اندازه گیری خودکار حجم کل کلیه در تصویربرداری تشدید مغناطیسی پیش بالینی برای تامین منابع داده های تصویربرداری، حاشیه نویسی ها و کد منبع

مخاطب:joanna.jia@wecistanche.com/ واتساپ: 008618081934791

Marie E.Edwards، Sigapriya Periyanan، Deema Anaam²، Adriana V. Gregory and Timothy L. Kline 'Division of Nephrology and Hypertension, Mayo Clinic, Rochester, Minnesota, USA; و 2 بخش رادیولوژی، کلینیک مایو، روچستر، مینه سوتا، ایالات متحده آمریکا

سیستانچتوبولوزاجلوگیری می کندکلیهمرض، برای دریافت نمونه اینجا کلیک کنید

هدف از این مطالعه اعتبار سنجی یک مجموع کاملا خودکار بودکلیهروش اندازه‌گیری حجم برای آزمایش‌های جوندگان پیش بالینی که سریع، دقیق، قابل تکرار باشد و این منابع را در اختیار جامعه پژوهشی قرار دهد. مطالعات جوندگان شامل تصویربرداری برای نظارت بر اثربخشی درمان در بیماری هایی مانند پلی کیستیک بسیار مهم است.کلیهمرض. مطالعات قبلی از تقسیم‌بندی دستی یا نیمه خودکار استفاده می‌کنند که زمان‌بر و بالقوه مغرضانه است. برای توسعه سیستم خودکار ما، در مجموع 150 تصویر تشدید مغناطیسی محوری (MRI) از انواع مدل‌های ماوس به صورت دستی تقسیم‌بندی شدند و برای آموزش/اعتبارسازی یک الگوریتم خودکار مورد استفاده قرار گرفتند. برای آزمایش کاربرد طولی مدل، از چهار موش جهش یافته و چهار موش نوع وحشی به صورت متوالی طی سه تا دوازده هفته از طریق MRI تصویربرداری شدند. تقسیم بندی کلیه ها (به استثنای لگن کلیه) با روش خودکار و دو خواننده مختلف ایجاد شد، با یک خواننده تکرار

اندازه گیری ها معیارهای شباهت و تجزیه و تحلیل طولی برای ارزیابی عملکرد خودکار در مقایسه با روش‌های دستی محاسبه شد. رویکرد خودکار به هیچ ورودی کاربر، علاوه بر مرحله نهایی کنترل کیفیت بصری، نیاز ندارد. معیارهای تشابه روش خودکار در مقابل تقسیم‌بندی‌های دستی با مقایسه‌های بین و درون‌خوان برابر بود. بنابراین، رویکرد کاملاً خودکار ما که در اینجا توضیح داده شده است، می‌تواند با خیال راحت در آزمایش‌های طولی و پیش بالینی که شامل تقسیم‌بندی جوندگان است، استفاده شود.کلیه هادر MRIهای وزنی T2-.

بیانیه ترجمه

این مطالعه یک روش کاملاً خودکار برای اندازه‌گیری کل ایجاد کردکلیهحجم برای تصویربرداری بالینی در یک مدل موش جهش یافته پلی کیستیکبیماری کلیویو همچنین موش های نوع وحشی. این مطالعه همچنین تنوع بین خواننده و درون خوان را در اندازه گیری حجم کل کلیه برای تصویربرداری بالینی ایجاد کرد. مطالعات مشابه و رویکردهای الگوریتمی را می توان برای ایجاد روش هایی برای داده های تصویربرداری بالینی مورد استفاده قرار داد و برای پیش آگهی دقیق بیماری و تصمیم گیری بالینی مورد نیاز است. ما داده های تصویربرداری، حاشیه نویسی و کد منبع را در اختیار جامعه پژوهشی قرار می دهیم.

نشان داده شده است که اندازه گیری حجم اندام با تظاهرات بالینی و عوارض بیماری هایی مانند کل ارتباط داردکلیهحجم (TKV) در پلی کیستیک اتوزومال غالبکلیهبیماری (PKD)l,2 و برای تعیین اثربخشی مداخلات درمانی استفاده می شود. تحقیقات، آزمایش‌های بالینی و نفرولوژی بالینی به طور فزاینده‌ای از این اندازه‌گیری‌ها برای نظارت بر پیشرفت بیماری در مدل‌های حیوانی و بیماران، ارزیابی اثربخشی درمان‌ها و پیش‌بینی نتایج استفاده می‌کنند.

در حال حاضر، مطالعات پیش بالینی با سرعت بی‌سابقه‌ای برای جستجوی درمان‌های جدید برای کاهش سرعت پیشرفت PKD در حال انجام است. یک مزیت کلیدی تصویربرداری تشدید مغناطیسی (MRI) در مدل‌های حیوانی PKD، توانایی استفاده از تصویربرداری in vivo است که امکان انجام مطالعات حجمی طولی را فراهم می‌کند که از همان حیوان استفاده می‌کنند. مطالعات متعددی که شامل 2 نیمه خودکار، 3،14 و دستی مبتنی بر ثبت،9-12 بخش‌بندی خودکار56 ماوس است.کلیه هاقبلا انجام شده است.

