Muscle Type and Gender Recognition Utilising High-Level Textural Representation in Musculoskeletal Ultrasonography

Katakis, Sofoklis; Barotsis, Nikolaos; Kastaniotis, Dimitrios; Theoharatos, Christos; Tsiganos, Panagiotis; Economou, George; Panagiotopoulos, Elias; Fotopoulos, S.; Panayiotakis, George

doi:10.1016/j.ultrasmedbio.2019.02.011

Cited by 13 publications

(7 citation statements)

References 24 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The database used in this study consisted of ultrasound measurements from 74 volunteers (40 males with a mean age of 24.05 ± 3.19 y and 34 females with a mean age of 24.29 ± 3.21 y) also presented in [ 22 , 23 ]. Regarding the ultrasound recordings, all images were acquired using a Logiq P9 ultrasound system (GE Healthcare GmbH, Freiburg, Germany).…”

Section: Methodsmentioning

confidence: 99%

Automatic Extraction of Muscle Parameters with Attention UNet in Ultrasonography

Katakis

Barotsis

Kakotaritis

et al. 2022

Sensors

Self Cite

View full text Add to dashboard Cite

Automatically delineating the deep and superficial aponeurosis of the skeletal muscles from ultrasound images is important in many aspects of the clinical routine. In particular, finding muscle parameters, such as thickness, fascicle length or pennation angle, is a time-consuming clinical task requiring both human labour and specialised knowledge. In this study, a multi-step solution for automating these tasks is presented. A process to effortlessly extract the aponeurosis for automatically measuring the muscle thickness has been introduced as a first step. This process consists mainly of three parts. In the first part, the Attention UNet has been incorporated to automatically delineate the boundaries of the studied muscles. Afterwards, a specialised post-processing algorithm was utilised to improve (and correct) the segmentation results. Lastly, the calculation of the muscle thickness was performed. The proposed method has achieved similar to a human-level performance. In particular, the overall discrepancy between the automatic and the manual muscle thickness measurements was equal to 0.4 mm, a significant result that demonstrates the feasibility of automating this task. In the second step of the proposed methodology, the fascicle’s length and pennation angle are extracted through an unsupervised pipeline. Initially, filtering is applied to the ultrasound images to further distinguish the tissues from the other muscle structures. Later, the well-known K-Means algorithm is used to isolate them successfully. As the last step, the dominant angle of the segmented muscle tissues is reported and compared with manual measurements. The proposed pipeline is showing very promising results in the evaluated dataset. Specifically, in the calculation of the pennation angle, the overall discrepancy between the automatic and the manual measurements was less than 2.22° (degrees), once more comparable with the human-level performance. Finally, regarding the fascicle length measurements, the results were divided based on the muscle properties. In the muscles where a large portion (or all) of the fascicles are located between the upper and lower aponeuroses, the proposed pipeline exhibits superb performance; otherwise, overall accuracy deteriorates due to errors caused by the trigonometric approximations needed for the length calculation.

show abstract

Section: Methodsmentioning

confidence: 99%

Automatic Extraction of Muscle Parameters with Attention UNet in Ultrasonography

Katakis

Barotsis

Kakotaritis

et al. 2022

Sensors

Self Cite

View full text Add to dashboard Cite

show abstract

“…In particular, the images of the tibialis anterior were 306, the images of the rectus femoris were 299, the images of the gastrocnemius medialis were 299, and the images of the biceps brachii were 308. It must be mentioned that parts of this dataset have been previously presented in [28][29][30][31], but these studies' objectives differed from the current one. It is the first time that this database has been used for the task of synthetic image generation.…”

