Chronické onemocnění ledvin (CKD): Jste vhodní pro jednorázové a duální transplantace ledvin?

další informace:ali.ma@wecistanche.com

Část Ⅰ: Neuronová síť pro klasifikaci glomerulu na základě histologických snímků biopsie ledvin

Giacomo Donato Cascaranol, Francesco Saverio Debitontol a kol.

Pozadí

Chronické onemocnění ledvin(CKD) je patologický stav charakterizovaný funkční degeneracíledvina. CKD (Chronické onemocnění ledvin) je 12. příčinou úmrtí, celosvětově se vyskytuje až 1,1 milionu případů; zvýšená mortalita související s CKD (Chronické onemocnění ledvin)posledních let z něj dělá jednu z nejrychleji rostoucích příčin úmrtí, vedle diabetu a demence [1, 2].ledvinytransplantaceje nejlepší renální substituční terapií, protože se ukázalo, že je účinnější než dialyzační léčba z hlediska rizika dlouhodobé mortality a zároveň má snížený dopad na systém veřejného zdraví [3, 4].

Klikněte na Cistanche NZ pro chronické onemocnění ledvin

Liyanage a kol. odhaduje se, že v roce 2010 dostalo 2,6 milionu lidí, tváří v tvář 4,9 milionu pacientů, celosvětově substituční terapii ledvin, což naznačuje, že nejméně 2,3 milionu lidí mohlo předčasně zemřít, protože nebyla dostupná vhodná léčba [5].

Vzhledem k rostoucí potřeběledvinatransplantace[6] se různé studie pokusily rozšířit kritéria pro přijetíledvinypro transplantaci, které jsou obecně vyloučeny na základě věku dárce a dalších charakteristik souvisejících jak s kvalitou, tak s rozměryledviny[7,8].

Moore a kol. provedl srovnání mezi dualledvinatransplantaceod dárců rozšířených kritérií (ECD) a singleledvinatransplantaceod souběžných ECD a dárců podle standardních kritérií. Autoři vyhodnotili, že použití duálnítransplantaci ledvinyod okrajových dárců je životaschopnou možností a že lze dosáhnout funkce ledvin za předpokladu, že obojíledvinyjsou transplantovány jedinému příjemci [9].

Remuzzi a kol. navrhl techniku ​​k posouzeníledvinastavvyhodnocením histologických biopsií [10]. Hodnotící kritérium, známé jako Karpinského skóre, bere v úvahu vývoj (v procentech) patologického stavu čtyř hlavních funkčních oblastí: glomeruloskleróza, tubulární atrofie, intersticiální fibróza a arteriální skleróza. Toto skóre se pohybuje od 0 do 12 a čím vyšší číslo, tím horšístav ledvin [10-12]. Ledvinys Karpinského skóre od 0 do 3 a od 4 do 6 jsou považovány za vhodné projednoduché a duální transplantace, resp.

Léčba onemocnění ledvin: cistanche a transplantace ledvin

Pro posouzení Karpinského skóre provádějí patologové vizuální vyhodnocení histopatologických snímků celého snímku (WSI). Tento proces je obvykle časově náročný, náchylný k chybám a také subjektivní.

K překonání těchto nevýhod je cenným pokrokem vývoj systémů Computer-Aided Diagnosis (CAD) založených na histopatologické analýze obrazu tkáně pro podporu výpočtu skóre.

Nedávné literární práce ukazují aplikaci zpracování obrazu a technik strojového učení k analýzeledvinahistopatologickéWSI pro detekci a klasifikaci glomerulů. Přístupy ke zpracování obrazu mají za cíl extrahovat smysluplné rysy, např. ty, které jsou založeny na analýze tvaru a textury; pak algoritmy strojového učení, jako jsou mělké nebo hluboké umělé neuronové sítě (ANN), rozhodují na základě extrahovaných funkcí.

