Summary
Bone erosjoner er et viktig patologisk trekk ved revmatoid artritt. Hensikten med dette arbeidet er å introdusere et opplæringsverktøy for å gi brukerne veiledning om identifisering av patologiske kortikale brudd på høyoppløselige perifere kvantitative computertomografibilder for erosjonsanalyse.
Abstract
Bone erosjoner er et patologisk trekk ved flere former for inflammatorisk leddgikt, inkludert revmatoid artritt (RA). Den økte tilstedeværelsen og størrelsen på erosjoner er forbundet med dårlige resultater, leddfunksjon og sykdomsprogresjon. Høyoppløselig perifer kvantitativ computertomografi (HR-pQCT) gir uovertruffen in vivo-visualisering av beinerosjoner. Men ved denne oppløsningen er diskontinuiteter i det kortikale skallet (kortikale pauser) som er forbundet med normale fysiologiske prosesser og patologi også synlige. Studien grouP for xtrEme Computed Tomography in Rheumatoid Arthritis brukte tidligere en konsensusprosess for å utvikle en definisjon av patologisk erosjon i HR-pQCT: et kortikalt brudd detektert i minst to påfølgende skiver, i minst to vinkelrette plan, ikke-lineær i form, med underliggende trabekulært bentap. Til tross for at det finnes en konsensusdefinisjon, er erosjonsidentifisering imidlertid en krevende oppgave med utfordringer i interratervariabilitet. Hensikten med dette arbeidet er å introdusere et opplæringsverktøy for å gi brukerne veiledning om identifisering av patologiske kortikale brudd på HR-pQCT-bilder for erosjonsanalyse. Protokollen som presenteres her bruker en spesialbygd modul (Bone Analysis Module (BAM) - Training), implementert som en utvidelse til en åpen kildekode bildebehandlingsprogramvare (3D Slicer). Ved hjelp av denne modulen kan brukerne øve på å identifisere erosjoner og sammenligne resultatene med erosjoner kommentert av ekspertreumatologer.
Introduction
Bone erosjoner oppstår når betennelse forårsaker lokalisert bentap på kortikal beinoverflate. Disse erosjonene strekker seg inn i den underliggende trabekulære beinregionen. De er et patologisk trekk ved flere former for inflammatorisk leddgikt, inkludert revmatoid artritt (RA)1. Erosjonstilstedeværelse og -størrelse er forbundet med dårlige utfall, pasientfunksjon og sykdomsprogresjon 2,3,4,5. Mens vanlig radiografi fortsatt er den kliniske standarden for erosjonsvurdering, gir høyoppløselig perifer kvantitativ computertomografi (HR-pQCT) 3D-bilder og overlegen følsomhet og spesifisitet for erosjonsdeteksjon 6,7. For inflammatorisk leddgikt, som RA, utføres HR-pQCT vanligvis på 2. og 3. metakarpofalangealledd - de mest berørte leddene i hånden8. Fordi HR-pQCT-bilder har høy romlig oppløsning, observeres også fysiologiske forstyrrelser i den kortikale overflaten hos friske individer uten RA9. Disse kortikale avbruddene er ofte forbundet med vaskulære kanaler eller næringsforamen som passerer gjennom beinet10. Dermed er utfordringen å skille kortikale forstyrrelser forbundet med en sykdomsprosess (dvs. patologiske erosjoner) fra ikke-patologiske trekk.
Konsensusdefinisjonen av en patologisk beinerosjon ble publisert av Study grouP for xtrEme Computed Tomography in Rheumatoid Arthritis (SPECTRA) som tilstedeværelsen av et bestemt avbrudd i det kortikale laget av beinet som strekker seg over minst to påfølgende skiver og kan påvises i to eller flere vinkelrette plan11. Videre må avbruddet være ikke-lineært i form og ledsaget av tap i trabekulær region. Visuelle eksempler på kortikale forstyrrelser som oppfyller og ikke oppfyller kriteriene for erosjoner er vist i Klose-Jensen et al.12.
Imidlertid klassifiseres ikke alle kortikale avbrudd som oppfyller de ovennevnte kriteriene som erosjoner. Avbrudd skyldes noen ganger fysiologiske prosesser som vaskulære kanaler (figur 1). Disse kan identifiseres og differensieres fra erosjoner på grunn av deres forutsigbare anatomiske plasseringer, parallelle og rette marginer og sub-millimetrisk størrelse13. Cyster er en annen form for kortikal avbrudd som ikke anses å være en erosjon. De har ofte en avrundet trabekulær struktur med en klar cystisk vegg 13. I motsetning til de skarpe kantene og den åpne trabekulære strukturen som vises ved erosjoner. Imidlertid er det mulig for erosjoner å danne seg på cystiske steder, noe som gjør det tvetydig å avgrense volumet av bentap forårsaket av erosjonene og ikke cyster. Selv om det ikke er hensikten med denne studien å løse denne tvetydigheten med ytterligere kriterier, er det behov for å gi omfattende eksempler på patologisk erosjon og fysiologiske kortikale forstyrrelser.
