Automatizované merania celkového objemu obličiek v predklinickom zobrazovaní magnetickou rezonanciou na získanie zdrojov zobrazovacích údajov, anotácií a zdrojového kódu

Kontakt:joanna.jia@wecistanche.com/ WhatsApp: 008618081934791

Marie E.Edwards, Sigapriya Periyanan, Deema Anaam², Adriana V. Gregory a Timothy L. Kline 'Division of Nefrology and Hypertension, Mayo Clinic, Rochester, Minnesota, USA; a 2. Rádiologické oddelenie, Mayo Clinic, Rochester, Minnesota, USA

Cistanchetubulosazabraňujeobličkychoroba, kliknite sem a získajte vzorku

Cieľom tejto štúdie bolo overiť plne automatizovaný súčetobličkymetóda merania objemu pre predklinické pokusy na hlodavcoch, ktorá je rýchla, presná, reprodukovateľná a poskytuje tieto zdroje výskumnej komunite. Štúdie na hlodavcoch, ktoré zahŕňajú zobrazovanie, sú rozhodujúce pre monitorovanie účinnosti liečby pri chorobách, ako sú polycystické ochoreniaobličkychoroba. Predchádzajúce štúdie využívajú manuálnu alebo poloautomatickú segmentáciu, ktorá je časovo náročná a potenciálne neobjektívna. Na vývoj nášho automatizovaného systému bolo manuálne segmentovaných celkom 150 obrazov axiálnej magnetickej rezonancie (MRI) z rôznych modelov myší a použitých na trénovanie/validáciu automatizovaného algoritmu. Na testovanie pozdĺžnej aplikácie modelu boli štyri mutantné a štyri myši divokého typu zobrazené postupne počas troch až dvanástich týždňov pomocou MRI. Segmentácie obličiek (okrem obličkovej panvičky) boli generované automatizovanou metódou a dvoma rôznymi čítačkami, pričom jedna čítačka opakovala

merania. Metriky podobnosti a longitudinálna analýza boli vypočítané na posúdenie výkonnosti automatizovaných v porovnaní s manuálnymi metódami. Automatizovaný prístup si okrem posledného kroku vizuálnej kontroly kvality nevyžadoval žiadny vstup používateľa. Metriky podobnosti automatizovanej metódy v porovnaní s manuálnou segmentáciou boli na rovnakej úrovni ako porovnávania medzi čitateľmi a medzi čitateľmi. Náš plne automatizovaný prístup opísaný v tomto dokumente možno teda bezpečne použiť v pozdĺžnych predklinických štúdiách, ktoré zahŕňajú segmentáciu hlodavcovobličkyv T2-vážených MRI.

Prekladové vyhlásenie

Táto štúdia vyvinula plne automatizovanú metódu merania súčtuobličkyobjem na predklinické zobrazovanie v modeli mutantnej myši polycystickýchochorenie obličiekako aj myši divokého typu. Táto štúdia tiež stanovila variabilitu medzi čítačkami aj medzi čítačkami pri meraní celkového objemu obličiek na predklinické zobrazovanie. Podobné štúdie a algoritmické prístupy možno použiť na stanovenie metód pre klinické zobrazovacie údaje a sú potrebné na presnú prognózu ochorenia a klinické rozhodovanie. Zobrazovacie údaje, anotácie a zdrojový kód poskytujeme výskumnej komunite.

Ukázalo sa, že meranie objemu orgánu koreluje s klinickými prejavmi a morbiditou chorôb, ako je naprobličkyobjemu (TKV) u autozomálne dominantných polycystobličkyochorenia (PKD)l,2 a používa sa na zisťovanie účinnosti liečebných zásahov. Výskum, klinické štúdie a čoraz viac klinická nefrológia využívajú tieto merania na monitorovanie progresie ochorenia na zvieracích modeloch aj na pacientoch, na vyhodnotenie účinnosti terapií a predpovedanie výsledkov.

V súčasnosti prebiehajú predklinické štúdie bezprecedentnou rýchlosťou s cieľom hľadať nové spôsoby liečby na spomalenie progresie PKD. Kľúčovou výhodou zobrazovania pomocou magnetickej rezonancie (MRI) na zvieracích modeloch PKD je schopnosť používať in vivo zobrazovanie, ktoré umožňuje pozdĺžne objemové štúdie, ktoré používajú rovnaké zviera. Početné štúdie, ktoré zahŕňajú 2poloautomatickú,3,14a registráciu založenú manuálnu,9-12 automatizovanú segmentáciu56 myšíobličkyboli vykonané predtým.

