腹側疝的定量CT成像：解剖標記協議的初步驗證

概要

目的

作者描述並驗證了定量解剖標記方案，用於從常規計算機斷層掃描（CT）掃描中提取腹側疝（VH）的臨床相關定量參數。然後，該信息用於預測腹側疝修復（VHR）期間網橋閉合的需要。

方法

提出了詳細的解剖學標記方案以實現VH的定量描述，包括形狀，位置和周圍環境（61次掃描）。計算內部和內部評估者的重複性，分別用於18和10個臨床獲得的CT掃描。通過將來自解剖標記的20個定量參數與手術中網狀橋閉合的要求（26次掃描）相關聯來進行初步臨床驗證。將該臨床終點的預測與符合來自半定量歐洲疝氣社會腹疝分類（EHSCVH）的指標的類似模型進行比較。

結果

腹壁（平均表面距離±2 mm），關鍵解剖標誌（點距離±5 mm）和疝氣體積（Cohen"s kappa為0.8）實現了高標記重現性。在需要網橋閉合的患者與在VHR時實現筋膜閉合的患者之間，疝氣性質的20個單獨定量參數中有9個顯著不同（p

意義

對於腹部CT上VH的定量圖像標記方案的首次正式呈現，再現性是可接受的。與EHSCVH指標相比，標記導出的指標更好地預測了對網橋閉合的需求。這項工作旨在作為未來結果研究的基礎，試圖優化不同解剖類型VH的手術技術選擇。

介紹

腹疝（VH）修復是全世界最常進行的一般外科手術之一。在美國，每年進行近35萬次修復，估計總直接成本為32億美元[1]。儘管VH修復的頻率很高，但失敗率很高，複發率估計在24％到43％之間[2]。這些次優結果的一個可能原因是缺乏對不同患者最合適的手術方法的證據。目前，關於腹腔鏡與開放修復，網格類型，網格位置和網狀物固定方法的決定通常更多地由外科醫生的個人偏好而不是客觀數據驅動[3,4]。

多種因素影響VH修復的成功。這些因素包括術前病症（例如，肥胖，使用尼古丁，先前感染），疝氣特徵，手術技術和圍手術期護理（例如，圍手術期抗生素，手術時間）。迄今為止，還沒有用於VH分類的標準化方法，其始終如一地有效地描述疝氣特徵。最著名的VH分類系統是歐洲疝氣社會腹疝分類（EHSCVH）[5]。該手動系統使用起來麻煩，外科醫生不均勻接受，並且應用不一致，特別是對於複雜的疝氣。 EHSCVH是半定量的，因為VH基於分類位置進行分類，對疝氣大小的直接評估有限。腹側疝工作組（VHWG）提出了一種疝氣分級系統，以根據患者和傷口更全面的臨床因素來獲取患者手術部位發生的風險[6];然而，鑒於所涉及的因素很難獲得，這種分類系統及其變體[7]也不常用。作者假設定量成像方法將提供更客觀，有效和可重複的描述VH的方法，並且該方法可以為將來的基於證據的研究提供信息，以改善VH修復結果。

本文的目的是提出一種使用標準護理計算機斷層掃描（CT）進行VH定量解剖標記的標準化方法。作者提出了詳細的解剖標記方案，以捕獲VH和腹壁的臨床相關幾何特性。然後，使用具有VH的人類受試者的測試數據集，作者證明了作者的標記協議的內部和內部評估者的再現性，用於生成關鍵的定量描述性參數，包括VH體積和VH與相關解剖學標誌的關係。作者對衍生的VH特性預測相關臨床終點（VHR期間網橋閉合的要求）的能力進行了初步統計檢驗，並與EHSCVH指標的預測進行了比較。在討論中，作者介紹了作者的方法的主要貢獻及其潛在的臨床影響，將其實際效果與其他相關的VH表徵研究[8-10]進行了比較，並設想了未來的工作。