Figur 1 Eksempel på kortikale avbrudd som ikke utelukkende skyldtes erosjoner. (A) En tegning som illustrerer den vanlige plasseringen av vaskulære kanaler ved bunnen av metakarpalhodet. Eksempler på vaskulære kanaler i (B) koronal, (C) sagittal, (D) og (E) aksialplan. (F) Eksempel på et kortikal avbrudd forårsaket av en cyste. (G) Eksempel på et tomromsvolum i det trabekulære benområdet som involverer både cyster og erosjoner. Klikk her for å se en større versjon av denne figuren.
Til tross for utfordringene med erosjonsidentifisering, er det for tiden ingen opplæringsverktøy på plass for å gi mindre erfarne brukere veiledning om tolkning av HR-pQCT-bilder for erosjonsanalyse. Nylig ble en åpen kildekode-modul for erosjonsanalyse kalt beinanalysemodul (BAM) - Erosion Volume utviklet, implementert som en utvidelse til en åpen kildekode-bildebehandlingsprogramvare for å muliggjøre erosjonsvisualisering og volumetriske analyser14. Protokollen som presenteres her beskriver bruken av en treningsmodul lagt til BAM (BAM - Training), som sammenligner en brukers erosjonsidentifikasjonsforsøk ved å sammenligne erosjonsidentifikasjonen med erosjoner kommentert av ekspertreumatologer. Dette opplæringsverktøyet gir brukerne tilbakemelding om erosjonsidentifikasjon for å veilede forbedringer i erosjonsanalyse. Du finner instruksjoner for installering av programvare i trinn 1. For ny datainnsamling, se trinn 3 - 5.3. Bare for bruk av treningsmodul, se trinn 2.
Protocol
Alle metodene i denne protokollen følger retningslinjene fastsatt av Conjoint Health Research Ethics Board ved University of Calgary (REB19-0387).
1. Installer 3D Slicer 15 og beinanalysemoduler
- Last ned installasjonsfilen for en stabil versjon av 3D Slicer som er relevant for operativsystemet som brukes fra https://download.slicer.org/.
- Kjør den nedlastede installasjonsfilen, og følg instruksjonene i veiviseren.
- Når installasjonen er fullført, fortsett med å installere beinanalysemodulene.
- Last ned beinanalysemodulene fra https://doi.org/10.5281/zenodo.7943007 som en komprimert zip-fil og pakk ut den komprimerte mappen. Vær oppmerksom på katalogen der den utpakkede mappen ligger.
- Start 3D Slicer. Last modulene inn på 3D Slicer ved å klikke på Rediger øverst til venstre i 3D Slicer-vinduet. Klikk på Rediger > applikasjonsinnstillinger for å åpne et nytt vindu.
- Klikk på moduler som er en fane til venstre i det nylig åpnede innstillingsvinduet. Legg banene til beinanalysemodulene under Flere modulbaner: (Figur 2).
- For å gjøre dette, dra og slipp følgende liste over mapper i boksen under Flere modulbaner :. Disse mappene er plassert inne i den nedlastede mappen i trinn 1.3.1: AutoMask, CorticalBreakDetection, ErosionComparison, ErosionVolume, FileConverter, ImageRegistration, Training. Innstillingsvinduet skal ligne på figur 2.
- Trykk OK nederst til høyre i vinduet Innstillinger. En omstart er nødvendig for å bekrefte installasjonen av modulene. Dette gjør du ved å lukke 3D Slicer og starte den på nytt.
MERK: Lasting av modulene gjøres bare én gang per installasjon av 3D Slicer. Ved ytterligere oppdateringer til beinanalysens GitHub-depot, vil en enkel terminal (eller kommandolinje) git pull-kommando i katalogen som inneholder den tidligere BAM-nedlastingen automatisk oppdatere alle modulene. Igjen, alternativt kan depotet lastes ned, og gamle moduler utveksles med de nye manuelt.
Figur 2: Eksempel på innstillingsvindu etter at benanalysemoduler er lagt til i en installasjon av 3D Slicer. Bildet viser et skjermbilde av innstillingsvinduet med modulene uthevet i den røde boksen. Klikk her for å se en større versjon av denne figuren.
2. Opplæringsmodul
- Start BAM-Training-modulen.
- Klikk på rullegardinmenyen på 3D Slicers verktøylinje. Finn benanalysemoduler og hold musen over den (figur 3). Klikk på Trening.
- Last inn filer i modulen.
