml的碘普羅胺(Ultravist 370 or Ultravist 300; Bayer Schering Pharma, Berlin, Germany);使用自動靜脈注射器時, 所使用之動力進樣器的進樣速度可為 2.5e3mL/秒;或於使用完造影注射劑後,可固定掃描延遲70秒,但不以此為限。其中可以理解地,進行CT掃描之脊椎部分不以L3腰脊椎骨為限,可選擇其他部分之脊椎骨進行切片。於又一較佳實施例中,CT圖像是由Analytic Morphomics進行處理,其為使用Matlab編寫的半自動計算圖象處理系統,其中,所獲得之CT圖像是以DICOM格式進行編碼,並導入一空間數據庫中儲存。 於又一較佳實施例中,可使用醫學圖像分析軟件來對CT圖進行影像分割,具體而言,以第三脊椎骨之CT圖為例,可將其自動識別,並分割出肌肉、骨骼、SAT(皮下脂肪組織)和 VAT(內臟脂肪組織)區域。於又一較佳實施例中,所使用之醫學圖象分析軟件為sliceOmatic,但不以此為限。
更佳者,可使用卷積網絡(FCN)分割技術,自動選擇 L3 腰脊椎骨的軸向 CT 切片,以自動將選擇的 CT 圖像分段生成:總邊界腹肌區 (TAMA)、內臟脂肪區、和皮下脂肪區。具體而言,TAMA 包括所選圖像上的所有肌肉 ,包含:腰大肌、椎旁肌、腹橫肌、腹直肌、腰方肌、以及內外斜肌。其中, 於進行肌肉質量評估時,可將TAMA分為三個部分,其分別為: IMAT(於CT圖設定之HU值為-190~-30HU時顯現),其顯示肌群與肌肉纖維間的脂肪組織;NAMA(於CT圖設定之HU值為30~150HU時顯現),其表示健康的肌肉;以及LAMA(於CT圖設定之HU值為-29~29HU時顯現),其表示不健康的肌肉。於一較佳實施例中,於進行肌肉質量之分析時,可使用SAS軟件(SAS Institute, Inc., Cary, NC, USA);或R軟件((R Foundation for Statistical Computing, Vienna, Austria)執行。於另一較佳實施例中,關於 SMA、TAMA 衰減和NAMA/TAMA指數可由Pearson 相關係數進行評估。為了具體評估肌肉質量是否為正常水準,可利用一特異性T值之大小作為參考,其中,
,其中,當所測得之T值>-1、LAMA值<1、或IMAT值<1時,可視肌肉為正常,無潛在之危險;當所測得之T值範圍為:-1.0≥T值≥-2.0、T值<-2、2≥T值>1、LAMA值>2、或IMAT值>2時,肌肉之狀況為不正常,此時可能有肌肉脂肪變性、或肌少症之狀況發生,需要進一步的進行檢測。
更佳者,可使用Pearson 相關係數、或 Tukey’s來評估腰脊椎水平之間的關聯差異。於先前之研究中顯示:SMA的CT測量已被證明與健康成人的全身肌肉質量相關;平均骨骼肌輻射衰減 (SMRA) 已證明與肌肉脂肪含量與身體機能有關。其中,SMRA之計算方式為 SMA中包含的所有像素的平均值(HU值);以及骨骼肌指數
。於一較佳實施例中,當以L3腰脊椎骨進行CT切片時,女性肌少症的 SMA、SMI 和 SMRA之臨界值依序為 92.2 cm2、34.4 cm2/m2 和 34.3 HU;而男性依序為 144.3 cm2、45.4 cm2/m2 和 38.5 HU,因此,可以上述所列舉之臨界點作為判斷有無肌少症症狀之參考依據。
本發明相較於先前技術之功效在於:本發明並非以體能檢測之方式來判定肌少症,而是使用電腦斷層掃描技術來獲取精準之肌肉量數據,因此能夠達成精準判定之效果,可於後續治療、或復原階段時對肌肉進行追蹤,以記錄肌肉量之增加效果。此外,本發明於使用電腦斷層掃描來檢測肌肉量時,會自動框選出一待檢測之筋膜區域,有別於傳統醫護人員以手動之方式框取,因此可以確定每次進行框選時,皆能框選出所有肌肉表層之筋膜部分,而不會有疏漏;再藉由調整HU值,使肌肉部分於電腦斷層掃描圖上突顯出來,以獲得準確的肌肉量之數據。
惟以上所述者,僅為本發明之較佳實施例而已,當不能以此限定本發明實施之範圍,即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾,皆仍屬本發明專利涵蓋之範圍內。另外本發明的任一實施例或申請專利範圍不須達成本發明所揭露之全部目的或優點或特點。此外,摘要部分和標題僅是用來輔助專利文件搜尋之用,並非用來限制本發明之權利範圍。另外,說明書中提及的第一、第二等用語,僅用以表示元件的名稱,並非用來限制組件數量上的上限或下限。
1:第一選取步驟
2:第二選取步驟
3:紀錄步驟
4:編輯步驟
5:智能運算步驟
圖1至圖4為一系列之方塊圖,用以說明本發明之方法流程;
圖5A至5E為一系列之電腦斷層掃描示意圖,用以說明本發明框選肌群之步驟流程。
1:第一選取步驟
2:第二選取步驟
Claims (5)
- 一種測量肌肉量的方法,係包括:一第一選取步驟,係提供一電腦斷層掃描圖,並於窗寬為300 HU至500 HU且窗位為40 HU至50 HU之條件下,於該電腦斷層掃描圖框選出一第一筋膜區域,以取得一第一框選資訊,其中該第一筋膜區域之選取範圍內包含一第一肌肉;以及一第二筋膜區域,以取得一第二框選資訊,其中該第二筋膜區域之選取範圍內包含一第二肌肉;以及一第二選取步驟,於該電腦斷層掃描圖的HU值為-29 HU至150 HU之條件下,計算該框選之第一筋膜區域內的像數值以取得該第一肌肉之一第一肌肉資訊;以及計算該框選之第二筋膜區域內的像數值以取得該第二肌肉之一第二肌肉資訊。
- 如請求項1所述之方法,其中:該電腦斷層掃描圖係為第三節脊椎骨的水平電腦斷層掃描圖、或第四節脊椎骨的水平電腦斷層掃描圖;以及該第一肌肉或該第二肌肉係選自以下所組成之群組:橫腹肌、腹直肌、腹內斜肌、腹外斜肌、腰肌、腰方肌、椎旁肌、或其結合。
- 如請求項1所述之方法,其中更包含一紀錄步驟,係於該第一選取步驟後,將該第一框選資訊與該第二框選資訊儲存於一紀錄模組中;以及於該第二選取步驟後,將該第一肌肉資訊與該第二肌肉資訊儲存於該紀錄模組中。
- 如請求項3所述之方法,其中:於該第一選取步驟中,係利用一分析模組於該電腦斷層掃描圖上自動框選出該第一筋膜區域與該第二筋膜區域,其中:該分析模組係可接收一框選參照 物,並整理、歸納出該框選參照物所框選範圍內之一細節特徵,並藉由該細節特徵,將該電腦斷層掃描圖上與該細節特徵相同之部分框選出來,以取得該第一框選資訊與該第二框選資訊。
- 如請求項4所述之方法,其中:更包含一智能運算步驟,係於該紀錄步驟後,利用一運算模組將該第一肌肉資訊與該第二肌肉資訊以數字化之方式呈現,以表示該第一肌肉與該第二肌肉之質量、密度、或分布,其中:該運算模組係與該紀錄模組訊號連接,以接收該第一肌肉資訊與該第二肌肉資訊。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111103422A TWI797976B (zh) | 2022-01-26 | 2022-01-26 | 測量肌肉量的方法 |
EP22211686.5A EP4218591A1 (en) | 2022-01-26 | 2022-12-06 | Method for measuring muscle mass |
JP2022198507A JP7482461B2 (ja) | 2022-01-26 | 2022-12-13 | 筋肉量の測定方法 |
KR1020230008918A KR20230115249A (ko) | 2022-01-26 | 2023-01-20 | 근육량 측정 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111103422A TWI797976B (zh) | 2022-01-26 | 2022-01-26 | 測量肌肉量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI797976B true TWI797976B (zh) | 2023-04-01 |
TW202329888A TW202329888A (zh) | 2023-08-01 |
Family
ID=84421158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111103422A TWI797976B (zh) | 2022-01-26 | 2022-01-26 | 測量肌肉量的方法 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4218591A1 (zh) |
JP (1) | JP7482461B2 (zh) |
KR (1) | KR20230115249A (zh) |
TW (1) | TWI797976B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI848834B (zh) * | 2023-10-16 | 2024-07-11 | 國立成功大學 | 時序性醫療資訊分析系統及其方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112367922A (zh) * | 2018-08-22 | 2021-02-12 | 古野电气株式会社 | 超声波分析装置、超声波分析方法、以及超声波分析程序 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4405716B2 (ja) | 2002-08-26 | 2010-01-27 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 画像処理装置およびx線ctシステム |
JP5534607B2 (ja) | 2008-02-25 | 2014-07-02 | 株式会社日立メディコ | 医用画像処理装置及び、そのプログラム |
JP6426608B2 (ja) | 2012-08-30 | 2018-11-21 | ザ リージェンツ オブ ユニバーシティー オブ ミシガン | 解析モルフォミクス:高速医用画像自動解析法 |
JP6492553B2 (ja) | 2014-11-07 | 2019-04-03 | コニカミノルタ株式会社 | 画像処理装置及びプログラム |
JP6929695B2 (ja) | 2016-05-09 | 2021-09-01 | キヤノンメディカルシステムズ株式会社 | 医用画像診断装置及び管理装置 |
EP3622526A1 (en) | 2017-05-09 | 2020-03-18 | Baxter International Inc. | Parenteral nutrition diagnostic system, apparatus, and method |
TWI652039B (zh) | 2017-10-06 | 2019-03-01 | 金上達科技股份有限公司 | Simple detection method and system for sarcopenia |
TWI646943B (zh) | 2017-12-08 | 2019-01-11 | 財團法人自行車暨健康科技工業研究發展中心 | Method for screening for muscular dysfunction through functional fitness |
US11182920B2 (en) | 2018-04-26 | 2021-11-23 | Jerry NAM | Automated determination of muscle mass from images |
RU2754291C1 (ru) * | 2020-12-01 | 2021-08-31 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний" (НИИ КПССЗ) | Способ определения саркопении с использованием количественной оценки мышечной ткани по данным компьютерной томографии грудной клетки |
-
2022
- 2022-01-26 TW TW111103422A patent/TWI797976B/zh active
- 2022-12-06 EP EP22211686.5A patent/EP4218591A1/en active Pending
- 2022-12-13 JP JP2022198507A patent/JP7482461B2/ja active Active
-
2023
- 2023-01-20 KR KR1020230008918A patent/KR20230115249A/ko unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112367922A (zh) * | 2018-08-22 | 2021-02-12 | 古野电气株式会社 | 超声波分析装置、超声波分析方法、以及超声波分析程序 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI848834B (zh) * | 2023-10-16 | 2024-07-11 | 國立成功大學 | 時序性醫療資訊分析系統及其方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20230115249A (ko) | 2023-08-02 |
JP2023109150A (ja) | 2023-08-07 |
JP7482461B2 (ja) | 2024-05-14 |
TW202329888A (zh) | 2023-08-01 |