بسیاری از روش‌هایی که به‌عنوان خودکار در نظر گرفته می‌شوند همچنان به ورودی کاربر نیاز دارند. اکثر این مطالعات پیش بالینی از تقسیم‌بندی‌های دستی استفاده می‌کنند که زمان‌بر و پرهزینه هستند و همچنین سوگیری مشاهده‌گر را معرفی می‌کنند. بنابراین، آزمایشگاه ما تنوع در اندازه‌گیری TKV را ارزیابی کرده و یک برنامه تجزیه و تحلیل خودکار برای اندازه‌گیری TKV در اسکن‌های تشدید مغناطیسی مدل‌های موش بیماری ایجاد کرده است.

نتایج

تنوع درون و بین ناظر تقسیم بندی دستی کلیه

شکل 1 نتایج تجزیه و تحلیل Bland-Altman TKV را که به صورت دستی توسط 2 خواننده (واریانس بین ناظر) و تکرار اندازه گیری توسط خواننده 2 (واریانس درون ناظر) اندازه گیری شده است، نشان می دهد. هنگامی که خواننده 1 با خواننده 2 مقایسه شد، میانگین درصد اختلاف 7.7 درصد و فاصله اطمینان 95 درصد ± 4.5 درصد وجود داشت. هنگامی که خواننده 2 اندازه گیری های تکراری را از همان تصویر انجام داد، میانگین درصد اختلاف -0.5 درصد و فاصله اطمینان 95 درصد ± 3.9 درصد بود. تجزیه و تحلیل رگرسیون نشان داد که توافق بالایی در TKV در بین همه روش‌ها وجود دارد، با مقدار R² بزرگتر یا مساوی 99.99 0.

اعتبارسنجی الگوریتم تقسیم‌بندی خودکار روش خودکار در مقایسه با هر خواننده در رابطه با درصد اختلاف TKV مشابه واریانس بین و درون ناظر است که توسط نمودارهای بلند-آلتمن در شکل 1 پیشنهاد شده است. هنگامی که خواننده 1 با در روش خودکار، میانگین درصد اختلاف 5.2 درصد و فاصله اطمینان 95 درصد ± 5.8 درصد بود. هنگامی که Reader 2 با روش خودکار مقایسه شد، میانگین درصد اختلاف -2.5 درصد و یک فاصله اطمینان 95 درصد ± 6.5 درصد.

تمایز بین موش های نوع وحشی و جهش یافته

میانگین و SD TKVs در هر نقطه زمانی برای هر روش رسم شد و با ژنوتیپ (جهش در مقابل نوع وحشی) جدا شد. همانطور که در شکل 2 مشاهده می شود، میانگین TKV همیشه در موش های نوع وحشی در هر نقطه زمانی کوچکتر از موش های جهش یافته است. هر 3 روش (خودکار، خواننده 1 و خواننده 2) جدایی قابل توجهی از نوع موش را در سن 9 و 12 هفتگی نشان می دهند.

بحث

تجزیه و تحلیل حجم کلیه در PKD یکی از مهمترین معیارهایی است که در حال حاضر برای توصیف وضعیت بیماری استفاده می شود. قبل از کار ما، هیچ جایگزینی برای ردیابی دستی کلیه ها در سیستم های مدل PKD وجود نداشت. به دلیل زمان صرف شده برای ردیابی این ساختارها، و همچنین زمان مورد نیاز برای آموزش یک فرد برای انجام این اندازه‌گیری‌ها، و پتانسیل تغییرپذیری بین اپراتورها، در این مطالعه ما یک روش تقسیم‌بندی کاملاً خودکار برای TKV را توسعه و تأیید کردیم. تقسیم بندی خودکار در عرض چند دقیقه (بسته به قدرت محاسباتی) محاسبه می شود، در حالی که تقسیم بندی دستی 20 تا 40 دقیقه طول می کشد. برخلاف روش‌های تقسیم‌بندی دستی یا حتی نیمه خودکار، این روش خودکار هر بار که بر روی یک تصویر اعمال می‌شود، نتایج دقیق یکسانی را ایجاد می‌کند.

کارآزمایی‌های پیش بالینی اغلب شامل گروه کنترل و گروه(های درمانی) می‌شود. بنابراین، ضروری است که روش جفت‌گیری خودکار به اندازه کافی حساس باشد تا تفاوت‌های حجمی بین گروه‌ها را به‌طور مناسب تشخیص دهد.7 شکل 2 نشان می‌دهد که تقسیم‌بندی دستی و تقسیم‌بندی خودکار هر دو جدایی قابل‌توجهی را در گروه‌های نوع وحشی و گروه‌های جهش یافته در سن 9 هفتگی نشان می‌دهند. . اگرچه توافق کلی بسیار عالی بود، مقایسه‌های بصری اختلافات جزئی را در مورد گنجاندن یا حذف لگن کلیه در یک زیر مجموعه کوچک از برش‌ها نشان داد. اگر چه این امر معمول است که حذف شود

شکل 1|بلند-آلتمن و تجزیه و تحلیل رگرسیون (a,e) interobserver و (b,f) intraobserver حجم کل کلیه (TKV)

اندازه‌گیری‌ها (اندازه‌گیری شده در میلی‌متر) علاوه بر روش خودکار (خودکار) در مقایسه با (c,g) Reader 1 و (d,h) 2. نمودارهای Bland-Altman اختلاف میانگین (خط جامد) و فاصله اطمینان 95 درصد را نشان می‌دهند. (خطوط نقطه چین). تحلیل رگرسیون همبستگی بین روش های مقایسه شده را نشان می دهد.