Simon et al, for example, proposed texture-based features set as a simple but effective automatic method for glomeruli localization [13]. The authors applied the algorithm on renal tissue sections and biopsies of large histopathological WSIs. The features extracted from an adaptation of the Local Binary Pattern (LBP) algorithm were used to train a Support Vector Machine(SVM)model. The authors reported high precision(>90%) and reasonable recall (>70 procent) jako výsledek.

Provést komplexní detekci glomerulů v obrazech celkuledvinasekce, Kato et al. navrhl nový deskriptor nazvaný Segmental HOG (Histogram of Oriented Gradients)[14]. Autoři tvrdili robustnost řešení a kvalitní segmentační výstupy; dále autoři porovnali Segmental HOG s Rectangular HOG, což ukazuje, že první přístup dosáhl významného zlepšení ve výkonu detekce.

Několik autorů se místo toho zaměřilo na analýzu tvaru a barvy glomerulů. Kotyk et al. navrhli nové řešení, jak čelit velkému kolísání intenzity a nekonzistentnosti, pokud jde o tvar a velikost glomerulů v ledvinovém tělísku. Navrhovaný přístup založený na technice Particles Analyzer umožnil detekci renálního tělíska a následné měření průměru glomerulu a šířky Bowmanova prostoru. Autoři hodnotí, že přístup byl robustní vůči deformacím glomerulů i při glomerulární hypertrofii [15]. Analýzu účinků významné diverzity barev a tvaru tkáně na celé snímky sklíčka provedli Zhao et al. [16]. Autoři se zaměřili na extrakci šířky Bowmanova pouzdra, aby navrhli automatizovaný rámec pro extrakci glomerulu z mikrofotografie celé renální tkáně. Systém byl testován na renálních tkáních primátů s barvením hematoxylinem a eosinem (HE).

Bukowy a kol. navrhl jiný pracovní postup analýzy. V [17] autoři vyvinuli konvoluční neuronovou síť pro detekci glomerulů v řezech ledvin obarvených trichromem. Postup byl testován na krysáchledvinya hlášené výsledky týkající se klasifikace zdravých a poškozených glomerulů ukazují průměrnou přesnost a vybavitelnost 96,94 procenta a 96,79 procenta.

V předchozí práci Bevilacqua et al, CAD systém pro segmentaci a diskriminaci krevních cév versus tubuly z biopsií vledvinatkáň byla navržena a testována [18]. Histologické snímky s barvením Periodic Acid-Schiff (PAS) byly použity k segmentaci oblastí zájmu (ROI) a extrahování Haralickových rysů umožňujících následnou klasifikaci pomocí algoritmů založených na ANN. Výsledky testů určily, že kontrolovaný přístup ANN byl konzistentní a umožnil získat dobrou klasifikaci.

Tato práce se zaměřuje na automatické vyhodnocováníledvinabiopsie, zabývající se specifickým patologickým stavem uvažovaným Karpinského skóre: glomeruloskleróza, tzn. poměr mezi sklerotizovanými glomeruly a celkovým počtem glomerulů. K tomu je zásadní detekce a rozlišení sklerotického stavu postihujícího glomeruly od nesklerotických. Jak již bylo uvedeno v pracích ze současného stavu techniky, jde o náročný úkol kvůli velkým variacím intenzity glomerulů a nejednotnosti tvaru a velikosti.

léčba onemocnění ledvin:jednoduché a duální transplantacevýzkumy

Pro rozlišení stavu glomerulů byla navržena a vyhodnocena kombinace různých algoritmů extrakce příznaků. Uvedená literatura ukazuje specifické a jedinečné algoritmy zpracování obrazu aplikované na různé typy barvení a nehumánní WSI. Sada funkcí navržených v této práci místo toho pochází ze sbírky dvou široce používaných, dobře známých a obecných rodin algoritmů extraktorů funkcí, tj. morfologických a texturových funkcí. Tyto rodiny rysů jsou také zahrnuty v některých algoritmech navržených v literatuře, ale v této práci byly extrahovány z lidských WSI s barvením PAS. Kromě toho klasifikační potrubí, podrobně popsané v Metodách, zahrnuje také postupy pro redukci vlastností umožňující návrh mělké umělé neuronové sítě. Celkový pracovní postup navržený v této práci a integrace s postupem uvedeným v [18] nám umožní vybudovat kompletní CAD systém pro analýzu histopatologických WSI.

