Neerufunktsiooni hindamise raamistik magnetresonantstomograafia abil

Abstraktne eesmärk: Nefroloogidon empiiriliselt ennustanudneerufunktsioonalatesneerude morfoloogia. Teadmata käiguga neerufunktsiooni häire diagnoosimisel diagnoositakse vereanalüüside ja magnetresonantstomograafia (MRI) uuringuga äge neerukahjustus ja krooniline neeruhaigus ning määratakse kindlaks uurimis-/ravipoliitika. Pakutakse välja raamistik neerufunktsiooni hindamiseks Dixoni meetodi abil saadud veepiltide põhjal, et anda teavet, mis aitab arstidel täpselt hinnata diagnoosi.neerufunktsioonpõhineb neerude MRI-l.

25% EHHINAKOSIIDI JA 9% AKTEOSIIDI NEERUTUNGIMISEKS LOODUSLIKU ORGAANILISE TASTANHEKSTRAKTI SAAMISEKS KLIKI SIIA

Lähenemisviis:Kavandatav raamistik koosneb neljast etapist. Esiteks ekstraheeritakse neerupiirkond MRI abil Dixoni meetodil U-võrguga sügava õppimise teel. Teiseks registreeritakse ekstraheeritud neerupiirkond sihtmaskiga. Kolmandaks arvutatakse neerufunktsioonid spetsialisti loodud sihtmaski klassifitseerimise teabe põhjal. Neljandaks, hinnangulineglomerulaarfiltratsiooni kiirus(eGFR), mis esindabneerufunktsioonon hinnatud regressiooni tugivektori masina abil arvutatud tunnuste põhjal.

Tulemused:Täpsuse hindamiseks katsetasime, et hinnataeGFRmillal tehti MRI jaeGFRkalle, mis on eGFR-i aastane langusmäär. Kui täpsust hinnati 165 katsealuse puhul, oli eGFR hinnanguliselt ruutkeskmine viga (RMSE) 11,99 ja korrelatsioonikordaja 0,83. Veelgi enam, eGFR-i kalde RMSE oli hinnanguliselt 4,8 ja korrelatsioonikordaja 0,5.

Järeldused:Seetõttu näitab pakutud meetod võimalust hinnata neerufunktsiooni prognoosi Dixoni meetodil saadud veepiltide põhjal.

Märksõnad:kvantitatiivselt hinnatudglomerulaarfiltratsiooni kiirus; magnetresonantstomograafia;neerud.

1. Sissejuhatus

Krooniline neeruhaigus(CKD) on defineeritud kui hinnangulise püsiva vähenemisenaglomerulaarfiltratsiooni kiirus(eGFR) kuni<60 mL∕ min per 1.73 m2, the presence of abnormalities suggestive of renal injuries, such as proteinuria, or both.1,2 When CKD progresses, renal replacement therapy is required. Moreover, CKD is also important as an underlying condition related toarterioskleroosjaimmuunpuudulikkus, niiCKDvõib näha olevat seotud mitme peamise surmapõhjusega.1,2 CKDon ülemaailmne meditsiiniline probleem, mis mõjutab 8–16% kogu maailma elanikkonnast.3 Kuna kroonilise neeruhaiguse põhjused on väga erinevad, puudub spetsiifiline terapeutiline sekkumine ning haigus tuleb varakult avastada ja selle riskifaktoreid kontrollida. neerukahjustus.

