Automatiserede målinger af total nyrevolumen i præklinisk magnetisk resonansbilleddannelse til ressourcer til billeddata, annotationer og kildekode

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

Marie E.Edwards, Sigapriya Periyanan, Deema Anaam², Adriana V. Gregory og Timothy L. Kline 'Division of Nephrology and Hypertension, Mayo Clinic, Rochester, Minnesota, USA; og 2 Department of Radiology, Mayo Clinic, Rochester, Minnesota, USA

Cistanchetubulosaforhindrernyresygdom, klik her for at få prøven

Formålet med denne undersøgelse var at validere en fuldautomatisk totalnyrevolumenmålemetode til prækliniske gnaverforsøg, der er hurtig, nøjagtig, reproducerbar og for at give disse ressourcer til forskningssamfundet. Gnaverundersøgelser, der involverer billeddannelse, er afgørende for overvågning af behandlingseffektivitet ved sygdomme som polycystisknyresygdom. Tidligere undersøgelser bruger manuel eller semi-automatiseret segmentering, som er tidskrævende og potentielt partisk. For at udvikle vores automatiserede system blev i alt 150 aksiale magnetiske resonansbilleder (MRI) fra en række forskellige musemodeller manuelt segmenteret og brugt til at træne/validere en automatiseret algoritme. For at teste den langsgående anvendelse af modellen blev fire mutante og fire vildtype mus afbildet sekventielt over tre til tolv uger via MRI. Segmenteringer af nyrerne (eksklusive nyrebækkenet) blev genereret ved den automatiserede metode og to forskellige læsere, hvor en læser gentog

målinger. Lighedsmålinger og longitudinelle analyser blev beregnet for at vurdere ydeevnen af ​​de automatiserede sammenlignet med de manuelle metoder. Den automatiserede tilgang krævede ingen brugerinput, udover et sidste trin til visuel kvalitetskontrol. Similarity-metrics for den automatiserede metode versus de manuelle segmenteringer var på niveau med sammenligninger mellem og intra-læser. Således kan vores fuldt automatiserede tilgang beskrevet her sikkert bruges i langsgående, prækliniske forsøg, der involverer segmentering af gnaverenyreri T2-vægtede MRI'er.

Oversættelseserklæring

Denne undersøgelse udviklede en fuldautomatisk metode til måling af totalnyrevolumen til præklinisk billeddannelse i en mutant musemodel af polycystisknyre sygdomsamt vildtype mus. Denne undersøgelse etablerede også både interreader- og intrareader-variabiliteter i måling af total nyrevolumen til præklinisk billeddannelse. Lignende undersøgelser og algoritmiske tilgange kan bruges til at etablere metoder til klinisk billeddannelsesdata og er nødvendige for nøjagtig sygdomsprognose og klinisk beslutningstagning. Vi leverer billeddata, annoteringer og kildekode til forskersamfundet.

Måling af organvolumen har vist sig at korrelere med kliniske manifestationer og sygelighed af sygdomme som f.eks.nyrevolumen (TKV) i autosomal dominant polycystisknyresygdom (PKD)l,2 og bruges til at fastslå effektiviteten af ​​behandlingsinterventioner. Forskning, kliniske forsøg og i stigende grad klinisk nefrologi bruger disse målinger til at overvåge sygdomsprogression i både dyremodeller og patienter, evaluere effektiviteten af ​​terapier," og forudsige resultater.

I øjeblikket foregår prækliniske undersøgelser med en hidtil uset hastighed for at lede efter nye behandlinger for at bremse udviklingen af ​​PKD. En vigtig fordel ved magnetisk resonansbilleddannelse (MRI) i dyremodeller af PKD er evnen til at bruge in vivo billeddannelse, som giver mulighed for longitudinelle volumetriske undersøgelser, der bruger det samme dyr. Talrige undersøgelser, der involverer 2halvautomatiske,'3,14og registreringsbaserede manualer,9-12 automatiserede segmenteringer56 af musnyrerer udført tidligere.

