Lunge CT Segmentering at identificere konsolideringer og malet glas områder for kvantitative assesment af SARS-CoV lungebetændelse

Summary

Formålet med denne protokol er at give en tidseffektiv måde at segmentere mængder af interesse på ct-scanninger med høj opløsning, der kan bruges til yderligere radiomikanalyse.

Abstract

Segmentering er en kompleks opgave, som radiologer og forskere står over for, efterhånden som radiomik og maskinlæring vokser i potentiale. Processen kan enten være automatisk, halvautomatisk eller manuel, den første er ofte ikke tilstrækkelig præcis eller let reproducerbar, og den sidste er alt for tidskrævende, når der involveres store distrikter med høj opløsning erhvervelser.

En høj opløsning CT af brystet er sammensat af hundredvis af billeder, og det gør den manuelle tilgang alt for tidskrævende. Desuden kræver parenkymale ændringer, at der skal foretages en ekspertvurdering ud fra det normale udseende. Således er en halvautomatisk tilgang til segmenteringsprocessen, så godt vi ved, den mest velegnede, når de segmenterer lungebetændelser, især når deres funktioner stadig er ukendte.

For de undersøgelser, der udføres i vores institut om billeddannelse af COVID-19, vedtog vi 3D Slicer, et freeware software produceret af Harvard University, og kombineret tærsklen med pensel instrumenter til at opnå hurtig og præcis segmentering af beædte lunge, jorden glas opacities, og konsolideringer. Når denne metode står over for komplekse sager, kræver den stadig en betydelig mængde tid til korrekt manuelle justeringer, men giver et yderst effektivt middel til at definere segmenter, der skal anvendes til yderligere analyse, såsom beregning af procentdelen af de berørte lungeparenkym eller teksturanalyse af jordens glasområder.

Introduction

I indeværende år, verden står over for en sundheds-nødsituation, pandemi forårsaget af romanen Coronavirus, Sars-CoV2. Selv om, indtil den nuværende dato, mange aspekter vedrørende fysiopatologi af COVID-19 infektion er stadig uklart, det deler flere egenskaber med sine “forfædre” SARS1 og MERS. Især er det blevet bevist, at virion spike proteiner interagerer med Angiotensin Konvertering enzym Type-2, en receptor godt repræsenteret på alveolær endotelceller, men allestedsnærværende i den menneskelige organisme, og dermed har potentiale til at give systemiske symptomer¹.

Til diagnosticering er den nuværende standard den omvendte transskription-polymerasekædereaktion (rt-PCR), en test udført på svælgsvaberprøver. Selv om radiologisk billeddannelse ikke er officielt anerkendt i den diagnostiske vej til påvisning af sygdommen, viste højopløsningstesttomografi (HRCT) sig at være et værdifuldt hjælpemiddel til den kliniske og epidemiologiske behandling af berørte patienter på grund af rt-PCR’s relativt lave følsomhed, den nuværende knaphed på specialiserede laboratorier og de nødvendige reagenser og den høje operatørafhængighed.

Radiological Society of North America (RSNA) udgivet en konsensus erklæring, godkendt af selskabet thorax radiologi og American College of Radiology (ACR), der klassificerer CT udseende COVID19 i fire kategorier for at standardisere rapportering, dividere den interstitielle lungebetændelse mønstre i “typiske”, “atypiske”, “ubestemt”, og “negativ”².

Den “typiske” mønster er kendetegnet ved tilstedeværelsen af rundformede Ground Glass Opacities (GGO), normalt med en sub-pleural placering på dorsale basal segmenter. GGO kan være forbundet med “Crazy Bane” områder af fortykket septa, eller andre tegn på at organisere lungebetændelse. Det “ubestemte” mønster er karakteriseret ved fraværet af de “typiske” mønster fund, med diffuse GGO områder med en perihilar fordeling, med eller uden konsoliderede områder. Det “atypiske” mønster er karakteriseret ved enten fraværet af de “typiske” eller “ubestemte” tegn, og tilstedeværelsen af lobar konsolideringer, “træ i opløbet”, glat fortykkelse af septa og pleural effusion; i denne præsentation kan der ikke påvises nogen GGO. Det “negative” mønster er karakteriseret ved fraværet af de førnævnte patologiske fund.

Ifølge litteraturen kan nogle patienter præsentere en høj klinisk mistænkt for COVID-19 understøttet af epidemiologiske kriterier og billeddannelse fund med negativ rt-PCR^3,4. På den anden side er det blevet rapporteret, at patienter med en positiv rt-PCR og suggestive kliniske fund, ikke præsenterer patologiske resultater på HRCT^5.

I dag er det af afgørende interesse for det videnskabelige samfund at anvende billedanalyseteknikker, når man kvantitativt undersøger sygdommens karakteristika. En nylig undersøgelse har anvendt automatiseret segmentering teknik lunge parenkym at identificere procentdelen af beædnet lunge hos patienter ramt af COVID-19, korrelere denne værdi med prognosen, og viser, at patienter med en mere alvorlig lunge involvering præsenteret større risiko for at blive optaget i intensivafdelingen (ICU), og har dårligere resultater⁶.

Segmenteringen er kontureringen af interesseområder (ROI’er) i en volumen, der er erhvervet ved hjælp af en billedteknik, f.eks. