Neerude kogumahu automaatsed mõõtmised prekliinilises magnetresonantstomograafias pildiandmete, annotatsioonide ja lähtekoodi hankimiseks

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

Marie E.Edwards, Sigapriya Periyanan, Deema Anaam², Adriana V. Gregory ja Timothy L. Kline „Nefroloogia ja hüpertensiooni osakond, Mayo Clinic, Rochester, Minnesota, USA; ja 2 Radioloogia osakond, Mayo Clinic, Rochester, Minnesota, USA

Cistanchetubulosatakistabneerudhaigus, näidise vaatamiseks klõpsake siin

Selle uuringu eesmärk oli valideerida täielikult automatiseeritud kogusummaneerudprekliiniliste näriliste katsete mahu mõõtmise meetod, mis on kiire, täpne ja reprodutseeritav, ning pakkuda neid ressursse teadlaskonnale. Näriliste uuringud, mis hõlmavad pildistamist, on otsustava tähtsusega selliste haiguste nagu polütsüstiliste haiguste ravi efektiivsuse jälgimiseksneerudhaigus. Varasemad uuringud kasutavad käsitsi või poolautomaatset segmenteerimist, mis on aeganõudev ja potentsiaalselt kallutatud. Meie automatiseeritud süsteemi arendamiseks segmenteeriti käsitsi kokku 150 aksiaalset magnetresonantspilti (MRI) erinevatest hiiremudelitest ja kasutati automatiseeritud algoritmi treenimiseks/valideerimiseks. Mudeli pikisuunalise rakendamise testimiseks pildistati MRI abil järjestikku nelja mutantset ja nelja metsiktüüpi hiirt kolme kuni kaheteistkümne nädala jooksul. Neerude (välja arvatud neeruvaagna) segmendid genereeriti automatiseeritud meetodil ja kahe erineva lugejaga, kusjuures üks lugeja kordas

mõõdud. Arvutati sarnasusmõõdikud ja pikisuunaline analüüs, et hinnata automatiseeritud seadmete jõudlust võrreldes manuaalsete meetoditega. Automaatne lähenemine ei nõudnud kasutajapoolset sisendit, peale viimase visuaalse kvaliteedikontrolli etapi. Automatiseeritud meetodi ja käsitsi segmenteerimise sarnasusmõõdikud olid võrdsed lugejatevaheliste ja -siseste võrdlustega. Seega saab meie siin kirjeldatud täielikult automatiseeritud lähenemisviisi ohutult kasutada pikisuunalistes prekliinilistes uuringutes, mis hõlmavad näriliste segmenteerimist.neerudT2-kaalutud MRI-des.

Tõlkeavaldus

Selles uuringus töötati välja täielikult automatiseeritud meetod kogusumma mõõtmiseksneerudmaht polütsüstilise mutantse hiiremudeli prekliiniliseks pildistamiseksneeruhaigussamuti metsikut tüüpi hiired. See uuring tuvastas ka nii lugejatevahelise kui ka lugejasisese varieeruvuse neerude kogumahu mõõtmisel prekliinilise pildistamise jaoks. Sarnaseid uuringuid ja algoritmilisi lähenemisviise saab kasutada kliiniliste pildiandmete meetodite loomiseks ning need on vajalikud haiguse täpseks prognoosimiseks ja kliiniliste otsuste tegemiseks. Pakume teadlaskonnale pildiandmeid, märkusi ja lähtekoodi.

On näidatud, et elundi mahu mõõtmine on korrelatsioonis selliste haiguste kliiniliste ilmingute ja haigestumusega nagu koguneerudmaht (TKV) autosomaalse domineeriva polütsüstilise korralneerudhaigus (PKD)l,2 ja seda kasutatakse ravi sekkumiste tõhususe kindlakstegemiseks. Teadusuuringud, kliinilised uuringud ja üha enam kliiniline nefroloogia kasutavad neid mõõtmisi, et jälgida haiguse progresseerumist nii loommudelitel kui ka patsientidel, hinnata ravide tõhusust ja ennustada tulemusi.

Praegu tehakse enneolematu kiirusega prekliinilisi uuringuid, et otsida uusi ravimeetodeid PKD progresseerumise aeglustamiseks. Magnetresonantstomograafia (MRI) peamine eelis PKD loommudelites on võime kasutada in vivo kujutist, mis võimaldab teha sama loomaga pikisuunalisi mahuuuringuid. Arvukad uuringud, mis hõlmavad hiire 2poolautomaatset,3,14ja registreerimispõhist käsitsi,9-12 automaatset segmenteerimist56neerudon varem teostatud.

Paljud automatiseeritud meetodid nõuavad endiselt kasutajapoolset sisestust. Enamik neist prekliinilistest uuringutest kasutab käsitsi segmenteerimist, mis on aeganõudev ja kulukas ning toob kaasa vaatleja eelarvamusi. Seetõttu on meie labor hinnanud TKV mõõtmise varieeruvust ja välja töötanud automaatse analüüsiprogrammi TKV mõõtmiseks haiguse hiiremudelite magnetresonantsskaneerimisel.

TULEMUSED

Manuaalsete neerusegmentatsioonide sise- ja vaatlejatevaheline varieeruvus

Joonisel 1 on näidatud TKV Bland-Altmani analüüsi tulemused, mida mõõdeti käsitsi 2 lugejaga (vaatlejatevaheline dispersioon) ja kordusmõõtmised lugejaga 2 (vaatlejasisene dispersioon). Kui võrreldi lugejat 1 lugejaga 2, oli keskmine protsentuaalne erinevus 7,7 protsenti ja 95-protsendiline usaldusvahemik ±4,5 protsenti. Kui lugeja 2 tegi sama kujutise korduvaid mõõtmisi, oli keskmine protsentuaalne erinevus -0,5 protsenti ja 95-protsendiline usaldusvahemik ±3,9 protsenti. Regressioonanalüüs näitas, et TKV-s on kõigi meetodite vahel suur kokkulepe, mille R² väärtus on suurem kui 0,99 või sellega võrdne.

Automatiseeritud segmenteerimisalgoritmi valideerimine Automaatne meetod, mida võrreldi iga lugejaga TKV protsentuaalse erinevuse suhtes, oli sarnane vaatlejatevahelise ja -sisese dispersiooni omaga, nagu on soovitatud Bland-Altmani graafikutel joonisel 1. Kui lugejat 1 võrreldi automaatmeetodi puhul oli keskmine protsentuaalne erinevus 5,2 protsenti ja 95-protsendiline usaldusvahemik ±5,8 protsenti. Lugeja 2 võrdlemisel automatiseeritud meetodiga oli keskmine protsentuaalne erinevus -2,5 protsenti ja 95-protsendiline usaldusvahemik ±6,5 protsenti.

Erinevus metsikut tüüpi ja mutantsete hiirte vahel

Keskmine ja SD TKV-d kanti graafikule iga meetodi igal ajahetkel ja eraldati genotüübi järgi (mutant vs metsiktüüp). Nagu on näha jooniselt 2, on keskmine TKV metsiktüüpi hiirtel igal ajahetkel alati väiksem kui mutantsete hiirte puhul. Kõik kolm meetodit (automaatne, lugeja 1 ja lugeja 2) näitavad 9 ja 12 nädala vanuses hiiretüübi olulist eraldumist.

ARUTELU

Neeru mahu analüüs PKD-s on üks olulisemaid mõõdikuid, mida praegu kasutatakse haiguse seisundi iseloomustamiseks. Enne meie tööd ei olnud PKD mudelsüsteemides neerude käsitsi jälgimiseks alternatiivi. Kuna nende struktuuride jälgimiseks kulub aega, samuti aega, mis kulub inimese koolitamiseks nende mõõtmiste tegemiseks, ja operaatoritevahelise varieeruvuse potentsiaali tõttu, töötasime selles uuringus välja ja valideerisime TKV jaoks täielikult automatiseeritud segmenteerimismeetodi. Automatiseeritud segmenteerimine arvutatakse mõne minutiga (olenevalt arvutusvõimsusest), samas kui käsitsi segmentimiseks kulub 20–40 minutit. Erinevalt käsitsi või isegi poolautomaatsetest segmenteerimismeetoditest annab see automatiseeritud meetod iga kord samad täpsed tulemused, kui seda samale pildile rakendatakse.

Prekliinilised uuringud hõlmavad sageli nii kontrollrühma kui ka ravirühma(sid); seetõttu on oluline, et automaatne meetod oleks piisavalt tundlik, et tuvastada rühmadevahelised mahuerinevused.7 Jooniselt 2 on näha, et nii käsitsi segmenteerimine kui ka automaatne segmenteerimine näitavad metsikut tüüpi ja mutantsete rühmade olulist eraldumist 9 nädala vanuselt. . Kuigi üldine kokkulepe oli suurepärane, näitasid visuaalsed võrdlused väikeseid lahkarvamusi selle kohta, kas lisada või välja jätta neeruvaagna väikesesse alamhulka. Kuigi on levinud tava, et

Joonis 1|Bland-Altmani ja (a,e) interobserveri ja (b,f) intraobserveri neeru kogumahu (TKV) regressioonanalüüs

mõõtmised (mõõdetuna millimeetrites) lisaks automaatsele (Auto) meetodile võrreldes (c,g) lugejaga 1 ja (d,h) lugejaga 2. Bland-Altmani graafikud näitavad keskmist erinevust (pidev joon) ja 95-protsendilist usaldusvahemikku (punktiirjooned). Regressioonanalüüs näitab korrelatsiooni võrreldavate meetodite vahel.