Mange af de metoder, der anses for at være automatiserede, kræver stadig brugerinput. Et flertal af disse prækliniske undersøgelser bruger manuelle segmenteringer, som er tidskrævende og dyre samt introducerer observatørbias. Derfor har vores laboratorium vurderet variabiliteten i måling af TKV og udviklet et automatiseret analyseprogram til at måle TKV i magnetiske resonansscanninger af murine modeller af sygdommen.

RESULTATER

Intra- og interobservatørvariabilitet af manuelle nyresegmenteringer

Figur 1 viser resultaterne af Bland-Altman-analysen af ​​TKV målt manuelt af 2 læsere (interobservatørvarians) og gentagne målinger af læser 2 (intraobservatørvarians). Når læser 1 blev sammenlignet med læser 2, var der en gennemsnitlig procentvis forskel på 7,7 procent og et 95 procents konfidensinterval på ±4,5 procent. Når læser 2 udførte gentagne målinger af det samme billede, var der en gennemsnitlig procentforskel på -0,5 procent og et 95 procents konfidensinterval på ±3,9 procent. Regressionsanalyse indikerede, at der er høj overensstemmelse i TKV blandt alle metoder, med en R²-værdi større end eller lig med 0.99.

Validering af den automatiserede segmenteringsalgoritme Den automatiserede metode sammenlignet med hver læser i forhold til den procentvise forskel af TKV svarede til den for inter- og intraobservatør-variansen som foreslået af Bland-Altman-plottene i figur 1. Når læser 1 blev sammenlignet med den automatiserede metode, var der en gennemsnitlig procentforskel på 5,2 procent og et 95 procents konfidensinterval på ±5,8 procent Når læser 2 blev sammenlignet med den automatiserede metode, var der en gennemsnitlig procentforskel på -2,5 procent og en 95 procent konfidensinterval på ±6,5 procent.

Forskellen mellem vildtype- og mutantmus

Middelværdien og SD TKV'erne blev plottet på hvert tidspunkt for hver metode og adskilt efter genotype (mutant vs. vildtype). Som det ses i figur 2, er den gennemsnitlige TKV altid mindre i vildtype mus på hvert tidspunkt end i mutante mus. Alle 3 metoder (automatiseret, læser 1 og læser 2) viser en signifikant adskillelse af musetype ved 9 og 12 ugers alderen.

DISKUSSION

Analysen af ​​nyrevolumen i PKD er en af ​​de vigtigste målinger, der i øjeblikket bruges til at karakterisere sygdomsstatus. Før vores arbejde var der intet alternativ til manuelt at spore nyrer i modelsystemer af PKD. På grund af den tid, det tager at spore disse strukturer, samt den tid, der kræves for at træne en person til at udføre disse målinger, og potentialet for inter-operator variabilitet, har vi i denne undersøgelse udviklet og valideret en fuldt automatiseret segmenteringsmetode for TKV. Automatiserede segmenteringer beregnes i løbet af få minutter (afhængigt af computerkraft), mens manuelle segmenteringer tager 20 til 40 minutter. I modsætning til manuelle eller endda semiautomatiserede segmenteringsmetoder vil denne automatiserede metode producere de samme nøjagtige resultater, hver gang den anvendes på det samme billede.

Prækliniske forsøg omfatter ofte både en kontrolgruppe og behandlingsgruppe(r); derfor er det væsentligt, at den automatiske metode er følsom nok til at detektere volumenforskelle mellem grupperne på passende vis.7 Figur 2 viser, at manuel segmentering og automatiseret segmentering begge viser en signifikant adskillelse i vildtype- og mutantgrupperne ved 9 ugers alderen . Selvom den overordnede overensstemmelse var fremragende, tydede visuelle sammenligninger på mindre uenighed om, hvorvidt nyrebækkenet skulle inkluderes eller udelukkes i en lille undergruppe af skiver. Selvom det er almindelig praksis at udelukke

Figur 1|Bland-Altman og regressionsanalyse af (a,e) interobservatør og (b,f) intraobservatør total nyrevolumen (TKV)

mål (målt i millimeter) ud over den automatiserede (Auto) metode sammenlignet med (c,g) læser 1 og (d,h) læser 2. Bland-Altman plots viser gennemsnitsforskellen (heltrukken linje) og 95 procent konfidensinterval (stiplede linjer). Regressionsanalyse viser sammenhængen mellem de sammenlignede metoder.