- Ved lansering av BAM-treningsmodulen lastes alle nødvendige filer (gråtonebilder, masker, referanseerosjonssegmenteringer) automatisk ved å klikke på Fortsett, forutsatt at BAM github-depotet ble lastet ned som nevnt ovenfor.
- Velg en skannetype for filene.
- Velg en ved å holde musepekeren over rullegardinmenyen merket Input Volume: Select a Volume, dette representerer master grey scale-bildet.
- Velg masken (dvs. filen som identifiserer volumet i periostealoverflaten) i rullegardinmenyen merket Inndatamaske: Velg et volum. Kontroller at denne masken tilsvarer inngangsvolumet ovenfor ved å kontrollere at måle-ID-en og MCP-leddet er det samme i begge valgene.
- Hvis dette er første gang opplæringsmodulen kjøres på dette bildet med denne lanseringen av 3D Slicer, oppretter du en ny utdatasegmentering på rullegardinmenyen merket Erosjoner i utdata: Velg en segmentering. For å gjøre dette, klikk på rullegardinmenyen og velg Opprett ny segmentering. Dette oppretter en ny utdatasegmenteringsnode merket etter inndatamaskeetiketten + _ER. Hvis du vil gi utdataene en annen etikett, velger du Opprett ny segmentering som... i stedet og skriver inn ønsket etikett.
MERK: I 3D Slicer og dette dokumentet identifiserer maske og segmentering volumet inne i beinets periosteale overflate. Masken visualiseres som et binært bilde, mens segmenteringen refererer til visualiseringen av det binære bildet overlagt med gråskalabildet. Disse forskjellene er gjort av 3D Slicer. Et eksempel er illustrert i figur 4.
- Plasser frøpunkter som beskrevet nedenfor.
- For å begynne, opprett en ny frøpunktliste for å legge til frøpunkter. For å gjøre dette, klikk på rullegardinmenyen merket Seed Points: Ingen og opprett en ny liste ved å velge Opprett ny punktliste. Igjen er standard merkingsstandard input image label + _SEEDS. Hvis du vil angi din egen etikett, velger du Opprett ny punktliste....
- Bla gjennom skivene og identifiser erosjonssteder ved å plassere et frøpunkt i interesseområdet. Trykk på den røde prikkblå slippknappen vist i figur 5A for å legge til et nytt frøpunkt.
- Plasser frøpunktet så dypt (innover i trabekulært bein) inn i erosjonsvolumet som mulig. Forsikre deg om at frøpunktet er plassert på det mørkeste området av volumet.
- Hvis du vil endre størrelsen på frøpunktet, endrer du prosentstørrelsen i tekstboksen Frøpunktstørrelse:. Andre felt i frøpunkttabellen, for eksempel ben og kortikal avbrudd, er for brukerens poster og påvirker ikke erosjonsberegningsalgoritmen.
- Få tilbakemelding som beskrevet nedenfor.
- Når frøpunktene er plassert. Trykk på knappen merket Get Erosions, uthevet i figur 5B, for å kjøre erosjonsmålingsalgoritmen på de gitte inngangene. Etter at erosjonsmålingene er fullført, vil modulen gi tilbakemelding på frøpunktplasseringen. Hvert frøpunkts plassering sammenlignes med plasseringen av referanseerosjoner for å matche frøpunkter til erosjonen det prøver å måle.
- Få referanseerosjoner ved å beregne erosjonsvolumet ved hjelp av frøpunkter plassert av revmatologer med opplæring, omfattende publikasjonsregistreringer og mer enn 10 års erfaring med HR-pQCT-avbildning og erosjonsanalyse (SF og CF).
Figur 3: Rullegardinmenyen for 3D-slicer. Rullegardinmenyen for å finne beinanalysemodulene og velge treningsmodulen. Klikk her for å se en større versjon av denne figuren.
Figur 4: Identifisering av volumet inne i beinets periosteale overflate. (A) Eksempel på en maske. Masken visualiseres som et binært bilde. (B) Eksempel på en segmentering. Segmenteringen refererer til visualiseringen av det binære bildet overlagt med gråskalabildet. Disse forskjellene er gjort av 3D Slicer. Klikk her for å se en større versjon av denne figuren.
Figur 5: Eksempel på skjermbilde av opplæringsmodul i 3D Slicer. (A) Klikk for å legge til nye frøpunkter. (B) Klikk for å beregne erosjonsvolumer. (C) Klikk for å importere bilder. (D) Klikk for å avsløre frøpunkter plassert av eksperter. Klikk her for å se en større versjon av denne figuren.
3. Bildeinnsamling og eksport til bruk i erosjonsanalyseverktøy
- Få HR-pQCT-bilder ved hjelp av en første eller andre generasjons HR-pQCT-skanner. En kommersiell skanner ble brukt til å skaffe bildene til denne studien (se Materialfortegnelse).
