Summary
Knogleerosioner er et vigtigt patologisk træk ved reumatoid arthritis. Formålet med dette arbejde er at introducere et træningsværktøj til at give brugerne vejledning i at identificere patologiske kortikale brud på perifere kvantitative computertomografibilleder med høj opløsning til erosionsanalyse.
Abstract
Knogleerosioner er et patologisk træk ved flere former for inflammatorisk arthritis, herunder reumatoid arthritis (RA). Den øgede tilstedeværelse og størrelse af erosioner er forbundet med dårlige resultater, fælles funktion og sygdomsprogression. Højopløselig perifer kvantitativ computertomografi (HR-pQCT) giver uovertruffen in vivo-visualisering af knogleerosioner. Ved denne beslutning er diskontinuiteter i den kortikale skal (kortikale pauser), der er forbundet med normale fysiologiske processer og patologi, imidlertid også synlige. Undersøgelsen grouP for xtrEme computertomografi i reumatoid arthritis brugte tidligere en konsensusproces til at udvikle en definition af patologisk erosion i HR-pQCT: en kortikal pause detekteret i mindst to på hinanden følgende skiver i mindst to vinkelrette planer, ikke-lineære i form, med underliggende trabekulært knogletab. På trods af tilgængeligheden af en konsensusdefinition er erosionsidentifikation imidlertid en krævende opgave med udfordringer i interratervariabilitet. Formålet med dette arbejde er at introducere et træningsværktøj til at give brugerne vejledning i at identificere patologiske kortikale pauser på HR-pQCT-billeder til erosionsanalyse. Protokollen, der præsenteres her, bruger et specialbygget modul (Bone Analysis Module (BAM) - Training), implementeret som en udvidelse til en open source billedbehandlingssoftware (3D Slicer). Ved hjælp af dette modul kan brugerne øve sig på at identificere erosioner og sammenligne deres resultater med erosioner kommenteret af ekspertreumatologer.
Introduction
Knogleerosioner opstår, når betændelse forårsager lokaliseret knogletab på den kortikale knogleoverflade. Disse erosioner strækker sig ind i den underliggende trabekulære knogleregion. De er et patologisk træk ved flere former for inflammatorisk arthritis, herunder reumatoid arthritis (RA)1. Erosion tilstedeværelse og størrelse er forbundet med dårlige resultater, patientfunktion og sygdomsprogression 2,3,4,5. Mens almindelig radiografi fortsat er den kliniske standard for erosionsvurdering, giver højopløsnings perifer kvantitativ computertomografi (HR-pQCT) 3D-billeder og overlegen følsomhed og specificitet til erosionsdetektion 6,7. For inflammatorisk arthritis, såsom RA, udføres HR-pQCT almindeligvis på 2. og 3. metacarpophalangeale led - de mest berørte led i hånden8. Fordi HR-pQCT-billeder har høj rumlig opløsning, observeres fysiologiske afbrydelser i den kortikale overflade også hos raske individer uden RA9. Disse kortikale afbrydelser er ofte forbundet med vaskulære kanaler eller næringsstofforamen, der passerer gennem knoglen10. Udfordringen er således at skelne kortikale afbrydelser forbundet med en sygdomsproces (dvs. patologiske erosioner) fra ikke-patologiske træk.
Konsensusdefinitionen af en patologisk knogleerosion blev offentliggjort af Study grouP for xtrEme Computed Tomography in Rheumatoid Arthritis (SPECTRA) som tilstedeværelsen af en bestemt afbrydelse i det kortikale lag af knoglen, der strækker sig over mindst to på hinanden følgende skiver og kan påvises i to eller flere vinkelrette planer11. Endvidere skal afbrydelsen være ikke-lineær i form og ledsaget af et tab i det trabekulære område. Visuelle eksempler på kortikale afbrydelser, der opfylder og ikke opfylder kriterierne for erosioner, er vist i Klose-Jensen et al.12.
