编辑推荐：
为量化肥胖患者腹部脂肪，研究人员开发 segfatMR 工具，其快速准确，对肥胖研究意义重大。
在当今社会，肥胖问题如同一场愈演愈烈的 “健康危机”，席卷全球。短短几十年间，它从一个局部现象发展成为一场影响着无数成年人和儿童的 “流行风暴”。肥胖带来的可不只是体重数字的增加，其背后隐藏着诸多严重的健康隐患。像是代谢综合征，患者体内仿佛陷入了一场 “代谢战争”，胰岛素抵抗、血脂异常和高血压纷纷 “来袭”；心血管疾病的风险也大幅上升，心脏仿佛时刻承受着沉重的压力；还有令人谈之色变的 2 型糖尿病，更是与肥胖紧密相连，严重威胁着人们的身体健康。除此之外，肥胖还与肌肉骨骼问题、心理障碍以及癌症等疾病有着千丝万缕的联系，治疗这些疾病所产生的高昂费用，也给社会经济带来了沉重的负担。
不过，并非所有超重的人都会面临这些健康问题。原来，超重也分 “健康” 和 “不健康” 形式，而其中的关键就在于脂肪的分布。脂肪主要堆积在皮下（皮下脂肪，SAT）和内脏（内脏脂肪，VAT）两个部位。过多的 VAT 与代谢综合征密切相关，堪称 “不健康” 超重的标志，因此精准测量这两种脂肪的含量，对于评估健康风险至关重要。
在众多分析身体成分和脂肪含量的方法中，计算机断层扫描（CT）和磁共振成像（MRI）能提供三维信息，有助于区分不同脂肪区域。但 CT 存在电离辐射风险，相比之下，MRI 虽更复杂、不常用，却没有辐射危害。目前，组织分割期望实现快速自动化，但开发过程仍需交互式分割工具辅助。现有的脂肪组织分割软件工具各有优劣，所以开发一种高效、准确的 MRI 脂肪定量工具迫在眉睫。
来自德国莱比锡大学医院等机构的研究人员，为了解决上述问题，开展了一项关于开发和验证基于 MRI 的半自动腹部脂肪定量工具的研究。他们在 Matlab 的开源软件框架 DicomFlex 下，开发了名为 segfatMR 的工具，并将其与常用的商业工具 sliceOmatic 进行对比验证。最终研究成果发表在《Scientific Reports》上。
在这项研究中，研究人员采用了多种关键技术方法。首先，选取了 20 名年龄在 25 - 63 岁、平均 BMI 为 36.8kg/m2 的肥胖患者作为研究对象，这些患者的数据均来自莱比锡大学医学中心的综合研究与治疗中心的肥胖疾病队列。然后，使用 1.5T MRI 系统对患者进行仰卧位扫描，获取同相位和反相位图像。最后，由两名独立且经验丰富的用户分别使用 segfatMR 和 sliceOmatic 对 SAT 和 VAT 进行分割，并记录处理时间，通过线性回归和 Bland - Altman 分析评估两种方法的一致性。
下面来看看具体的研究结果：
- 脂肪体积测量一致性：研究人员通过线性回归分析，对比了两种方法测量腹部盆腔 SAT 体积的一致性。结果显示，两名读者（R1 和 R2）使用两种方法测量的 SAT 体积一致性都非常好，R2 均大于 0.99，这表明两种方法在测量 SAT 体积时相关性极高，测量结果很接近。对于 VAT 体积，虽然 R2 约为 0.90，较 SAT 略低，但也处于较高水平，说明 segfatMR 在测量 VAT 体积上与参考方法也有较好的一致性。
