Automatic segmentation of adipose viseral tissuefrom CAT images, employing anatomical invariants

Ricardo Mendoza∗, Andres Sanchez†, Luis Felipe Uriza‡ and Marcela Hernandez Hoyos§∗Departamento de Ingenierıa de Sistemas y Computacion

Universidad de Los Andes, Bogota, ColombiaEmail: ra.mendoza35@uniandes.edu.co

†Departamento de Ingenierıa de Sistemas y ComputacionUniversidad de Los Andes, Bogota, Colombia

Email: a.sanchez62@uniandes.edu.co‡Departamento de Radiologıa e Imagenes Diagnosticas

Hospital Universitario de San Ignacio, Bogota, ColombiaEmail: furiza@javeriana.edu.co

§Grupo Imagine, Grupo de Ingenierıa BiomedicaUniversidad de Los Andes, Bogota, Colombia

Email: marc-her@uniandes.edu.co

Abstract—Metabolic syndrome and its relation with the distri-bution of visceral adipose tissue (VAT), has aroused great interestin the development of image processing tools for its automaticquantification. A new technique for automatic segmentation ofvisceral and subcutaneous adipose tissue in computerized axialtomography (CT) images, by means of assessing local anatomicalinvariants is presented. The assessing made by an expert of thesegmented images, showed low error in the quantification of VATtissue and a high tolerance to different anatomical configurationsand other kinds of image problems.

Index Terms—Visceral adipose tissue, Computerized AxialTomography, Image Processing, Image segmentation.

I. INTRODUCCION

Por anos, la medicina ha estudiado la correlacion entre elincremento de la distribucion del tejido adiposo visceral (VAT,por sus sigla en ingles) [1], [2], con un grupo de anormali-dades metabolicas conocidas como el sındrome metabolico. Elanterior caracterizado por la resistencia a la insulina y tole-rancia limitada a la glucosa (diabetes), ası como hipertension,dyslipidemia, arteroesclerosis y factores de riesgo asociados.Estos elevan la ocurrencia de enfermedades cardiovascularesy cerebrovasculares, que pueden derivar en graves incidentesen la salud con secuelas permanentes o la muerte [3], [4].

El tejido adiposo visceral (alojado en la region intra-peritoneal) y el tejido adiposo subcutaneo o SAT, por sus siglasen ingles (localizado al exterior de la region intra-peritonealhasta alcanzar la piel), han sido objeto de diversas propuestaspara su cuantificacion mediante el procesamiento de imagenesadquiridas por tomografıa axial computarizada (TAC) [1], [5]y mas recientemente, por resonancia magnetica (RM) [3], [2].Aunque se han obtenido resultados importantes a partir deimagenes RM, en el contexto colombiano, estos equipos deadquisicion son menos utilizados y el costo del procedimientosuele ser mas elevado comparado con el TAC, por lo cual, el

ultimo suele ser el mas empleado en el contexto local. Sinembargo, las herramientas de cuantificacion disponibles paraimagenes TAC son limitadas, siendo necesaria la intervencionactiva del usuario en el proceso de cuantificacion.

Nuestra contribucion a este problema es una nueva tecnicapara la segmentacion automatica de tejidos VAT y SAT,en imagenes TAC. La evaluacion de invariantes anatomicosde tipo local, sobre los pıxeles de tejido adiposo, permitediferenciar los mismos y cuantificar su volumen de formaeficaz y robusta. Este procedimiento es efectivo en una granvariedad de casos y caracterısticas anatomicas presentes en lospacientes, minimizando ası la intervencion del usuario.

La organizacion del artıculo es la siguiente. En la seccion II,se presenta un recuento de las diversas tecnicas propuestas parala cuantificacion del tejido VAT en imagenes TAC, incluyendolos ultimos desarrollos en cuantificacion automatica. Los pasosde la tecnica del invariante anatomico local y el tratamientode las imagenes, es descrito en la seccion III. En la seccionIV, se describen las caracterısticas de los datos empleadospara la evaluacion cualitativa del metodo por parte de unexperto y los resultados obtenidos. Finalmente, se comentanlas conclusiones y el trabajo futuro en la seccion V.

II. ESTADO DEL ARTE

La cuantificacion del tejido adiposo, empleando imagenesTAC, ha sido el objetivo de diversas investigaciones desde ladecada de los 90’s [1]. Sin embargo, solo recientemente se hanimplementado metodos para cuantificar los diferentes tipos detejido adiposo minimizando la intervencion del usuario.