Imidlertid klassificeres ikke alle kortikale afbrydelser, der opfylder ovenstående kriterier, som erosioner. Afbrydelser er undertiden forårsaget af fysiologiske processer såsom vaskulære kanaler (figur 1). Disse kan identificeres og differentieres fra erosioner på grund af deres forudsigelige anatomiske placeringer, parallelle og lige margener og submillimetrisk størrelse13. Cyster er en anden form for kortikal afbrydelse, der ikke anses for at være en erosion. De har ofte en afrundet trabekulær struktur med en klar cystisk væg 13. I modsætning til de skarpe kanter og den åbne trabekulære struktur, der vises af erosioner. Det er imidlertid muligt for erosioner at danne sig inden for cystiske steder, hvilket gør det tvetydigt at afgrænse mængden af knogletab forårsaget af erosionerne og ikke cysterne. Selvom det ikke er formålet med denne undersøgelse at løse denne tvetydighed med yderligere kriterier, er der behov for at give omfattende eksempler på patologisk erosion og fysiologiske kortikale afbrydelser.
Figur 1: Eksempel på kortikale afbrydelser, der ikke udelukkende skyldtes erosioner. (A) En tegning, der illustrerer den fælles placering af vaskulære kanaler ved bunden af metakarpalhovedet. Eksempler på vaskulære kanaler i (B) koronale, (C) sagittale, (D) og (E) aksiale planer. (F) Eksempel på en kortikal afbrydelse forårsaget af en cyste. (G) Eksempel på et tomrumsvolumen inden for knoglens trabekulære område, der involverer både cyster og erosioner. Klik her for at se en større version af denne figur.
På trods af udfordringerne med erosionsidentifikation er der i øjeblikket ingen træningsværktøjer på plads til at give mindre erfarne brugere vejledning i fortolkning af HR-pQCT-billeder til erosionsanalyse. For nylig blev der udviklet et open source-modul til erosionsanalyse kaldet knogleanalysemodul (BAM) - Erosion Volume, implementeret som en udvidelse til en open source-billedbehandlingssoftware for at muliggøre erosionsvisualisering og volumetriske analyser14. Protokollen, der præsenteres her, beskriver brugen af et træningsmodul tilføjet til BAM (BAM - Training), som sammenligner en brugers erosionsidentifikationsforsøg ved at sammenligne erosionsidentifikationen med erosioner kommenteret af ekspertreumatologer. Dette træningsværktøj giver brugerne feedback om erosionsidentifikation for at vejlede forbedringer i erosionsanalyse. Instruktioner til softwareinstallation findes i trin 1. For ny dataindsamling, se trin 3 - 5.3. Se trin 2 kun for brug af træningsmodulet.
Protocol
Alle metoder i denne protokol følger retningslinjerne fra Conjoint Health Research Ethics Board ved University of Calgary (REB19-0387).
1. Installer 3D Slicer 15 og knogleanalysemoduler
- Download installationsfilen til en stabil version af 3D Slicer, der er relevant for det anvendte operativsystem fra https://download.slicer.org/.
- Kør den downloadede installationsfil, og følg instruktionerne i guiden.
- Når installationen er færdig, skal du fortsætte med at installere knogleanalysemodulerne.
- Download knogleanalysemodulerne fra https://doi.org/10.5281/zenodo.7943007 som en komprimeret zip-fil, og udpak den komprimerede mappe. Bemærk den mappe, hvor den udpakkede mappe er placeret.
- Start 3D-udsnit. Indlæs modulerne på 3D Slicer ved at klikke på Rediger i øverste venstre hjørne af 3D Slicer-vinduet. Klik på Rediger > applikationsindstillinger for at åbne et nyt vindue.
- Klik på Moduler , som er en fane placeret til venstre i det nyligt åbnede indstillingsvindue. Føj stierne til knogleanalysemodulerne under Yderligere modulstier: (Figur 2).