mentioning

confidence: 97%

Generation of Musculoskeletal Ultrasound Images with Diffusion Models

et al. 2023

Self Cite

View full text Add to dashboard Cite

The recent advances in deep learning have revolutionised computer-aided diagnosis in medical imaging. However, deep learning approaches to unveil their full potential require significant amounts of data, which can be a challenging task in some scientific fields, such as musculoskeletal ultrasound imaging, in which data privacy and security reasons can lead to important limitations in the acquisition and the distribution process of patients’ data. For this reason, different generative methods have been introduced to significantly reduce the required amount of real data by generating synthetic images, almost indistinguishable from the real ones. In this study, the power of the diffusion models is incorporated for the generation of realistic data from a small set of musculoskeletal ultrasound images in four different muscles. Afterwards, the similarity of the generated and real images is assessed with different types of qualitative and quantitative metrics that correspond well with human judgement. In particular, the histograms of pixel intensities of the two sets of images have demonstrated that the two distributions are statistically similar. Additionally, the well-established LPIPS, SSIM, FID, and PSNR metrics have been used to quantify the similarity of these sets of images. The two sets of images have achieved extremely high similarity scores in all these metrics. Subsequently, high-level features are extracted from the two types of images and visualized in a two-dimensional space for inspection of their structure and to identify patterns. From this representation, the two sets of images are hard to distinguish. Finally, we perform a series of experiments to assess the impact of the generated data for training a highly efficient Attention-UNet for the important clinical application of muscle thickness measurement. Our results depict that the synthetic data play a significant role in the model’s final performance and can lead to the improvement of the deep learning systems in musculoskeletal ultrasound.

show abstract

“…The integration of machine learning techniques in musculoskeletal ultrasonography is challenging but promising field [106][107][108] . Computer-aided diagnostic systems could help in reducing examination time; while increasing the accuracy of the measurements significantly.…”

Section: Discussionmentioning

confidence: 99%

“…[106][107][108] . Computer-aided diagnostic systems could help in reducing examination time; while increasing the accuracy of the measurements significantly.Moreover, computer-aided diagnostic systems could be used to objectivate the measurements, allowing for a cost-efficient and large-scale screening of the population.…”

mentioning

confidence: 99%

“…και πλευράς του σώματος θα πρέπει να προτιμάται για την ακριβέστερη αξιολόγηση της απώλειας μυϊκής μάζας στη σαρκοπενία.Η ενσωμάτωση τεχνικών μηχανικής μάθησης στην υπερηχογραφία του μυοσκελετικού συστήματος αποτελεί μία πρόκληση κι έναν πολλά υποσχόμενο τομέα[106][107][108] . Τα υπολογιστικά υποβοηθούμενα διαγνωστικά συστήματα θα μπορούσαν να συμβάλουν στη μείωση του χρόνου εξέτασης, αυξάνοντας σημαντικά την ακρίβεια των μετρήσεων.Επιπλέον, υπολογιστικά βοηθούμενα διαγνωστικά συστήματα θα μπορούσαν να χρησιμοποιηθούν για την αντικειμενοποίηση των μετρήσεων, επιτρέποντας έναν οικονομικό και μεγάλης κλίμακας έλεγχο του πληθυσμού.…”

unclassified

See 1 more Smart Citation

The role of quantitative ultrasonography of the musculoskeletal system in the study of sarcopenia