La segmentacion del tejido adiposo, es una tarea relati-vamente sencilla. El tejido adiposo cuenta con un rango deintensidades caracterıstico en las imagenes TAC, que no es

978-1-4577-0286-0/11/$26.00 c©2011 IEEE

compartido por otros tipos de tejido blando. Por lo anterior, latecnica mas usada de segmentacion es la umbralizacion simple,aunque, tambien se ha empleado el crecimiento de regionescon este fin [6].

Para la umbralizacion, existen diversas propuestas para fijarel umbral. Por ejemplo, el metodo de Rockall [7] empleaun umbral fijo previamente definido entre -250HU a -50HU(Unidades Hounsfield). Por su parte, Yoshizumi [1] define unumbral con base en la intensidad media del tejido adiposo demuestra, mas o menos, dos veces su desviacion estandar.

La dificultad para cuantificar los diferentes tipos de tejidoadiposo radica en su clasificacion, ya que esta corresponde avariaciones en su ubicacion, mas no en su composicion. Eneste sentido, los metodos de cuantificacion del tejido adiposose pueden agrupar en dos clases: interactivos y automaticos.

A. Metodos interactivos

En esta clase se agrupan los metodos que requieren con-tornos dibujados por usuario experto para definir las diferentesregiones de interes, principalmente la region intra-peritoneal ola region abdominal interior, que incluye tanto huesos comomusculos de la region abdominal y espalda. La cuantificaciones realizada empleando umbralizacion sobre la region deinteres, aprovechando los contornos dados por el usuario ycontando los pıxeles umbralizados.

Los metodos propuestos por Yoshizumi [1] y Rockall [7]son ejemplos de esta clase. Su debilidad principal radica enel trabajo manual que el usuario debe realizar para definir los

Extracción del Extracción del Extracción del Extracción del

cuerpo y del cuerpo y del cuerpo y del cuerpo y del

tejido adiposotejido adiposotejido adiposotejido adiposo

Segmentación Segmentación Segmentación Segmentación Segmentación Segmentación Segmentación Segmentación

del tejido SAT y del tejido SAT y del tejido SAT y del tejido SAT y

VATVATVATVAT

CuantificaciónCuantificaciónCuantificaciónCuantificación

Fig. 1. Diagrama del metodo de segmentacion y cuantificacion de tejidoSAT y VAT implementado y sus tres etapas. La secuencia de imagenesmuestra algunos pasos del proceso: Imagen original, umbralizacion del cuerpo,extraccion del cuerpo, umbralizacion del tejido adiposo y la segmentacion finaldel tejido VAT y SAT.

contornos de las regiones de interes, ası como la calidad delos mismos.

B. Metodos automaticos

Estos buscan diferenciar la region interior abdominal y/ola region intra-peritoneal del resto del cuerpo. Aunque son decaracter automatico, existen casos donde la cuantificacion fallay es requerida la intervencion humana para corregirla.

El metodo de Romero [8] emplea una regla para detectar elborde en la pared abdominal. Usando un umbral especialmentedisenado y dos criterios de distancia de aceptacion entre este,la piel y la region intra-peritoneal, identifican el tejido muscu-lar buscando evitar falsos positivos. En particular, se presentanproblemas cuando hay discontinuidades en el contorno de laregion abdominal. Consecuentemente el tejido adiposo visceralse confunde con el tejido adiposo subcutaneo.

En contraste, estan los metodos derivados de la tecnicapropuesta por Zhao [9] para detectar el contorno de la regioninterior abdominal. Esta tecnica se basa en la creacion deperfiles radiales (rayos) a partir de un punto ubicado en elcentro geometrico del rectangulo contenedor del cuerpo. Estosrayos son explorados, iniciando en el contorno exterior delcuerpo en direccion al centro, hasta encontrar la primeradiscontinuidad correspondiente al tejido adiposo, obteniendoası un punto candidato de contorno. Luego, el radio de lospuntos candidatos es suavizado, con el fin de corregir distor-siones generadas por elementos extranos como calcificacionesy discontinuidades en el contorno abdominal interior.

