Slicer新插件-AI驱动的全身肌肉分割和量化用于疾病早期检测

肌肉骨骼和神经系统疾病影响着全球大量人群，也是导致残疾和功能受限的重要原因之一。

定量肌肉成像技术，包括基于磁共振成像（MRI）和计算机断层扫描（CT）的自动肌肉分割和肌内脂肪定量分析，为早期发现疾病提供了强大但尚未充分利用的机会。

MuscleMap^[1]正是为此开发的一个开源平台。 它能够完成全身肌肉分割、肌肉定量分析以及肌内脂肪评估，帮助研究人员和临床医生更高效、更标准化地评价不同人群的骨骼肌健康。

MuscleMap 的设计理念是：

• 全身——适用于任何解剖区域
• 自动化——无需耗时的人工操作
• 标准化——确保各中心测量结果的一致性
• 可扩展性强——既适用于临床应用，也适用于大规模人群研究。

在哪使用MuscleMap

两种方式使用，一种是在Anaconda下安装MuscleMap，使用命令行工具使用。这种适合需要批量且有一定代码基础的研究者

另一种方式就是在Slicer平台，调用插件使用。

Tina姐将重点讲如何在Slicer平台使用

在Slicer中安装MuscleMap

请先下载 5.11 版slicer。在View → Extensions Manager中搜索：PyTorch 和 MuscleMap，安装后重启。

在运行MuscleMap前需要安装pytorch,按照官方的安装方法我是装不上的，我都是用自己的小技巧安装。个人恰饭家伙，需要安装包可以联系Tina姐。

重启后，在Modules里搜索MuscleMap Whole-Body Segmentation就可以打开，界面如下：

确认安装好pytorch以后，点击图片中的install MuscleMap dependencies安装MuscleMap相关依赖性

使用MuscleMap

在slicer上使用非常简单，难得是安装

如图，只需要选择输入图像，点击run就自动执行分割，分割过程中会提示是否需要加速

如果运行过慢或显存不足，可以勾选 Force lower overlap之后，就会选择滑动窗口重叠为75%进行计算，这样会减少计算量，可能会造成边界的分割精细度。

这个模型挺让我惊喜的。在slicer上这么多AI插件，这是第一个使用了monai框架进行开发的，这里的第一个是除去monai自行开发的模型。

案例欣赏

腹部肌肉分割：头颈肌肉分割：这里使用了overlap=75，明显层与层的间隙分割差很多，不平滑。因此，计算资源足够的情况不建议用。

胸部肌肉分割：

下肢肌肉分割：下肢数据超大，分割时间超久。有只小腿分割效果差些

MRI也可以分割，懒得测试了，并且我也没有高分辨的MRI数据，分割出来肯定锯齿状严重。如果你有图像，可以发我测试~

总结：MuscleMap可以实现全身肌肉的分割，在slicer上只能做分割，但在python端的功能更强大，还可以

• 提取多种 MRI 对比度和 CT 图像中的肌肉特异性指标，例如体积或肌内脂肪百分比。
• 在标准化的肌肉模板中，可视化并计算肌内脂肪的三维空间分布。