Výsledek

Jsou uvedeny výsledky získané vyhodnocením navrženého klasifikačního pracovního postupu na testovací sadě. Výsledky se týkají zejména výkonu získaného s ohledem na omezený soubor prvků klasifikovaných pomocí křížově ověřené mělké ANN. Jak je uvedeno v tabulce 1, testovací soubor sestával z 579 zobrazení glomerulů: 87 sklerotických, 492 nesklerotických.

Pro vyhodnocení stability workflow bylo provedeno 10 běhů celého procesu. Dosažené výsledky jsou shrnuty v tabulce 2. Konkrétně jsou výsledky uvedeny jako průměr a směrodatná odchylka několika metrik, tj. Přesnost (Rov. 1), Přesnost (Rov. 2), Recall (Rov. 3) a Matthews Korelační koeficient (Rov. 4)[19], vyhodnocený podle matoucí matice uvedené v tabulce 3.

Mezi iteracemi jsou nejlepší výsledky uvedeny v tabulce 4, zatímco odpovídající matoucí matice je uvedena v tabulce 5.

Implementovaný pracovní postup umožňuje klasifikaci sklerotických a nesklerotických glomerulů s dobrým výkonem (průměr MCC=0.95 a průměrná přesnost=0.99) a nízkou variabilitou (MCC std=0.01 a Přesnost std<0.00)(see table="" 2).="" precision="" and="" recall="" are="" equal="" to="" 0.98="" and="" 0.93,="" respectively,="" thus="" showing="" that="" the="" proposed="" system="" achieves="" a="" better="" performance="" in="" the="" non-sclerotic="" evaluation(all="" the="" non-sclerotic="" glomeruli="" were="" detected="" in="" the="" best="">

Tabulka 1 Konfigurace datové sady	Tabulka 2 Porovnání metrik 10 inicializací sítě

Tabulka 3 Matice zmatků pro výpočet metrik	Tabulka 4 Porovnání metrik 10 inicializace sítě

Tabulka 5 Matice zmatků nejlepšího modelu

Diskuse

Při vyhodnocení navrhovaného přístupu na sadě nezávislých testů dosáhl pracovní postup klasifikace průměrného MCC a přesnosti {{0}},95, respektive 0,99 a nízké variability v 10 nezávislých iteracích (MCC std{{5} }.01 a Přesnost std<0.00). good="" precision="" and="" recall="" were="" also="" obtained="" (precision:="" 0.9844±0.0111,="" recall:="" 0.9310±0.0153).="" the="" proposed="" approach="" thus="" leads="" to="" an="" improvement="" of="" the="" classification="" performance="" if="" compared="" to="" the="" reported="" literature[13,="">

Při implementaci a vyhodnocování nahlášeného pracovního postupu jsme čelili a testovali běžný problém nevyváženosti dat, který byl vyřešen použitím MCC jako koeficientu porovnání výkonu a křivky ROC pro výběr optimální prahové hodnoty klasifikace. Uvedené výsledky naznačují, že navrhované nastavení pracovního postupu je pro zkoumanou doménu spolehlivé a podporuje klinickou praxi rozlišování dvou tříd glomerulů.

Analýzou nesprávně klasifikovaných glomerulů jsme také zjistili, že vstupní snímky odpovídající nesprávně klasifikovaným vzorkům vykazovaly barvící artefakty nebo dílčí části (většinou na okrajích); běžné příklady jsou uvedeny na obr. 1. V klinické praxi však patologové vyřazují takové snímky, které by také mohly být vyloučeny z navrhovaného pracovního postupu navržením strategií pro předběžnou detekci snímků ovlivněných takovými problémy.

Léčba onemocnění ledvin: transplantace jedné a dvou ledvin

PRO ČÁST KLIKNĚTE ZDE Ⅱ