Análise multiparamétrica da textura de vértebras lombares de imagens de ressonância magnética e correlação com fraturas por fragilidade (2022)
- Authors:
- Autor USP: MACIEL, JAMILLY GOMES - FMRP
- Unidade: FMRP
- Sigla do Departamento: RCM
- DOI: 10.11606/T.17.2022.tde-06052022-162050
- Subjects: OSTEOPOROSE; RESSONÂNCIA MAGNÉTICA; TEXTURA
- Keywords: Bone texture; Fragility fracture; Fratura; Magnetic resonance imaging; Micro arquitetura trabecular; Osteoporose; Osteoporosis; Ressonância magnética; Textura óssea; Trabecular microarchitecture
- Agências de fomento:
- Language: Português
- Abstract: A densidade mineral óssea (DMO) mensurada por densitometria óssea (DXA) apresenta sensibilidade limitada para predizer fraturas por fragilidade (FF). A microarquitetura trabecular (MT) é um dos principais contribuintes para a manutenção da resistência esquelética. Objetivamos realizar análise multiparamétrica da MT e da textura óssea (TO) de imagens de ressonância magnética (RM) de vértebras lombares e avaliar a correlação com a DMO e com FF na coluna vertebral. Amostra com 64 mulheres pós-menopausadas com (c) e sem (s) FF na coluna vertebral realizaram DXA da coluna lombar, sendo classificadas: massa óssea normal (N) sem FF (N, n=16), osteopenia sem FF (Ps, n=12), osteopenia com FF (Pc, n=12), osteoporose sem FF (OPs, n=12) e osteoporose com FF (OPc, n=12) e radiografias da coluna vertebral para o diagnóstico de FF. Sequências de RM da coluna lombar turbo spin eco (TSE) e eco de gradiente (EG) foram adquiridas. Os 22 atributos de TO foram extraídos da vértebra L3 com o software IBEX da sequência TSE. Os seguintes parâmetros da MT foram extraídos da vértebra L3 com software ImageJ da sequência EG: número Euler (EU), conectividade (CN), espessura trabecular (Tb.Es), espaçamento trabecular (Tb.Ep) volume ósseo (VO), volume trabecular (VT) e volume ósseo/volume trabecular (VO/VT). A diferença estatística entre os grupos foi analisada utilizando o teste ANOVA e pós-teste de Duncan. Para avaliação da correlação, foi realizado o coeficiente de correlação de Spearman (?); um valor de p<0,05 foi definido para significância estatística. A reprodutibilidade das medidas da TO foi avaliada com o coeficiente de concordância de LIN. Os grupos não apresentaram diferença em relação à idade, índice de massa corporal e idade da menopausa; p>0,05. O grupo N apresentou maior DMO comparativamente aos demais grupos de estudo(Ps, Pc, OPc e OPs); p<0,05. O grupo N apresentou maior CN e menor EU comparativamente com os grupos P e OP; p<0,05. Não houve diferença significativa entre os grupos em relação aos demais parâmetros da MT. As análises de TO demonstraram que os grupos com FF apresentaram menores valores dos atributos de textura cluster tendency e variance comparativamente aos grupos sem FF; p< 0,05. Os parâmetros CN e EU apresentaram uma correlação significativa e inversa com a DMO (r= 0,26 e -0,26; respectivamente). Dez atributos de TO apresentaram uma correlação significativa com a DMO: cluster proeminence, cluster tendency, correlation, entropy, information measure corr1, inverse variance, sum entropy, variance, sum average e sum variance (r= 0,41; 0,34; 0,57; 0,36; 0,38; 0,45; 0,32; 0,34; -0,27; -0,27). As análises de reprodutibilidade dos atributos de TO demonstraram valores de reprodutibilidade entre 0,68- 1,00. Os atributos de TO cluster tendency e variance conseguiram diferenciar entre os grupos com FF e sem FF. Observamos a redução da conectividade com a redução da DMO e uma correlação significativa entre a DMO e dez atributos de TO. Demonstramos uma concordância alta e muito alta nas análises de reprodutibilidade dos parâmetros de TO. Os resultados do estudo atual reforçam o papel da RM para avaliação multiparamétrica da qualidade óssea, fornecendo informações adicionais e complementares para avaliação da fragilidade esquelética
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2022
- Data da defesa: 04.03.2022
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
MACIEL, Jamilly Gomes. Análise multiparamétrica da textura de vértebras lombares de imagens de ressonância magnética e correlação com fraturas por fragilidade. 2022. Tese (Doutorado) – Universidade de São Paulo, Ribeirão Preto, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/17/17138/tde-06052022-162050/. Acesso em: 03 maio 2025. -
APA
Maciel, J. G. (2022). Análise multiparamétrica da textura de vértebras lombares de imagens de ressonância magnética e correlação com fraturas por fragilidade (Tese (Doutorado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/17/17138/tde-06052022-162050/ -
NLM
Maciel JG. Análise multiparamétrica da textura de vértebras lombares de imagens de ressonância magnética e correlação com fraturas por fragilidade [Internet]. 2022 ;[citado 2025 maio 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/17/17138/tde-06052022-162050/ -
Vancouver
Maciel JG. Análise multiparamétrica da textura de vértebras lombares de imagens de ressonância magnética e correlação com fraturas por fragilidade [Internet]. 2022 ;[citado 2025 maio 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/17/17138/tde-06052022-162050/ - O que é importante na adiposidade da medula óssea: quantidade ou qualidade?
- Evaluation of vastus lateralis architecture and strength of knee extensors in middle-aged and older individuals with knee osteoarthritis
- Spine MRI texture analysis and prediction of osteoporotic vertebral fracture
- Association of bone mineral density with bone texture attributes extracted using routine magnetic resonance imaging
- BEAUT: a radiomic approach to identify potential lumbar fractures in magnetic resonance imaging
- Is muscle function of the trunk different between postmenopausal women with and without vertebral fracture?
- Fast and accurate 3-D spine MRI segmentation using FastCleverSeg
- Analysis of vertebrae without fracture on spine MRI to assess bone fragility: a comparison of traditional machine learning and deep learning
Informações sobre o DOI: 10.11606/T.17.2022.tde-06052022-162050 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas