Automatsko mjerenje ukupnog volumena bubrega u pretkliničkoj magnetnoj rezonanciji za prikupljanje podataka o slikama, napomena i izvornog koda

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

Ekstrakt Cistanche je dobar za funkciju bubrega

Marie E. Edwards1, Sigapriya Periyanan1, Deema Anaam2, Adriana V. Gregory1 i Timothy L. Kline1,21Odjel za nefrologiju i hipertenziju, Mayo Clinic, Rochester, Minnesota, SAD; i 2Odjel za radiologiju, Mayo Clinic, Rochester, Minnesota, SAD

Cilj ove studije bio je potvrditi potpuno automatizirani ukupni iznosbubregmetoda mjerenja volumena za pretklinička ispitivanja na glodarima koja je brza, precizna, ponovljiva i koja pruža ove resurse istraživačkoj zajednici. Studije na glodavcima koje uključuju snimanje su ključne za praćenje efikasnosti liječenja kod bolesti kao što su policističnibubregbolest. Prethodne studije su koristile ručnu ili poluautomatsku segmentaciju, koja je dugotrajna i potencijalno pristrasna. Da bismo razvili naš automatizovani sistem, ukupno 150 aksijalnih slika magnetne rezonance (MRI) iz različitih modela miša je ručno segmentirano i korišćeno za obuku/potvrđivanje automatizovanog algoritma. Da bi se testirala longitudinalna primjena modela, četiri mutantna i četiri miša divljeg tipa snimljena su uzastopno tokom tri do dvanaest sedmica putem MRI. Segmentacije bubrega (isključujući bubrežnu karlicu) generisane su automatizovanom metodom i dva različita čitača, pri čemu je jedan čitač ponavljao merenja. Izračunate su metrike sličnosti i longitudinalna analiza kako bi se procijenile performanse automatizovanih u poređenju sa ručnim metodama. Automatski pristup nije zahtijevao nikakav korisnički unos, osim završnog koraka vizualne kontrole kvaliteta. metrike sličnosti automatizovane metode u odnosu na ručne segmentacije bile su na nivou poređenja među čitaocima i među čitaocima. Stoga se naš potpuno automatizirani pristup koji je ovdje opisan može bezbedno koristiti u longitudinalnim, pretkliničkim ispitivanjima koja uključuju segmentaciju bubrega glodara u T2-ponderisanim MRI.

Ova studija razvila je potpuno automatiziranu metodu za mjerenje ukupnog iznosabubregvolumen za pretkliničko snimanje u mutantnom mišjem modelu policističnih bolestibubregbolesti kao i miševa divljeg tipa. Ova studija je takođe utvrdila i interreader i intrareader varijabilnost u merenju ukupnog volumena bubrega za pretkliničko snimanje. Slične studije i algoritamski pristupi mogu se koristiti za uspostavljanje metoda za kliničke slikovne podatke i potrebni su za tačnu prognozu bolesti i kliničko donošenje odluka. Pružamo slikovne podatke, napomene i izvorni kod istraživačkoj zajednici.

Pokazalo se da mjerenje volumena organa korelira s kliničkim manifestacijama i morbiditetom bolesti kao što je totalbubregvolumen (TKV) kod autosomno dominantnih policističnihbubregbolesti (PKD)1,2 i koristi se za utvrđivanje efikasnosti intervencija liječenja.3 Istraživanja, klinička ispitivanja i sve više klinička nefrologija koriste ova mjerenja za praćenje progresije bolesti i kod životinjskih modela4 i kod pacijenata,5 procjenjuju učinkovitost terapija,6 i predvidjeti ishode.7

Trenutno se pretkliničke studije odvijaju velikom brzinom u potrazi za novim tretmanima za usporavanje progresije PKD. Ključna prednost magnetne rezonancije (MRI) u životinjskim modelima PKD je mogućnost upotrebe in vivo snimanja, što omogućava longitudinalne volumetrijske studije koje koriste istu životinju.8 Brojne studije koje uključuju ručne,4,9–12 poluautomatske, 13,14 i automatizirane segmentacije miša zasnovane na registraciji15,16bubrezisu ranije izvedene.