Barotsis¹,

Μπαρότσης²

View full text Add to dashboard Cite

Εισαγωγή. Η σαρκοπενία έχει χαρακτηριστεί ως ένα σύνδρομο, που συνοδεύεται από σημαντική λειτουργική έκπτωση, υψηλότερο ποσοστό πτώσεων, μειωμένη ικανότητα εκτέλεσης δραστηριοτήτων καθημερινής ζωής, υψηλότερη συχνότητα νοσηλείας, υψηλότερο ποσοστό θνησιμότητας και υψηλή οικονομική επιβάρυνση. Το 2016 η σαρκοπενία αναγνωρίσθηκε ως ασθένεια, με κωδικό M62.84 στο ICD-10-CM και πρόσφατα συμπεριλήφθηκε στα «Πακέτα Παρεμβάσεων Αποκατάστασης» του Παγκόσμιου Οργανισμού Υγείας. Ο επιπολασμός της σαρκοπενίας κυμαίνεται μεταξύ 4,3% και 73,3%. Η διακύμανση αυτή οφείλεται στα διαγνωστικά κριτήρια και τις μεθόδους που ακολουθούνται, καθώς και τον πληθυσμό της κάθε μελέτης. Η έγκαιρη διάγνωση κι αντιμετώπιση, λαμβάνοντας υπόψιν τη γήρανση του πληθυσμού, είναι υψίστης σημασίας για τη σαρκοπενία. Η διάγνωση της σαρκοπενίας βασίζεται στον προσδιορισμό της μυϊκής ισχύος, της μυϊκής μάζας και της σωματικής απόδοσης. Εντούτοις, δεν υπάρχει καθολική συναίνεση στις μεθόδους αξιολόγησης στην κλινική πράξη, ενώ είναι τεχνικά δύσκολη η ακριβής μέτρηση της μυϊκής μάζας και ο προσδιορισμός των ποιοτικών χαρακτηριστικών των μυών. Η ποσοτική εκτίμηση της μυϊκής μάζας μπορεί να πραγματοποιηθεί μέσω μαγνητικής τομογραφίας (MRI) και υπολογιστικής τομογραφίας (CT), οι οποίες θεωρούνται μέθοδοι αναφοράς. Ωστόσο, αυτά τα εργαλεία δε χρησιμοποιούνται συνήθως στην καθημερινή κλινική πρακτική, κυρίως λόγω του υψηλού κόστους, της έλλειψης φορητότητας καθώς και της ιονίζουσας ακτινοβολίας, στην περίπτωση της υπολογιστικής τομογραφίας. Η απορροφησιομετρία ακτίνων X διπλής ενέργειας (DXA) είναι μια ευρύτερα διαθέσιμη μέθοδος για τον προσδιορισμό της μυϊκής μάζας σώματος. Ένα σημαντικό μειονέκτημα της DXA είναι ότι ο εξοπλισμός δεν είναι φορητός, περιορίζοντας τη χρήση της ως διαγνωστικό εργαλείο στην κοινότητα. Η υπερηχογραφική μέτρηση του μυϊκού πάχους έχει προταθεί ως μια χρήσιμη μέθοδος για την πρώιμη ανίχνευση και παρακολούθηση της σαρκοπενίας. Σύμφωνα με δημοσιευμένες μελέτες, ο υπέρηχος είναι μια αξιόπιστη μέθοδος για τον προσδιορισμό του μεγέθους μυών σε μεγαλύτερης ηλικίας ενήλικες. Οι συνήθεις χρησιμοποιούμενες παράμετροι περιλαμβάνουν το πάχος μυός, το εμβαδόν εγκάρσιας διατομής, το μήκος μυϊκής ίνας, τη γωνία πτερύγωσης και την ηχογένεια. Η μέτρηση του πάχους μυός μπορεί να δώσει μια εκτίμηση της μείωσης της άλιπης μάζας σώματος. Το πάχος και το μήκος μυϊκής ίνας του έσω γαστροκνήμιου μυός έχουν προταθεί ως εναλλακτικές μετρήσεις για τη διάγνωση/ποσοτικοποίηση της σαρκοπενίας. Εξισώσεις πρόβλεψης της μυϊκής μάζας βασισμένες σε πολλαπλές υπερηχογραφικές μετρήσεις του πάχους μυών έχουν αναφερθεί στη βιβλιογραφία. Μελέτη Αξιοπιστίας Υπερηχογραφικών Μετρήσεων Πάχους Μυός. Η αξιοπιστία του υπερηχογραφήματος για τον ποσοτικό προσδιορισμό της μυϊκής μάζας σε τομές από άκρα