方法

道德聲明

所有臨床數據均在機構審查委員會批准下從Vanderbilt電子病歷系統中收集。機構審查委員會的全稱是范德比爾特人類研究保護計劃。遵循的所有程序均符合人體實驗負責委員會（機構和國家）的道德標準，以及1975年修訂的1975年赫爾辛基宣言（5）。所有患者均獲得書面知情同意書，包括在研究中。還獲得了該研究的具體用途的附錄。

VH的定量解剖學描述

由於作者的目標是使用來自CT的定量參數創建VH的全面解剖學描述，作者首先組裝一組定量參數，這些參數與VH修復的臨床決策相關（表1）。這些定量參數分為描述VH相對於關鍵解剖標誌（包括劍突，臍，白線，半月線，上髂前上棘和恥骨聯合恥骨聯合）的位置，描述大小和形狀特徵的參數。 VH本身（包括疝氣體積，疝氣體積與腹腔體積的比例[8]和缺損面積），以及描述腹壁的機械性質（主要是順應性）的那些。

表格1

標籤協議

然後，作者設計了標準化的解剖標記協議，以實現上述參數的演算法計算（圖11和圖2）。該協議是由具有解剖學標記經驗的研究人員手動實施而創建的，但在腹部放射學或普通外科手術方面沒有具體經驗;該協議也足夠靈活，可用作未來半自動或全自動方法的基礎。 S1文件中提供了詳細的協議。簡而言之，它涉及以下步驟：（1）選擇軸標和矢狀圖像切片，在其上標記腹壁。 （2）標記前腹壁和後腹壁，並在適當的軸向切片上標記白線和半月線。 （3）完全標記突出區域。 （4）在選定的矢狀切片上標記前腹壁。 （5）標記骨骼標誌和臍部。 （6）查看所有標籤的概述。對於經過培訓的研究員進行手動標記，整個標記過程大約需要1小時才能完成腹部CT體積。

圖1

解剖標記協議概述。

（a）標記的軸向和矢狀切片根據體積的大小和解析度確定。 （b）在選定的軸向切片上，跟蹤前（外邊界和內邊界）和後腹壁。 同時，在適當的軸向切片上標記白線和半月線。 （c）VH在疝氣存在的每個軸向切片上完全標記。 （d）在選定的矢狀切片上，追蹤前腹壁的外邊界和內邊界。 注意以前的VH和腹壁標籤可以作為參考。 （e）臍帶和骨骼標誌被貼上標籤。 （f）審查完整的標籤集。

圖2

CT標記方案中包含的解剖結構。

（a）直肌; （b）腹斜肌; （c）白線; （d）半月線; （e）臍; （f）劍突; （g）髂前上棘; （h）恥骨聯合。

數據

根據機構審查委員會的批准，匿名收集61例疑似VH患者的臨床獲得性臨床CT數據。 對於61名患者，可以進行腹部掃描（劍突下覆蓋優於下恥骨聯合）。 隨機選擇18名患者進行方案開發; 另外隨機選擇43名患者進行基於該方案的初步定量評估。 體素體積（512x512x90~512x512x200）和解析度（0.6x0.6x5 mm~1.0x1.0x3 mm）之間存在較大差異。 以毫米為單位的平均視野約為400x400x500 mm。 在所涉及的患者中觀察到各種大小的VH（圖3）

圖3

各種腹疝大小的例子。

（a），（b），（c）分別表示軸向切片中的小，中，大疝。突出的區域以紅色突出顯示。

手動標籤

一名研究助理使用醫學圖像處理和可視化（MIPAV）[12]軟體（美國國立衛生研究院，Bethesda，MD）和64位高解析度平板電腦輸入（Wacom，東京，日本）對該協議進行了培訓。 Linux工作站。研究助理標記了所有61個數據集，其中18個以隨機順序標記兩次，重複體積之間至少3周以確保沖洗。所有標籤都是獨立創建的，因此研究助理無法看到自己的先前標籤。為了提高效率，在每隔5厘米間隔的切片上評估正常的壁解剖結構。每個數據集的標記時間介於60到90分鐘之間。一般外科醫生也接受了該方案的培訓，並標記了18個數據集中10個隨機選擇的子集。一名普通外科醫生獨立地將26例接受手術修復的患者應用EHSCVH方案。