Mnoge metode koje se smatraju automatiziranim i dalje zahtijevaju korisnički unos. Većina ovih pretkliničkih studija koristi ručne segmentacije, koje oduzimaju vrijeme i skupe, kao i uvode pristrasnost posmatrača. Stoga je naša laboratorija procijenila varijabilnost u mjerenju TKV i razvila automatizirani program analize za mjerenje TKV u skeniranju magnetne rezonancije mišjih modela bolesti.

REZULTATI

Intra- i interobserver varijabilnost ručnog bubrega

segmentacije

Slika 1 prikazuje rezultate Bland-Altman analize TKV-a izmjerenih ručno od strane 2 čitača (varijansa među posmatračima) i ponovljenih mjerenja od strane čitača 2 (varijansa unutar posmatrača). Kada je čitač 1 upoređen sa čitačem 2, postojala je srednja procentualna razlika od 7,7 posto i interval pouzdanosti od 95 posto od 4,5 posto. Kada je čitač 2 izvršio ponovljena mjerenja iste slike, postojala je srednja procentualna razlika od 0,5 posto i interval pouzdanosti od 95 posto od 3,9 posto. Regresiona analiza je pokazala da postoji visoka saglasnost u TKV među svim metodama, sa R2 vrijednošću od $0.99.

Validacija algoritma automatske segmentacije

Automatska metoda upoređena sa svakim čitačem u odnosu na procentualnu razliku TKV bila je slična varijansi između i unutar posmatrača, kao što je sugerirano Bland-Altmanovim dijagramima na slici 1. Kada je čitač 1 upoređen sa automatiziranom metodom, bilo je srednja procentualna razlika od 5,2 posto i interval pouzdanosti od 95 posto od 5,8 posto. Kada je čitač 2 upoređen sa automatizovanom metodom, postojala je srednja procentualna razlika od 2,5 procenata i 95 procenata intervala pouzdanosti od 6,5 procenata.

Razlika između miševa divljeg tipa i mutantnih miševa

Srednja vrijednost i SD TKV su ucrtani u svakoj vremenskoj tački za svaku metodu i razdvojeni prema genotipu (mutant vs. divlji tip). Kao što se vidi na slici 2, srednji TKV je uvijek manji kod miševa divljeg tipa u svakoj vremenskoj tački nego kod mutantnih miševa. Sve 3 metode (automatizovani, čitač 1 i čitač 2) pokazuju značajno odvajanje tipa miša u dobi od 9 i 12 nedelja.

DISKUSIJA

Analiza odbubregvolumen u PKD je jedna od najvažnijih metrika koja se trenutno koristi za karakterizaciju statusa bolesti. Prije našeg rada nije bilo alternative ručnom praćenjububreziu model sistemima PKD. Zbog vremena potrebnog za praćenje ovih struktura, kao i vremena potrebnog da se obuči osoba za izvođenje ovih mjerenja, i potencijala za varijabilnost među operaterima, u ovoj studiji smo razvili i potvrdili potpuno automatiziranu metodu segmentacije za TKV. Automatska segmentacija se izračunava za nekoliko minuta (u zavisnosti od računarske snage), dok ručna segmentacija traje 20 do 40 minuta. Za razliku od ručnih ili čak poluautomatskih metoda segmentacije, ova automatizirana metoda će proizvesti iste rezultate svaki put kada se primjenjuje na istu sliku.