υγειών παιδιών και ενηλίκων υποστηρίζεται από χαμηλού βαθμού επιστημονική τεκμηρίωση. Επιπλέον, υπάρχουν περιορισμένα στοιχεία σχετικά με την αξιοπιστία των υπερηχογραφικών μετρήσεων μυϊκής μάζας σε κλινικούς πληθυσμούς. Μια πρόσφατη συστηματική ανασκόπηση έδειξε ότι ο υπέρηχος είναι ένα αξιόπιστο και έγκυρο μέσο για την αξιολόγηση του μεγέθους μυών σε ενήλικες μεγαλύτερης ηλικίας. Ωστόσο, οι περισσότερες δημοσιευμένες μελέτες έχουν χρησιμοποιήσει είτε εγκάρσιες είτε επιμήκεις τομές μυών, χωρίς επαρκή επιστημονικά στοιχεία που να υποστηρίζουν την προτίμησή τους. Επιπλέον, μελέτες σχετικά με υπερηχογραφικές ποσοτικές μετρήσεις μυών δεν έχουν εξετάσει παράγοντες που παρουσιάζουν διακυμάνσεις κατά τη διάρκεια της ημέρας και μπορούν δυνητικά να επηρεάσουν το πάχος μυών, όπως η κατάσταση ενυδάτωσης και η σωματική δραστηριότητα προ της υπερηχογραφικής αξιολόγησης. Ένας άλλος προβληματισμός που εξακολουθεί να υφίσταται είναι η σύγκριση της αξιοπιστίας των μετρήσεων του πάχους μυών μεταξύ της επικρατούσας και μη επικρατούσας πλευράς. Στόχοι •Να αξιολογηθεί η αξιοπιστία επαναλαμβανομένων μετρήσεων πάχους μυών σε υπερηχογραφικές τομές, οι οποίες έχουν ληφθεί: σε διαφορετικές ώρες της ημέρας (πρωί κι απόγευμα) και την ίδια ώρα της ημέρας, εντός δύο διαδοχικών ημερών. •Να συγκριθεί η αξιοπιστία επαναλαμβανομένων μετρήσεων πάχους μυός μεταξύ της επικρατούσας και μη επικρατούσας πλευράς. •Να αξιολογηθεί η αξιοπιστία υπερηχογραφικών μετρήσεων πάχους μυών σε εγκάρσιες κι επιμήκεις τομές. ΜέθοδοιΥπερηχογραφικές μετρήσεις πραγματοποιήθηκαν σε μυς που εμπλέκονται σε δραστηριότητες της καθημερινής ζωής: γενειοειδής, μασητήρες, μυς πρόσθιας επιφανείας βραχίονα, ορθός μηριαίος, ενδιάμεσος πλατύς, πρόσθιος κνημιαίος και γαστροκνήμιος. Οι μετρήσεις του πάχους των μυών επαναλήφθηκαν μετά από 1, 6 και 24 ώρες, τόσο στην επικρατούσα όσο και στη μη επικρατούσα πλευρά, χρησιμοποιώντας τόσο εγκάρσιες όσο και επιμήκεις τομές. Αποτελέσματα. Συμμετείχαν δεκατρείς υγιείς εθελοντές (8 άνδρες & 5 γυναίκες, μέση ηλικία = 24 έτη, SD = 2,86, εύρος = 19 – 29). Ο συντελεστής συσχέτισης (ICC) υπολογίστηκε μεταξύ της αρχικής μέτρησης και του διαστήματος 1, 6 και 24 ωρών, χρησιμοποιώντας ένα αμφίδρομο μεικτό μοντέλο απόλυτης συμφωνίας. Ο ICC κυμαινόταν από 0,295 για την επιμήκη τομή του αριστερού μασητήρα στο διάστημα 6 ωρών, έως 0,991 για την επιμήκη τομή των μυών της πρόσθιας επιφανείας του βραχίονα στη μη επικρατούσα πλευρά στο διάστημα 24 ωρών. Συμπεράσματα. Σύμφωνα με τα αποτελέσματα αυτής της μελέτης, η αξιοπιστία των υπερηχογραφικών μετρήσεων του πάχους των μυών της κεφαλής και των άκρων ποικίλλει, αναλόγως όχι μόνο του τύπου της τομής αλλά και της πλευράς του σώματος. Χρειάζεται περαιτέρω έρευνα και διεθνής συναίνεση για τον καθορισμό ενός παγκοσμίως αποδεκτού πρωτοκόλλου εξέτασης για την ποσοτικοποίηση των μετρήσεων του υπερηχογράφηματος