Kui nefroloog ravib patsientineerufunktsiooni häireteadmata kliinilise kuluga viitab nefroloog sageli lisaks laboratoorsetele andmetele ja haigusloole ka neerude kuvamise leidudele. Selleks on kasulikud neerude ultraheliuuring, kõhuõõne röntgeni kompuutertomograafia ja neerude magnetresonantstomograafia (MRI). Nefroloog ennustab morfoloogiaga soovitatud potentsiaalset neerufunktsiooni ja kajastab seda potentsiaali raviplaanis. MRT-l on eriti hea lahutusvõime pehmete kudede kontrastsuse osas ning sobivate pildistamismeetodite abil on võimalik saada üksikasjalikku teavet neeru sisestruktuuri, näiteks kortikomedullaarse piiri kohta.4 Lisaks saab MRT-ga ka anda andmeid neeru füsioloogiliste aspektide kohta. Vere hapnikuga varustamise T2* väärtustasemest sõltuv(BOLD) meetod on isheemia/hüpoksia indeks, mis võib viia kroonilise neeruhaiguse progresseerumiseni ja on olulises korrelatsioonis kroonilise neeruhaiguse halvenemise kiirusega.5,6 Difusiooniga kaalutud kujutise näiva difusioonikoefitsiendi väärtus on indeks seotud neerufibroosiga ja on olulises korrelatsioonis neerubiopsia patoloogiliste leidudega.7 Nagu ülalpool kirjeldatud, on MRI suhtes kõrged ootused kui mitteinvasiivse ja mitmetahulise neeru hindamismeetodiga, kuid MRI-l on üks puudus – igakülgseks kvantifitseerimiseks ei ole meetodit saadaval. piltidest.

Traditsiooniliselt on meditsiinilisi pilte mõõdetud huvipakkuva piirkonna (ROI) meetodil. ROI meetodi puhul valitakse ristkülikukujuline või ringikujuline ala ja selle piirkonna signaali intensiivsuse keskmist väärtust kasutatakse representatiivse väärtusena. Selle meetodi probleemide hulka kuulub võimalus, et vaatleja meelevaldsed otsused võivad põhjustada asukohateabe kaasamise raskusi ja asjaolu, et mõõta saab ainult osa pildist. Pruijm et al.5 pakkusid välja 12-kihi kontsentriliste objektide (TLCO) meetodi neerupiirkonna analüüsimiseks, jagades selle piirkonna 12 kihiks. TLCO meetod on meetod neerupiirkonna sise- ja välisosa määramiseks ning kogu piirkonna analüüsimiseks 12 kihi põhjal. Neeru välis (korteks) ja sisemine (medullaarne) piirkond on erineva struktuuri ja funktsiooniga ning TLCO meetod arvestab neeru omapärast ehitust. Lisaks on teatatud, et TLCO meetod on stabiilsem kui ROI meetod, kuna kogu neerupiirkond kihistatakse ja analüüsitakse lihtsalt välise ja sisemise piirkonna täpsustamise teel.8 Siiski võivad kliiniliselt saadud kujutised olla atroofeerunud või deformeerunud, kui neer on kahjustatud ja võib esineda individuaalseid erinevusi või sisaldada tsüste. Seetõttu ei ole alati võimalik neerusid ühtlaselt mitmeks kihiks jagada, mille tulemuseks on ebastabiilsed leiud. Seetõttu on soov täisautomaatse ja stabiilse neeruanalüüsi meetodi järele.

Neerukujutiste kõikehõlmava kvantifitseerimismeetodina pakkusid Kuo jt 9 välja meetodi eGFR-i hindamiseks uurimise ajal, kasutades sügavat õppimist ja ultrahelipilte. Seevastuarvutipõhine diagnostikaTeatatud on neerude MRI (CAD) uuringutest ja siirdatud neerude uuringutest. Khalifa jt 10 pakkusid välja raamistiku, mis hindab siirdatud neerude äratõukereaktsiooni, kasutades aegridade dünaamilise kontrastiga magnetresonantstomograafia (DCE-MRI) meetodit. Selle meetodi puhul joondatakse aegridade DCE-MRI abil saadud kujutised ja neerupiirkond ekstraheeritakse tasememääratud meetodil. Seejärel korrigeeritakse joondust ning ajukoor arvutatakse ja analüüsitakse ekstraheeritud neerupiirkonna heleduse põhjal. Shehata jt 11 pakkusid välja meetodi siirdatud neerude äratõukereaktsiooni hindamiseks sügava õppimise abil. DCE-MRI meetod nõuab kontrastainet ja seda ei saa kasutadakroonilise neeruhaiguse juhtumid. Lisaks on kahjustatud neerude heleduse põhjal raske ajukoort eraldada.

Selles uuringus püüdsime lahendada ülaltoodud probleeme ja töötada välja tervikliku hindamismeetodi neerude MRI jaoks, mida saab rakendada kliinilise testina. Kasutades ära neerumorfoloogia ja neerufunktsiooni tihedat seost, kasutati sihtmärgi hindamiseks Dixoni meetodis neeru sisestruktuuri hindamiseks kasutatud veepilte ning õigeks märgistuseks oli eGFR, mis on neerude indeks. funktsiooni. Dixoni tehnikad põhinevad rasva ja vee vahelisel resonantssageduse erinevusel ning seetõttu saadakse ainult rasvast, ainult veest, faasist ja faasist väljas kujutised.12 Neerus, kus on veerikas. elundi parenhüümi ümbritseb rasv, Dixoni või sarnase rasvaga allasurutud kujutised eristavad selgelt neeruparenhüümi ümbritsevast struktuurist. Pakume välja meetodi neerupiirkonna eraldamiseks magnetresonantspiltidest U-võrguga, ekstraheeritud neerupiirkonna muundamiseks sihtmaski mittejäigaks kehaks ja seejärel selle piirkonna analüüsimiseksTLCOsihtmaskist.

Joonis 1. Kavandatav CAD-süsteem glomerulaarfiltratsiooni kiiruse tõusu hindamiseks MRI põhjal, kasutades Dixoni meetodit.

2 Materjalid ja meetodid

Kavandatav automatiseeritud raamistik on näidatud joonisel 1. Kavandatav raamistik kasutab Dixoni meetodi MRI töötlemiseks järgmist nelja sammu:

1. Neerupiirkonna segmenteerimine ümbritsevatest kõhu struktuuridest U-võrgu abil.

2. Müra eemaldamine kolmemõõtmelise (3D) märgistamise abil. 3. Neerupiirkonna ja sihtmaski mittejäik registreerimine. 4. TLCO arvutamine. 5. Neerufunktsiooni (eGFR) hindamine regressiooni tugivektori masina (SVM) abil.

Käesolevas artiklis on pakutud meetod automaatne TLCO (A-TLCO) meetod, mis kompenseerib varem teatatud TLCO meetodi nõrkused ja automatiseerib mõõtmisprotsessi. Meetodi üksikasju kirjeldatakse allpool, et eristada pakutud meetodit tavapärasest käsitsi TLCO meetodist.

2.1 Neerude piirkond

Segmenteeritakse ümbritsevatest kõhustruktuuridest U-võrguga. Selles uuringus kasutatud Dixoni meetodi veepiltidel on selge neerupiirkond. Lisaks kirjeldatakse selles jaotises neerupiirkonna jämedat ekstraheerimist. Seetõttu oleme otsustanud kasutada U-võrku, mis annab teadaolevalt häid tulemusi meditsiiniliste piltide alade ekstraheerimiseks.13 Kasutati Dixoni veepiltide koronaalseid lõike. Objekti kohta on kolm kuni kuus viilutatud pilti ja pildi suurus on 320 × 320. Kasutasime 1201 pilti 174 juhtumist. Kõik pildid lõi spetsialist neerude segmentatsioonipildina. Joonisel 2 on kujutatud neerupiirkonna ekstraheerimiseks kasutatud U-võrku. Võrgustik eristab kolme klassi: neerud, neerupiirid ja muud koed. Võrreldes teiste koeklassidega on neerupiiride klassis proovide jaotus siiski tasakaalustamata. Selle tasakaalustamatuse kompenseerimiseks ja võrgu treenimisel täpsema õppimise saavutamiseks kasutasime kaalutud ristentroopia kadu. Võrguväljundi ja tõelise sildi võrdlemiseks kasutasime kaalutud ristentroopia kadudega softmaxi.

Joonis 2 Selles uuringus neerupiirkonna ekstraheerimiseks kasutatud U-võrgu arhitektuur.

Joonis 3 U-võrguga neerupiirkonna ekstraheerimise tulemused: (a) originaal, (b) mask ja (c) tulemus.

Kulude minimeerimine 50 perioodi jooksul viidi läbi, kasutades adaptiivset hetkehinnangu optimeerijat õppimiskiirusega 0,0001. Selle võrgu koolitusaeg oli ~1 h tööjaamas, millel oli NVIDIA TITAN RTX GPU × 2. Kokku jagati 1201 pilti 600 ja 601 pildiks ning neerupiirkonna eraldamiseks viidi läbi klassifikatsioon. Seejärel viidi kõigi katsealustega läbi neerufunktsiooni hindamise katse. Joonisel 3 on näidatud U-netiga saadud ekstraheerimistulemused. Joonis 3(a) on sisendpilt ja joonis 3(b) on õpetaja pilt. Joonis 3(c) näitab ekstraheerimistulemust. Võib kinnitada, et valepositiivseid tulemusi on vähe ja neerupiirkonna lähedane piirkond on eraldatav.