Los metodos propuestos por Senseney [6] y Ohshima [10]son variantes de la tecnica de Zhao [9], con algunas mejo-ras. En particular, Senseney [6] realiza un recorrido doble,inicialmente del punto central hacia el exterior y luego enforma inversa, agregando mas condiciones a la seleccion delpunto del contorno. La segmentacion del tejido adiposo esrealizada mediante crecimiento de regiones y finalmente esdepurada aplicando hasta diez veces un operador morfologicode cierre. No obstante, este metodo solo ha sido empleadopara cuantificacion del tejido adiposo subcutaneo.

Por su parte, Ohshima [10] extiende el metodo de Zhao [9]para detectar tanto el contorno abdominal interior, como elcontorno de la region intra-peritoneal, empleando dos centrosde generacion de rayos. Lo anterior, permite evaluar el tejidoadiposo visceral, el subcutaneo e intra-muscular de forma inde-pendiente. Sin embargo, como senala Ohshima [10], el metodotiene una alta dependencia a las caracterısticas anatomicasespecıficas por lo cual se ve afectado por la existencia dediscontinuidades en el contorno abdominal interior.

Fundamentalmente, los inconvenientes en los metodos au-tomaticos se derivan de las discontinuidades en el contornointerior abdominal, en especial, sı estas son grandes. Asımismo, la existencia de elementos extranos y la dependenciafrente a ciertas caracterısticas anatomicas particulares hacennecesaria la intervencion activa del usuario. Cabe notar que losmetodos de Zhao [9], Oshima [10] y Senseney [6] no fueronevaluados en pacientes con altos niveles de obesidad.

En contraposicion al enfoque por contorno, la tecnica pro-puesta en este artıculo busca evaluar el conjunto de tejidoadiposo, identificando a que tipo pertenece de manera local,sin requerir la construccion previa de contornos o la asistenciadel usuario. En este sentido, el enfoque propuesto constituyeun nuevo camino para la segmentacion automatica.

III. MATERIALES Y METODOS

El proceso de segmentacion y cuantificacion del tejidoadiposo consta de tres etapas principales: la extraccion delcuerpo y tejido adiposo, la segmentacion del tejido SAT y VAT,y finalmente, su cuantificacion (Fig. 1). La originalidad de lapropuesta radica principalmente en la tecnica de invariantesanatomicos locales, que se presenta a continuacion.

A. Extraccion del cuerpo y del tejido adiposo

El proceso de segmentacion inicia con la extraccion delcuerpo. El objetivo de esta etapa es la remocion de la piel(requerido por la segunda etapa) y la correccion, definicion ydiferenciacion de la region del fondo, del tejido adiposo y lostejidos no adiposos (huesos y otros tejidos blandos).

Para esto, el tejido adiposo es umbralizado, con base a unrango definido por el usuario como unico parametro de entradadel metodo. Primero, la imagen es sometida a una operacionde apertura morfologica empleando un elemento estructurantecuadrado de tamano 3x3, lo que permite corregir defectosen la region y eliminar elementos extranos. Posteriormente,los huecos en el cuerpo son rellenados mediante un esquemade evaluacion por rayos locales, que verifica que el pıxel seencuentre rodeado por tejido adiposo, tras lo cual, prosigueun operador de cierre morfologico, empleando nuevamente unelemento estructurante 3x3.

Con esto se obtiene una mascara para la region del cuerpo(sin incluir la piel), la cual es empleada para extraer el mismode la imagen original. Sobre la imagen del cuerpo extraıdo, sesegmenta el tejido adiposo mediante umbralizacion. Posteri-ormente se efectua un rellenado de huecos, pero, limitando elradio maximo de los rayos a 7 pıxeles. De esta forma son

Fig. 2. Representacion de la tecnica del invariante anatomico local en elcaso ideal, empleando 8 rayos en las regiones de tejido VAT y SAT.

corregidos pequenos defectos en la umbralizacion, creandoregiones de tejido adiposo uniformes.

Esta etapa finaliza con la superposicion de la mascara detejido adiposo sobre el cuerpo extraıdo. De esta forma seobtienen el fondo, las regiones de tejido adiposo umbralizadasy los diferentes tipos de tejido no adiposo.

B. Segmentacion del tejido SAT y VAT

La segmentacion del tejido SAT y VAT se logra mediante laaplicacion de la tecnica de los invariantes anatomicos locales.El principio de estos invariantes es que el tejido adiposovisceral, en el caso ideal, siempre se encuentra delimitado porotros tipos de tejido, caso contrario al tejido subcutaneo, sies eliminada la piel. A esta observacion le denominamos elinvariante anatomico del tejido visceral.