Mnohé z metód, ktoré sa považujú za automatizované, stále vyžadujú vstup používateľa. Väčšina týchto predklinických štúdií používa manuálne segmentácie, ktoré sú časovo náročné a nákladné a zároveň zavádzajú zaujatosť pozorovateľa. Preto naše laboratórium vyhodnotilo variabilitu v meraní TKV a vyvinulo automatizovaný analytický program na meranie TKV v magnetických rezonančných skenoch myších modelov choroby.

VÝSLEDKY

Variabilita manuálnych segmentácií obličiek medzi pozorovateľmi a medzi pozorovateľmi

Obrázok 1 ukazuje výsledky Bland-Altmanovej analýzy TKV, ako boli merané manuálne 2 snímačmi (interobserver variance) a opakované merania snímačom 2 (intraobserver variance). Pri porovnaní čitateľa 1 s čitateľom 2 bol priemerný percentuálny rozdiel 7,7 percenta a 95 percentný interval spoľahlivosti ± 4,5 percenta. Keď čitateľ 2 vykonal opakované merania toho istého obrázku, bol priemerný percentuálny rozdiel -0,5 percenta a 95 percentný interval spoľahlivosti ±3,9 percenta. Regresná analýza ukázala, že medzi všetkými metódami existuje vysoká zhoda v TKV s hodnotou R² väčšou alebo rovnou 0,99.

Validácia algoritmu automatickej segmentácie Automatizovaná metóda porovnávaná s každým čítačom vo vzťahu k percentuálnemu rozdielu TKV bola podobná ako v prípade rozptylu medzi pozorovateľmi a medzi pozorovateľmi, ako naznačujú Bland-Altmanove grafy na obrázku 1. Keď sa čítačka 1 porovnávala s pri automatizovanej metóde bol priemerný percentuálny rozdiel 5,2 percenta a 95 percentný interval spoľahlivosti ± 5,8 percenta. Pri porovnaní čitateľa 2 s automatizovanou metódou bol priemerný percentuálny rozdiel -2,5 percenta a 95-percentný interval spoľahlivosti ±6,5 percenta.

Rozdiel medzi divokým typom a mutantnými myšami

Priemer a SD TKV boli vynesené do grafu v každom časovom bode pre každú metódu a oddelené podľa genotypu (mutant vs. divoký typ). Ako je vidieť na obrázku 2, priemerná TKV je vždy menšia u myší divokého typu v každom časovom bode ako u mutantných myší. Všetky 3 metódy (automatické, čítačka 1 a čítačka 2) demonštrujú významné oddelenie typu myši vo veku 9 a 12 týždňov.

DISKUSIA

Analýza objemu obličiek pri PKD je jednou z najdôležitejších metrík, ktoré sa v súčasnosti používajú na charakterizáciu stavu ochorenia. Pred našou prácou neexistovala alternatíva k manuálnemu sledovaniu obličiek v modelových systémoch PKD. Z dôvodu času potrebného na sledovanie týchto štruktúr, ako aj času potrebného na zaškolenie osoby na vykonávanie týchto meraní a potenciálu variability medzi operátormi sme v tejto štúdii vyvinuli a overili plne automatizovanú metódu segmentácie pre TKV. Automatizované segmentácie sú vypočítané v priebehu niekoľkých minút (v závislosti od výpočtového výkonu), zatiaľ čo manuálne segmentácie trvajú 20 až 40 minút. Na rozdiel od manuálnych alebo dokonca poloautomatických metód segmentácie táto automatizovaná metóda prinesie rovnaké presné výsledky zakaždým, keď sa použije na rovnaký obrázok.

Predklinické štúdie často zahŕňajú kontrolnú skupinu aj liečebnú skupinu (skupiny); preto je nevyhnutné, aby automatizovaná metóda bola dostatočne citlivá na to, aby primerane detekovala objemové rozdiely medzi skupinami.7 Obrázok 2 ukazuje, že manuálna segmentácia aj automatizovaná segmentácia vykazujú významné oddelenie v skupinách divokého typu a mutantných skupín vo veku 9 týždňov. . Hoci celková zhoda bola vynikajúca, vizuálne porovnania naznačovali menšiu nezhodu o tom, či zahrnúť alebo vylúčiť obličkovú panvu v malej podskupine rezov. Hoci je bežnou praxou vylúčiť

Obrázok 1|Bland-Altman a regresná analýza (a,e) interobservera a (b,f) intraobserver celkového objemu obličiek (TKV)

merania (merané v milimetroch) navyše k automatizovanej (Auto) metóde v porovnaní s (c,g) čítačkou 1 a (d,h) čítačkou 2. Bland-Altmanove grafy ukazujú priemerný rozdiel (plná čiara) a 95-percentný interval spoľahlivosti (bodkované čiary). Regresná analýza ukazuje koreláciu medzi porovnávanými metódami.