MERK: Bildene som brukes i denne studien er av 2. og 3. metakarpofalangeale ledd og ble anskaffet ved hjelp av protokollen beskrevet i Barnabe et al.8, men bilder av eventuelle ledd med erosjoner er kompatible med BAM. - Inspiser bilder for bevegelsesartefakt 16,17. Ikke bruk bilder med bevegelsespoeng > 3 for erosjonsanalyse.
- Eksporter AIM (proprietært bildeformat) eller digital bildebehandling og kommunikasjon i medisin (DICOM) filer av hvert ledd til en lokal disk ved hjelp av filoverføringsprotokoll (FTP). Filer av individuelle ledd kan genereres ved hjelp av analyserørledningen for felles rombredde (JSW) levert av produsenten18. Gi nytt navn til filer fra standard tallformat for enklere bruk.
4. Filkonvertering og generering av beinmaske
MERK: Avhengig av bildeformatet, følg trinn 4.1 for AIM (HR-pQCT proprietært bildeformat), MHA (ITK MetaImage-format), nii (NIfTI - Neuroimaging Informatics Technology Initiative), NRRD (Almost Raw Raster Data) bilder eller trinn 4.2 for DICOM-bilder.
- Hvis du vil importere bilder med et av følgende bildefilformater: MHA, nii, AIM eller NRRD, følger du trinnene beskrevet nedenfor.
- Klikk på knappen merket DATA øverst til venstre i 3D Slicer-vinduet (figur 5C).
- For å legge til bildefiler, klikk på Velg fil (er) for å legge til, finn og legg til bildene.
- For å legge til en hel katalog med bilder, klikk på Velg katalog for å legge til, finn og legg til katalogen. Dette vil laste alle bildene i den katalogen.
- Hvis en bildemaske av en eller annen grunn må importeres som en 3D Slicer-segmentering, må du først konvertere til en NRRD- eller nii-fil. Denne konverteringen kan gjøres automatisk, se trinn 4.4.1 for detaljer.
- Importer DICOM-filer i 3D Slicer som beskrevet nedenfor.
- Klikk på knappen merket DCM øverst til venstre i 3D Slicer-vinduet.
- Klikk på Importer DICOM-filer, finn og legg til katalogen som inneholder DICOM-filene (utvidelsen er .dcm).
- Klikk på knappen merket Last inn på høyre side av vinduet.
- Få bildemaske ved hjelp av Trinn 2 - Automatisk maske i BAM - Automatisk maskemodul.
- Klikk på rullegardinmenyen på 3D Slicers verktøylinje. Finn beinanalysemoduler og hold musepekeren over den. Klikk på Automatisk maske.
- Under fanen Trinn 2 - Automatisk maske, velg et inngangsvolum ved hjelp av rullegardinmenyen merket Inngangsvolum :. Dette er inndataskanningen.
- Opprett en ny utdata på rullegardinmenyen merket utdatasegmentering: og velg Opprett ny LabelMapVolume. Dette oppretter en ny utdatanode merket etter inndatamaskeetiketten + _MASK. Hvis du vil gi utdataene en annen etikett, velger du i stedet Opprett nytt LabelMapVolume som... og skriver inn ønsket etikett.
- Skriv inn antall bein som skal maskeres i tekstboksen med denne etiketten. Velg Ormir i rullegardinmenyen merket Algoritme for optimal segmentering for denne analysen19.
MERK: Andre alternativer for å generere disse maskene er tilgjengelige og kan bli lagt til i fremtiden. - Klikk på Få maske. Dette vil kjøre algoritmen (~ 2-3 min) og sende resultatet i samme katalog av inndatabildet. Det vil også lagre en egen maske for hvert bein hvis bildet hadde flere bein.
- Utfør manuell korreksjon av beinmaske ved hjelp av trinn 3 - Manuell korreksjon i BAM-modulen. Ofte er masken som genereres ikke nøyaktig. Utfør manuell korrigering for å legge til, slette eller redigere bestemte komponenter i segmenteringene.
- Hvis du vil redigere en maske som ble generert på andre måter eller generert i en tidligere kjøring av 3D Slicer, bruker du denne modulen til å laste inn disse maskene til 3D Slicer fra en fil. Filtypen kan være noe av følgende, MHA, nii, NRRD, AIM.
- Kopier bildene til LOAD_MASKS-katalogen i BAM-mappen som ble lastet ned i trinn 1.3.
- Gå tilbake til 3D Slicer og trykk på knappen merket Last inn i den manuelle korrigeringsfasen.
- Velg segmenteringen som skal korrigeres i rullegardinmenyen merket Mask som skal korrigeres:".