協議驗證

根據用於標記腹壁，關鍵解剖標誌和VH的配對結果之間的差異來估計評估者內和評估者之間的可靠性。對於腹壁，使用兩組標籤之間的平均表面距離（MSD）和豪斯多夫距離（HD）計算可靠性。對於關鍵的解剖標誌，使用臍的最中心皮下點，用質心的歐幾里德距離（ED）計算可靠性;劍突的質心，白線和半月線;恥骨聯合最優點，前髂前上棘和髂前上棘最前點。對於VH，通過Cohen的kappa統計評估疝氣體積的再現性[13]。在所有18個數據集上計算評估者內部可靠性。評估者之間的可靠性是根據研究助理和普通外科醫生提供的10個數據集計算得出的。

度量標準推導

基於61個數據集的手動標籤，自動導出20個指標來描述疝氣的形狀，位置和周圍環境（表2）。通常，疝氣形狀直接來自標記的疝氣體積，疝氣位置是從疝氣體積的質心到地標測量的，並且基於內插的腹壁表面和分割的身體面具計算周圍的身體相關度量。將薄板樣條插值[14]應用於腹壁的標記網格，其產生腹壁的外表面以及整個腹腔的閉合內表面。模糊C均值聚類用於從掃描表和背景中基於強度提取患者的身體。在排除骨骼和空氣後，對提取的身體區域應用進一步的強度聚類以從肌肉中分離脂肪組織，因此通過內插的腹壁表面來區分內臟和皮下脂肪[15]。請注意，這20個指標只是作者對此初步研究感興趣的定量參數的子集。

表2

對20個派生度量的定量評估。

a.每個索引以更簡單的形式表示其對應的度量。 A-G被視為與形狀相關，G-L被視為與位置相關，而M-T被視為與身體相關的度量。

b.注意：（1）形狀相關度量的定量值僅在具有識別的疝的受試者中收集; （2）歸一化水平位置表示從左ASIS到右ASIS的相對位置，歸一化垂直位置表示從左右ASIS到劍突過程的相對位置; （3）在標記的腹壁的垂直範圍內評估體積相關的體積指標，表示為T，即評估的腹部高度。

統計測試

在所有61個評估的數據集中，26名患者接受VH修復，意圖進行原發性筋膜閉合和網狀襯墊。通常，在VHR期間需要主要筋膜閉合，由此重新近似疝缺損。當無法實現這一點時，需要網橋，原始疝氣缺陷。換句話說，在VHR後未能進行主要筋膜閉合的患者符合要求。這26名患者可分為兩組，其中9名患者需要關閉，另外17名患者不需要。一系列統計檢驗用於探討衍生指標與筋膜閉合技術結果之間的臨床相關性。

首先，使用不成對的單尾t檢驗來檢驗兩組衍生指標中每一個的顯著差異。

然後，使用基於彈性網正則化邏輯回歸的兩個互補分析來評估使用多個度量的複合結果預測。目標是構建回歸模型，基於該回歸模型提供截距β0和與p度量相關聯的一組回歸係數β∈Rp×1，以最小化模型擬合與給定N個觀察的響應的偏差。

β0,β=αrgminβ0,β(1NDeviance(β0,β) λPα(β))

(1)

對於邏輯回歸[16]，在二項分布下計算偏差（?，?）以處理二元分類案例，同時以連續形式估計幾率。 λ表示懲罰項Pα（β）的非負正則化參數。

Pα(β)=1?α2∥β∥22 α∥β∥1

(2)