- For at gøre dette skal du trække og slippe følgende liste over mapper i boksen under Yderligere modulstier:. Disse mapper er placeret inde i den downloadede mappe i trin 1.3.1: AutoMask, CorticalBreakDetection, ErosionComparison, ErosionVolume, FileConverter, ImageRegistration, Training. Vinduet Indstillinger skal ligne figur 2.
- Tryk på OK nederst til højre i vinduet Indstillinger. En genstart er nødvendig for at bekræfte installationen af modulerne. Det kan du gøre ved at lukke 3D Slicer og genstarte det.
BEMÆRK: Indlæsning af modulerne udføres kun én gang pr. installation af 3D Slicer. Efter yderligere opdateringer til knogleanalysens GitHub-lager opdaterer en simpel terminal (eller kommandolinje) git pull-kommando i mappen, der indeholder den tidligere BAM-download, automatisk alle modulerne. Igen kan depotet alternativt downloades, og gamle moduler udveksles med de nye manuelt.
Figur 2: Eksempel på indstillingsvindue efter tilføjelse af knogleanalysemoduler til en installation af 3D Slicer. Billedet viser et skærmbillede af indstillingsvinduet med modulerne fremhævet i den røde boks. Klik her for at se en større version af denne figur.
2. Træningsmodul
- Start BAM-træningsmodulet.
- Klik på rullemenuen på værktøjslinjen i 3D Slicer. Find knogleanalysemoduler, og hold musen over den (figur 3). Klik på Træning.
- Indlæs filer i modulet.
- Når BAM-træningsmodulet startes, indlæses alle de nødvendige filer (gråtonebilleder, masker, referenceerosionssegmenteringer) automatisk ved at klikke på Fortsæt, forudsat at BAM github-lageret blev downloadet som nævnt ovenfor.
- Vælg en scanningstype til filerne.
- Vælg en ved at holde markøren over rullemenuen mærket Input Volume: Vælg en lydstyrke, dette repræsenterer master gråskalabilledet.
- Vælg masken (dvs. den fil, der identificerer lydstyrken inden for periostealoverfladen) i rullemenuen mærket Inputmaske: Vælg en lydstyrke. Sørg for, at denne maske svarer til inputvolumen ovenfor ved at kontrollere måle-id'et, og MCP-leddet er det samme i begge valg.
- Hvis det er første gang, du kører træningsmodulet på dette billede med denne start af 3D Slicer, skal du oprette en ny outputsegmentering i rullemenuen med navnet Outputerosioner: Vælg en segmentering. For at gøre dette skal du klikke på rullemenuen og vælge Opret ny segmentering. Dette opretter en ny outputsegmenteringsnode, der er mærket efter inputmaskeetiketten + _ER. Hvis du vil give outputtet en anden etiket, skal du vælge Opret ny segmentering som... i stedet og angive den ønskede etiket.
BEMÆRK: I 3D Slicer og dette dokument identificerer maske og segmentering volumen inde i knoglens periosteale overflade. Masken visualiseres som et binært billede, mens segmenteringen refererer til visualiseringen af det binære billede overlejret med gråskalabilledet. Disse sondringer foretages af 3D Slicer. Et eksempel er illustreret i figur 4.
- Placer frøpunkter som beskrevet nedenfor.
- For at begynde skal du oprette en ny frøpunktliste for at tilføje frøpoint. For at gøre dette skal du klikke på rullemenuen mærket Seed Points: Ingen og oprette en ny liste ved at vælge Opret ny punktliste. Igen er standardmærkningsstandarden inputbilledetiket + _SEEDS. Hvis du vil angive din egen etiket, skal du vælge Opret ny punktliste....
- Rul gennem skiverne og identificer erosionssteder ved at placere et frøpunkt i interesseområdet. Tryk på knappen Red Dot-Blue Drop vist i figur 5A for at tilføje et nyt frøpunkt.
- Placer frøpunktet så dybt (indad i trabekulær knogle) i erosionsvolumenet som muligt. Sørg for, at frøpunktet er placeret på det mørkeste område af lydstyrken.
- Hvis du vil ændre frøpunktstørrelsen, skal du ændre procentstørrelsen i tekstfeltet Seed Point Size:. Andre felter i tabellen med frøpunkter, f.eks. knogle- og kortikal afbrydelse, er til brugerens poster og påvirker ikke algoritmen til beregning af erosion.
- Få feedback som beskrevet nedenfor.
- Når frøpunkterne er placeret. Tryk på knappen mærket Få erosioner, fremhævet i figur 5B, for at køre erosionsmålingsalgoritmen på de givne input. Efter afslutningen af erosionsmålingerne giver modulet feedback om frøpunktets placering. Hvert frøpunkts placering sammenlignes med placeringen af referenceerosioner for at matche frøpunkter med den erosion, det forsøger at måle.
- Få referenceerosioner ved at beregne erosionsvolumen ved hjælp af frøpunkter placeret af reumatologer med uddannelse, omfattende publikationsoptegnelser og mere end 10 års erfaring med HR-pQCT-billeddannelse og erosionsanalyse (SF og CF).
Figur 3: Rullemenuen 3D Slicer. Rullemenuen for at finde knogleanalysemodulerne og vælge træningsmodulet. Klik her for at se en større version af denne figur.
Figur 4: Identifikation af volumen inde i knoglens periosteale overflade. (A) Eksempel på en maske. Masken visualiseres som et binært billede. (B) Eksempel på segmentering. Segmenteringen refererer til visualiseringen af det binære billede overlejret med gråskalabilledet. Disse sondringer foretages af 3D Slicer. Klik her for at se en større version af denne figur.
Figur 5: Eksempel på skærmbillede af træningsmodul i 3D Slicer. (A) Klik for at tilføje nye seed-point. (B) Klik for at beregne erosionsmængder. (C) Klik for at importere billeder. (D) Klik for at afsløre frøpunkter placeret af eksperter. Klik her for at se en større version af denne figur.
3. Billedoptagelse og eksport til brug i erosionsanalyseværktøj
- Hent HR-pQCT-billeder ved hjælp af en første eller anden generation af HR-pQCT-scanner. En kommerciel scanner blev brugt til at erhverve billederne til denne undersøgelse (se materialetabel).
BEMÆRK: De billeder, der anvendes i denne undersøgelse, er af 2. og 3. metacarpophalangeale led og blev erhvervet ved hjælp af protokollen beskrevet i Barnabe et al.8, men billeder af eventuelle led med erosioner er kompatible med BAM. - Undersøg billeder for bevægelsesartefakt16,17. Brug ikke billeder med bevægelsesscore > 3 til erosionsanalyse.
- Eksporter AIM (proprietært billedformat) eller digital billedbehandling og kommunikation i medicin (DICOM) filer af hvert led til en lokal disk ved hjælp af filoverførselsprotokol (FTP). Filer af individuelle samlinger kan genereres ved hjælp af JSW-analyserørledningen (Joint Space Width), der leveres af producenten18. Omdøb filer fra standardnummerformat for nemmere brug.
4. Filkonvertering og generering af knoglemaske
BEMÆRK: Afhængigt af billedformatet skal du følge trin 4.1 for AIM-billeder (HR-pQCT-proprietært billedformat), MHA (ITK MetaImage-format), nii-billeder (NIfTI - Neuroimaging Informatics Technology Initiative), NRRD-billeder (næsten rå rasterdata) eller trin 4.2 for DICOM-billeder.
- Følg nedenstående trin for at importere billeder med et af følgende billedfilformater: MHA, nii, AIM eller NRRD.
- Klik på knappen mærket DATA placeret i øverste venstre hjørne af 3D Slicer-vinduet (figur 5C).
- For at tilføje billedfiler skal du klikke på Vælg filer, der skal tilføjes, finde og tilføje billederne.
- For at tilføje en hel mappe med billeder skal du klikke på Vælg mappe, der skal tilføjes, finde og tilføje biblioteket. Dette vil indlæse alle billeder i den mappe.