μυοσκελετικού. Απαιτούνται κατευθυντήριες γραμμές βασισμένες σε επιστημονική τεκμηρίωση για μια τυποποιημένη τεχνική καταγραφής υπερηχογραφικής εικόνας και ποσοτικών μετρήσεων. Η Υπερηχογραφική Μέτρηση του Πάχους Μυών στη ΣαρκοπενίαΟ υπέρηχος είναι μια οικονομική, ταχεία, μη επεμβατική κι ευρέως διαθέσιμη απεικονιστική μέθοδος που δεν εκθέτει το άτομο σε ιονίζουσα ακτινοβολία, ενώ απαιτείται ελάχιστη εκπαίδευση του προσωπικού για την απόκτηση εικόνων για βασικές μετρήσεις, όπως το πάχος μυών. Επιπροσθέτως, οι μύες των άκρων, του τραχήλου, οι μασητήρες και το διάφραγμα μπορούν επίσης να αξιολογηθούν εύκολα με το υπερηχογράφημα. Επιπλέον, ο υπέρηχος θεωρείται ανώτερος από άλλες μεθόδους απεικόνισης για πολλές διαταραχές του μυοσκελετικού συστήματος, λόγω της υψηλότερης ανάλυσης και χαρακτηριστικών όπως η δυναμική απεικόνιση και η ταυτόχρονη συγκρισιμότητα. Η χρησιμότητα της ποσοτικής υπερηχογραφίας για την αξιολόγηση της απώλειας μυϊκής μάζας και τον εντοπισμό των δομικών ανωμαλιών είναι ακόμα υπό μελέτη. Σκοπός. Η μελέτη αυτή έχει ως στόχο να διερευνήσει ποιοι μυς της κεφαλής, του τραχήλου, του άνω και του κάτω άκρου παρουσιάζουν υπερηχογραφικά ανιχνεύσιμες αλλαγές του πάχους τους σε σαρκοπενικούς ασθενείς. Πιο συγκεκριμένα, αντικείμενα της μελέτης ήταν να καθοριστεί ποια πλευρά (επικρατούσα έναντι μη επικρατούσας) και ποια υπερηχογραφική τομή (εγκάρσια έναντι επιμήκους) παρουσιάζει τις πιο σημαντικές αλλαγές πάχους σε κάθε μια από τις υπό μελέτη μυϊκές ομάδες σε σαρκοκοπενικούς ασθενείς και να αξιολογηθεί η μέτρηση του πάχους των μυών, ως πιθανό εργαλείο πρόβλεψης της σαρκοπενίας. Μέθοδοι. Οι συμμετέχοντες αξιολογήθηκαν σύμφωνα με τα κριτήρια του EWGSOP2 για τη διάγνωση της σαρκοπενίας. Η δύναμη δραγμού μετρήθηκε με ένα δυναμόμετρο χειρός και η σκελετική μυϊκή μάζα των άκρων με DXA. Το πάχος των μυών μετρήθηκε αμφοτερόπλευρα με εγκάρσιες κι επιμήκεις υπερηχογραφικές τομές. Αποτελέσματα. Στη μελέτη συμμετείχαν 94 άτομα (27 άνδρες και 67 γυναίκες) με μέση ηλικία 75,6 ετών (SD=6,6), που παραπέμφθηκαν για έλεγχο σαρκοπενίας στα Εξωτερικά Ιατρεία της Κλινικής Σαρκοπενίας του Τμήματος Αποκατάστασης του Πανεπιστημιακού Νοσοκομείου Πατρών. Το πάχος του γενειοειδούς και της έσω κεφαλής του γαστροκνημίου μυός σε όλες τις υπερηχογραφικές τομές, καθώς και το πάχος του ορθού μηριαίου και του ενδιάμεσου πλατύ μυός σε συγκεκριμένες τομές, βρέθηκε σημαντικά μειωμένο σε ασθενείς με σαρκοπενία (p<0,05). Η ανάλυση της ROC καμπύλης των υπερηχογραφικών μετρήσεων του πάχους των μυών ανέδειξε σημαντική συσχέτιση με τη σαρκοπενία. Συμπεράσματα. Σύμφωνα με τα αποτελέσματα αυτής της μελέτης, η υπερηχογραφική μέτρηση του πάχους μυών του τραχήλου και των κάτω άκρων μπορεί να χρησιμοποιηθεί για την πρόβλεψη σαρκοπενίας με υψηλή ευαισθησία και ειδικότητα. Απαιτείται περαιτέρω έρευνα, με βάση μεγαλύτερης κλίμακας μελέτες, για