其中回歸係數的L1和L2規範都用於彈性網路正則化[17]來約束回歸，其中一些高度相關的指標可以忽略（回歸係數接近零）。正則化效應由一個參數控制，即α（或α），範圍從0到1，這有效地確定了忽略的回歸係數的比例 - 較大的α值導致更多的度量被忽略。注意，在執行測試時，在λ的有效候選序列中確定最大值，使得偏差在最小值的一個標準誤差內，留下α作為唯一變數。

在這裡，所有20個派生的指標都被包括在內，以構建回歸模型，該回歸模型表示多個指標如何與回歸係數相結合來預測技術結果。特別，進行預測分析以使用留一法交叉驗證（LOOCV）方案評估預測模型的準確性，即，在25個觀察上建立回歸模型，然後在剩餘的一個上進行測試。將連續估計結果四捨五入為二元預測以進行驗證。通過將步長為0.01的α從0到1的交叉驗證分析迭代，記錄剩餘度量的數量和錯誤預測的數量。

通過在所有26個觀察（沒有交叉驗證）上建立回歸模型進行後續探索性測試，α為0.9，以確定VH修復後網狀橋要求的最具預測性的指標。

使用EHSCHV中提出的變數進行了使用彈性網路正則邏輯回歸和LOOCV的附加預測分析以供參考。根據EHSCHV，四個分類變數，即內側疝位置，側疝位置，疝複發和疝寬度類別，以及兩個定量變數，臨床醫生獲得的疝寬度（LR直徑）和長度（CC直徑）被認為是用於回歸的20個標記派生度量的位置。

結果

標籤重現性

在評估標籤可靠性的18名患者中，平均年齡為50歲，女性為50％。平均體重指數（BMI）為33.1kg / m 2。該人群中疝的患病率為78％，並且所有腹側疝都與先前的手術（即切口疝）有關。疝缺損的平均橫向尺寸為11.4cm。

腹壁

作者的方案產生了高標記和評估者之間的重複性，用於標記前腹壁，MSD約為2 mm，HD約為30 mm（表3）。後腹壁的重複性適中，內部MSD為2.5 mm，評估者間MSD為7.7 mm。結構標記的起點和終點的不同選擇導致相對較大的HD值（高達9cm），而MSD值不會受到很大影響。

表3

通過平均表面距離（MSD）和Hausdorff距離（HD）以mm為單位測量腹壁可靠性。

關鍵的解剖標誌

關鍵解剖標誌的標籤重複性為中等至高，內部評估者和評估者之間的歐幾里德距離均低於5 mm（表4）。

表4

筋膜邊界和骨結構可靠性由質心的歐氏距離（ED）測量，單位為mm。

疝氣量

疝氣體積的再現性很高，內部評估者Cohen"s kappa為0.8，評估者Cohen"s kappa為0.9（表5）。

表5

疝氣量可靠。

注意，作者認為所提出的標記方案對於所採集的CT掃描的解析度（切片厚度大至5mm）具有中等至高的再現性。

定量評估

在評估指標推導的61名患者中，疝的患病率為72％。 平均年齡為52歲，女性為66％。 平均BMI為33.0 kg / m2。 計算了20個導出指標的平均值和範圍（表2）。

臨床相關性

在26例接受VH修復並意圖進行筋膜閉合併進行統計學檢驗的患者中，平均年齡為51歲，女性為81％，平均BMI為32.1 kg / m2。

不成對的單尾t檢驗

在VH修復後通過橋封閉要求分開的兩組患者之間觀察到顯著差異（p

表6

對具有不同結果的兩組患者的20個指標進行統計學比較。

*表示兩組之間存在顯著差異

預測回歸分析

通過交叉驗證，測試了基於標記衍生度量的回歸模型和基於EHSCHV變數的回歸模型。在這兩種情況下，都沒有實現完美預測。對於沿不同選擇的α值的最佳情況，使用標記衍生的度量的回歸模型在26個受試者中產生四個錯誤預測（84.6％準確度），其中兩個（「疝LR直徑」和「疝前表面積」） ，α= 0.95或1.00）至5（「疝LR直徑」，「疝氣CC直徑」，「疝前表面積」，「疝後表面積」和「平均AP疝厚度」，α= 0.80或使用0.89）指標。另一方面，使用EHS變數的回歸模型至少做出六次錯誤預測（76.9％準確度），其中包括所有六個變數的五個（除了疝寬度類別）（圖4A和4B）。仔細觀察，上面提到的所有錯誤預測都是需要橋修復但預測不需要的主體。這些錯誤的預測在類似的疝氣大小方面令人困惑，因為它們與VHR後的原發性筋膜閉合相似。

