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

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

Cistanche ekstrakt on hea neerufunktsioonile

Marie E. Edwards1, Sigapriya Periyanan1, Deema Anaam2, Adriana V. Gregory1 ja Timothy L. Kline1,21 Nefroloogia ja hüpertensiooni osakond, Mayo Clinic, Rochester, Minnesota, USA; ja 2 Radioloogia osakond, Mayo Clinic, Rochester, Minnesota, USA

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 jälgimisel.neerudhaigus. 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 neid 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 mõõtmisi. 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 neerude segmenteerimist T2--kaalutud MRI-des.

Selles uuringus töötati välja täielikult automatiseeritud meetod kogusumma mõõtmiseksneerudmaht polütsüstilise mutantse hiiremudeli prekliiniliseks pildistamiseksneerudhaigus, samuti metsiktüüpi 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)1,2 ja seda kasutatakse ravi sekkumiste tõhususe kindlakstegemiseks.3 Teadusuuringud, kliinilised uuringud ja üha enam kliiniline nefroloogia kasutavad neid mõõtmisi haiguse progresseerumise jälgimiseks nii loommudelitel4 kui ka patsientidel5, hindavad ravide tõhusust,6 ja ennustada tulemusi.7

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.8 Arvukad uuringud, mis hõlmavad käsitsi, 4,9–12 poolautomaatset, 13,14 ja hiire registreerimispõhised automatiseeritud segmentimised15,16neerudon 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

Manuaalse neeru intra- ja interobserver varieeruvus

segmentatsioonid

Joonisel 1 on näidatud TKV Bland-Altmani analüüsi tulemused, mida mõõdeti käsitsi 2 lugejaga (interobserver dispersioon) ja kordusmõõtmised lugejaga 2 (sisevaatleja 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 $0.99.

Automatiseeritud segmenteerimisalgoritmi valideerimine

Automatiseeritud meetod võrreldes 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 automatiseeritud meetodiga, ilmnes keskmine protsentuaalne erinevus 5,2 protsenti ja 95 protsenti usaldusvahemik 5,8 protsenti. Kui lugejat 2 võrreldi 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 märkimisväärset eraldumist.

ARUTELU

AnalüüsneerudPKD maht on üks olulisemaid mõõdikuid, mida praegu kasutatakse haiguse seisundi iseloomustamiseks. Enne meie tööd ei olnud käsitsi jälgimisele alternatiivineerudPKD mudelsüsteemides. 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. Automaatsed segmentimised arvutatakse mõne minutiga (olenevalt arvutusvõimsusest), käsitsi segmentimiseks kulub aga 20–40 minutit. Erinevalt käsitsi või isegi poolautomaatsetest segmenteerimismeetoditest annab see automatiseeritud meetod iga kord samad tulemused, kui seda samale pildile rakendatakse.

Prekliinilised uuringud hõlmavad sageli nii kontrollrühma kui ka ravirühma(sid); Seetõttu peab automaatne meetod olema piisavalt tundlik, et tuvastada rühmadevahelised mahuerinevused.17 Jooniselt 2 on näha, et nii käsitsi kui ka automaatse segmenteerimise korral on metsiktüüpi ja mutantsete rühmades 9 nädala vanuses märkimisväärne eraldumine. 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 kogu neerumahu (TKV) regressioonanalüüs

mõõtmised (mõõdetuna milliliitrites) 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.

Joonis 2|Metsikut tüüpi ja mutantsete hiirte neerude kogumaht kanti aja jooksul (vanuses 3–12 nädalat) automatiseeritud (Auto) jaoks.

meetod (vasakul), lugeja 1 (keskel) ja lugeja 2 (paremal). Kõik kolm meetodit näitavad hiiretüübi olulist eraldumist 9 nädala vanuselt.

Vearibad näitavad SD-d. *P <>

neeruvaagna puhul võib varieeruvus väheneda, kui lugejatel kästakse see struktuur alati kaasata.

Selles uuringus esitatud automatiseeritud meetodit pole väliste piltide puhul veel rakendatud. Oluline on märkida, et signaali intensiivsus on erinevates kohtades, skannerites ja MRI-võtetel erinev. Tõenäoliselt võib sügavamate õppealgoritmide olemuse tõttu saavutada suurem koolitusandmete kogum, millel on erinevatest MRI-masinatest pärit mitmekesisemad juhtumid. Selliseid automatiseeritud algoritme tuleb MRI-signaalide varieerumise tõttu sageli väliste andmekogumite jaoks ümber õpetada. Seetõttu pakume pildiandmeid, märkusi ja lähtekoodi teadlaskonnale, et teised rühmad saaksid kasutada sama mudelit või välja töötada oma.

MEETODID

Koolituse/valideerimise andmed

Mudelit koolitati 100 juhtumi kohta ja valideeriti 50 juhtumi puhul. Need 150 juhtumit koosnesid erineva haiguse raskusastmega ja erinevas vanuses hiirtest. Testikomplekt on täielikult välja jäetud komplekt ja seda me selles artiklis hindasime.