να διερευνηθεί διεξοδικά ο ρόλος της υπερηχογραφίας ως διαγνωστικό εργαλείο για τη σαρκοπενία και να επικυρωθούν οι τιμές αναφοράς κατά την αξιολόγηση της ποσότητας και των ποιοτικών χαρακτηριστικών της μυϊκής μάζας. Θα χρειαστούν πολυκεντρικές μελέτες για την τυποποίηση της μεθοδολογίας μέτρησης και την εφαρμογή των τεχνικών μέτρησης σε διαφορετικές εθνικές ομάδες, ειδικές υποομάδες πληθυσμού και με χρήση διαφορετικών τύπου εξοπλισμού. Τελικές παρατηρήσεις και μελλοντικές προοπτικές. Σύμφωνα με προηγούμενες μελέτες, η υπερηχογραφία είναι μια έγκυρη και αξιόπιστη μέθοδος για την αξιολόγηση της μυϊκής μάζας. Το υπερηχογραφικά μετρούμενο πάχος μυός φαίνεται να είναι μια εύκολη, γρήγορη και αξιόπιστη μέθοδος για την εκτίμηση της απώλειας μυϊκής μάζας στη σαρκοπενία με πιθανό ρόλο στην αξιολόγηση της αποτελεσματικότητας των παρεμβάσεων πρόληψης και θεραπείας. Εξ όσων γνωρίζουμε, δεν υπάρχει συναίνεση ή κατευθυντήριες γραμμές σχετικά με το ποια πλευρά του σώματος θα πρέπει να προτιμάται για την αξιολόγηση της σαρκοπενίας με τη χρήση υπερηχογραφικών μετρήσεων. Τα αποτελέσματα αυτής της μελέτης δείχνουν στατιστικά σημαντικές διαφορές στο πάχος μυών μεταξύ της επικρατούσας έναντι της μη επικρατούσας πλευράς, για συγκεκριμένους μυς και τομές. Επιπλέον, ο τύπος της τομής (εγκάρσια έναντι επιμήκους) φαίνεται να επηρεάζει τις μετρήσεις σε ορισμένους μυς. Απαιτείται περαιτέρω έρευνα για να καθοριστεί ποιος μυς ή συνδυασμός μυών, τύπος τομής και πλευράς του σώματος θα πρέπει να προτιμάται για την ακριβέστερη αξιολόγηση της απώλειας μυϊκής μάζας στη σαρκοπενία. Η ενσωμάτωση τεχνικών μηχανικής μάθησης στην υπερηχογραφία του μυοσκελετικού συστήματος αποτελεί μία πρόκληση κι έναν πολλά υποσχόμενο τομέα. Τα υπολογιστικά υποβοηθούμενα διαγνωστικά συστήματα θα μπορούσαν να συμβάλουν στη μείωση του χρόνου εξέτασης, αυξάνοντας σημαντικά την ακρίβεια των μετρήσεων. Επιπλέον, υπολογιστικά βοηθούμενα διαγνωστικά συστήματα θα μπορούσαν να χρησιμοποιηθούν για την αντικειμενοποίηση των μετρήσεων, επιτρέποντας έναν οικονομικό και μεγάλης κλίμακας έλεγχο του πληθυσμού. Η έγκαιρη ανίχνευση της σαρκοπενίας στους ηλικιωμένους, ιδιαίτερα στις περισσότερο ευάλωτες ομάδες, είναι υψίστης σημασίας. Από αυτήν την άποψη η τεχνητή νοημοσύνη θα μπορούσε να αποδειχθεί εξαιρετικά χρήσιμη.

show abstract

Muscle Type and Gender Recognition Utilising High-Level Textural Representation in Musculoskeletal Ultrasonography

Cited by 13 publications

References 24 publications

Automatic Extraction of Muscle Parameters with Attention UNet in Ultrasonography

Automatic Extraction of Muscle Parameters with Attention UNet in Ultrasonography

Generation of Musculoskeletal Ultrasound Images with Diffusion Models

The role of quantitative ultrasonography of the musculoskeletal system in the study of sarcopenia

Contact Info

Product

Resources

About