圖4

初步統計分析的結果。

（a）和（b）分別使用交叉驗證的彈性網正則化邏輯回歸分別顯示了不同α值的錯誤預測數和包含變數數。通常，較大的α值會產生較強的正則化，因此回歸模型的變數較少。請注意，藍色虛線曲線表示使用EHSCHV變數的回歸結果，而綠色實線曲線使用從標記派生的變數。 （c）使用支持向量機提出超平面，通過基於所有觀察建立的探索性回歸模型的兩個剩餘標記衍生變數，將具有不同技術結果的兩組患者分開。

探索性回歸分析

在建立α值為0.9的邏輯回歸模型時，只有兩個指標（「疝氣L-R直徑」和「疝前表面積」）仍然是預測網橋要求的關鍵因素。儘管使用了所有觀察結果，但該回歸模型在預測分析中使用標記衍生的指標產生了與最佳情況相同的四個錯誤估計。這兩個度量可用於使用支持向量機（SVM）[18]來識別兩組之間的分離超平面（兩個度量的判別函數），其表示網橋要求的定量閾值。需要修橋的兩個案例被錯誤分類（圖4C）。作者注意到，兩組之間的數字不均勻（9對17）可以影響關於其最佳閾值的回歸模型（作者使用0.5進行邏輯回歸）來進行預測。在正則化回歸模型之後應用SVN分類器可以提高預測能力。

討論

主要貢獻

該初步研究旨在為定量成像方法奠定基礎，以確定不同亞型VH的最佳管理策略，並改善手術治療。

首先，作者為VH創建了一組臨床相關的定量解剖描述符，作者設計了一個標準化的標記協議，以便從常規臨床CT數據集中提取這些參數，作為未來VH解剖特徵與治療之間關係的自動建模的基礎。結果。

其次，作者的方案驗證研究表明，可以接受評估腹壁，關鍵解剖標誌和VH本身的評估者和評估者之間的可重複性。在解剖學標記方面，作者發現在沒有廣泛的三維可視化的情況下，可以在軸向或矢狀視圖上欣賞腹壁表面，而疝氣體積需要三平面操作。作者還發現腹壁表面足夠光滑，因此，為了提高效率，可以在稀疏，均勻間隔的切片上每隔5厘米標記正常的壁解剖結構;然後可以通過插值來近似整個表面。

接下來，作者從解剖標記中自動導出20個定量參數來描述VH的形狀，位置和周圍環境。與使用EHSCHV系統的可用臨床測量相比，這些度量的集合提供了更全面的VH特徵。

最後，作者通過初步統計檢驗顯示了VH修復後衍生的定量參數與原發性筋膜閉合的技術結果之間的臨床相關性。 9個個體指標顯示，需要橋閉的患者與未接受橋接的患者之間存在顯著差異。通過預測分析，作者提出了一個回歸模型，使用多個指標，能夠識別所有不需要橋閉的患者（17個中的17個），超過一半的患者需要（9個中的5個）。作者還發現，作者的標記衍生指標比EHSCHV變數對此技術結果更具預測性。作者注意到這是將VH定量與臨床有意義的疾病過程相關聯的第一項工作。