- Velg det opprinnelige gråtonebildet som tilhører denne erosjonssegmenteringen i rullegardinmenyen merket Master Volume:. Trykk på Initialiser.
- Hver segmentering må ha sin egen oppføring i tabellen nedenfor. Velg segmenteringen som skal korrigeres basert på fargen på segmenteringen.
- For å legge til en segmentering, klikk på den andre knappen på første rad. Dette bruker malingsfunksjonen. Gjør tillegg til volumene ved å tegne på bildene (hold venstre museknapp ned og flytt musen).
- For å fjerne en del av segmenteringen, klikk på knappen under tabellen merket Slett mellom stykker. Dette er slettefunksjonen og fungerer som malingsfunksjonen, men sletter i stedet.
- Tegn tillegg etter behov på omtrent hver 10-25 skive, men sørg for å inkludere den første skiven og den siste skiven der det var behov for et tillegg.
- Hvis malingsfunksjonen ble brukt, kan endringene interpoleres ved å klikke på den første knappen i den femte raden merket Fyll ut mellom stykker-funksjonen . Klikk på knappene Initialiser > Bruk.
- Hvis slettefunksjonen ble brukt, klikker du bare på knappen under tabellen merket Bruk sletting. Ikke bruk både malings- og slettefunksjoner samtidig. Bruk en funksjon først, og bruk deretter den andre.
- Når endringene er fullført, trykker du på Bruk.
- Hvis du vil redigere en maske som ble generert på andre måter eller generert i en tidligere kjøring av 3D Slicer, bruker du denne modulen til å laste inn disse maskene til 3D Slicer fra en fil. Filtypen kan være noe av følgende, MHA, nii, NRRD, AIM.
5. Identifisering av erosjoner
- Bruk Trinn 4 - Erosjoner i BAM - Erosjonsvolummodulen for identifisering av erosjon. Erosjonsvolummodulen er verktøyet som er ansvarlig for å identifisere og måle erosjoner i en skanning.
MERK: Denne modulen er fokus for opplæringsverktøyet som er beskrevet ovenfor, og har en nesten identisk arbeidsflyt. Forskjellene er at de beregnede erosjonene ikke sammenlignes med fagmessig annoterte, eksport av erosjonsstatistikk og manuell korreksjon av volumene etter identifisering er mulig her. - Plasser frøpunkter og få erosjon som gjort i trinn 2.4. Til slutt vil ingen tilbakemelding bli gitt.
- Manuell korrigering
- Hvis størrelsen og formen på de automatisk oppdagede erosjonsvolumene ikke er tilfredsstillende, rediger disse under fanene merket Trinn 5 - Manuell korreksjon og eksportsegmentering. Følg trinnene som er beskrevet i trinn 4.4. Det er imidlertid ikke mulig å laste eksterne erosjonsvolumer. Ikke trykk på Bruk etter at korrigeringene er fullført, da endringene allerede er lagret.
6. Erosjon Statistikk
- Eksporter de beregnede dataene til en regnearkfil (CSV-format) ved hjelp av fanen merket Trinn 6 - Statistikk.
- Oppgi erosjonsvolumet beregnet i trinn 4 og eventuelt korrigert i trinn 5 under rullegardinmenyen merket Erosjoner av innganger.
- Oppgi gråtonebildet under rullegardinmenyen merket Master Volume. Angi voxelbredden, i mm, på bildet i tekstboksen. Trykk på Hent statistikk.
- Regnearkfilen er generert i katalogen kalt EROSIONS_OUTPUT_DATA som ligger i BAM-mappen som ble lastet ned i trinn 1.3. Se tabell 1 for et eksempel på utdatatabellen.
Representative Results
Ved hjelp av treningsverktøyet kan brukerne øve på å identifisere erosjonssteder mens de får tilbakemelding på resultatene. Denne tilbakemeldingssløyfen kan forbedre brukerens evne til å identifisere erosjoner og potensielt bruke BAM-modulene til å identifisere erosjoner på egne bilder. Tilbakemelding etter frøpunktplassering er basert på følgende kriterier. 1) Hvis antall frøpunkter som er plassert ikke samsvarer med antall referanseerosjoner, blir brukeren bedt om å slette eller legge til riktig antall frøpunkter. 2) Hvis frøpunktets plassering ikke kan matches med en referanseerosjon, vises tilbakemelding som sier at det ikke eksisterer erosjon på frøpunktets plassering. 3) Hvis et frøpunkt matches med et referanse patologisk/fysiologisk kortikalt avbrudd som en cyste eller en vaskulær kanal, blir brukeren informert om hvilken type kortikal avbrudd de forsøkte å identifisere som en erosjon og blir bedt om å fjerne frøpunktet. 4) Hvis plasseringen av frøpunktet overlapper en referanseerosjon, kan algoritmen fortsatt ikke oppdage erosjonen. Dette kan oppstå når frøpunktet ikke har vært sentrert i erosjonen. I disse tilfellene blir brukeren bedt om å justere posisjonen til frøpunktet. 5) Hvis et frøpunkt plasseres for langt fra erosjon, blir brukeren informert om feil plassering og oppfordret til å prøve igjen. 6) Når en plassering av et frøpunkt samsvarer med referanseerosjonen, vises en ledetekst som informerer brukeren om deres vellykkede forsøk på å identifisere erosjonen ved det spesifikke frøpunktet.
