Automatisierte Gesamtnierenvolumenmessungen in der präklinischen Magnetresonanztomographie zur Beschaffung von Bildgebungsdaten, Anmerkungen und Quellcode

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

Cistanche-Extrakt ist gut für die Nierenfunktion

Marie E. Edwards1, Sigapriya Periyanan1, Deema Anaam2, Adriana V. Gregory1 und Timothy L. Kline1,21Abteilung für Nephrologie und Hypertonie, Mayo Clinic, Rochester, Minnesota, USA; und 2Abteilung für Radiologie, Mayo Clinic, Rochester, Minnesota, USA

Ziel dieser Studie war es, eine vollautomatische Gesamtsumme zu validieren.NiereVolumenmessmethode für präklinische Nagetierstudien, die schnell, genau und reproduzierbar ist und diese Ressourcen der Forschungsgemeinschaft zur Verfügung stellt. Nagetierstudien, die Bildgebung beinhalten, sind entscheidend für die Überwachung der Wirksamkeit der Behandlung bei Krankheiten wie polyzystischenNiereKrankheit. Frühere Studien verwenden manuelle oder halbautomatische Segmentierung, die zeitaufwendig und potenziell voreingenommen ist. Zur Entwicklung unseres automatisierten Systems wurden insgesamt 150 axiale Magnetresonanzbilder (MRT) aus einer Vielzahl von Mausmodellen manuell segmentiert und zum Trainieren/Validieren eines automatisierten Algorithmus verwendet. Um die longitudinale Anwendung des Modells zu testen, wurden vier mutierte und vier Wildtyp-Mäuse sequenziell über drei bis zwölf Wochen per MRT abgebildet. Segmentierungen der Nieren (ohne Nierenbecken) wurden durch die automatisierte Methode und zwei verschiedene Lesegeräte erzeugt, wobei ein Leser die Messungen wiederholte. Ähnlichkeitsmetriken und Längsschnittanalysen wurden berechnet, um die Leistung der automatisierten Methoden im Vergleich zu den manuellen Methoden zu bewerten. Der automatisierte Ansatz erforderte keine Benutzereingaben, außer einem abschließenden visuellen Qualitätskontrollschritt. Die Ähnlichkeitsmetriken der automatisierten Methode im Vergleich zu den manuellen Segmentierungen entsprachen den Vergleichen zwischen und innerhalb des Lesers. So kann unser hier beschriebener vollautomatischer Ansatz sicher in longitudinalen, präklinischen Studien eingesetzt werden, die die Segmentierung von Nagetiernieren in T2-gewichteten MRTs beinhalten.

In dieser Studie wurde eine vollautomatische Methode zur Messung der Gesamtsumme entwickelt.NiereVolumen für die präklinische Bildgebung in einem mutierten Mausmodell polyzystischerNiereKrankheit sowie Wildtyp-Mäuse. Diese Studie etablierte auch sowohl Interreader- als auch Intrareader-Variabilitäten bei der Messung des Gesamtnierenvolumens für die präklinische Bildgebung. Ähnliche Studien und algorithmische Ansätze können verwendet werden, um Methoden für klinische Bildgebungsdaten zu etablieren und sind für eine genaue Krankheitsprognose und klinische Entscheidungsfindung erforderlich. Wir stellen der Forschungsgemeinschaft die Bilddaten, Anmerkungen und den Quellcode zur Verfügung.

Es wurde gezeigt, dass die Messung des Organvolumens mit klinischen Manifestationen und Morbidität von Krankheiten wie Gesamterkrankungen korreliert.NiereVolumen (TKV) in autosomal-dominanten polyzystischenNiereKrankheit (PKD)1,2 und wird verwendet, um die Wirksamkeit von Behandlungsinterventionen zu bestimmen.3 Forschung, klinische Studien und zunehmend auch klinische Nephrologie nutzen diese Messungen, um das Fortschreiten der Krankheit sowohl in Tiermodellen4 als auch bei Patienten zu überwachen,5 die Wirksamkeit von Therapien zu bewerten,6 und Ergebnisse vorherzusagen.7

Derzeit finden präklinische Studien mit einer beispiellosen Geschwindigkeit statt, um nach neuen Behandlungen zu suchen, die das Fortschreiten der PKD verlangsamen. Ein wesentlicher Vorteil der Magnetresonanztomographie (MRT) in Tiermodellen der PKD ist die Möglichkeit, In-vivo-Bildgebung zu verwenden, was volumetrische Längsschnittstudien ermöglicht, bei denen dasselbe Tier verwendet wird.8 Zahlreiche Studien mit manuellen,4,9–12 halbautomatisierten,13,14 und registrierungsbasierten automatisierten Segmentierungen15,16 der MausNierenwurden bereits durchgeführt.

Viele der Methoden, die als automatisiert gelten, erfordern immer noch Benutzereingaben. Ein Großteil dieser präklinischen Studien verwendet manuelle Segmentierungen, die zeit- und kostenintensiv sind und Beobachterverzerrungen mit sich bringen. Daher hat unser Labor die Variabilität bei der Messung von TKV bewertet und ein automatisiertes Analyseprogramm entwickelt, um TKV in Magnetresonanzscans von murinen Modellen der Krankheit zu messen.

BEFUND

Intra- und Interobserver-Variabilität der manuellen Niere

Segmentierungen

Abbildung 1 zeigt die Ergebnisse der Bland-Altman-Analyse von TKV, wie sie manuell von 2 Lesern (Interobserver-Varianz) und wiederholten Messungen von Leser 2 (Intrabeobachter-Varianz) gemessen wurde. Beim Vergleich von Leser 1 mit Leser 2 ergab sich ein mittlerer prozentualer Unterschied von 7,7 % und ein Konfidenzintervall von 95 % von 4,5 %. Wenn Leser 2 wiederholte Messungen desselben Bildes durchführte, ergab sich ein mittlerer prozentualer Unterschied von 0,5% und ein 95%-Konfidenzintervall von 3,9%. Die Regressionsanalyse zeigte, dass es eine hohe Übereinstimmung in TKV unter allen Methoden gibt, mit einem R2-Wert von 0,99 USD.

Validierung des automatisierten Segmentierungsalgorithmus

Die automatisierte Methode im Vergleich zu jedem Leser in Bezug auf die prozentuale Differenz von TKV ähnelte der der Inter- und Intraobserver-Varianz, wie die Bland-Altman-Diagramme in Abbildung 1 nahelegen. Beim Vergleich von Leser 1 mit der automatisierten Methode ergab sich ein mittlerer prozentualer Unterschied von 5,2% und ein Konfidenzintervall von 95% von 5,8%. Beim Vergleich von Leser 2 mit der automatisierten Methode ergab sich ein mittlerer prozentualer Unterschied von 2,5% und ein Konfidenzintervall von 95% von 6,5%.

Die Unterscheidung zwischen Wildtyp- und mutierten Mäusen

Der Mittelwert und die SD-TKVs wurden zu jedem Zeitpunkt für jede Methode aufgetragen und nach Genotyp (Mutant vs. Wildtyp) getrennt. Wie in Abbildung 2 zu sehen ist, ist der mittlere TKV bei Wildtyp-Mäusen zu jedem Zeitpunkt immer kleiner als bei mutierten Mäusen. Alle 3 Methoden (automatisiert, Leser 1 und Leser 2) zeigen eine signifikante Trennung des Maustyps im Alter von 9 und 12 Wochen.

DISKUSSION

Die Analyse vonNiereDas Volumen in PKD ist eine der wichtigsten Metriken, die derzeit zur Charakterisierung des Krankheitsstatus verwendet werden. Vor unserer Arbeit gab es keine Alternative zur manuellen NachverfolgungNierenin Modellsystemen der PKD. Aufgrund der Zeit, die benötigt wird, um diese Strukturen zu verfolgen, sowie der Zeit, die benötigt wird, um eine Person für die Durchführung dieser Messungen zu trainieren, und des Potenzials für Inter-Operator-Variabilität, haben wir in dieser Studie eine vollautomatische Segmentierungsmethode für TKV entwickelt und validiert. Automatisierte Segmentierungen werden in wenigen Minuten (abhängig von der Rechenleistung) berechnet, während manuelle Segmentierungen 20 bis 40 Minuten dauern. Im Gegensatz zu manuellen oder sogar halbautomatischen Segmentierungsmethoden führt diese automatisierte Methode jedes Mal zu den gleichen Ergebnissen, wenn sie auf dasselbe Bild angewendet wird.