- Hvis en billedmaske af en eller anden grund skal importeres som en 3D-udsnitssegmentering, skal du først konvertere til en NRRD- eller nii-fil. Denne konvertering kan udføres automatisk, se trin 4.4.1 for at få flere oplysninger.
- Importer DICOM-filer i 3D Slicer som beskrevet nedenfor.
- Klik på knappen mærket DCM placeret i øverste venstre hjørne af 3D Slicer-vinduet.
- Klik på Importer DICOM-filer, find og tilføj mappen, der indeholder DICOM-filerne (udvidelse er .dcm).
- Klik på knappen mærket Indlæs placeret i højre side af vinduet.
- Hent billedmaske ved hjælp af trin 2 - Automatisk maske i modulet BAM - Automatisk maske.
- Klik på rullemenuen på værktøjslinjen i 3D Slicer. Find knogleanalysemoduler , og hold musemarkøren over den. Klik på Automatisk maske.
- Under fanen Trin 2 - Automatisk maske skal du vælge en inputvolumen ved hjælp af rullemenuen mærket Inputvolumen:. Dette er inputscanningen.
- Opret et nyt output i rullemenuen med navnet outputsegmentering: , og vælg Opret nyt LabelMapVolume. Dette opretter en ny outputnode mærket efter inputmaskeetiketten + _MASK. Hvis du vil give outputtet en anden etiket, skal du i stedet vælge Opret nyt LabelMapVolume som... og indtaste den ønskede etiket.
- Indtast antallet af knogler, der skal maskeres i tekstfeltet med den etiket. Vælg Ormir i rullemenuen mærket Algoritme for den optimale segmentering til denne analyse19.
BEMÆRK: Andre muligheder for generering af disse masker er tilgængelige og kan tilføjes i fremtiden. - Klik på Hent maske. Dette kører algoritmen (~ 2-3 min) og udsender resultatet i samme mappe på inputbilledet. Det vil også gemme en separat maske for hver knogle, hvis billedet havde flere knogler.
- Udfør manuel korrektion af knoglemaske ved hjælp af trin 3 - manuel korrektion i BAM-modulet. Ofte er den genererede maske ikke nøjagtig. Udfør manuel korrektion for at tilføje, slette eller redigere bestemte komponenter i segmenteringerne.
- Hvis du vil redigere en maske, der er genereret på anden måde eller genereret i en tidligere kørsel af 3D Slicer, skal du bruge dette modul til at indlæse disse masker i 3D Slicer fra en fil. udvidelse Filen kan være et af følgende, MHA, nii, NRRD, AIM.
- Kopier billederne til den LOAD_MASKS mappe i BAM-mappen, der blev downloadet i trin 1.3.
- Gå tilbage til 3D Slicer, og tryk på knappen mærket Indlæs i den manuelle korrektionsfase.
- Vælg den segmentering, der skal rettes, i rullemenuen mærket Maske, der skal rettes:".
- Vælg det originale gråtonebillede, der tilhører denne erosionssegmentering, i rullemenuen mærket Mastervolumen:. Tryk på Initialiser.
- Hver segmentering skal have sin egen post i nedenstående tabel. Vælg den segmentering, der skal korrigeres, baseret på segmenteringsfarven.
- For at tilføje til en segmentering skal du klikke på den anden knap på første række. Dette bruger malingsfunktionen. Lav tilføjelser til lydstyrkerne ved at tegne på billederne (hold venstre museknap nede og flyt musen).
- Hvis du vil fjerne en del af segmenteringen, skal du klikke på knappen under tabellen med navnet Slet mellem udsnit. Dette er sletningsfunktionen og fungerer som malingsfunktionen, men slettes i stedet.
- Tegn tilføjelser efter behov på ca. hver 10-25 udsnit, men sørg for at medtage det første udsnit og det sidste udsnit, hvor der var behov for en tilføjelse.
- Hvis malingsfunktionen blev brugt, kan ændringerne interpoleres ved at klikke på den første knap i den femte række mærket Udfyld mellem udsnit funktion. Klik på knapperne Initialiser > Anvend.
