Automatizované měření celkového objemu ledvin v předklinickém zobrazování magnetickou rezonancí pro získávání zobrazovacích dat, anotací a zdrojového kódu

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

Extrakt z cistanche je dobrý pro funkci ledvin

Marie E. Edwards1, Sigapriya Periyanan1, Deema Anaam2, Adriana V. Gregory1 a Timothy L. Kline1,21 Divize nefrologie a hypertenze, Mayo Clinic, Rochester, Minnesota, USA; a 2. Radiologické oddělení, Mayo Clinic, Rochester, Minnesota, USA

Cílem této studie bylo ověřit plně automatizovaný součetledvinametoda měření objemu pro předklinické pokusy na hlodavcích, která je rychlá, přesná, reprodukovatelná a poskytuje tyto zdroje výzkumné komunitě. Studie na hlodavcích, které zahrnují zobrazování, jsou zásadní pro sledování účinnosti léčby u nemocí, jako jsou polycystické chorobyledvinachoroba. Předchozí studie využívají manuální nebo poloautomatickou segmentaci, která je časově náročná a potenciálně neobjektivní. Při vývoji našeho automatizovaného systému bylo ručně segmentováno celkem 150 snímků axiální magnetické rezonance (MRI) z různých modelů myší a použito k trénování/validaci automatizovaného algoritmu. Pro testování longitudinální aplikace modelu byly čtyři mutantní a čtyři myši divokého typu zobrazeny postupně po dobu tří až dvanácti týdnů pomocí MRI. Segmentace ledvin (kromě ledvinné pánvičky) byly generovány automatizovanou metodou a dvěma různými čtečkami, přičemž jedna čtečka měření opakovala. Metriky podobnosti a longitudinální analýza byly vypočteny pro posouzení výkonnosti automatizovaných metod ve srovnání s manuálními metodami. Automatizovaný přístup nevyžadoval žádný uživatelský vstup, kromě posledního kroku vizuální kontroly kvality. Metriky podobnosti automatizované metody versus manuální segmentace byly na stejné úrovni jako srovnání mezi čtenáři a mezi čtenáři. Náš plně automatizovaný přístup zde popsaný lze tedy bezpečně použít v longitudinálních předklinických studiích, které zahrnují segmentaci ledvin hlodavců v T2-vážených MRI.

Tato studie vyvinula plně automatizovanou metodu pro měření součtuledvinaobjem pro preklinické zobrazování v modelu mutantní myši polycystickéledvinaonemocnění, stejně jako u myší divokého typu. Tato studie také prokázala jak interreader, tak intrareader variabilitu v měření celkového objemu ledvin pro preklinické zobrazování. Podobné studie a algoritmické přístupy lze použít ke stanovení metod pro klinická zobrazovací data a jsou potřebné pro přesnou prognózu onemocnění a klinické rozhodování. Poskytujeme obrazová data, anotace a zdrojový kód výzkumné komunitě.

Ukázalo se, že měření objemu orgánu koreluje s klinickými projevy a morbiditou nemocí, jako je celkováledvinaobjem (TKV) u autozomálně dominantních polycystickýchledvinaonemocnění (PKD)1,2 a používá se ke zjištění účinnosti léčebných intervencí.3 Výzkum, klinické studie a stále častěji klinická nefrologie využívají tato měření ke sledování progrese onemocnění jak na zvířecích modelech4, tak na pacientech,5 hodnotí účinnost terapií,6 a předvídat výsledky.7

V současné době probíhají v nebývalé míře předklinické studie, které hledají nové způsoby léčby ke zpomalení progrese PKD. Klíčovou výhodou zobrazování magnetickou rezonancí (MRI) na zvířecích modelech PKD je možnost použití zobrazování in vivo, které umožňuje longitudinální volumetrické studie, které využívají stejné zvíře.8 Četné studie, které zahrnují manuální,4,9–12 poloautomatické, 13,14 a automatické segmentace založené na registraci15,16 myšiledvinybyly provedeny dříve.

Mnoho metod považovaných za automatizované stále vyžaduje vstup uživatele. Většina těchto preklinických studií používá manuální segmentace, které jsou časově náročné a nákladné a také zavádějí zkreslení pozorovatele. Naše laboratoř proto vyhodnotila variabilitu v měření TKV a vyvinula automatizovaný analytický program pro měření TKV ve skenech magnetické rezonance myších modelů onemocnění.