潛在的臨床影響

臨床上，橋接的要求在手術前仍然不確定。外科醫生可以通過在手術前成像上觀察疝氣來進行粗略預測，即，較大的疝氣更可能需要網狀橋修復。主觀預測可能不準確。由於這種不確定性，一些技術如肌筋膜釋放被用來避免橋接，但可能會導致其他問題。例如，來自作者機構的數據表明，肌筋膜釋放的額外解剖顯著增加了手術後手術部位感染的風險[19]。因此，準確預測橋接需求的客觀標準可以在臨床上相關，並且顯著改變臨床程序。對於術前計劃，外科醫生在諮詢患者和計劃操作時可以提供客觀數量而不是主觀大小描述。患者和外科醫生可能估計需要橋接閉合的可能性，並且可以權衡該選項，同時考慮其他患者因素，這些因素增加了術後感染併發症的風險。這也可能在開始手術修復之前導致生活方式改變，以降低手術的發病率。在某些情況下，知道在患有感染性併發症的重大風險的患者中可能需要橋接可能導致外科醫生接受橋接配置並相應地為患者提供建議。

作者的標籤協議為橋接要求的預測提供了合理的客觀標準。預測（交叉驗證）統計分析表明，需要兩到四個指標才能產生最佳的橋接需求預測。這表明應該將多個指標一起考慮用於預測。在解釋性分析（未交叉驗證）中，僅需要兩個變數（「疝LR直徑」和「疝前表面積」）來識別組之間的分離超平面（兩個變數的判別函數），代表橋樑修復要求的定量閾值。作者注意到，具有大L-R直徑但前表面積小的疝氣可能不一定需要橋接要求，這很難通過3-D CT在視覺上判斷。因此，這些指標有助於作為橋接需求預測的客觀標準。作者還注意到，雖然「疝氣L-R直徑」通常被認為是一個重要因素，但「疝前表面積」從未專註於VH表徵。作者的標籤協議提供了對這些參數的訪問，這些參數對於關聯特定技術結另一方面，作者發現當前的指標無法區分一些需要修橋的小疝。這部分是由於實驗中可用的（26）和不平衡數據集（17對9）不足。包含更多數據集可以幫助增加對主要筋膜閉合的預測。除疝氣特徵外，許多其他因素也影響了修復橋樑的決定。手術的目標（確定性與分期修復），污染程度，關閉時筋膜上的張力大小，組織覆蓋需求以及外科醫生培訓都有助於決策。

與其他相關工作的比較

作者的方法利用了大多數VH患者進行手術前CT掃描以評估其腹部的事實。然而，目前還沒有普遍接受的VH分類方法用於常規使用，因此來自成像的信息被定性地和主觀地用於基於很少的經驗數據做出臨床決策。 EHSCVH是唯一可用於分類所有腹側疝的潛在分類系統。 EHSCVH系統根據疝氣的位置和疝氣的原因（原發性或切口性），（2）疝氣大小的分類指定（小，中，大）和（3）線性測量來編碼（1）分類指定。疝氣大小（長度，寬度）。然而，這種分類系統的實際實施可能很麻煩，雖然EHSCVH幾年前已經發表，但它並沒有得到外科醫生的廣泛認可。在繁忙的臨床實踐中外科醫生確定特定患者疝氣的分類所需的時間通常會妨礙其使用。另外，由於分類方案尚未與特定患者結果或有利的手術技術相關聯，因此沒有激勵外科醫生花時間確定分類的動機。最後，在使用該系統對複雜疝進行分類時，外科醫生之間存在不一致。作者的預測回歸分析顯示，儘管其簡單，但在VH修復後，EHSCVH變數不足以預測橋閉合需求（圖4A和4B）。

定量方法具有吸引力有兩個原因：（1）它可以由受過訓練的同事實施，或者在將來通過半自動或全自動計算機演算法實施，從而減少外科醫生進行VH分類的時間; （2）其標準化性質為患者結果的嚴格統計相關性提供了基礎，包括回顧性地使用大型臨床資料庫和前瞻性臨床試驗。然而，目前，腹側疝的定量描述相當簡陋，橫向尺寸是最常用的度量標準。橫向疝氣大小捕獲VH的實際異質性非常少。疝量也不足以描述VH，因為相同體積的兩個VH可能具有非常不同的形狀並且可能需要不同的手術技術（圖5）。