Følgende avsnitt illustrerer eksempler på hvordan modulen fungerer basert på ulike innganger. Riktige og gale inndata vil bli demonstrert i følgende eksempler. Figur 6A viser frøpunktets plassering som ligger innenfor erosjonen. Bare en erosjon eksisterer i dette bildet, derfor vil beregning av erosjonene med frøpunktet gi de forventede resultatene. Figur 6B viser meldingen som vises til brukerne når deres forsøk på å identifisere erosjonene samsvarer med det ekspertkommenterte bildet. Modulen viser også resultatene som segmenteringer på gråskalabildet (figur 6C). Hvis brukeren plasserte et frøpunkt på et sted uten erosjon, for eksempel figur 7A, vil modulen vise en feilmelding (figur 7B) som sier at det ikke eksisterer erosjon på dette stedet, og foreslår at brukeren flytter/fjerner frøpunktene.
Figur 6: Eksempel på korrekt erosjonsidentifikasjon. (A) Eksempel på en bruker som korrekt plasserer et frøpunkt innenfor erosjonsstedet. (B) Eksempel på tilbakemeldingsprompt når alle erosjoner ble identifisert riktig. (C) Eksempel på vist erosjonssegmentering når en erosjon beregnes riktig. Klikk her for å se en større versjon av denne figuren.
Figur 7: Eksempel på feil erosjonsidentifikasjon. (A) Eksempel på et frøpunkt plassert der det ikke eksisterer erosjon. (B) Eksempel på en feilmelding når et frøpunkt plasseres på et sted som ikke har erosjon. Klikk her for å se en større versjon av denne figuren.
Plasseringen av alle cyster og vaskulære kanaler på treningsbildene som er oppgitt, er identifisert av en ekspert. Derfor er det mulig å oppdage når en bruker forsøker å feilaktig identifisere en cyste eller en vaskulær kanal. Figur 8A illustrerer et forsøk på å identifisere en cyste ved å plassere et frøpunkt på den. Figur 8B er den påfølgende feilmeldingen som vises.
Figur 8: Eksempel på cysteidentifikasjon. (A) Eksempel på et frøpunkt plassert på en cyste. (B) Eksempel på en feilmelding når et frøpunkt er plassert på en cyste. Klikk her for å se en større versjon av denne figuren.
Modulen vil også informere brukeren om de har riktig mengde frøpunkter. Hvis brukeren plasserte feil antall frøpunkter, vil modulen informere brukeren om den nøyaktige mengden frøpunkter som mangler eller ekstra for å identifisere alle erosjoner på bildet. Modulen gir også tilbakemelding for hvert plassert frøpunkt. Derfor vet brukeren hvilke handlinger som skal tas for hvert enkelt frøpunkt. Figur 9 viser et eksempel der en bruker bare plasserte ett frøpunkt når to var forventet.
Figur 9: Eksempel på erosjoner beregnet mens det mangler ett frøpunkt. Eksemplet viser et eksempel der brukeren bare plasserte ett frøpunkt når to var forventet. Klikk her for å se en større versjon av denne figuren.
Hvis en bruker har problemer med å finne noen eller alle erosjonene, har de muligheten til å avsløre de fagmessig kommenterte stedene ved å trykke på en knapp merket Avslør riktige frøpunkter (figur 5D). Når du trykker på den, vil denne knappen laste de riktige frøpunktene inn i det gjeldende 3D Slicer-vinduet.
Oppsummert viser dette at programvaremodulen kan vurdere riktigheten av brukerens forsøk på å identifisere erosjoner i de utvalgte bildene ved å sammenligne den beregnede erosjonen med fagmessig kommenterte erosjoner. I tillegg gir modulen tilbakemelding basert på hvert brukerplassert frøpunkt for å veilede dem mot forventet frøpunktplassering og inngangsparametere.
| Skann ID | Kortikal avbrudd | Bein | Etikett | Centroid plassering | Volum (mm3) | Overflateareal (mm2) | Roundness | Antall voxels (voxels) |
| 3_Training.nii | Erosjon | Metakarpal | SEEDS_28-1 | 210, 108, 242 | 3.321668853 | 14.46818378 | 0.74411491 | 14853 |
| 3_Training.nii | Erosjon | Metakarpal | SEEDS_28-3 | 179, 100, 241 | 1.100739562 | 7.121231239 | 0.7239659 | 4922 |
Tabell 1: Eksempel på en generert utdatafil (csv-format) som beskriver beregnede erosjoner og deres statistikk.