2.2 Valetuvastus

Eemaldamine 3D-märgistuse abil Kuigi U-neti tuvastatud neerupiirkond oli väga täpne, toimus valetuvastus. Valepositiivsed tulemused ekstraheeritakse muude organite kui neerude puhul, nagu on näidatud joonisel 4(b). Selle põhjuseks võib olla asjaolu, et kui U-net on koolitatud 64 × 64 plaastritega, kaob paiga suurusest suurem ruumiteave. Selle probleemi parandamiseks kaalutakse meetodeid, sealhulgas neeru asukoha tuvastamist objekti tuvastamise teel, nagu Faster R-CNN14 või YOLOv3,15, ja semantilise segmenteerimise rakendamist kitsas piirkonnas. Kuid selles uuringus on neerude piir U-võrguga hästi eristatud ja teiste organite puhul on vähe valepositiivseid tulemusi, mistõttu pole vaja protsessi keeruliseks muuta. Seetõttu otsustasime teha iga subjekti jaoks 3D-märgistuse ja välistada muud alad peale suure ala. Töödeldud tulemused on näidatud joonisel 4. Joonistel 4(a)–4(c) on näidatud U-võrguga eraldamise tulemused. Võib kinnitada, et valepositiivseid tulemusi esineb ka muudes piirkondades peale neerude piirkonna. Joonistel 4(d)–4(f) on näidatud 3D-märgistuse ja 2500 piksli või väiksema 3D-alaga alade välistamise tulemused. Seda protseduuri rakendati kõigi 1201 kujutise puhul ja kinnitati, et neerupiirkonna juhuslikku sattumist ei esinenud.

Joonis 4 U-võrgu abil saadud neerupiirkond: (a) viil 1, (b) viil 2 ja (c) viil 3. Müraala kõrvaldamise tulemus 3D-märgistuse abil: (d) viil 1, (e) viil 2 ja (f) viil 3.

2.3 Neerupiirkonna ja sihtmaski mittejäik registreerimine

Tõhus meetod neerufunktsiooni hindamiseks on neeru struktuuri analüüsimine, võttes samal ajal neeru anatoomiliselt arvesse.5,16 Neerupiirkonna käsitsi eraldamine nõuab aga spetsialistil aega ja vaeva. Lisaks annavad käsitsi mõõtmised sõltuvalt spetsialistist erinevaid tulemusi. Seetõttu pakume välja meetodi, mille abil tuvastada automaatselt kõigi piltide ajukoore ja medulla positsioonid, registreerides kõik U-võrguga eraldatud neerupiirkonnad ühte sihtmaski. Registreerimismeetod viiakse läbi kahes etapis, kasutades funktsiooni MATLAB. Esimene samm on heleduspõhine afiinne teisendus. Heledusepõhine registreerimismeetod arvutab kahe kujutise sarnasuse, kordab afiinset teisendust nii, et sarnasus oleks kõrge, ja hindab geomeetrilist teisendust (tõlge/pööramine/skaala/nihke) suurima sarnasusega. Töötlemise tulemused on näidatud joonisel 5. Joonis 5(a) on originaalkujutis. Joonisel 5(b) on näidatud neerupiirkonna U-võrguga ekstraheerimise tulemused. Joonis 5(c) on sihtmask. Joonis fig 5(c) on spetsialisti poolt eraldatud normaalse neerukujutise neerupiirkond. Tavalisel patsiendil on kaks neeru. Selles uuringus analüüsime neeru suurema pindalaga. Joonisel 5(b) on vasak neer suurem. Sellisena ekstraheeritakse vasak neer ja registreeritakse see sihtmaskiga. Joonisel fig 5(d) on kujutatud sihtmaski pseudovärviline kujutis ja ekstraheeritud neeru algne asukoht. Pseudovärvilisel kujutisel on sihtmask roheliselt, eraldatud neer magenta värviga ja mõlema kattuvad pikslid valged. Afiinse teisenduse tulemus on näidatud joonisel 5(e). Järgmiseks muudetakse kuju peenelt heledusepõhise nihkevälja abil registreerimisega.9,10 Käesolevas artiklis toimub registreerimine Thirioni deemonite algoritmil põhineva nihkevälja abil.1,2 Joonisel näidatud kujutise muutmise tulemus. Joonis 5(e), kasutades nihkevälja, on näidatud joonisel 5(f). Peent kuju on sihtmaskile lähenemiseks muudetud. Joonis 5(g) näitab kujutise lõplikku registreerimist.