Con base en lo anterior, es posible diferenciar entre lospıxeles de tejido adiposo visceral y subcutaneo, determinandosı se cumple de forma local el invariante anatomico. Para esto,se desarrollan dos iteraciones de seleccion sobre los pıxelesen la imagen.

La primera, identifica con alta certeza pıxeles candidatos,tanto en el tejido SAT como VAT, empleando un metodo deevaluacion amplia del vecindario local, basado en el trazadode rayos en 8 direcciones distintas (Fig. 2), cuyo origen es elpıxel de tejido adiposo a ser evaluado. Con la inicializacionen cada pıxel (1), el radio de cada rayo crece iterativamentede forma condicionada (2), hasta alcanzar un estado de parada(3). Estas ecuaciones se describen a continuacion:

Inicializacion:

Rk(l0)x = x,Rk(l0)y = y, l0 = 0 (1)∀(x, y|(x, y) ∈ = ∧ S(x, y) = sV al)

Crecimiento del rayo:

lt+1 =

{lt + 1 si S(Rk(lt)x, R

k(lt)y) = sV al,

lt dlc.(2)

0 ≤ t, S(Rk(lt)x, Rk(lt)y) ∈ =

Terminacion:

si lt−1 = lt entonces

V (k) =S(Rk(lt)x, Rk(lt)y) (3)

Donde Rk(lt)x y Rk(lt)y son las coordenadas (x, y) delpıxel mas lejano al origen del k-esimo rayo con radio lt.S(x, y) es la intensidadad del pıxel en la coordenada (x, y),= es el conjunto de los pıxeles de la imagen y sV al es laintensidad del tejido adiposo umbralizado. Como resultado, seobtiene el vector de registro V , que contiene la intensidad delultimo pıxel evaluado por cada rayo.

Mediante la evaluacion del vector de registro, es identificadoel tipo de tejido adiposo al cual pertenece el pıxel (x, y),

empleando el criterio fuerte subcutaneo (4) y el criterio fuertevisceral (5):

Criterio Subcutaneo fuerte:

SAT (x, y) =

true si8∑

i=1

Ifondo(V (i)) ≥ 4

false dlc.(4)

Criterio Visceral fuerte:

V AT (x, y) =

true si8∑

i=1

Ifondo(V (i)) ≤ 4

false dlc.(5)

Ifondo(v) =

{1 si v = fV al

0 dlc.(6)

Donde fV al es el nivel de gris correspondiente al fondode la imagen. Ambos criterios son altamente eficaces en ladeteccion de verdaderos positivos (puntos de tejido adiposo,con tipo correctamente clasificado). Sin embargo, se puedengenerar falsos negativos (puntos que pertenecen al tejidoadiposo, pero no fueron clasificados como SAT o VAT). Estosfalsos negativos se deben a discontinuidades en el contorno dela cavidad intraperitoneal, problemas en la imagen, como elmovimiento del paciente durante la captura, configuracionesanatomicas particulares o la ocurrencia de objetos extranos.

Lo anterior, justifica la necesidad de una segunda iteracionde seleccion, que emplea el criterio final de seleccion sub-cutanea (7) y el criterio final de seleccion visceral (8).Estos criterios de mayorıa, evaluan un vecindario cuadradode tamano 3x3 (M ) centrado en el pıxel indeterminado,teniendo en cuenta la informacion de los pıxeles SAT yVAT previamente identificados en dicho vecindario. Con estaultima iteracion son clasificados todos los pıxeles de tejidosubcutaneo, bien sea como tejido SAT o VAT:

Criterio final de seleccion SAT:

SAT ′(x, y) =

true si∑

p∈MISAT (p) ≥ 3

false dlc.(7)

∀(x, y|S(x, y) = sV al ∧ SAT (x, y) = V AT (x, y) = false)

Criterio final de seleccion VAT:

V AT ′(x, y) =

{true si SAT (x, y) = false

false dlc.(8)

ISAT (v) =

{1 si SAT (p) = true

0 dlc.(9)

C. Cuantificacion

Finalmente, el area y volumen de los tejidos subcutaneo yvisceral son calculados mediante conteo de los pıxeles VATy SAT, respectivamente, y multiplicando estos por las dimen-siones del pıxel y la distancia entre los cortes, informacionque es obtenida de las etiquetas del archivo DICOM original.