Uuringu kohorti testimine

Selle uuringu vaatas läbi ja kiitis heaks Mayo kliiniku institutsionaalne loomade hooldamise ja kasutamise komitee. Kohort koosnes metsiktüüpi C57Bl6 129s6Svev/Tac (n ¼ 4; 2 emast/2 isast) ja C57Bl6 129s6Svev/Tac (n ¼ 4; 2 emast/2 isast) mutandist Pkd1RC /RC mudelhiired. Mutantsed hiired peegeldavad PKD1 avaldumist inimesel nii geneetiliselt kui ka fenotüüpiliselt.18 Üks mutantsetest hiirtest suri katse keskel ja asendati 9. nädalal teise samavanuse mutantse hiirega.

Piltide hankimine

Pildistamine viidi läbi spektromeetriga Avance DRX 700WB (Bruker BioSpin, Billerica, MA). Täielik katvusneerudsaadi aksiaalse TurboRARE T{{0}}kaalutud võttega, mis rekonstrueeriti tasapinnalise eraldusvõimega 0,1 mm ja lõigu paksusega 1- mm (maatriksi suurus, 256 256 Z, kusjuures Z valiti suureks piisavalt, et katta kogu ulatusneerud). Skannimise koguaeg oli 5 kuni 10 minutit. Testimisuuringu kohordis pildistati iga hiir 4-ajapunktidel (3, 6, 9 ja 12 nädala vanused). Iga hiire ajapunktid määrati üksteisest 2 päeva jooksul, et tagada ühtsed pildiparameetrid ja piirata keskkonnamuutusi.

Pildi analüüs

Huvipakkuvad piirkonnad jälgiti igal skannimisel pildindustarkvarapaketi abil (Analyze, versioon 12.0, Biomedical Imaging Resource, Mayo Clinic, Rochester, MN). Igal lugejal juhendati neeruvaagna väljajätmist, kui neeruvaagnat ei ümbritseneerudkapsel pildilõigus. Käsitsi segmenteerimine kestis olenevalt juhtumist 20 kuni 40 minutit. Telerite arvutamiseks liideti esmalt iga lõigu segmentatsioonis sisalduvate vokslite arv ja seejärel korrutati vokslite arv pildi päisest saadud vokslimahuga. Testimisandmete jaoks viidi läbi 2 topeltpimedat lugejat (1 ja 2), mõlemal on kogemusi käsitsi MRI segmenteerimisel.neerudsegmentations on all scans. For intrareader analysis, reader 2 repeated the measurements at 2-time points (>3-kuuline vahe).

Automatiseeritud meetod

Närvivõrgu mudel kohandati meie eelmisele mudelile TKV mõõtmiseks kliiniliste skaneeringute koronaalsete T2-kaalutud magnetresonantspiltide põhjal.19 Lähtekood, pildid ja annotatsioonid on avalikult kättesaadavad aadressil: https:// github.com/ TLKline/AutoTKV_MouseMRI.

Statistiline analüüs

Statistilises analüüsis kasutati aksiaalseid T2-kaalutud magnetresonantspilte, mis saadi hiire kohta (n ¼ 8) igal ajahetkel (3, 6, 9 ja 12 nädalat). Kokku 32 pilti võimaldasid võrrelda erinevaid pilte laias vanusevahemikus ja fenotüüpide erinevustes. Täielikult automatiseeritud meetodi valideerimiseks kasutati võrdlusstatistikat, et hinnata iga meetodi võimet eraldada metsiktüüpi ja mutantseid rühmi. See saavutati TKV graafiku alusel ajapunkti järgi ja eraldades hiire tüübi järgi. Iga meetodi TKV mõõtmisi ja kasvukiirusi hinnati ka Bland-Altmani ja lineaarse regressiooni graafikute abil.

AVALIKUSTAMINE

Kõik autorid ei deklareerinud konkureerivaid huve.

TUNNUSTUS

Seda tööd toetasid Mayo kliinik Robert M. ja Billie Kelley Pirnie Translational PolycysticNeerHaiguste keskus ja Riiklik Diabeedi- ja Seedetrakti Instituut jaNeerHaigused (toetuse numbrid P30DK090728 ja K01DK110136). Autorid tänavad Lynnae M. Henryt haldusabi eest selle käsikirja ettevalmistamisel ja vormindamisel.

VIITED

1. Grantham JJ, Torres VE, Chapman AB jt. Volüümi progresseerumine polütsüstilise neeruhaiguse korral.N Engl Med.2006;354:2122-2130.

2. Torres VE, Chapman AB, Devuyst O jt.Tolvaptaan autosomaalse domineeriva polütsüstilise neeruhaigusega patsientidel.N Engl J Med.2012;367:2407-2418.