Pretklinička ispitivanja često obuhvataju i kontrolnu grupu i grupu(e) tretmana; stoga, automatizovana metoda mora biti dovoljno osetljiva da detektuje razlike u zapremini između grupa na odgovarajući način.17 Slika 2 pokazuje da i ručna segmentacija i automatizovana segmentacija pokazuju značajno razdvajanje u grupama divljeg tipa i mutantnim grupama u dobi od 9 nedelja. Iako je cjelokupno slaganje bilo odlično, vizuelna poređenja sugerirala su manja neslaganja oko toga da li uključiti ili isključiti bubrežnu karlicu u malom podskupu rezova. Iako je uobičajena praksa isključiti

Slika 1|Bland-Altman i regresiona analiza (a,e) interopservera i (b,f) ukupnog volumena bubrega unutar posmatrača (TKV)

mjerenja (mjerena u mililitrima) uz automatsku (Auto) metodu u poređenju sa (c,g) čitačem 1 i (d,h) čitačem 2.

Bland-Altman grafikoni pokazuju srednju razliku (puna linija) i 95 posto intervala pouzdanosti (isprekidane linije). Regresiona analiza pokazuje korelaciju između upoređenih metoda.

Slika 2|Ukupni volumen bubrega divljeg tipa i mutantnih miševa je nacrtan tokom vremena (3-12 sedmica starosti) za automatizirani (Auto)

metoda (lijevo), čitač 1 (u sredini) i čitač 2 (desno). Sve 3 metode pokazuju značajno odvajanje tipa miša u dobi od 9 sedmica.

Trake grešaka označavaju SD. *P <>

bubrežne karlice, varijabilnost bi se mogla smanjiti ako se čitateljima uputi da uvijek uključuju ovu strukturu.

Automatizirana metoda predstavljena u ovoj studiji još uvijek nije primijenjena na vanjske slike. Važno je napomenuti da se intenzitet signala razlikuje na različitim lokacijama, skenerima i MRI akvizicijama. Vjerovatno bi veći skup podataka za obuku s više različitih slučajeva iz različitih MRI mašina mogao postići robusniji model zbog prirode algoritama dubokog učenja. Automatski algoritmi poput ovih često moraju biti ponovo obučeni na vanjskim skupovima podataka zbog varijacija u MRI signalima. Stoga pružamo slikovne podatke, napomene i izvorni kod istraživačkoj zajednici kako bi druge grupe koristile isti model ili razvile vlastiti.

METODE

Podaci o obuci/validaciji

Model je obučen na 100 slučajeva i validiran na 50 slučajeva. Ovih 150 slučajeva sastojalo se od miševa različite težine bolesti i različitih dobi. Testni set je potpuno izdržan set i to je ono što smo ocijenili u ovom članku.

Testiranje studijske kohorte

Ovu studiju je pregledao i odobrio institucionalni komitet za njegu i korištenje životinja klinike Mayo. Kohortu su činili divlji tip C57Bl6 129s6Svev/Tac (n ¼ 4; 2 ženke/2 mužjaka) i C57Bl6 129s6Svev/Tac (n ¼ 4; 2 ženke/2 mužjaka) mutant Pkd1RC /RC model miševa. Mutantni miševi odražavaju ljudsku manifestaciju PKD1 i genetski i fenotipski.18 Jedan od mutantnih miševa je uginuo usred eksperimenta i zamijenjen je drugim mutantnim mišem iste starosti u 9. sedmici.

Sticanje slika

Snimanje je izvedeno pomoću spektrometra Avance DRX 700WB (Bruker BioSpin, Billerica, MA). Potpuna pokrivenostbubrezije dobijen aksijalnim TurboRARE T{{0}}ponderisanim akvizicijom rekonstruisanim sa rezolucijom u ravni od 0,1 mm i debljinom preseka od 1-mm (veličina matrice, 256 256 Z, sa Z odabranim velikim dovoljno da pokrije puni obimbubrezi). Ukupno vrijeme skeniranja kretalo se od 5 do 10 minuta. U kohorti testiranja, svaki miš je snimljen u 4-vremenskim tačkama (3, 6, 9 i 12 sedmica starosti). Vremenske tačke za svakog miša izvedene su u razmaku od 2 dana kako bi se osigurali konzistentni parametri slike i ograničile varijacije u okolini.

Analiza slike

Regije od interesa su praćene na svakom skeniranju pomoću softverskog paketa za snimanje (Analyze, verzija 12.0, Biomedical Imaging Resource, Mayo Clinic, Rochester, MN). Svaki čitalac je dobio instrukcije da isključi bubrežnu karlicu kada bubrežna karlica nije zatvorenabubregkapsula unutar isječka slike. Ručne segmentacije su trajale od 20 do 40 minuta u zavisnosti od slučaja. TV-i su izračunati tako što se najprije zbroji broj voksela sadržanih u segmentaciji na svakom odsječku, a zatim se broj voksela pomnoži sa zapreminom voksela dobivenom iz zaglavlja slike. Za podatke testiranja obavljena su 2 dvostruko slijepa čitača (1 i 2), oba iskusna u ručnoj MRI segmentaciji.bubregsegmentations on all scans. For intrareader analysis, reader 2 repeated the measurements at 2-time points (>3 mjeseca razmaka).

Automatizovana metoda

Model neuronske mreže je prilagođen iz našeg prethodnog modela za mjerenje TKV iz koronalnih T2-ponderisanih slika magnetne rezonance iz kliničkih skeniranja.19 Izvorni kod, slike i napomene su javno dostupni na: https:// github.com/ TLKline/AutoTKV_MRI miša.

Statistička analiza

Za statističku analizu korištene su aksijalne T2-ponderisane slike magnetne rezonance dobijene po mišu (n=8) u svakoj vremenskoj tački (3, 6, 9 i 12 sedmica). Ukupno 32 slike omogućile su poređenje različitih slika u širokom rasponu dobi i razlika u fenotipovima. Za validaciju potpuno automatizovane metode, korišćena je uporedna statistika za procenu sposobnosti svake metode da odvoji grupe divljeg tipa i mutantne grupe. Ovo je postignuto iscrtavanjem TKV-a prema vremenskoj tački i odvajanjem po tipu miša. TKV mjerenja i stope rasta za svaku metodu su također procijenjene korištenjem Bland-Altmanovih dijagrama i linearne regresije.

OTKRIVANJE

Svi autori su se izjasnili da nema suprotstavljenih interesa.

ZAHVALNICA

Ovaj rad su podržali klinika Mayo Robert M. i Billie Kelley Pirnie Translational PolycysticBubregCentar za bolesti i Nacionalni institut za dijabetes i probavu iBubregBolesti (brojevi pomoći P30DK090728 i K01DK110136). Autori zahvaljuju Lynnae M. Henry na njenoj administrativnoj podršci u pripremi i formatiranju ovog rukopisa.

REFERENCE

1. Grantham JJ, Torres VE, Chapman AB, et al. Progresija volumena kod policistične bolesti bubrega.N Engl Med.2006;354:2122-2130.

2. Torres VE, Chapman AB, Devuyst O, et al. Tolvaptan kod pacijenata sa autosomno dominantnom bolešću policističnih bubrega. N Engl J Med.2012;367:2407-2418.

3. Caroli A, Perico N, Perna A, et al. Efekat dugodjelujućeg analoga somatostatina na rast bubrega i cista kod autosomno dominantne policistične bolesti bubrega (ALADIN): randomizirano, placebom kontrolirano, multicentrično ispitivanje. Lancet.2013;382:1485-1495.

4. Wallace DP, Hou YP, Huang ZL et al. Praćenje volumena bubrega kod miševa 14. Almajdub M, Magnier L, Juillard L, et al.Bubregkvantifikacija zapremine kod policistične bolesti bubrega magnetnom rezonancom. Kidney Int.2008;73:778-781.

5. Grantham J, Torres VE, Važnost ukupnog volumena bubrega u procjeni progresije policistične bolesti bubrega. Nat Rev Nephrol. 2016;12:667-677.

6. Higashihara E, Torres VE, Chapman AB, et al. Tolvaptan u autosomnom 16. Gleason SS, Sari-Sarraf H, Abidi MA, et al. Nova deformabilna dominantna bolest policističnih bubrega: tri godine iskustva. Cin J Am Soc Nephrol. 20116:2499-2507.

7. Irazabal MV, Rangel L, Berastralh EJ, et al, Klasifikacija slika autosomno dominantne policistične bolesti bubrega: jednostavan model za odabir pacijenata za klinička ispitivanja. JAm Soc Nephrol.2015;26:160-172.

8. Olazabal MV, Mishra PK, Torres VE, et al. Upotreba MRI ultra-visokog polja u modelima policističnih malih glodarabubregbolest za Vivo fenotipizaciju i praćenje lijekova. J Vis Exp.2015;100:e52757.

9. Erokwu BO, Anderson CE, Flask CA, et al. Kvantitativne procjene magnetne rezonancije progresije autosomno recesivne bolesti policističnih bubrega i odgovora na terapiju na životinjskom modelu. Pediatr Res.2018;83:1067-1074.

10. Doktor RB, Serkova NU, Hasebroock KM, et al. Različiti obrasci rasta cista bubrega i jetre kod pkd2(WS25/-) miševa. Transplantacija Nephrol Dial. 2010;25:3496-3504.

11. Franke M, Baessler B, VechtelJ, et al. T2 mapiranje magnetnom rezonancom i difuzijsko ponderisano snimanje za rano otkrivanje cistogeneze i odgovor na terapiju u mišjem modelu policistične bolesti bubrega. Kidney Int. 2017:92:1544-1554.

12. Zhou X, Bao H, Takakura A, et al. Evaluacija policistične bolesti bubrega magnetnom rezonancom u PKD1 nokaut modelu miša oštećenog ishemijom i reperfuzijom: poređenje T2-ponderisanog FSE i istinitog FISP. Invest Radiol.2010;45:24-28.

13. Fei B, Flask C, Wang H, et al. Segmentacija slike, registracija i vizualizacija serijskih MR slika za terapijsku procjenu policističnihbubregbolesti kod transgenih miševa. Conf Proc IEEE Eng Med Biol Soc. 2005;1:467-469.

14. Almaidub M, Maanier L, Juillard L, et al,Bubregkvantifikacija volumena pomoću in vivo rendgenskog mikro-CT-a s pojačanim kontrastom kod miševa. Contrast Media Mol Imaging.2008;3:1 20-126.

15. Hadjidemetriou S, Reichardt W, Hennig J, et al. Volumetrijska analiza MRI podataka praćenja liječenja policističnihbubregbolest na mišjem modelu. MAGMA.2011;24:109-119.model za analizu rendgenskih CT slika u pretkliničkim studijama miševa za policističnu bolest bubrega.IEEE Trans Med Imaging. 2002;21:1302-1309.

16. Gleason SS, Sari-Sarraf H, Abidi MA, et al. Novi deformabilni model za analizu rendgenskih CT slika u pretkliničkim studijama na miševima za policističnu bolest bubrega. IEEE Trans Med Imaging.2002;21:1302-1309.

17. Reichardt W, Romaker D, Becker A, et al. Praćenje volumena bubrežnih i bubrežnih cista primjenom MR pristupa na mišjem modelu ADPKD tretiranog rapamicinom. MAGMA.2009;22:143-149.

18. Hopp K, Ward C, Hommerding C, et al. Funkcionalna doza policistina{1}} upravlja autozomno dominantnim policističnimbubregozbiljnosti bolesti. J Cin Invest. 2012:122:4257-4273.

19. Kine TLKorfatis P, Edwards ME, et al, Performanse umjetne dubinske neuronske mreže s više promatrača za potpuno automatiziranu segmentaciju policističnihbubrezi.JDigit Imaging.2017;30:442-448.