IV. RESULTADOS Y DISCUSION

Para la validacin del metodo propuesto, se emplearon cuatroseries de cortes TAC, en un total de cuatro pacientes (unaserie por paciente), con diferentes medidas antropometricas(Figs 3, 4, 5 y 6). Cada serie, consta de 40 cortes con inicioa la altura del pecho, finalizando en la region abdominal a laaltura de la vertebra de referencia L3, siendo los 10 cortesmas cercanos a esta vertebra, la region primordial de interes,para la cuantificacion del tejido VAT [7], [9].

Fig. 3. Segmentacion de tejidos para el paciente 1.

Fig. 4. Segmentacion de tejidos para el paciente 2.

Fig. 5. Segmentacion de tejidos para el paciente 3.

TABLA IRESULTADOS DE LA EVALUACION CUALITATIVA

Grupo Media C Desviacion C Media P Desviacion P

I (160) 4.25 0.69 4.09 0.70II (40) 4.73 0.45 4.58 0.64

A. Umbralizacion del tejido adiposo

Para la extraccion del cuerpo, en todos los casos se empleoun umbral fijo para el tejido adiposo en el rango de -150HU a-50HU, el cual, luego de diversas pruebas, arrojo los mejoresresultados sobre el conjunto de imagenes. En particular, seobservo que valores menores para el lımite inferior y mayoresque el lımite superior del umbral, generan problemas en lacorrecta remocion de la piel, deformacion del contorno abdom-inal interior y sobre-estimacion del tejido adiposo presente.Por otro lado, se observo que valores mayores que el lımiteinferior y menores para el lımite superior del umbral, sub-estiman la cantidad de tejido adiposo presente y deforman elcontorno interior del cuerpo.

B. Evaluacion cualitativa

En la evaluacion cualitativa de las imagenes, se definierondos variables: su completitud C y su precision P , las cualesfueron valoradas por experto, sobre una escala numerica de 1a 5.

La variable completitud, evalua la calidad de la seg-mentacion en terminos de la identificacion completa y correctadel tejido adiposo sin importar su tipo. Una valoracion igual a1, corresponde a una segmentacion inaceptable para el experto,esto es, la imagen no puede corregirse de forma manual. Lavaloracion media (igual a 3), corresponde a una segmentacionparcialmente aceptable, que requiere de correccion manual enmas de una region de la imagen. La valoracion igual a 5, indicauna segmentacion aceptable para el experto y no requiere deninguna correccion.

Por su parte, la variable precision, evalua la capacidad delmetodo para discriminar entre los tejidos VAT y SAT. Lavaloracion igual a 1, corresponde a una incorrecta diferen-ciacion del tejido VAT y SAT en la mayor parte del tejidoadiposo y por tanto, inaceptable para el experto. La valoracionmedia, en este caso corresponde a una diferenciacion quepresenta fallas en un numero reducido de regiones, cuya

Fig. 6. Segmentacion de tejidos para el paciente 4.

area es representativa, pero muy inferior a la correctamentediscriminada. La valoracin igual a 5, indica una diferenciacionprecisa del tejido VAT y SAT.

Sobre las valoraciones realizadas en cada variable, se cal-culo la media y su desviacion sobre dos grupos. El primero,corresponde al total de los 160 cortes estudiados. El segundo,agrupa los 10 cortes de la region primordial de interes en lascuatro series. El resumen de los resultados, es presentado enla tabla I.

C. Diferenciacion del tejido VAT y SAT

La evaluacion cualitativa por parte de un experto, de lasimagenes, permitio verificar la eficacia del metodo al iden-tificar el tejido adiposo y discriminar de forma correcta lostejidos SAT y VAT. En particular, el alto promedio y la bajadesviacion obtenida en el grupo II, indica que el metodo esconfiable y aplicable a tareas de cuantificacion automaticadel tejido VAT, en cortes de escanografıa abdominal. Enel caso de cortes con importantes discontinuidades en laregion abdominal interior (Fig. 4), en donde otros metodosde contorno automatico podrıan obtener resultados erroneos, latecnica propuesta obtuvo buenos resultados en la clasificacion,sub-estimando de forma reducida el tejido VAT. Ası mismo,el metodo mostro tolerancia a otros problemas de la imagen,como los generados por el movimiento del paciente durante lacaptura, por ejemplo en la Fig. 6 en la zona inferior derecha enel contorno del cuerpo, cuyo efecto fue reducido. Debilidadesparticulares del metodo se presentan en regiones con unaseparacion inferior a dos pıxeles entre la piel y la regionabdominal, esto es, en presencia de una delimitacion muy finade tejido SAT. En estos casos, la segmentacion tiene problemaspara definir correctamente el contorno del cuerpo, generandodiscontinuidades (Fig. 3) y posibles resultados erroneos.