3. Caroli A, Perico N, Perna A jt. Pikatoimelise somatostatiini analoogi mõju neerude ja tsüstide kasvule autosomaalse domineeriva polütsüstilise neeruhaiguse korral (ALADIN): randomiseeritud platseebokontrollitud mitmekeskuseline uuring. Lancet.2013;382:1485-1495.

4. Wallace DP, Hou YP, Huang ZL jt. Neeru mahu jälgimine hiirtel 14. Almajdub M, Magnier L, Juillard L et al.Neermahu kvantifitseerimine polütsüstilise neeruhaigusega magnetresonantstomograafia abil. Kidney Int.2008;73:778-781.

5. Grantham J, Torres VE. Neeru kogumahu tähtsus polütsüstilise neeruhaiguse progresseerumise hindamisel. Nat Rev Nephrol. 2016;12:667-677.

6. Higashihara E, Torres VE, Chapman AB jt. Tolvaptaan autosomaalselt 16. Gleason SS, Sari-Sarraf H, Abidi MA jt. Uus deformeeritav domineeriv polütsüstiline neeruhaigus: kolmeaastane kogemus. Cin J Am Soc Nephrol. 20116:2499-2507.

7. Irazabal MV, Rangel L, Berastralh EJ jt, Autosomaalse domineeriva polütsüstilise neeruhaiguse kujutise klassifikatsioon: lihtne mudel patsientide valimiseks kliinilisteks uuringuteks. JAm Soc Nephrol.2015;26:160-172.

8. Olazabal MV, Mishra PK, Torres VE jt. Ultra-kõrgevälja MRI kasutamine polütsüstiliste väikeste näriliste mudelitesneerudhaigus Vivo fenotüüpimiseks ja ravimite jälgimiseks. J Vis Exp.2015;100:e52757.

9. Erokwu BO, Anderson CE, Flask CA, et al. Autosomaalse retsessiivse polütsüstilise neeruhaiguse progresseerumise ja ravivastuse kvantitatiivne magnetresonantstomograafia loommudelil. Pediatr Res.2018;83:1067-1074.

10. Doktor RB, Serkova NU, Hasebroock KM jt. Neerude ja maksa tsüstide kasvu erinevad mustrid pkd2 (WS25 / -) hiirtel. Nephrol Dial siirdamine. 2010;25:3496-3504.

11. Franke M, Baessler B, VectelJ jt. Magnetresonantsi T2 kaardistamine ja difusiooniga kaalutud pildistamine tsüstogeneesi ja ravivastuse varaseks avastamiseks polütsüstilise neeruhaiguse hiiremudelis. Kidney Int. 2017:92:1544-1554.

12. Zhou X, Bao H, Takakura A jt. Polütsüstilise neeruhaiguse hindamine magnetresonantstomograafia abil isheemia-reperfusiooniga vigastatud PKD1 knockout hiiremudelis: T2-kaalutud FSE ja tõelise FISP võrdlus. Invest Radiol.2010;45:24-28.

13. Fei B, Flask C, Wang H jt. Kujutiste segmenteerimine, registreerimine ja visualiseerimine järjestikuste MR-piltide jaoks polütsüstiliste haiguste terapeutiliseks hindamiseksneerudhaigus transgeensetel hiirtel. Conf Proc IEEE Eng Med Biol Soc. 2005;1:467-469.

14. Almadub M, Maanier L, Juillard L jt,Neermahu kvantifitseerimine, kasutades hiirtel kontrastainega in vivo röntgen-mikro-CT-d. Contrast Media Mol Imaging.2008;3:1 20-126.

15. Hadjidemetriou S, Reichardt W, Hennig J jt. MRI andmete mahuline analüüs polütsüstiliste haiguste ravi jälgimiselneerudhaigus hiiremudelil. MAGMA.2011;24:109-119.mudel röntgen-CT-piltide analüüsimiseks polütsüstilise neeruhaiguse prekliinilistes uuringutes hiirtel.IEEE Trans Med Imaging. 2002;21:1302-1309.

16. Gleason SS, Sari-Sarraf H, Abidi MA jt. Uus deformeeritav mudel röntgen-CT-piltide analüüsimiseks polütsüstilise neeruhaiguse hiirte prekliinilistes uuringutes. IEEE Trans Med Imaging.2002;21:1302-1309.

17. Reichardt W, Romaker D, Becker A jt. Neerude ja neerutsüstide mahtude jälgimine, rakendades MR-lähenemist rapamütsiiniga töödeldud ADPKD hiiremudelil. MAGMA.2009;22:143-149.

18. Hopp K, Ward C, Hommerding C et al. Funktsionaalne polütsüstiini-1 annus reguleerib autosomaalset domineerivat polütsüstiitineerudhaiguse raskusaste. J Cin Invest. 2012:122:4257-4273.

19. Kine TLKorfatis P, Edwards ME jt, Tehisliku mitme vaatlejaga sügava närvivõrgu jõudlus polütsüstiliste haiguste täielikult automatiseeritud segmenteerimiseksneerud.JDigit Imaging.2017;30:442-448.