Präklinische Studien umfassen häufig sowohl eine Kontrollgruppe als auch eine oder mehrere Behandlungsgruppen; Daher muss die autostandardisierte Methode empfindlich genug sein, um Volumenunterschiede zwischen Gruppen angemessen zu erkennen.17 Abbildung 2 zeigt, dass sowohl die manuelle Segmentierung als auch die automatisierte Segmentierung im Alter von 9 Wochen eine signifikante Trennung zwischen der Wildtyp- und der Mutantengruppe zeigen. Obwohl die Gesamtübereinstimmung ausgezeichnet war, deuteten visuelle Vergleiche auf geringfügige Meinungsverschiedenheiten darüber hin, ob das Nierenbecken in eine kleine Teilmenge von Schnitten eingeschlossen oder ausgeschlossen werden sollte. Obwohl es üblich ist, die

Abbildung 1 | Bland-Altman und Regressionsanalyse von (a,e) Interobserver und (b,f) intraobserver total kidney volume (TKV)

Messungen (gemessen in Millilitern) zusätzlich zur automatisierten (Auto) Methode im Vergleich zu (c,g) Leser 1 und (d,h) Leser 2.

Bland-Altman-Diagramme zeigen die mittlere Differenz (durchgezogene Linie) und das Konfidenzintervall von 95 % (gepunktete Linien). Die Regressionsanalyse zeigt den Zusammenhang zwischen den verglichenen Methoden.

Abbildung 2 | Das Gesamtnierenvolumen von Wildtyp- und mutierten Mäusen wurde im Laufe der Zeit (im Alter von 3-12 Wochen) für die automatisierte (Auto)

-Methode (links), Leser 1 (Mitte) und Leser 2 (rechts). Alle 3 Methoden zeigen eine signifikante Trennung des Maustyps im Alter von 9 Wochen.

Fehlerindikatoren zeigen SD an. *P<>

Nierenbecken kann die Variabilität abnehmen, wenn die Leser angewiesen werden, diese Struktur immer einzubeziehen.

Die in dieser Studie vorgestellte automatisierte Methode wurde noch nicht auf externe Bilder angewendet. Es ist wichtig zu beachten, dass die Signalintensitäten je nach Standort, Scanner und MRT-Erfassungen variieren. Wahrscheinlich könnte ein größerer Trainingsdatensatz mit vielfältigeren Fällen aus verschiedenen MRT-Geräten aufgrund der Natur von Deep-Learning-Algorithmen ein robusteres Modell erreichen. Automatisierte Algorithmen wie diese müssen aufgrund der unterschiedlichen MRT-Signale häufig auf externe Datensätze umtrainiert werden. Wir stellen daher die Bilddaten, Anmerkungen und den Quellcode der Forschungsgemeinschaft zur Verfügung, damit andere Gruppen entweder dasselbe Modell verwenden oder ihr eigenes entwickeln können.

METHODIK

Trainings-/Validierungsdaten

Das Modell wurde an 100 Fällen trainiert und an 50 Fällen validiert. Diese 150 Fälle bestanden aus Mäusen mit unterschiedlicher Schwere der Erkrankung und in einer Reihe von Altersgruppen. Das Testset ist ein komplett durchgehaltenes Set und ist das, was wir in diesem Artikel bewertet haben.

Teststudienkohorte

Diese Studie wurde vom Mayo Clinic Institutional Animal Care and Use Committee überprüft und genehmigt. Die Kohorte bestand aus Wildtyp C57Bl6 129s6Svev/Tac (n 1/4 4; 2 Weibchen/2 Männchen) und C57Bl6 129s6Svev/Tac (n 1/4 4; 2 Weibchen/2 Männer) mutierten Pkd1RC/RC Modellmäusen. Mutierte Mäuse spiegeln die menschliche Manifestation von PKD1 sowohl genetisch als auch phänotypisch wider.18 Eine der mutierten Mäuse starb mitten im Experiment und wurde in Woche 9 durch eine andere mutierte Maus im gleichen Alter ersetzt.

Bildaufnahmen

Die Bildgebung wurde mit einem Avance DRX 700WB (Bruker BioSpin, Billerica, MA) Spektrometer durchgeführt. Vollständige Abdeckung derNierenwurde durch eine axiale TurboRARE T2-gewichtete Erfassung erhalten, die mit einer Auflösung von 0,1 mm in der Ebene und einer Schichtdicke von 1 mm rekonstruiert wurde (Matrixgröße, 256 256 Z, wobei Z groß genug gewählt wurde, um das volle Ausmaß derNieren). Die Gesamtscanzeit reichte von 5 bis 10 Minuten. In der Kohorte der Teststudie wurde jede Maus zu 4 Zeitpunkten (im Alter von 3, 6, 9 und 12 Wochen) abgebildet. Die Zeitpunkte für jede Maus wurden innerhalb von 2 Tagen durchgeführt, um konsistente Bildgebungsparameter zu gewährleisten und Umgebungsschwankungen zu begrenzen.