EP4218591A1 (en) | 2023-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Liver fat content measurement with quantitative CT validated against MRI proton density fat fraction: a prospective study of 400 healthy volunteers | |
Van der Werf et al. | Skeletal muscle analyses: agreement between non‐contrast and contrast CT scan measurements of skeletal muscle area and mean muscle attenuation | |
US7031426B2 (en) | Methods and system for detecting components of plaque | |
Tothill et al. | Estimation of thigh muscle and adipose tissue volume using magnetic resonance imaging and anthropometry | |
Sahni et al. | Virtual unenhanced CT images acquired from dual-energy CT urography: accuracy of attenuation values and variation with contrast material phase | |
US20140114176A1 (en) | Ct perfusion phantom | |
Rusandu et al. | The use of 80 kV versus 100 kV in pulmonary CT angiography: an evaluation of the impact on radiation dose and image quality on two CT scanners | |
Lyden et al. | A rapid, reliable, and valid method for measuring infarct and brain compartment volumes from computed tomographic scans. | |
Yoon et al. | Reference values for skeletal muscle mass at the third lumbar vertebral level measured by computed tomography in a healthy Korean population | |
TWI797976B (zh) | 測量肌肉量的方法 | |
Li et al. | Accuracy of dual‐energy computed tomography for the quantification of iodine in a soft tissue‐mimicking phantom | |
CN110101401B (zh) | 一种肝脏对比剂数字减影造影方法 | |
Ma et al. | Strong correlation between lung ultrasound and chest computerized tomography imaging for the detection of acute lung injury/acute respiratory distress syndrome in rats | |
Yanaga et al. | Low-dose MDCT urography: feasibility study of low-tube-voltage technique and adaptive noise reduction filter | |
US20230337998A1 (en) | Method for measuring muscle mass | |
Tanaka et al. | MR measurement of visceral fat: assessment of metabolic syndrome | |
RU2754291C1 (ru) | Способ определения саркопении с использованием количественной оценки мышечной ткани по данным компьютерной томографии грудной клетки | |
Lyra et al. | The effect of patient anxiety and depression on motion during myocardial perfusion SPECT imaging | |
EP3484368B1 (en) | Identifying types of adipose tissue | |
Arnold et al. | Peak SNR in automated coronary calcium scoring: Selecting CT scan parameters and statistically defined scoring thresholds a | |
Jin et al. | Renal stone detection using unenhanced multidetector row computerized tomography—does section width matter? | |
Yunardi et al. | Contrast-enhanced Based on Abdominal Kernels for CT Image Noise Reduction | |
Rush | Using bioimaging techniques as muscle quality biomarkers for sarcopenia and cachexia diagnosis and treatment | |
CN118782254A (zh) | 基于pcd-ct的肝脏脂肪无创定量评估模型的构建方法及系统 | |
Oh et al. | Diagnosis of osteochondral lesions of the talus on Dual-layer spectral detector CT arthrography: clinical feasibility of virtual noncontrast images |