- Hvis sletningsfunktionen blev brugt, skal du blot klikke på knappen under tabellen mærket Anvend sletning. Brug ikke både malings- og slettefunktioner på samme tid. Anvend først den ene funktion, og anvend derefter den anden.
- Når redigeringerne er fuldført, skal du trykke på Anvend.
- Hvis du vil redigere en maske, der er genereret på anden måde eller genereret i en tidligere kørsel af 3D Slicer, skal du bruge dette modul til at indlæse disse masker i 3D Slicer fra en fil. udvidelse Filen kan være et af følgende, MHA, nii, NRRD, AIM.
5. Identifikation af erosioner
- Brug trin 4 - Erosioner i modulet BAM - Erosionsvolumen til identifikation af erosion. Erosionsvolumenmodulet er det værktøj, der er ansvarligt for at identificere og måle erosioner inden for en scanning.
BEMÆRK: Dette modul er fokus for træningsværktøjet beskrevet ovenfor og har en næsten identisk arbejdsgang. Forskellene er, at de beregnede erosioner ikke sammenlignes med fagligt kommenterede, eksport af erosionsstatistikker og manuel korrektion af mængderne efter deres identifikation er mulig her. - Placer frøpunkter og få erosion som gjort i trin 2.4. I sidste ende vil der ikke blive givet feedback.
- Manuel korrektion
- Hvis størrelsen og formen af de automatisk registrerede erosionsvolumener er utilfredsstillende, skal du redigere disse under fanerne mærket Trin 5 - Manuel korrektion og eksportsegmentering. Følg de trin, der er beskrevet i trin 4.4. Der er dog ingen mulighed for at indlæse eksterne erosionsvolumener. Tryk ikke på Anvend , når du er færdig med rettelserne, da ændringerne allerede er gemt.
6. Erosionsstatistik
- Eksporter de beregnede data til en regnearksfil (CSV-format) ved hjælp af fanen Trin 6 - Statistik.
- Angiv erosionsvolumenet beregnet i trin 4 og eventuelt korrigeret i trin 5 under rullemenuen mærket Inputerosioner.
- Angiv gråtonebilledet under rullemenuen mærket Master Volume. Angiv billedets voxelbredde i mm i tekstfeltet. Tryk på Hent statistik.
- Regnearksfilen er genereret i mappen kaldet EROSIONS_OUTPUT_DATA placeret i BAM-mappen, der blev downloadet i trin 1.3. Se tabel 1 for et eksempel på outputtabellen.
Representative Results
Ved hjælp af træningsværktøjet kan brugerne øve sig i at identificere erosionssteder, mens de modtager feedback på deres resultater. Denne feedback-sløjfe kan forbedre brugerens evne til at identificere erosioner og potentielt bruge BAM-modulerne til at identificere erosioner på deres egne billeder. Feedback efter placering af frøpunkt er baseret på følgende kriterier. 1) Hvis antallet af placerede seedpoint ikke svarer til antallet af referenceerosioner, bliver brugeren bedt om at slette eller tilføje det passende antal seed points. 2) Hvis frøpunktets placering ikke kan matches med en referenceerosion, vises feedback om, at der ikke findes erosion på det pågældende frøpunkts placering. 3) Hvis et frøpunkt matches med en patologisk/fysiologisk kortikal referenceafbrydelse, såsom en cyste eller en vaskulær kanal, informeres brugeren om den type kortikal afbrydelse, de forsøgte at identificere som en erosion, og bliver bedt om at fjerne frøpunktet. 4) Hvis placeringen af frøpunktet overlapper en referenceerosion, kan algoritmen stadig ikke detektere erosionen. Dette kan forekomme, når frøpunktet ikke har været centreret i erosionen. I disse tilfælde bliver brugeren bedt om at justere placeringen af frøpunktet. 5) Hvis et frøpunkt placeres for langt fra erosion, informeres brugeren om deres forkerte placering og opfordres til at prøve igen. 6) Når et frøpunkts placering svarer til referenceerosionen, vises en prompt, der informerer brugeren om deres vellykkede forsøg på at identificere erosionen på det specifikke frøpunkt.