VÝSLEDEK

Intra- a interobserver variabilita manuální ledviny

segmentace

Obrázek 1 ukazuje výsledky Bland-Altmanovy analýzy TKV, jak byly měřeny ručně 2 snímači (interobserver variance) a opakovaná měření snímačem 2 (intraobserver variance). Když byl čtenář 1 porovnán se čtenářem 2, byl zde průměrný procentuální rozdíl 7,7 procenta a 95procentní interval spolehlivosti 4,5 procenta. Když čtenář 2 provedl opakovaná měření stejného obrázku, byl zde průměrný procentní rozdíl 0,5 procenta a 95procentní interval spolehlivosti 3,9 procenta. Regresní analýza ukázala, že mezi všemi metodami existuje vysoká shoda v TKV s hodnotou R2 $0,99.

Validace algoritmu automatické segmentace

Automatizovaná metoda srovnávaná s každým čtenářem ve vztahu k procentuálnímu rozdílu TKV byla podobná jako u rozptylu mezi pozorovateli a mezi jednotlivými pozorovateli, jak naznačují Bland-Altmanovy grafy na obrázku 1. Když byl čtenář 1 porovnán s automatizovanou metodou, průměrný procentní rozdíl 5,2 procenta a 95procentní interval spolehlivosti 5,8 procenta. Když byl čtenář 2 porovnán s automatizovanou metodou, byl zde průměrný procentuální rozdíl 2,5 procenta a 95procentní interval spolehlivosti 6,5 procenta.

Rozdíl mezi divokým typem a mutantní myší

Průměr a SD TKV byly vyneseny v každém časovém bodě pro každou metodu a odděleny podle genotypu (mutant vs. divoký typ). Jak je vidět na obrázku 2, průměrná TKV je vždy menší u myší divokého typu v každém časovém bodě než u mutantních myší. Všechny 3 metody (automatická, čtečka 1 a čtečka 2) prokazují významné oddělení myšího typu ve věku 9 a 12 týdnů.

DISKUSE

Analýzaledvinaobjem v PKD je jednou z nejdůležitějších metrik v současnosti používaných pro charakterizaci stavu onemocnění. Před naší prací neexistovala žádná alternativa k ručnímu trasováníledvinyv modelových systémech PKD. Kvůli času potřebnému k vysledování těchto struktur, stejně jako času potřebnému k zaškolení osoby k provádění těchto měření a potenciálu pro variabilitu mezi operátory jsme v této studii vyvinuli a ověřili plně automatizovanou metodu segmentace pro TKV. Automatické segmentace jsou počítány během několika minut (v závislosti na výpočetním výkonu), zatímco manuální segmentace trvají 20 až 40 minut. Na rozdíl od manuálních nebo dokonce poloautomatických metod segmentace bude tato automatizovaná metoda produkovat stejné výsledky pokaždé, když je aplikována na stejný obrázek.

Preklinické studie často zahrnují jak kontrolní skupinu, tak léčebnou skupinu (skupiny); proto musí být automatizovaná metoda dostatečně citlivá, aby náležitě detekovala objemové rozdíly mezi skupinami.17 Obrázek 2 ukazuje, že manuální segmentace i automatická segmentace vykazují významnou separaci ve skupinách divokého typu a mutantních skupin ve věku 9 týdnů. Přestože celková shoda byla vynikající, vizuální srovnání naznačovalo menší neshody ohledně toho, zda zahrnout nebo vyloučit ledvinovou pánvičku v malé podskupině řezů. I když je běžnou praxí vyloučit

Obrázek 1|Bland-Altman a regresní analýza (a,e) interobserver a (b,f) intraobserver celkového objemu ledvin (TKV)

měření (měřeno v mililitrech) navíc k automatizované (Auto) metodě ve srovnání s (c,g) čtečkou 1 a (d,h) čtečkou 2.

Bland-Altmanovy grafy ukazují průměrný rozdíl (plná čára) a 95procentní interval spolehlivosti (tečkované čáry). Regresní analýza ukazuje korelaci mezi porovnávanými metodami.

Obrázek 2|Celkový objem ledvin myší divokého typu a mutantních myší byl vykreslen v průběhu času (ve věku 3–12 týdnů) pro automatizované (Auto)

metoda (vlevo), čtečka 1 (uprostřed) a čtečka 2 (vpravo). Všechny 3 metody demonstrují významné oddělení myšího typu ve věku 9 týdnů.

Chybové úsečky označují SD. *P <>

ledvinové pánvičky, variabilita se může snížit, pokud čtenáři dostanou instrukce, aby vždy zahrnuli tuto strukturu.

Automatizovaná metoda prezentovaná v této studii dosud nebyla aplikována na externí snímky. Je důležité poznamenat, že intenzity signálu se liší na různých místech, skenerech a akvizicích MRI. Je pravděpodobné, že větší soubor tréninkových dat s rozmanitějšími případy z různých přístrojů MRI by mohl dosáhnout robustnějšího modelu kvůli povaze algoritmů hlubokého učení. Automatizované algoritmy, jako jsou tyto, je často nutné přeškolit na externí datové soubory kvůli odchylkám v signálech MRI. Proto poskytujeme obrazová data, anotace a zdrojový kód výzkumné komunitě pro ostatní skupiny, aby buď použily stejný model, nebo vyvinuly svůj vlastní.