V. CONCLUSION Y TRABAJO FUTURO

Se desarrollo un metodo automatico y eficaz para la cuantifi-cacion de tejidos VAT y SAT en imagenes TAC, que demandamınima intervencion del usuario y solamente requiere delajuste fino inicial de los umbrales para la segmentacion deltejido adiposo.

En algunos casos particulares, el metodo presenta incon-venientes para identificar de forma correcta secciones de laregion exterior del cuerpo. Igualmente, tiende a sub-estimar deforma no significativa el tejido VAT. Lo anterior ocurre cuandose presentan discontinuidades importantes en el contorno inte-rior abdominal, por lo cual, la posibilidad de intervencion delusuario y un mecanismo para la deteccion de estos casos esdeseable.

Los resultados de la evaluacion cualitativa llevada a cabo porun radiologo experto, comprueban la viabilidad del enfoquepropuesto. En particular la tecnica del invariante anatomicolocal, representa una nueva aproximacion al problema de lasegmentacion del tejido adiposo en imagenes TAC, en la queresta aun terreno por explorar.

REFERENCIAS

[1] T. Yoshizumi, T. Nakamura, M. Yamane, A. Islam, M. Menju, K. Ya-masaki, T. Arai, K. Kotani, T. Funahashi, S. Yamashita et al., “Abdomi-nal fat: standardized technique for measurement at CT.” Radiology, vol.211, no. 1, p. 283, 1999.

[2] O. Leinhard, A. Johansson, J. Rydell, O. Smedby, F. Nystrom, P. Lund-berg, and M. Borga, “Quantitative abdominal fat estimation using MRI.”in Pattern Recognition, 2008. ICPR 2008. 19th International Conferenceon Pattern Recognition. IEEE, 2009, pp. 1–4.

[3] O. Leinhard, A. Johansson, J. Rydell, J. Kihlberg, O. Smedby,F. Nystrom, and M. Borga, “Quantification of abdominal fat accumula-tion during hyperalimentation using MRI,” Statistics, pp. 07–09, 2009.

[4] G. Rosito, J. Massaro, U. Hoffmann, F. Ruberg, A. Mahabadi, R. Vasan,C. O’Donnell, and C. Fox, “Pericardial fat, visceral abdominal fat,cardiovascular disease risk factors, and vascular calcification in acommunity-based sample: the Framingham Heart Study,” Circulation,vol. 117, no. 5, p. 605, 2008.

[5] H. Hua, “Multi-slice helical CT: Scan and reconstruction,” MedicalPhysics, vol. 26, no. 1, 1999.

[6] J. Senseney, P. Hemler, and M. McAuliffe, “Automated segmentation ofcomputed tomography images,” in Computer-Based Medical Systems,2009. CBMS 2009. 22nd IEEE International Symposium on Computer-Based Medical Systems. IEEE, 2009, pp. 1–7.

[7] A. Rockall, S. Sohaib, D. Evans, G. Kaltsas, A. Isidori, J. Monson,G. Besser, A. Grossman, and R. Reznek, “Computed tomographyassessment of fat distribution in male and female patients with Cushing’ssyndrome,” European Journal of Endocrinology, vol. 149, no. 6, p. 561,2003.

[8] D. Romero, J. C. Ramirez, and A. Marmol, “Quanification of subcuta-neous and visceral adipose tissue using ct,” in Proc. IEEE Int. WorkshopMedical Measurement and Applications MeMea 2006, 2006, pp. 128–133.

[9] B. Zhao, J. Colville, J. Kalaigian, S. Curran, L. Jiang, P. Kijewski,and L. Schwartz, “Automated quantification of body fat distributionon volumetric computed tomography,” Journal of computer assistedtomography, vol. 30, no. 5, p. 777, 2006.

[10] S. Ohshima, S. Yamamoto, T. Yamaji, M. Suzuki, M. Mutoh, M. Iwasaki,S. Sasazuki, K. Kotera, S. Tsugane, Y. Muramatsu et al., “Developmentof an automated 3D segmentation program for volume quantificationof body fat distribution using CT.” Nippon Hoshasen Gijutsu Gakkaizasshi, vol. 64, no. 9, pp. 1177–1181, 2008.