- 阅片者间一致性：在阅片者间一致性方面，无论是使用哪种方法测量 SAT 体积，R2 都大于 0.99，这意味着不同阅片者使用这两种方法测量 SAT 体积时，结果都很稳定，差异很小。对于 VAT 体积，虽然阅片者间一致性较 SAT 略低，但 R2 仍大于 0.88，且新方法 segfatMR 的阅片者间一致性更高（R2 为 0.954，而 sliceOmatic 为 0.883），说明 segfatMR 在不同阅片者之间的测量结果更稳定。
- 处理时间：在处理时间上，segfatMR 展现出了明显的优势。使用 segfatMR 时，R1 的处理时间从 sliceOmatic 的 40 秒 / 片降至 25 秒 / 片，R2 从 34 秒 / 片降至 19 秒 / 片，处理整个腹部切片可节省约 10 分钟，这大大提高了工作效率。
研究结论和讨论部分指出，segfatMR 工具在减少分析时间的同时，与参考方法的一致性以及阅片者之间的一致性都很高。该工具操作相对简单，用户只需进行少量手动调整，如检查和修正脂肪轮廓、调整 VAT 阈值等。虽然 MRI 检查存在一些局限性，如检查过程复杂、对部分患者有特殊禁忌、信号强度易受磁场不均匀影响等，且本研究也存在样本选择有偏、参考标准依赖两名读者评估、使用特定输入数据等不足，但 segfatMR 仍具有重要意义。它适用于中小规模的定量研究，能在合理时间内获得高精度结果，还可为深度学习方法提供训练数据，在需要放射科医生进行目视检查的研究中发挥关键作用。随着技术的不断发展，尽管深度学习技术在自动分割领域有很大潜力，但目前仍存在一些问题，如可用性有限、对训练数据依赖性强等。在更先进的技术广泛应用之前，像 segfatMR 这样的半自动工具依旧不可或缺，它为肥胖研究和临床实践提供了有力的支持。
婵炴垶鎸搁鍫澝归崶鈹惧亾閻熼偊妲圭€规挸瀛╃€靛ジ鏁傞悙顒佹瘎闁诲孩绋掗崝鎺楀礉閻旂厧违濠电姴娲犻崑鎾愁潩瀹曞洨鐣虹紓鍌欑濡粓宕曢鍛浄闁挎繂鐗撳Ο瀣煙濞茶骞橀柕鍥ㄥ哺瀵剟骞嶉鐣屾殸闂佽偐鐡旈崹铏櫠閸ф顥堥柛鎾茬娴狀垶鏌曢崱妤婂剱閻㈩垱澹嗗Σ鎰板閻欌偓濞层倕霉閿濆棙绀嬮柍褜鍓氭穱铏规崲閸愨晝顩烽柨婵嗙墦濡鏌涢幒鎴烆棡闁诲氦濮ょ粚閬嶅礃椤撶姷顔掗梺璇″枔閸斿骸鈻撻幋锔藉殥妞ゆ牗绮岄埛鏍煕濞嗘劕鐏╂鐐叉喘閹秹寮崒妤佹櫃
10x Genomics闂佸搫鍊瑰姗€骞栭—娓媠ium HD 閻庢鍠掗崑鎾绘煕濮樼厧鐏犵€规洜鍠撶槐鎺楀幢濮橆剙濮冮梺鍛婂笒濡粍銇旈幖浣瑰仢闁搞儮鏅滈悾閬嶆煕韫囧濮€婵炴潙妫滈妵鎰板即閻樼數鐓佺紓浣告湰濡炶棄螞閸ф绀嗛柛鈩冡缚閳ь兛绮欓弫宥夋晸閿燂拷
濠电偛妫庨崹鑲╂崲鐎ｎ偆鈻旈悗锝庡幗缁佺櫉wist闂侀潧妫楅敃锝囩箔婢舵劕妫樻い鎾跺仜缂嶄線鏌涢弽銊у⒈婵炲牊鍘ISPR缂備焦绋掗惄顖炲焵椤掆偓椤︿即鎮ч崫銉ゆ勃闁逞屽墴婵″鈧綆鍓氶弳鈺呮倵濞戞瑥濮冮柛鏃撴嫹
闂佸憡顨嗗ú婊呭垝韫囨稒鍤勯柣鎰嚟閵堟挳骞栭弶鎴犵闁告瑥妫濆濠氬Ω閵夛絼娴烽柣鐘辩劍瑜板啴鎮ラ敓锟� - 濠电儑绲藉畷顒勫矗閸℃ḿ顩查柛鈩冾嚧閹烘挾顩烽幖杈剧秵閸庢垵鈽夐幘顖氫壕婵炴垶鎼╂禍婊冪暦閻旇櫣纾奸柛鈩冭壘閸旀帡鎮楅崷顓炰槐闁绘稒鐟ч幏瀣箲閹伴潧鎮侀梺鍛婂笧婢ф寮抽悢鐓庣妞ゆ柨鐏濈粣娑㈡煙鐠ㄥ鍊婚悷銏ゆ煕濞嗘ê鐏ユい顐㈩儔瀹曠娀寮介顐ｅ浮瀵悂鏁撻敓锟�
婵炴垶鎸搁鍫澝归崶顒€违濠电姴瀚惌搴ㄦ煠瀹曞洤浠滈柛鐐存尦閹藉倻鈧綆鍓氶銈夋偣閹扳晛濡虹紒銊у閹峰懎饪伴崘銊р偓濠氭煛鐎ｎ偄濮堥柡宀€鍠庨埢鏃堝即閻樿櫕姣勯柣搴㈢⊕閸旀帡宕濋悢鐓幬ラ柨鐕傛嫹