METODY

Údaje o školení/ověření

Model byl trénován na 100 případech a validován na 50 případech. Těchto 150 případů sestávalo z myší s různou závažností onemocnění a v různém věku. Testovací sada je zcela zdrženlivá a je to, co jsme hodnotili v tomto článku.

Testovací studijní kohorta

Tato studie byla přezkoumána a schválena institucionálním výborem pro péči a použití zvířat Mayo Clinic. Kohortu tvořili divoký typ C57Bl6 129s6Svev/Tac (n ¼ 4; 2 ženy/2 muži) a C57Bl6 129s6Svev/Tac (n ¼ 4; 2 ženy/2 muži) mutant Pkd1RC /RC model myší. Mutantní myši zrcadlí lidskou manifestaci PKD1 jak geneticky, tak fenotypově.18 Jedna z mutantních myší zemřela uprostřed experimentu a byla nahrazena jinou mutantní myší stejného věku v 9. týdnu.

Akvizice snímků

Zobrazení bylo provedeno pomocí spektrometru Avance DRX 700WB (Bruker BioSpin, Billerica, MA). Kompletní pokrytíledvinybyla získána axiálním TurboRARE T{{0}}váženou akvizicí rekonstruovanou s rozlišením 0,1 mm v rovině a tloušťkou řezu 1-mm (velikost matice, 256 256 Z, se Z zvolenou velkou dost na pokrytí celého rozsahuledviny). Celková doba skenování se pohybovala od 5 do 10 minut. V kohortě testovací studie byla každá myš zobrazena v 4-časových bodech (3, 6, 9 a 12 týdnů věku). Časové body pro každou myš byly provedeny v rozmezí 2 dnů od sebe, aby se zajistily konzistentní parametry zobrazování a omezily se změny prostředí.

Analýza obrazu

Oblasti zájmu byly sledovány při každém skenování pomocí zobrazovacího softwarového balíčku (Analyze, verze 12.0, Biomedical Imaging Resource, Mayo Clinic, Rochester, MN). Každý čtenář byl instruován, aby vyloučil ledvinovou pánvičku, když ledvinná pánvička není uzavřenaledvinakapsle v obrazovém řezu. Ruční segmentace trvala 20 až 40 minut v závislosti na případu. TV byly vypočteny tak, že se nejprve sečetl počet voxelů obsažených v segmentaci na každém řezu a pak se počet voxelů vynásobil objemem voxelů získaným ze záhlaví obrázku. Pro testovací data provedli 2 dvojitě zaslepené čtečky (1 a 2), obě zkušené v manuální segmentaci MRIledvinasegmentations on all scans. For intrareader analysis, reader 2 repeated the measurements at 2-time points (>3 měsíce od sebe).

Automatizovaná metoda

Model neuronové sítě byl upraven z našeho předchozího modelu pro měření TKV z koronálních T2-vážených snímků magnetické rezonance z klinických skenů.19 Zdrojový kód, obrázky a anotace jsou veřejně dostupné na: https:// github.com/ TLKline/AutoTKV_MouseMRI.

Statistická analýza

Pro statistickou analýzu byly použity axiální T{0}}vážené obrazy magnetické rezonance získané na myš (n ¼ 8) v každém časovém bodě (3, 6, 9 a 12 týdnů). Celkem 32 snímků umožnilo srovnání různých snímků v širokém rozmezí věků a rozdílů ve fenotypech. Pro ověření plně automatizované metody byly použity srovnávací statistiky k vyhodnocení schopnosti každé metody oddělit skupiny divokého typu a skupiny mutantů. Toho bylo dosaženo vynesením TKV podle časového bodu a oddělením podle typu myši. Měření TKV a rychlosti růstu pro každou metodu byly také hodnoceny pomocí Bland-Altmanových a lineárních regresních grafů.

ZVEŘEJNĚNÍ

Všichni autoři deklarovali žádné konkurenční zájmy.

PODĚKOVÁNÍ

Tato práce byla podpořena klinikou Mayo Robert M. a Billie Kelley Pirnie Translational PolycysticledvinyCentrum pro nemoci a Národní ústav pro diabetes a trávicí aledvinyNemoci (čísla grantů P30DK090728 a K01DK110136). Autoři děkují Lynnae M. Henry za její administrativní podporu při přípravě a formátování tohoto rukopisu.

REFERENCE

1. Grantham JJ, Torres VE, Chapman AB a kol. Objemová progrese u polycystických ledvin.N Engl Med.2006;354:2122-2130.

2. Torres VE, Chapman AB, Devuyst O, et al. Tolvaptan u pacientů s autozomálně dominantním polycystickým onemocněním ledvin.N Engl J Med.2012;367:2407-2418.

