Summary
뼈 미란은 류마티스 관절염의 중요한 병리학적 특징입니다. 이 작업의 목적은 침식 분석을 위한 고해상도 주변 정량 컴퓨터 단층 촬영 이미지에서 병리학적 피질 절단을 식별하는 방법에 대한 지침을 사용자에게 제공하는 교육 도구를 소개하는 것입니다.
Abstract
뼈 미란은 류마티스 관절염(RA)을 포함한 여러 형태의 염증성 관절염의 병리학적 특징입니다. 침식의 존재와 크기가 증가하면 좋지 않은 결과, 관절 기능 및 질병 진행과 관련이 있습니다. 고해상도 말초 정량 컴퓨터 단층 촬영(HR-pQCT)은 뼈 미란에 대한 탁월한 생체 내 시각화를 제공합니다. 그러나 이 해상도에서는 정상적인 생리적 과정 및 병리와 관련된 피질 껍질의 불연속성(피질 절단)도 볼 수 있습니다. 류마티스 관절염의 xtrEme 컴퓨터 단층 촬영에 대한 연구 grouP는 이전에 HR-pQCT의 병리학적 침식에 대한 정의를 개발하기 위해 합의 프로세스를 사용했습니다: 기저 섬유주 뼈 손실이 있는 최소 두 개의 연속적인 조각, 최소 두 개의 수직 평면에서 감지된 피질 절단. 그러나 합의된 정의가 있음에도 불구하고 침식 식별은 평가자 간 변동성에 문제가 있는 까다로운 작업입니다. 이 작업의 목적은 침식 분석을 위해 HR-pQCT 이미지에서 병리학적 피질 절단을 식별하는 방법에 대한 지침을 사용자에게 제공하는 교육 도구를 소개하는 것입니다. 여기에 제시된 프로토콜은 오픈 소스 이미지 처리 소프트웨어(3D 슬라이서)의 확장으로 구현된 맞춤형 모듈(BAM(Bone Analysis Module) - Training)을 사용합니다. 이 모듈을 사용하여 사용자는 침식 식별을 연습하고 전문 류마티스 전문의가 주석을 단 침식과 결과를 비교할 수 있습니다.
Introduction
뼈 미란은 염증으로 인해 피질 뼈 표면에서 국소적인 뼈 손실이 발생할 때 발생합니다. 이러한 침식은 밑에 있는 섬유주 뼈 영역으로 확장됩니다. 이는 류마티스 관절염(RA)을 포함한 여러 형태의 염증성 관절염의 병리학적 특징입니다.1 침식의 존재 여부와 크기는 나쁜 결과, 환자 기능 및 질병 진행과 관련이 있습니다 2,3,4,5. 일반 방사선 촬영이 침식 평가의 임상 표준으로 남아 있지만, 고해상도 말초 정량 컴퓨터 단층 촬영(HR-pQCT)은 침식 검출을 위한 3D 이미지와 우수한 감도 및 특이성을 제공합니다 6,7. 류마티스 관절염과 같은 염증성 관절염의 경우, HR-pQCT는 일반적으로 손에서 가장 많이 영향을 받는 관절인 2차 및 3차 중수골 관절에 시행된다8. HR-pQCT 이미지는 공간 해상도가 높기 때문에 RA9가 없는 건강한 사람에서도 피질 표면의 생리적 중단이 관찰됩니다. 이러한 대뇌 피질 중단은 종종 뼈를 통과하는 혈관 채널 또는 영양 구멍과 관련이 있다10. 따라서 문제는 질병 과정(즉, 병리학적 침식)과 관련된 대뇌 피질 중단을 비병리학적 특징과 구별하는 것입니다.
병리학적 골 침식에 대한 합의된 정의는 류마티스 관절염의 xtrEme 컴퓨터 단층 촬영(SPECTRA)에 대한 연구 grouP에 의해 적어도 두 개의 연속적인 절편에 걸쳐 확장되고 두 개 이상의 수직면에서 검출될 수 있는 뼈의 피질층에 명확한 중단이 있는 것으로 발표되었습니다11. 또한, 중단은 모양이 비선형적이어야 하며 섬유주 영역의 손실을 동반해야 합니다. 침식의 기준을 충족하거나 충족하지 않는 피질 중단의 시각적 예는 Klose-Jensen et al.12에 나와 있습니다.
그러나 위의 기준을 충족하는 모든 피질 중단이 미란으로 분류되는 것은 아닙니다. 혈관 차단은 때때로 혈관 채널과 같은 생리적 과정에 의해 발생합니다(그림 1). 이들은 예측 가능한 해부학적 위치, 평행 및 직선 여백, 밀리미터 미만 크기13로 인해 침식과 구별되고 구별될 수 있다. 낭종은 미란으로 간주되지 않는 또 다른 형태의 피질 중단입니다. 그들은 종종 투명한 낭포성 벽(cystic wall)을 가진 둥근 섬유주 구조를 가지고 있다 13. 침식에 의해 나타나는 날카로운 모서리와 열린 섬유주 구조와는 대조적입니다. 그러나 낭포성 부위 내에서 미란이 형성될 수 있으므로 낭종이 아닌 미란으로 인한 뼈 손실의 양을 설명하는 것이 모호합니다. 추가 기준으로 이러한 모호성을 해결하는 것이 이 연구의 목적은 아니지만, 병리학적 침식과 생리적 피질 중단에 대한 포괄적인 예를 제공할 필요가 있습니다.
그림 1: 침식에 의해서만 발생하지 않은 피질 중단의 예. (A) 중수골 머리의 기저부에 있는 혈관 채널의 공통 위치를 나타내는 도면. (B) 관상면, (C) 시상면, (D) 및 (E) 축면의 혈관 채널의 예. (F) 낭종으로 인한 피질 중단의 예. (G) 낭종과 미란을 모두 포함하는 뼈의 섬유주 영역 내 공극 부피의 예. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
침식 식별의 어려움에도 불구하고 현재 경험이 부족한 사용자에게 침식 분석을 위한 HR-pQCT 이미지 해석에 대한 지침을 제공하는 교육 도구가 없습니다. 최근에는 침식 시각화 및 체적 분석을 가능하게 하는 오픈 소스 이미지 처리 소프트웨어의 확장으로 구현된 뼈 분석 모듈(BAM) - 침식 볼륨(Erosion Volume)이라는 침식 분석을 위한 오픈 소스 모듈이 개발되었다14. 여기에 제시된 프로토콜은 BAM(BAM - 교육)에 추가된 교육 모듈의 사용을 설명하며, 이는 전문 류마티스 전문의가 주석을 단 침식 식별과 침식 식별을 비교하여 사용자의 침식 식별 시도를 비교합니다. 이 교육 도구는 침식 분석의 개선을 안내하기 위해 침식 식별에 대한 피드백을 사용자에게 제공합니다. 소프트웨어 설치 지침은 1단계에서 제공됩니다. 새로운 데이터 수집에 대해서는 3 - 5.3단계를 참조하십시오. 교육 모듈에서만 사용하는 경우 2단계를 참조하십시오.
Protocol
이 프로토콜의 모든 방법은 캘거리 대학의 Conjoint Health Research Ethics Board(REB19-0387)에서 정한 지침을 따릅니다.
1. 3D Slicer 15 및 뼈 분석 모듈 설치
- https://download.slicer.org/ 에서 사용되는 운영 체제와 관련된 3D 슬라이서의 안정적인 릴리스를 위한 설치 파일을 다운로드합니다.
- 다운로드한 설치 파일을 실행하고 마법사에 제공된 지침을 따릅니다.
- 설치가 완료되면 골격 분석 모듈 설치를 진행합니다.
- https://doi.org/10.5281/zenodo.7943007 에서 뼈 분석 모듈을 압축된 zip 파일로 다운로드하고 압축된 폴더의 압축을 풉니다. 압축을 푼 폴더가 있는 디렉토리를 기록해 두십시오.
- 3D 슬라이서를 시작합니다. 3D 슬라이서 창의 왼쪽 상단 모서리에 있는 편집 을 클릭하여 모듈을 3D 슬라이서에 로드합니다. Edit > Application Settings(응용 프로그램 설정 편집 )를 클릭하여 새 창을 엽니다.
- 최근에 연 설정 창의 왼쪽에 있는 탭인 모듈을 클릭합니다. Additional module paths(추가 모듈 경로)에서 골격 분석 모듈에 대한 경로를 추가합니다(그림 2).
- 이렇게 하려면 다음 폴더 목록을 추가 모듈 경로 아래에 있는 상자로 끌어다 놓습니다. AutoMask, CorticalBreakDetection, ErosionComparison, ErosionVolume, FileConverter, ImageRegistration, Training 폴더는 1.3.1단계에서 다운로드한 폴더 내에 있습니다. 설정 창은 그림 2와 유사해야 합니다.
- 설정 창의 오른쪽 하단에 있는 OK 를 누릅니다. 모듈 설치를 확인하려면 다시 시작해야 합니다. 3D 슬라이서를 닫았다가 다시 시작하면 됩니다.
참고: 모듈 로드는 3D 슬라이서 설치당 한 번만 수행됩니다. 뼈 분석 GitHub 리포지토리에 대한 추가 업데이트 시 이전 BAM 다운로드가 포함된 디렉터리의 간단한 터미널(또는 명령줄) git pull 명령이 모든 모듈을 자동으로 업데이트합니다. 다시 말하지만, 또는 저장소를 다운로드하고 이전 모듈을 새 모듈과 수동으로 교환할 수 있습니다.
그림 2: 3D 슬라이서 설치에 골격 분석 모듈을 추가한 후의 설정 창 예. 이미지는 빨간색 상자에 강조 표시된 모듈이 있는 설정 창의 스크린샷을 보여줍니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
2. 교육 모듈
- BAM-Training 모듈을 시작합니다.
- 3D 슬라이서의 도구 모음에 있는 드롭다운 메뉴를 클릭합니다. 뼈 분석 모듈을 찾아 그 위에 마우스를 올려 놓습니다(그림 3). Training( 교육)을 클릭합니다.
- 모듈에서 파일을 로드합니다.
- BAM 교육 모듈을 시작하면 위에서 설명한 대로 BAM github 리포지토리가 다운로드되었다고 가정하고 진행을 클릭하여 필요한 모든 파일(회색조 이미지, 마스크, 참조 침식 조각화)이 자동으로 로드됩니다.
- 파일의 스캔 유형을 선택합니다.
- Input Volume: Select a Volume(입력 볼륨: 볼륨 선택)이라고 표시된 드롭다운 메뉴 위로 마우스를 가져가면 마스터 그레이 스케일 이미지를 나타냅니다.
- Input Mask: Select a Volume(입력 마스크: 볼륨 선택)이라는 드롭다운 메뉴에서 마스크(즉, periosteal 표면 내에서 볼륨을 식별하는 파일)를 선택합니다. 측정 ID를 확인하여 이 마스크가 위의 입력 볼륨과 일치하고 MCP 조인트가 두 선택 항목에서 동일한지 확인합니다.
- 이번 3D 슬라이서 출시를 통해 이 이미지에 대한 교육 모듈을 처음 실행하는 경우 Output Erosions: Select a Segmentation(출력 침식: 세그멘테이션 선택)이라는 드롭다운 메뉴에서 새 출력 세그멘테이션을 만듭니다. 이렇게 하려면 드롭다운 메뉴를 클릭하고 Create New Segmentation을 선택합니다. 이렇게 하면 입력 마스크 레이블 + _ER 뒤에 레이블이 지정된 새 출력 분할 노드가 생성됩니다. 출력에 다른 레이블을 지정하려면 대신 Create New Segmentation As... 를 선택하고 원하는 레이블을 입력합니다.
참고: 3D 슬라이서 및 이 문서에서 마스크 및 분할은 골격 표면 내부의 볼륨을 식별합니다. 마스크는 이진 이미지로 시각화되는 반면, 분할은 그레이 스케일 이미지와 겹쳐진 이진 이미지의 시각화를 나타냅니다. 이러한 구분은 3D 슬라이서에 의해 이루어집니다. 그림 4에 예가 나와 있습니다.
- 아래 설명에 따라 시드 포인트를 배치합니다.
- 시작하려면 새 시드 포인트 목록을 만들어 시드 포인트를 추가합니다. 이렇게 하려면 시드 포인트: 없음 이라는 드롭다운 메뉴를 클릭하고 새 포인트 목록 만들기를 선택하여 새 목록을 만듭니다. 다시 말하지만, 기본 레이블 지정 표준은 입력 이미지 레이블 + _SEEDS입니다. 고유한 레이블을 제공하려면 새 점 리스트 작성...을 선택합니다.
- 슬라이스를 스크롤하고 관심 영역에 시드 포인트를 배치하여 침식 지점을 식별합니다. 그림 5A에 표시된 Red Dot-Blue Drop 버튼을 눌러 새 시드 포인트를 추가합니다.
- 시드 포인트를 가능한 한 깊숙이 (섬유주 뼈 안쪽으로) 침식 부피에 놓습니다. 시드 포인트가 볼륨의 가장 어두운 영역에 배치되었는지 확인합니다.
- 시드 포인트 크기를 변경하려면 시드 포인트 크기:라는 텍스트 상자에서 백분율 크기를 수정합니다. 시드 포인트 테이블의 다른 필드(예: 뼈 및 피질 중단)는 사용자의 기록을 위한 것이며 침식 계산 알고리즘에 영향을 주지 않습니다.
- 아래 설명된 대로 피드백을 받습니다.
- 시드 포인트가 배치되면. 그림 5B에 강조 표시된 Get Erosions라고 표시된 버튼을 눌러 주어진 입력에 대해 침식 측정 알고리즘을 실행합니다. 침식 측정이 완료되면 모듈은 시드 포인트 배치에 대한 피드백을 제공합니다. 각 시드 포인트의 위치를 기준 침식 위치와 비교하여 시드 포인트를 측정하려는 침식과 일치시킵니다.
- HR-pQCT 이미징 및 침식 분석(SF 및 CF)을 사용하여 교육, 광범위한 출판 기록 및 10년 이상의 경험을 가진 류마티스 전문의가 배치한 시드 포인트를 사용하여 침식 부피를 계산하여 기준 침식을 얻습니다.
그림 3: 3D 슬라이서의 드롭다운 메뉴. 드롭다운 메뉴에서 뼈 분석 모듈을 찾고 학습 모듈을 선택합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 4: 뼈의 골막 표면 내부의 부피 식별. (A) 마스크의 예. 마스크는 이진 이미지로 시각화됩니다. (B) 세분화의 예. 분할은 회색조 이미지와 겹쳐진 이진 이미지의 시각화를 나타냅니다. 이러한 구분은 3D 슬라이서에 의해 이루어집니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 5: 3D 슬라이서 내의 학습 모듈 스크린샷 예. (ᅡ) 클릭하여 새 시드 포인트를 추가합니다. (B) 침식 부피를 계산하려면 클릭합니다. (C) 클릭하여 이미지를 가져옵니다. (D) 클릭하면 전문가가 배치한 시드 포인트가 표시됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
3. 침식 분석 도구에 사용하기 위한 이미지 획득 및 내보내기
- 1세대 또는 2세대 HR-pQCT 스캐너를 사용하여 HR-pQCT 이미지를 획득합니다. 이 연구를 위한 이미지를 획득하기 위해 상업용 스캐너를 사용했습니다( 재료 표 참조).
참고: 이 연구에 사용된 이미지는 2차 및 3차 중수골 관절이며 Barnabe et al.8에 설명된 프로토콜을 사용하여 획득되었지만 미란이 있는 모든 관절의 이미지는 BAM과 호환됩니다. - 이미지에서 모션 아티팩트16,17을 검사합니다. 모션 스코어가 3> 침식 분석을 위해 이미지를 사용하지 마십시오.
- FTP(파일 전송 프로토콜)를 사용하여 각 조인트의 AIM(독점 이미지 형식) 또는 DICOM(Digital Imaging and Communications in Medicine) 파일을 로컬 디스크로 내보낼 수 있습니다. 개별 조인트의 파일들은 제조사(18)에 의해 제공된 조인트 공간 폭(JSW) 해석 파이프라인을 이용하여 생성될 수 있다. 더 쉽게 사용할 수 있도록 기본 숫자 형식에서 파일 이름을 바꿉니다.
4. 파일 변환 및 본 마스크 생성
참고: 이미지 형식에 따라 AIM(HR-pQCT 독점 이미지 형식), MHA(ITK 메타이미지 형식), nii(NIfTI - Neuroimaging Informatics Technology Initiative), NRRD(Nearly Raw Raster Data) 이미지의 경우 4.1단계를, DICOM 이미지의 경우 4.2단계를 따릅니다.
- MHA, nii, AIM 또는 NRRD와 같은 이미지 파일 형식의 이미지를 가져오려면 아래 설명된 단계를 따르십시오.
- 3D 슬라이서 창의 왼쪽 위 모서리에 있는 DATA 라고 표시된 단추를 클릭합니다(그림 5C).
- 이미지 파일을 추가하려면 추가할 파일 선택을 클릭하고 이미지를 찾아 추가합니다.
- 이미지의 전체 디렉토리를 추가하려면 추가할 디렉토리 선택을 클릭하고 디렉토리를 찾아 추가합니다. 그러면 해당 디렉토리의 모든 이미지가 로드됩니다.
- 어떤 이유로든 이미지 마스크를 3D 슬라이서 세그멘테이션으로 가져와야 하는 경우 먼저 NRRD 또는 nii 파일로 변환합니다. 이 변환은 자동으로 수행될 수 있으며 자세한 내용은 4.4.1단계를 참조하십시오.
- 아래 설명에 따라 3D 슬라이서에서 DICOM 파일을 가져옵니다.
- 3D 슬라이서 창의 왼쪽 상단 모서리에 있는 DCM 이라고 표시된 버튼을 클릭합니다.
- DICOM 파일 가져오기를 클릭하고 DICOM 파일이 포함된 디렉토리(확장자는 .dcm)를 찾아 추가합니다.
- 창 오른쪽에 있는 Load 라고 표시된 버튼을 클릭합니다.
- BAM - 자동 마스크 모듈에서 2단계 - 자동 마스크를 사용하여 이미지 마스크를 가져옵니다.
- 3D 슬라이서의 도구 모음에 있는 드롭다운 메뉴를 클릭합니다. 본 분석 모듈(Bone Analysis Modules ) 을 찾아 그 위에 마우스 커서를 놓습니다. Automatic Mask(자동 마스크)를 클릭합니다.
- Step 2 - Automatic Mask 탭에서 Input Volume:이라는 드롭다운 메뉴를 사용하여 입력 볼륨을 선택합니다. 이것은 입력 스캔입니다.
- output segmentation:이라는 드롭다운 메뉴에서 새 출력을 생성하고 Create New LabelMapVolume을 선택합니다. 이렇게 하면 입력 마스크 레이블 + _MASK 뒤에 레이블이 지정된 새 출력 노드가 생성됩니다. 출력에 다른 레이블을 지정하려면 대신 Create New LabelMapVolume as... 를 선택하고 원하는 레이블을 입력합니다.
- 해당 레이블이 있는 텍스트 상자에 마스킹할 본의 수를 입력합니다. 이 분석을 위한 최적의 분할을 위해 알고리즘이라고 표시된 드롭다운 메뉴에서 Ormir를 선택합니다19.
참고: 이러한 마스크를 생성하기 위한 다른 옵션을 사용할 수 있으며 나중에 추가될 수 있습니다. - 마스크 가져오기를 클릭합니다. 그러면 알고리즘이 실행되고(~2-3분) 입력 이미지의 동일한 디렉터리에 결과가 출력됩니다. 또한 이미지에 여러 뼈가 있는 경우 각 뼈에 대해 별도의 마스크를 저장합니다.
- BAM 모듈에서 Step 3 - Manual Correction(3단계 - 수동 수정 )을 사용하여 본 마스크의 수동 수정을 수행합니다. 생성된 마스크가 정확하지 않은 경우가 많습니다. 수동 수정을 수행하여 세그멘테이션의 특정 구성 요소를 추가, 삭제 또는 편집합니다.
- 다른 방법을 통해 생성되었거나 3D 슬라이서의 이전 실행에서 생성된 마스크를 편집하려면 이 모듈을 사용하여 이러한 마스크를 파일에서 3D 슬라이서로 로드합니다. 파일 확장자는 MHA, nii, NRRD, AIM 중 하나일 수 있습니다.
- 1.3단계에서 다운로드한 BAM 폴더에 있는 LOAD_MASKS 디렉터리에 이미지를 복사합니다.
- 3D 슬라이서로 돌아가서 수동 수정 단계에서 로드 라고 표시된 버튼을 누릅니다.
- Mask To Be Corrected:"라고 표시된 드롭다운 메뉴에서 수정할 세그먼트를 선택합니다.
- Master Volume:이라고 표시된 드롭다운 메뉴에서 이 침식 분할에 속하는 원본 회색조 이미지를 선택합니다. 초기화를 누릅니다.
- 각 세그멘테이션에는 아래 표에 고유한 항목이 있어야 합니다. 세그먼트의 색상에 따라 수정할 세그먼트를 선택합니다.
- 세그멘테이션에 추가하려면 첫 번째 행의 두 번째 버튼을 클릭합니다. 이것은 페인트 기능을 사용합니다. 이미지에 그림을 그려 볼륨을 추가합니다(마우스 왼쪽 버튼을 누른 상태에서 마우스 이동).
- 세그먼트화의 일부를 제거하려면 슬라이스 사이 지우기(Erase Between Slices)라고 표시된 표 아래의 버튼을 클릭합니다. 이것은 지우기 기능이며 페인트 기능처럼 작동하지만 대신 지웁니다.
- 대략 10-25개의 조각마다 필요에 따라 추가를 그리지만 추가가 필요한 첫 번째 조각과 마지막 조각을 포함해야 합니다.
- 페인트 기능을 사용한 경우 슬라이스 사이 채우기 기능이라고 표시된 다섯 번째 행의 첫 번째 버튼을 클릭하여 변경 사항을 보간할 수 있습니다. Initialize(초기화) > Apply(적용) 버튼을 클릭합니다.
- 지우기 기능을 사용한 경우 지우기 적용이라고 표시된 표 아래의 버튼을 클릭하기만 하면 됩니다. 페인트와 지우기 기능을 동시에 사용하지 마십시오. 한 기능을 먼저 적용한 다음 다른 기능을 적용합니다.
- 편집이 완료되면 적용을 누릅니다.
- 다른 방법을 통해 생성되었거나 3D 슬라이서의 이전 실행에서 생성된 마스크를 편집하려면 이 모듈을 사용하여 이러한 마스크를 파일에서 3D 슬라이서로 로드합니다. 파일 확장자는 MHA, nii, NRRD, AIM 중 하나일 수 있습니다.
5. 침식의 확인
- 침식을 식별하기 위해 BAM - Erosion Volume 모듈의 Step 4 - Erosions 를 사용합니다. 침식 부피 모듈은 스캔 내에서 침식을 식별하고 측정하는 도구입니다.
참고: 이 모듈은 위에서 설명한 교육 도구의 초점이며 거의 동일한 워크플로를 가지고 있습니다. 차이점은 계산된 침식이 전문적으로 주석이 달린 침식과 비교되지 않는다는 점이며, 침식 통계를 내보내고 식별 후 부피를 수동으로 수정할 수 있다는 것입니다. - 시드 포인트를 배치하고 2.4 단계에서 수행 한 것처럼 침식을 얻습니다. 결국 피드백은 제공되지 않습니다.
- 수동 수정
- 자동으로 감지된 침식 볼륨의 크기와 모양이 만족스럽지 않은 경우 Step 5 - Manual Correction and Export Segmentation(5단계 - 수동 수정 및 내보내기 분할) 탭에서 편집합니다. 4.4단계에 설명된 단계를 따릅니다. 그러나 외부 침식 체적을 로드하는 옵션은 없습니다. 변경 사항이 이미 저장되었으므로 수정을 완료한 후 Apply 를 누르지 마십시오.
6. 침식 통계
- 6단계 - 통계 탭을 사용하여 계산된 데이터를 스프레드시트 파일(CSV 형식)로 내보냅니다.
- 4단계에서 계산되고 5단계에서 선택적으로 수정된 침식 부피를 Input Erosions(입력 침식)라고 표시된 드롭다운 메뉴 아래에 제공합니다.
- Master Volume(마스터 볼륨)이라고 표시된 드롭다운 메뉴 아래에 그레이스케일 이미지를 제공합니다. 텍스트 상자에 이미지의 복셀 너비(mm)를 제공합니다. Get Statistics(통계 가져오기)를 누릅니다.
- 스프레드시트 파일은 1.3단계에서 다운로드한 BAM 폴더에 있는 EROSIONS_OUTPUT_DATA라는 디렉터리에 생성되었습니다. 출력 테이블의 예는 표 1 을 참조하십시오.
Representative Results
교육 도구를 사용하여 사용자는 결과에 대한 피드백을 받으면서 침식 부위를 식별하는 연습을 할 수 있습니다. 이 피드백 루프는 침식을 식별하는 사용자의 능력을 향상시키고 BAM 모듈을 사용하여 자신의 이미지에서 침식을 식별할 수 있습니다. 시드 포인트 배치 후의 피드백은 다음 기준을 기반으로 합니다. 1) 배치된 시드 포인트의 수가 기준 침식 수와 일치하지 않으면 적절한 수의 시드 포인트를 삭제하거나 추가하라는 메시지가 표시됩니다. 2) 시드 포인트 위치를 참조 침식과 일치시킬 수 없는 경우 해당 시드 포인트의 위치에 침식이 존재하지 않는다는 피드백이 표시됩니다. 3) 시드 포인트가 낭종 또는 혈관 채널과 같은 참조 병리학적/생리적 피질 중단과 일치하면 사용자에게 침식으로 식별하려고 시도한 피질 중단 유형에 대해 알리고 시드 포인트를 제거하도록 요청받습니다. 4) 시드 포인트의 위치가 기준 침식과 겹치는 경우 알고리즘은 여전히 침식을 감지하지 못할 수 있습니다. 이것은 시드 포인트가 침식의 중심에 있지 않을 때 발생할 수 있습니다. 이러한 경우 시드 지점의 위치를 조정하라는 메시지가 표시됩니다. 5) 시드 포인트가 침식에서 너무 멀리 떨어진 곳에 배치되면 사용자에게 잘못된 배치를 알리고 다시 시도하도록 권장합니다. 6) 시드 지점 위치가 기준 침식과 일치하면 사용자에게 특정 시드 지점에서 침식을 식별하려는 시도가 성공했음을 알리는 프롬프트가 표시됩니다.
다음 섹션에서는 모듈이 다양한 입력을 기반으로 작동하는 방법의 예를 보여 줍니다. 올바른 입력과 잘못된 입력은 다음 예에서 설명됩니다. 그림 6A 는 침식 내에 위치한 시드 포인트 위치를 보여줍니다. 이 이미지에는 하나의 침식만 존재하므로 시드 점으로 침식을 계산하면 예상한 결과를 얻을 수 있습니다. 그림 6B 는 침식을 식별하려는 시도가 전문적으로 주석이 달린 이미지와 일치할 때 사용자에게 표시되는 프롬프트를 보여줍니다. 또한 이 모듈은 결과를 그레이 스케일 이미지에 분할로 표시합니다(그림 6C). 사용자가 그림 7A와 같이 침식이 없는 위치에 시드 포인트를 배치한 경우 모듈은 이 위치에 침식이 존재하지 않는다는 오류 프롬프트(그림 7B)를 표시하고 사용자가 시드 포인트를 재배치/제거할 것을 제안합니다.
그림 6: 올바른 침식 식별의 예. (A) 침식 지점 내에 시드 포인트를 올바르게 배치한 사용자의 예. (B) 모든 침식이 올바르게 식별되었을 때 피드백 프롬프트의 예. (C) 침식이 올바르게 계산될 때 표시되는 침식 분할의 예. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 7: 잘못된 침식 식별의 예. (A) 침식이 존재하지 않는 곳에 배치된 시드 포인트의 예. (B) 시드 포인트가 침식되지 않은 위치에 배치될 때 오류 프롬프트의 예. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
제공된 훈련 이미지에서 모든 낭종 및 혈관 채널의 위치는 전문가에 의해 식별되었습니다. 따라서 사용자가 낭종 또는 혈관 채널을 잘못 식별하려고 시도하는 경우를 감지할 수 있습니다. 그림 8A 는 낭종에 시드 포인트를 배치하여 낭종을 식별하려는 시도를 보여줍니다. 그림 8B 는 이후에 표시되는 오류 프롬프트입니다.
그림 8: 낭종 식별의 예. (A) 낭종에 놓인 시드 포인트의 예. (B) 시드 포인트가 낭종에 배치될 때 오류 프롬프트의 예. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
모듈은 또한 적절한 양의 시드 포인트가 있는지 사용자에게 알려줍니다. 사용자가 잘못된 수의 시드 포인트를 배치한 경우 모듈은 이미지의 모든 침식을 식별하기 위해 누락되거나 추가된 시드 포인트의 정확한 양을 사용자에게 알립니다. 이 모듈은 배치된 각 시드 포인트에 대한 피드백도 제공합니다. 따라서 사용자는 각 개별 시드 포인트에 대해 어떤 작업을 수행해야 하는지 알고 있습니다. 그림 9 는 두 개의 시드 지점이 예상되는데 사용자가 하나의 시드 지점만 배치한 예를 보여 줍니다.
그림 9: 시드 포인트 하나를 놓친 상태에서 계산된 침식의 예. 이 예제에서는 두 개의 시드 지점이 예상될 때 사용자가 하나의 시드 지점만 배치한 예를 보여 줍니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
사용자가 침식의 일부 또는 전부를 찾는 데 어려움이 있는 경우 올바른 시드 지점 표시 (그림 5D)라고 표시된 단추를 눌러 전문적으로 주석이 달린 위치를 표시할 수 있습니다. 이 버튼을 누르면 현재 3D 슬라이서 창에 올바른 시드 포인트가 로드됩니다.
