Оцінювання паравертебральних м’яких тканин за допомогою комп’ютерної томографії

Abstract

Limited opportunities for studying of paravertebral soft tissue in living individuals are pushing to find new ways to enhance knowledge in this area. Computed tomography (CT) allows to determine radiological density of soft tissues expressing in Hausfild units.Objective: to create a method of paravertebral muscles examination based on determinination of their radio­logical density using computed tomography. The material of the study consists of 663 axial slices of CT scans of the lumbar spine performed in 129 adult patients and in 93 children under 21 year. For the analysis we selected 3 978 samples of muscle tissue, 658 connective tissue and 663 fat one. Statistical analysis was carried out by «data mining» (Data Mining) using so-called decision tree (or classification tree, decision (classification) trees).Results: we obtained some data characterizing the highlighted regions of tissues in Hausfild units (minimum and maximum value, standard deviation, mean and peak values). It was found that by using only one indicator one can not distinguish between muscle, connec­tive and fatt tissue. However if we assess tissues considering all the parameters of their radiological density separation becomes possible with precision up to 87.85 %. On the basis of the recogni­tion algorithm there was created a computer program allowing to define in a muscle which was highlighted on CT axial sections of the lumbar spine an area of its cross-section, and the percentage in it muscle, connective and fatt tissues.Conclusion: A computer program created significantly expands possibilities for the study of paravertebral muscles in various pathological conditions of the spine.Ограниченные возможности для изучения паравертебральных мягких тканей у живых индивидуумов подталкивают к поиску новых путей, позволяющих расширить знания в этой области. Компьютерная томография позволяет определить рентгеноплотность мягких тканей, выражающуюся в единицах Хаунсфилда.Цель: создать метод исследования паравертебральных мышц на основе определения степени их рентгеноплотности с помощью компьютерной томографии. Материалом исследования послужили 663 аксиальных среза компьютерных томограмм поясничного отдела позвоночника, выполненных 129 взрослым пациентам и 93 детям. Для анализа отобрано 3 978 образцов мышечной ткани, 658 соединительной и 663 жировой. Статистическая обработка проводилась методом «Добычи данных» (Data Mining) с помощью так называемого дерева решений (или дерева классификации, decision (classification) trees).Результат: получены данные, характеризующие выделенные области тканей в единицах Хаунсфилда (минимальное и максимальное значение, стандартное отклонение, среднее значение и пиковые значения). Установлено, что с помощью только одного показателя нельзя различить мышечную, соединительную и жировую ткани между собой. Однако если оценивать ткани, учитывая все показатели их рентгеноплотности, разделение становится возможным с точностью до 87,85 %. На основе алгоритма распознавания была создана компьютерная программа, позволяющая определить в мышце, выделенной на аксиальных срезах компьютерных томограмм поясничного отдела позвоночника, площадь ее поперечного сечения и процентное содержание в ней мышечной, соединительной и жировой тканей.Вывод: созданная компьютерная программа значительно расширяет возможности для изучения паравертебральных мышц при различных патологических состояниях позвоночника.Обмежені можливості для вивчення паравертебральних м’яких тканин у живих індивідуумів підштовхують до пошуку нових шляхів, які дають змогу розширити знання в цій сфері. Комп’ютерна томографія дає можливість визначити рентгенощільність м’яких тканин в одиницях Хаунсфілда.Мета: створити метод дослідження паравертебральних м’язів на підставі визначення ступеня їх рентгенощільності за допомогою комп’ютерної томографії. Матеріалом дослідження послужили 663 аксіальних зрізи комп’ютерних томограм поперекового відділу хребта, виконаних 129 дорослим пацієнтам і 93 дітям. Для аналізу відібрано 3 978 зразків м’язової тканини, 658 сполучної та 663 жирової. Статистичну обробку проводили методом добування даних (Data Mining) за допомогою так званого дерева рішень (або дерева класифікації, decision (classification) trees).Результат: отримані результати характеризують виділені ділянки тканин в одиницях Хаунсфілда (мінімальне і максимальне значення, стандартне відхилення, середнє значення і пікові значення). Встановлено, що за допомогою тільки одного показника не можна розрізнити м’язову, сполучну і жирову тканини між собою. Однак якщо оцінювати тканини, враховуючи всі показники їх рентгенощільності, розподіл стає можливим з точністю до 87,85 %. На основі алгоритму розпізнавання була створена комп’ютерна програма, яка дає змогу визначити в м’язі, виділеному на аксіальних зрізах комп’ютерних томограм поперекового відділу хребта, площу її поперечного перерізу і відсотковий вміст у ній м’язової, сполучної і жирової тканин.Висновок: створена комп’ютерна програма значно розширює можливості для вивчення паравертебральних м’язів за умов різних патологічних станів хребта.