Bildanalyse

Interessante Regionen wurden bei jedem Scan mit einem Bildgebungssoftwarepaket (Analyze, Version 12.0, Biomedical Imaging Resource, Mayo Clinic, Rochester, MN) verfolgt. Jeder Leser wurde angewiesen, das Nierenbecken auszuschließen, wenn das Nierenbecken nicht von derNiereKapsel innerhalb der Bildscheibe. Manuelle Segmentierungen dauerten je nach Fall 20 bis 40 Minuten. Fernseher wurden berechnet, indem zuerst die Anzahl der Voxel, die in der Segmentierung auf jeder Scheibe enthalten sind, summiert und dann die Anzahl der Voxel mit dem Voxelvolumen multipliziert wurden, das aus dem Bildheader erhalten wurde. Für die Testdaten wurden 2 doppelblinde Lesegeräte (1 und 2), die beide Erfahrung in der manuellen MRT-Segmentierung haben, durchgeführtNiereSegmentierungen auf allen Scans. Für die Intrareader-Analyse wiederholte Leser 2 die Messungen an 2-Zeitpunkten (im Abstand von >3 Monaten).

Automatisiertes Verfahren

Das neuronale Netzwerkmodell wurde von unserem Vorgängermodell zur Messung von TKV aus koronalen T2-gewichteten Magnetresonanzbildern aus klinischen Scans angepasst.19 Der Quellcode, die Bilder und die Anmerkungen werden unter folgender Adresse öffentlich zugänglich gemacht: https://github.com/ TLKline/AutoTKV_MouseMRI.

Statistische Analyse

Für die statistische Analyse wurden die axialen T2-gewichteten Magnetresonanzbilder verwendet, die zu jedem Zeitpunkt (3, 6, 9 und 12 Wochen) per Maus (n 1/4 8) aufgenommen wurden. Insgesamt 32 Bilder ermöglichten den Vergleich verschiedener Bilder über ein breites Spektrum von Altersgruppen und Unterschieden in den Phänotypen. Zur Validierung der vollautomatischen Methode wurden Vergleichsstatistiken verwendet, um die Fähigkeit jeder Methode zu bewerten, Wildtyp- und Mutantengruppen zu trennen. Dies wurde erreicht, indem der TKV nach Zeitpunkt und nach Maustyp getrennt wurde. TKV-Messungen und Wachstumsraten für jede Methode wurden auch unter Verwendung von Bland-Altman- und linearen Regressionsdiagrammen bewertet.

ENTHÜLLUNG

Alle Autoren erklärten keine konkurrierenden Interessen.

BESTÄTIGUNGEN

Diese Arbeit wurde von der Mayo Clinic Robert M. und Billie Kelley Pirnie Translational Polycystic unterstützt.NiereDisease Center und das National Institute of Diabetes and Digestive undNiereKrankheiten (Fördernummern P30DK090728 und K01DK110136). Die Autoren danken Lynnae M. Henry für ihre administrative Unterstützung bei der Vorbereitung und Formatierung dieses Manuskripts.

REFERENZEN

1. Grantham JJ, Torres VE, Chapman AB, et al. Volumenprogression bei polyzystischer Nierenerkrankung. N Engl Med.2006;354:2122-2130.

2. Torres VE, Chapman AB, Devuyst O, et al. Tolvaptan bei Patienten mit autosomal-dominanter polyzystischer Nierenerkrankung. N Engl J Med.2012;367:2407-2418.

3. Caroli A, Perico N, Perna A, et al. Wirkung des lang wirkenden Somatostatin-Analogons auf das Nieren- und Zystenwachstum bei autosomal-dominanter polyzystischer Nierenerkrankung (ALADIN): eine randomisierte, placebokontrollierte, multizentrische Studie. Lanzette.2013;382:1485-1495.

4. Wallace DP, Hou YP, Huang ZL et al. Verfolgung des Nierenvolumens bei Mäusen 14. Almajdub M, Magnier L, Juillard L, et al.NiereVolumenquantifizierung bei polyzystischer Nierenerkrankung durch Magnetresonanztomographie. Niere Int.2008;73:778-781.