Discussion
Dette treningsverktøyet gir en mulighet til å lære å identifisere erosjoner ved hjelp av beinanalysemodulen. Videre bruk av dette erosjonsanalyseverktøyet utover trening krever tilgang til bilder av god kvalitet, med liten eller ingen bevegelsesartefakt. HR-pQCT-erosjonsdefinisjonen basert på litteraturen beskriver anatomiske trekk forbundet med patologiske erosjoner som kan rapporteres med rimelig reproduserbarhet 11,20. Denne definisjonen tar imidlertid ikke hensyn til vanlige anatomiske lokalisasjoner av vaskulære kanaler, noe som potensielt kan resultere i feilklassifisering som beinerosjoner10.
De kritiske trinnene i denne protokollen er genereringen av beinmasken, plasseringen av frøpunktene og genereringen av erosjonsvolumet. Mens automatiserte metoder for å generere masker og erosjonsvolum er implementert, krever maskene ofte manuell korreksjon for å sikre tilfredsstillende resultater. En omfattende beskrivelse av verktøyene som er tilgjengelige for å utføre de manuelle korrigeringene er gitt. Plasseringen av frøpunkter styres av treningseksemplene fra BAM-Training-modulen.
Basert på dataene som er brukt til dags dato, gir denne protokollen forslag til feilsøking når erosjonsanalysemodulen ikke gir de forventede resultatene. I fremtidig arbeid vil det bli gitt tilgang til ytterligere treningsdata. En tidligere studie viste at erosjonsvolumene vurdert med denne metoden er sammenlignbare med eksisterende metoder 14,21,22. Levering av treningsdata vil tillate sammenligning med nyere erosjonsanalyseverktøy etter hvert som de utvikles23.
Treningsverktøyet som introduseres her hjelper først og fremst med erosjonsidentifikasjon; Metoden begrenses imidlertid i dag av manglende konsensus om å definere omfanget av en erosjon i det trabekulære beinet. Ikke desto mindre er BAM-modulene åpen kildekode, og etter hvert som fremtidige definisjoner av erosjonsutbredelse endres, har andre forskere tilgang til å endre modulene for å møte deres behov.
Etter hvert som bruken av HR-pQCT i revmatologisk forskning utvides, gir opplæringsverktøyet uerfarne brukere veiledning om identifisering av patologiske kortikale forstyrrelser på HR-pQCT-bilder for erosjonsanalyse. Dette verktøyet vil være aktuelt for forskere uavhengig av metode valgt for erosjonsanalyse. Mens fullstendig automatisert erosjonsidentifikasjon er ønskelig for å forbedre reproduserbarheten og analysehastigheten, kreves store referanse-/referansedatasett med nøyaktige merknader for å trene maskinlæringsmodeller. Som et åpen kildekode-verktøy gir denne modulen en mulighet til kollektivt å utvikle store, kommenterte datasett for fremtidig bruk i maskinlæring. Bruken av dette opplæringsverktøyet vil gjøre det mulig for flere forskere å inkludere erosjonsanalyse i sin HR-pQCT-forskning.
Disclosures
Alle forfattere har ingen interessekonflikt å rapportere.
Acknowledgments
Forfatterne ønsker å anerkjenne følgende finansieringsorganer som støttet dette arbeidet. SLM er finansiert gjennom The Arthritis Society (STAR-18-0189) og Canadian Institutes of Health Research Planning and Dissemination Grant. JJT har en CIHR Fellowship-pris.
Materials
| Name | Company | Catalog Number | Comments |
| 3DSlicer | Open Source | N/A | Download at https://www.slicer.org/ |
| BAM Erosion Analysis Modules | Open Source | N/A | Version used in manuscript: download at https://doi.org/10.5281/zenodo.7943007 |
| XtremeCTII | Scanco Medical | N/A |
References
- Schett, G., Gravallese, E. Bone erosion in rheumatoid arthritis: mechanisms, diagnosis and treatment. Nature Reviews Rheumatology. 8 (11), 656-664 (2012).
- Ødegård, S., et al. Association of early radiographic damage with impaired physical function in rheumatoid arthritis: A ten-year, longitudinal observational study in 238 patients. Arthritis & Rheumatism. 54 (1), 68-75 (2006).
- Scott, D. L., et al. The links between joint damage and disability in rheumatoid arthritis. Rheumatology. 39 (2), 122-132 (2000).