Følgende afsnit illustrerer eksempler på, hvordan modulet fungerer baseret på forskellige input. Korrekte og forkerte input vil blive demonstreret i de følgende eksempler. Figur 6A viser frøpunktets placering, som er placeret inden for erosionen. Der findes kun én erosion inden for dette billede, og derfor vil beregning af erosionerne med frøpunktet give de forventede resultater. Figur 6B viser den prompt, der vises til brugerne, når deres forsøg på at identificere erosionerne matcher det ekspertkommenterede billede. Modulet viser også resultaterne som segmenteringer på gråskalabilledet (figur 6C). Hvis brugeren placerede et frøpunkt på et sted uden erosion, såsom figur 7A, ville modulet vise en fejlmeddelelse (figur 7B), der angiver, at der ikke findes erosion på dette sted, og foreslår, at brugeren flytter/fjerner frøpunkterne.
Figur 6: Eksempel på korrekt erosionsidentifikation. (A) Eksempel på en bruger, der korrekt placerer et frøpunkt inden for erosionsstedet. (B) Eksempel på feedbackprompt, når alle erosioner blev identificeret korrekt. (C) Eksempel på vist erosionssegmentering, når en erosion beregnes korrekt. Klik her for at se en større version af denne figur.
Figur 7: Eksempel på forkert erosionsidentifikation. (A) Eksempel på et frøpunkt placeret, hvor der ikke forekommer erosion. (B) Eksempel på en fejlmeddelelse, når et frøpunkt placeres på et sted, der ikke har erosion. Klik her for at se en større version af denne figur.
Placeringen af alle cyster og vaskulære kanaler på de leverede træningsbilleder er blevet identificeret af en ekspert. Derfor er det muligt at opdage, når en bruger forsøger at identificere en cyste eller en vaskulær kanal forkert. Figur 8A illustrerer et forsøg på at identificere en cyste ved at placere et frøpunkt på den. Figur 8B er den efterfølgende viste fejlmeddelelse.
Figur 8: Eksempel på cysteidentifikation. (A) Eksempel på et frøpunkt placeret på en cyste. (B) Eksempel på en fejlmeddelelse, når et frøpunkt placeres på en cyste. Klik her for at se en større version af denne figur.
Modulet informerer også brugeren, hvis de har det rigtige antal frøpoint. Hvis brugeren placerede et forkert antal frøpunkter, ville modulet informere brugeren om det nøjagtige antal frøpunkter, der mangler eller ekstra, for at identificere alle erosioner på billedet. Modulet giver også feedback for hvert placeret frøpunkt. Derfor ved brugeren, hvilke handlinger der skal tages for hvert enkelt frøpunkt. Figur 9 viser et eksempel, hvor en bruger kun placerede et frøpunkt, når to forventedes.
Figur 9: Eksempel på erosioner beregnet, mens der manglede et frøpunkt. Eksemplet viser et eksempel, hvor brugeren kun placerede et frøpunkt, når to var forventet. Klik her for at se en større version af denne figur.
Hvis en bruger har problemer med at finde nogle eller alle erosionerne, har de mulighed for at afsløre de ekspertkommenterede placeringer ved at trykke på en knap mærket Afslør korrekte frøpunkter (figur 5D). Når der trykkes på denne knap, indlæses de korrekte frøpunkter i det aktuelle 3D Slicer-vindue.