5. Grantham J, Torres VE, Die Bedeutung des Gesamtnierenvolumens bei der Beurteilung des Fortschreitens der polyzystischen Nierenerkrankung. Nat Rev Nephrol. 2016;12:667-677.

6. Higashihara E, Torres VE, Chapman AB, et al. Tolvaptan in autosomal 16. Gleason SS, Sari-Sarraf H, Abidi MA, et al. Eine neue deformierbare dominante polyzystische Nierenerkrankung: drei Jahre Erfahrung. Cin J Am Soc Nephrol. 20116:2499-2507.

7. Irazabal MV, Rangel L, Berastralh EJ, et al, Imaging classification of autosomal dominant polycystic kidney disease: a simple model for selecting patients for clinical trials. JAm Soc Nephrol.2015;26:160-172.

8. Olazabal MV, Mishra PK, Torres VE, et al. Einsatz der Ultrahochfeld-MRT in kleinen Nagetiermodellen polyzystischerNiereKrankheit für Vivo-Phänotypisierung und Arzneimittelüberwachung. J Vis Exp.2015;100:e52757.

9. Erokwu BO, Anderson CE, Flask CA, et al. Quantitative Magnetresonanztomographie-Assessments des autosomal-rezessiven Fortschreitens der polyzystischen Nierenerkrankung und des Ansprechens auf die Therapie im Tiermodell. Pediatr Res.2018;83:1067-1074.

10. Doktor RB, Serkova NU, Hasebroock KM, et al. Deutliche Muster des Nieren- und Leberzystenwachstums bei pkd2 (WS25 / -) Mäusen. Nephrol Dial Transplantation. 2010;25:3496-3504.

11. Franke M, Baessler B, VechtelJ, u. a. Magnetresonanz-T2-Mapping und diffusionsgewichtete Bildgebung zur Früherkennung der Zystogenese und des Ansprechens auf die Therapie in einem Mausmodell der polyzystischen Nierenerkrankung. Niere Int. 2017: 92: 1544-1554.

12. Zhou X, Bao H, Takakura A, et al. Bewertung der polyzystischen Nierenerkrankung mittels Magnetresonanztomographie bei Ischämie-Reperfusion verletztem PKD1-Knockout-Mausmodell: Vergleich von T2-gewichteter FSE und True-FISP. Invest Radiol.2010;45:24-28.

13. Fei B, Flask C, Wang H, et al. Bildsegmentierung, Registrierung und Visualisierung von seriellen MR-Bildern zur therapeutischen Beurteilung von polyzystischenNiereKrankheit bei transgenen Mäusen. Conf proc IEEE eng med biol Soc. 2005;1:467-469.

14. Almaidub M, Maanier L, Juillard L, u. a.NiereVolumenquantifizierung mittels kontrastverstärkter In-vivo-Röntgenmikro-CT bei Mäusen. Contrast Media Mol Imaging.2008;3:1 20-126.

15. Hadjidemetriou S, Reichardt W, Hennig J u. a. Volumetrische Analyse von MRT-Daten, die die Behandlung von polyzystischenNiereKrankheit in einem Mausmodell. MAGMA.2011;24:109-119.Modell zur Analyse von Röntgen-CT-Bildern in präklinischen Studien an Mäusen für polyzystische Nierenerkrankungen. IEEE Trans Med Imaging. 2002;21:1302-1309.

16. Gleason SS, Sari-Sarraf H, Abidi MA, et al. Ein neues verformbares Modell zur Analyse von Röntgen-CT-Bildern in präklinischen Studien an Mäusen für polyzystische Nierenerkrankungen. IEEE Trans Med Imaging.2002;21:1302-1309.

17. Reichardt W, Romaker D, Becker A, u. a. Überwachung von Nieren- und Nierenzystenvolumina unter Anwendung von MR-Ansätzen an einem mit Rapamycin behandelten Mausmodell von ADPKD. MAGMA.2009;22:143-149.

18. Hopp K, Ward C, Hommerding C, et al. Funktionelle Polycystin-1-Dosierung regelt autosomal-dominante polyzystischeNiereSchweregrad der Erkrankung. J Cin investieren. 2012:122:4257-4273.

19. Kine TLKorfatis P, Edwards ME, et al, Performance of an artificial multi-observer deep neural network for fully automated segmentation of polycysticNieren. JDigit Imaging.2017;30:442-448.