요약하면, 이는 소프트웨어 모듈이 계산된 침식과 전문적으로 주석이 달린 침식을 비교하여 선택한 이미지에서 침식을 식별하려는 사용자의 시도의 정확성을 평가할 수 있음을 보여줍니다. 또한 모듈은 사용자가 배치한 각 시드 포인트를 기반으로 피드백을 제공하여 예상 시드 포인트 위치 및 입력 매개변수로 안내합니다.
| 스캔 ID | 대뇌 피질 중단 | 뼈 | 레이블 | 중심 위치 | 부피 (mm3) | 표면적(mm2) | 원형율 | 복셀(voxels)의 수 |
| 3_Training.nii | 부식 | 중수골 | SEEDS_28-1 | 210, 108, 242 | 3.321668853 | 14.46818378 | 0.74411491 | 14853 |
| 3_Training.nii | 부식 | 중수골 | SEEDS_28-3 | 179, 100, 241 | 1.100739562 | 7.121231239 | 0.7239659 | 4922 |
표 1: 계산된 침식 및 통계를 설명하는 생성된 출력 파일(csv 형식)의 예.
Discussion
이 교육 도구는 뼈 분석 모듈을 사용하여 침식을 식별하는 방법을 배울 수 있는 기회를 제공합니다. 교육 이외에 이 침식 분석 도구를 추가로 사용하려면 모션 아티팩트가 거의 또는 전혀 없는 고품질 이미지에 액세스해야 합니다. 문헌에 근거한 HR-pQCT 침식 정의는 합리적인 재현성으로 보고될 수 있는 병리학적 침식과 관련된 해부학적 특징을 기술한다11,20. 그러나, 이 정의는 혈관 채널의 일반적인 해부학적 위치를 설명하지 못하며, 잠재적으로 골미란으로 오분류되는 결과를 초래할 수 있다10.
이 프로토콜에서 중요한 단계는 본 마스크의 생성, 시드 포인트의 배치, 침식 볼륨의 생성입니다. 마스크와 침식량을 생성하는 자동화된 방법이 구현되어 있지만, 만족스러운 결과를 보장하기 위해 마스크를 수동으로 수정해야 하는 경우가 많습니다. 수동 수정을 수행하는 데 사용할 수 있는 도구에 대한 포괄적인 설명이 제공됩니다. 시드 지점의 배치는 BAM-Training 모듈에서 제공하는 교육 예제에 따라 안내됩니다.
현재까지 사용된 데이터를 기반으로 이 프로토콜은 침식 분석 모듈이 예상한 결과를 생성하지 않을 때 문제 해결을 위한 제안을 제공합니다. 향후 작업에서는 추가 학습 데이터에 대한 액세스가 제공될 예정입니다. 이전 연구는 이 방법으로 평가된 침식량이 기존 방법과 비슷하다는 것을 보여주었다 14,21,22. 학습 데이터를 제공하면 개발된 최신 침식 분석 도구와 비교할 수 있습니다23.
여기에 소개된 훈련 도구는 주로 침식 식별에 도움이 됩니다. 그러나 이 방법은 현재 섬유주 뼈의 침식 정도를 정의하는 데 대한 합의가 부족하여 제한되어 있습니다. 그럼에도 불구하고 BAM 모듈은 오픈 소스이므로 침식 범위에 대한 향후 정의가 변경됨에 따라 다른 연구원은 필요에 맞게 모듈을 수정할 수 있습니다.
류마티스 연구에서 HR-pQCT의 사용이 확대됨에 따라 교육 도구는 경험이 없는 사용자에게 침식 분석을 위한 HR-pQCT 이미지에서 병리학적 피질 중단을 식별하는 방법에 대한 지침을 제공합니다. 이 도구는 침식 분석을 위해 선택한 방법에 관계없이 연구원에게 적용할 수 있습니다. 재현성과 분석 속도를 개선하려면 완전히 자동화된 침식 식별이 바람직하지만, 기계 학습 모델을 훈련하려면 정확한 주석이 있는 대규모 참조/벤치마크 데이터 세트가 필요합니다. 오픈 소스 도구인 이 모듈은 나중에 기계 학습에서 사용할 수 있도록 주석이 달린 대규모 데이터 세트를 집합적으로 개발할 수 있는 기회를 제공합니다. 이 교육 도구를 사용하면 더 많은 연구자가 HR-pQCT 연구에 침식 분석을 포함할 수 있습니다.
Disclosures
모든 저자는 보고할 이해 상충이 없습니다.
Acknowledgments
저자들은 이 작업을 지원한 다음 자금 지원 기관에 감사를 표하고자 합니다. SLM은 관절염 학회(STAR-18-0189)와 캐나다 보건 연구소 연구 계획 및 보급 보조금을 통해 자금을 지원합니다. JJT는 CIHR 펠로우십 상을 수상했습니다.
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).