Sammenfattende viser dette, at softwaremodulet kan vurdere rigtigheden af brugerens forsøg på at identificere erosioner i de udvalgte billeder ved at sammenligne den beregnede erosion med ekspertkommenterede erosioner. Derudover giver modulet feedback baseret på hvert brugerplaceret frøpunkt for at guide dem mod den forventede placering af frøpunkt og inputparametre.
| Scan ID | Kortikal afbrydelse | Knogle | Etiket | Centroid placering | Volumen (mm3) | Overfladeareal (mm2) | Rundhed | Antal voxels (voxels) |
| 3_Training.nii | Erosion | Metacarpus | SEEDS_28-1 | 210, 108, 242 | 3.321668853 | 14.46818378 | 0.74411491 | 14853 |
| 3_Training.nii | Erosion | Metacarpus | SEEDS_28-3 | 179, 100, 241 | 1.100739562 | 7.121231239 | 0.7239659 | 4922 |
Tabel 1: Eksempel på en genereret outputfil (csv-format), der beskriver beregnede erosioner og deres statistikker.
Discussion
Dette træningsværktøj giver mulighed for at lære at identificere erosioner ved hjælp af knogleanalysemodulet. Yderligere brug af dette erosionsanalyseværktøj ud over træning kræver adgang til billeder af god kvalitet med ringe eller ingen bevægelsesartefakt. HR-pQCT-erosionsdefinitionen baseret på litteraturen beskriver anatomiske træk forbundet med patologiske erosioner, der kan rapporteres med rimelig reproducerbarhed11,20. Denne definition tager imidlertid ikke højde for almindelige anatomiske placeringer af vaskulære kanaler, hvilket potentielt kan resultere i deres fejlklassificering som knogleerosioner10.
De kritiske trin i denne protokol er dannelsen af knoglemasken, placeringen af frøpunkterne og dannelsen af erosionsvolumenet. Mens automatiserede metoder til generering af masker og erosionsvolumen implementeres, kræver maskerne ofte manuel korrektion for at sikre tilfredsstillende resultater. Der gives en omfattende beskrivelse af de værktøjer, der er tilgængelige til at udføre de manuelle korrektioner. Placeringen af seedpoint styres af træningseksemplerne fra BAM-træningsmodulet.
Baseret på de data, der er anvendt til dato, giver denne protokol forslag til fejlfinding, når erosionsanalysemodulet ikke giver de forventede resultater. I det fremtidige arbejde vil der blive givet adgang til yderligere uddannelsesdata. En tidligere undersøgelse viste, at erosionsmængderne vurderet med denne metode er sammenlignelige med eksisterende metoder 14,21,22. Tilvejebringelse af træningsdata vil gøre det muligt at sammenligne med nyere erosionsanalyseværktøjer, efterhånden som de udvikles23.
Det træningsværktøj, der introduceres her, hjælper primært med erosionsidentifikation; Metoden er dog i øjeblikket begrænset af manglen på konsensus om at definere omfanget af en erosion i trabekulær knogle. Ikke desto mindre er BAM-modulerne open source, og efterhånden som fremtidige definitioner af erosionsomfang ændres, har andre forskere adgang til at ændre modulerne for at imødekomme deres behov.
Efterhånden som brugen af HR-pQCT i reumatologisk forskning udvides, giver træningsværktøjet uerfarne brugere vejledning i at identificere patologiske kortikale afbrydelser på HR-pQCT-billeder til erosionsanalyse. Dette værktøj vil være anvendeligt for forskere, uanset hvilken metode der vælges til erosionsanalyse. Mens fuldstændig automatiseret erosionsidentifikation er ønskelig for at forbedre reproducerbarheden og analysehastigheden, kræves der store reference-/benchmarkdatasæt med nøjagtige annoteringer for at træne modeller til maskinel indlæring. Som et open source-værktøj giver dette modul mulighed for kollektivt at udvikle store, kommenterede datasæt til fremtidig brug i maskinlæring. Brugen af dette træningsværktøj vil gøre det muligt for flere forskere at inkludere erosionsanalyse i deres HR-pQCT-forskning.
Disclosures
Alle forfattere har ingen interessekonflikt at rapportere.
Acknowledgments
Forfatterne vil gerne anerkende følgende finansieringsorganer, der støttede dette arbejde. SLM er finansieret gennem The Arthritis Society (STAR-18-0189) og Canadian Institutes of Health Research Planning and Dissemination Grant. JJT har en CIHR Fellowship award.
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).