圖5

體繪製和三平面視圖中的兩個VH情況。

雖然這兩個例子的疝氣體積大小几乎相同（a = 125 cm3，b = 109 cm3），但（a）是臍部長而淺的破裂，而（b）是腹壁短而深的突出。此外，患者的體型大不相同，（b）中的疝氣遠離臍部。

由於這些原因，並且由於其明顯的臨床意義，近年來圖像處理界對VH的表徵感興趣。 Tanaka等人。通過假設它們為橢圓形結構，測量顱尾，後側，前後徑向距離，得出疝囊和腹腔的體積[10]。 Sabbagh等人。在外科醫生和放射科醫師使用盲側方法確定體積邊界後，確定腹膜內容量（包括VH和腹腔）[8]。姚等人。標記了3-D重建CT的所需範圍，並用測量體積軟體測量了體積[9]。

雖然值得注意，但這些努力並沒有解決衡量疝與其生物背景的複雜相互作用的根本挑戰。作者的標記協議允許從標記數據中估計VH的不同幾何特性（圖66和7,7，表2）。作者將疝氣形狀（體積大小和尺寸直徑）視為表徵的主要定量參數VH的異常程度。作者建議疝缺損在骨性標誌和面部邊界方面的位置對於VH分類至關重要。作者還附加了周圍結構的指標（例如腹壁厚度，內臟和皮下脂肪量）作為VH患者的參考身體狀態。這些特徵給出了疝本身的可靠描述，然後可以與臨床結果相關聯。彈性網正則化邏輯回歸可用於將所有可用變數減少到幾個關鍵因素來預測特定技術結果，雖然有時需要更多的變數來產生更好的預測。當然其他非疝相關因素在疝複雜性的總體定義中很重要，包括許多臨床和患者相關因素[20]，但本手稿中描述的方法提供了基於特定成像特徵的腹疝的精確和可再現的描述。

圖6

4例患者CT的VH特徵示意圖。

在每個部分中，第一行說明VH的位置; 第二行顯示前腹壁的VH缺損大小; 第三行顯示疝囊（紅色）和腹腔（藍色）的體積大小。

圖7

根據處理的標籤結果，VH特性的圖示。

從（a）到（c）的第一行展示了原始圖像數據和處理過的標籤之間的匹配，其中插入了腹壁。從（d）到（f）的第二行顯示了在三個不同視圖中插入的腹壁與原始圖像的相干性。從（g）到（i）的第三行示出了與形狀相關的VH特徵的腹壁和疝氣體積的組合模型，VH相對於白線和半線的相對位置，以及相對位置。關於骨骼標誌和臍的VH。從（j）到（1）的第四行證明了測量VH缺陷尺寸，VH的寬度和長度以及疝囊和腹腔之間的體積大小的比例的可行性。

未來的工作

目前無法通過CT成像獲得的VH的一個重要特性是肌肉順應性，即肌肉組織彈性屈服於施加的力的能力。這種患者特異性特性影響修復的容易程度，並可能與術後複發率相關。未來的研究可能會研究使用超聲或磁共振彈性成像來估計這種特性。

此外，作者注意到作者研究中的CT是在沒有進行Valsalva動作的情況下在休息時獲得的。 Valsalva動作可以有助於顯示突出區域周圍潛在的內臟漂移。理論上，解剖學變化不會破壞所提議的方案的實施。然而，需要進一步的研究來探索有和沒有Valsalva動作的掃描之間的檢查差異。

重要的是要強調這些發現的臨床相關性。如果可以開發出可重複，定量和自動化的VH分類方法，則可以顯著推進VH管理領域。即，將建立可靠的度量，從而可以進行比較以確定最佳實踐 - 類似於惡性疾病管理中的癌症分期。相關的自動化工作正在進行中[21]。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！