3. Caroli A, Perico N, Perna A, et al. Vliv dlouhodobě působícího analogu somatostatinu na růst ledvin a cyst u autozomálně dominantního polycystického onemocnění ledvin (ALADIN): randomizovaná, placebem kontrolovaná, multicentrická studie. Lancet.2013;382:1485-1495.

4. Wallace DP, Hou YP, Huang ZL et al. Sledování objemu ledvin u myší 14. Almajdub M, Magnier L, Juillard L, et al.ledvinykvantifikace objemu s polycystickým onemocněním ledvin zobrazením magnetickou rezonancí. Kidney Int.2008;73:778-781.

5. Grantham J, Torres VE, Význam celkového objemu ledvin při hodnocení progrese polycystické choroby ledvin. Nat Rev Nephrol. 2016;12:667-677.

6. Higashihara E, Torres VE, Chapman AB, et al. Tolvaptan v autozomální 16. Gleason SS, Sari-Sarraf H, Abidi MA, et al. Nové deformovatelné dominantní polycystické onemocnění ledvin: tři roky zkušeností. Cin J Am Soc Nephrol. 20116:2499-2507.

7. Irazabal MV, Rangel L, Berastralh EJ, et al, Zobrazovací klasifikace autozomálně dominantního polycystického onemocnění ledvin: jednoduchý model pro výběr pacientů pro klinické studie. JAm Soc Nephrol.2015;26:160-172.

8. Olazabal MV, Mishra PK, Torres VE, et al. Využití ultravysokého pole MRI v modelech polycystických malých hlodavcůledvinaonemocnění pro Vivo fenotypizaci a monitorování léků. J Vis Exp.2015;100:e52757.

9. Erokwu BO, Anderson CE, Flask CA, et al. Kvantitativní hodnocení magnetické rezonance progrese autozomálně recesivního polycystického onemocnění ledvin a reakce na terapii na zvířecím modelu. Pediatr Res.2018;83:1067-1074.

10. Doctor RB, Serkova NU, Hasebroock KM, et al. Odlišné vzorce růstu ledvin a jaterních cyst u myší pkd2(WS25/-). Transplantace nefrolového číselníku. 2010; 25:3496-3504.

11. Franke M, Baessler B, VechtelJ a kol. Magnetické rezonanční T2 mapování a difuzně vážené zobrazování pro časnou detekci cystogeneze a odpovědi na terapii na myším modelu polycystického onemocnění ledvin. Kidney Int. 2017:92:1544-1554.

12. Zhou X, Bao H, Takakura A, a kol. Hodnocení polycystické choroby ledvin zobrazením magnetickou rezonancí v modelu knockout myší PKD1 s poškozením ischemie-reperfuze: srovnání T2-vážené FSE a true-FISP. Invest Radiol.2010;45:24-28.

13. Fei B, Flask C, Wang H, et al. Segmentace obrazu, registrace a vizualizace sériových MR obrazů pro terapeutické hodnocení polycystickýchledvinaonemocnění u transgenních myší. Conf Proc IEEE Eng Med Biol Soc. 2005;1:467-469.

14. Almaidub M, Maanier L, Juillard L a kol.ledvinyobjemová kvantifikace pomocí kontrastně zesíleného in vivo rentgenového mikro-CT u myší. Contrast Media Mol Imaging.2008;3:1 20-126.

15. Hadjidemetriou S, Reichardt W, Hennig J, et al. Objemová analýza MRI dat monitorujících léčbu polycystickýchledvinaonemocnění na myším modelu. MAGMA.2011;24:109-119.model pro analýzu rentgenových CT snímků v preklinických studiích na myších pro polycystické onemocnění ledvin.IEEE Trans Med Imaging. 2002;21:1302-1309.

16. Gleason SS, Sari-Sarraf H, Abidi MA a kol. Nový deformovatelný model pro analýzu RTG CT snímků v preklinických studiích na myších pro polycystické onemocnění ledvin. IEEE Trans Med Imaging.2002;21:1302-1309.

17. Reichardt W, Romaker D, Becker A, a kol. Monitorování objemů ledvin a ledvinových cyst pomocí MR přístupů na myším modelu ADPKD léčeném rapamycinem. MAGMA.2009;22:143-149.

18. Hopp K, Ward C, Hommerding C, a kol. Dávkování funkčního polycystinu-1 řídí autosomálně dominantní polycystikuledvinazávažnost onemocnění. J Cin Invest. 2012:122:4257-4273.

19. Kine TLKorfatis P, Edwards ME, et al, Výkon umělé multi-observer hluboké neuronové sítě pro plně automatizovanou segmentaci polycystickýchledviny.JDigit Imaging.2017;30:442-448.