- van Nies, J. A. B., et al. Evaluating processes underlying the predictive value of baseline erosions for future radiological damage in early rheumatoid arthritis. Annals of Rheumatic Diseases. 74 (5), 883-889 (2015).
- Versteeg, G. A., et al. Early radiological progression remains associated with long-term joint damage in real-world rheumatoid arthritis patients treated to the target of remission. Scandinavian Journal of Rheumatology. , (2021).
- Brunet, S. C., et al. Bone changes in early inflammatory arthritis assessed with High-Resolution peripheral Quantitative Computed Tomography (HR-pQCT): A 12-month cohort study. Joint Bone Spine. 88 (1), 105065 (2021).
- Finzel, S., et al. Repair of bone erosions in rheumatoid arthritis treated with tumour necrosis factor inhibitors is based on bone apposition at the base of the erosion. Annals of Rheumatic Diseases. 70 (9), 1587-1593 (2011).
- Barnabe, C., Feehan, L. High-resolution peripheral quantitative computed tomography imaging protocol for metacarpophalangeal joints in inflammatory arthritis: the SPECTRA collaboration. The Journal of Rheumatology. 39 (7), 1494-1495 (2012).
- Peters, M., et al. Assessment of Cortical Interruptions in the Finger Joints of Patients With Rheumatoid Arthritis Using HR-pQCT, Radiography, and MRI. Journal of Bone and Mineral Research. 33 (9), 1676-1685 (2018).
- Scharmga, A., et al. Vascular channels in metacarpophalangeal joints: a comparative histologic and high-resolution imaging study. Scientific reports. 7 (1), 8966-8968 (2017).
- Barnabe, C., et al. Definition for Rheumatoid Arthritis Erosions Imaged with High Resolution Peripheral Quantitative Computed Tomography and Interreader Reliability for Detection and Measurement. The Journal of Rheumatology. 43 (10), 1935-1940 (2016).
- Klose-Jensen, R., et al. High-Resolution Peripheral Quantitative Computed Tomography for Bone Evaluation in Inflammatory Rheumatic Disease. Frontiers in Medicine. 7, 337 (2020).
- Blavnsfeldt, A. G., et al. Effect of radiographic disease severity in high-resolution quantitative computed tomography assessment of metacarpophalangeal joint erosion and cysts. International Journal of Rheumatic Diseases. 24 (1), 112-119 (2021).
- Zhao, M., et al. Open-source image analysis tool for the identification and quantification of cortical interruptions and bone erosions in high-resolution peripheral quantitative computed tomography images of patients with rheumatoid arthritis. Bone. 165, 116571 (2022).
- Fedorov, A., et al. 3D Slicer as an image computing platform for the Quantitative Imaging Network. Magnetic Resonance Imaging. 30 (9), 1323-1341 (2012).
- Pauchard, Y., Liphardt, A. -M., Macdonald, H. M., Hanley, D. A., Boyd, S. K. Quality control for bone quality parameters affected by subject motion in high-resolution peripheral quantitative computed tomography. Bone. 50 (6), 1304-1310 (2012).
- Sode, M., Burghardt, A. J., Pialat, J. -B., Link, T. M., Majumdar, S. Quantitative characterization of subject motion in HR-pQCT images of the distal radius and tibia. Bone. 48 (6), 1291-1297 (2011).
- Stok, K. S., et al. Consensus approach for 3D joint space width of metacarpophalangeal joints of rheumatoid arthritis patients using high-resolution peripheral quantitative computed tomography. Quantitative imaging in medicine and surgery. 10 (2), 314-325 (2020).
- Open and Reproducible Musculoskeletal Imaging Research. , https://github.com/SpectraCollab/ORMIR_XCT (2023).
- Finzel, S., et al. Reliability and Change in Erosion Measurements by High-resolution Peripheral Quantitative Computed Tomography in a Longitudinal Dataset of Rheumatoid Arthritis Patients. The Journal of Rheumatology. 48 (3), 348-351 (2021).
- Töpfer, D., Finzel, S., Museyko, O., Schett, G., Engelke, K. Segmentation and quantification of bone erosions in high-resolution peripheral quantitative computed tomography datasets of the metacarpophalangeal joints of patients with rheumatoid arthritis. Rheumatology (Oxford). 53 (1), 65-71 (2014).
- Peters, M., et al. The Reliability of a Semi-automated Algorithm for Detection of Cortical Interruptions in Finger Joints on High Resolution CT Compared to MicroCT. Calcified tissue international. , 1-9 (2017).
- Zhang, X., et al. Automatic 3D joint erosion detection for the diagnosis and monitoring of rheumatoid arthritis using hand HR-pQCT images. Computerized Medical Imaging and Graphics. 106, 102200 (2023).