Joonis 5 Jäiga teisenduse tulemus: (a) algkujutis, (b) U-võrgu tulemus, (c) sihtmask, (d) algpositsioon, (e) afiinne teisendus, (f) nihkeväli ja (g) ) registreerimise tulemus.

2.4 TLCO arvutamine

Selles uuringus kasutatakse neerufunktsiooni analüüsiks TLCO meetodit. TLCO meetod määrab neeru parenhüümi sisemise (medullaarne pool) ja välimine (kortikaalne pool) piirid ning jagab neerupiirkonna 12 kihiks väljastpoolt sissepoole. Kihistamismeetodit TLCO dokumendis ei selgitata.8 Seetõttu arvutasime selles uuringus TLCO geodeetilise kauguse teisenduse abil.17 Kui geodeetilise kauguse teisendamine sisestab neerupiirkonna binaarkujutise ja seemnekujutise, on kauguse teisenduse kujutis. seemnepildi põhjal genereeritud. Joonisel 6(a) on kujutatud spetsialisti poolt eraldatud neerupiirkonna binaarne kujutis. Joonisel 6(b) on näha spetsialisti tehtud seemnekujutis. Joonisel 6(c) on kujutatud geodeetilise kauguse teisenduse pseudovärviline kujutis. Kuid joonisel 6(c) näidatud kujutist ei saadud neerupiirkonna jagamisel 12 kihti. Seetõttu normaliseeriti geodeetilise kauguse teisendamise tulemus 12 kihiks. Täpsemalt, kihtide arv jagati maksimaalse väärtusega ja korrutati seejärel 12-ga. Normaliseeritud geodeetilise kauguse teisenduse pseudovärvi kujutis on näidatud joonisel 6(d). Sihtmask on väga oluline, kuna see mõjutab otseselt TLCO meetodi arvutamist. Selles uuringus otsustasime kasutada kahte tüüpi kujutisi, spetsialisti valitud tavalist neerupilti ja suurima piirkonnaga neerupilti. Kuna TLCO meetod jagab neeru 12 kihiks, on väikese atroofeerunud neeruga arvutamine keeruline. Seetõttu ei saa väikese pindalaga neerupilti sihtmaskina kasutada. Joonisel 7 on näidatud TLCO-meetodi rakendamise tulemused patsientide MRI-piltidele. Joonis 7(a) on tavaline pilt, mille on valinud spetsialist. Joonisel fig 7(b) on näidatud jooniselt 7(a) oleva neerupiirkonna spetsialistide ekstraheerimise tulemused. Joonis 7(c) on pseudovärviline kujutis, mis on jagatud TLCO meetodil 12 kihti. Joonis 7(d) on suurima pindalaga neeru kujutis. Joonisel fig 7(e) on kujutatud tulemus, mille spetsialist võttis jooniselt 7(d) välja neerupiirkonna. Joonis 7(d) on pseudovärviline kujutis, mis on jagatud TLCO meetodil 12 kihiks.

2,5 eGFR, mida kasutatakse prognoosimiseks

Neerufunktsioon RSVM-i järgi TLCO meetodi puhul kasutasime MR-signaali intensiivsuse kortikomedullaarse gradiendi hindamiseks 12 mõõtmist, üks iga kihi jaoks, tuginedes järgmistele määratlustele: kortikaalne.

Wecistanche'i tugiteenus - Hiina suurim tsistanšeksportija:

E-post:wallence.suen@wecistanche.com

Whatsapp/Tel:+86 15292862950

Lisateabe saamiseks ostke:

https://www.xjcistanche.com/cistanche-shop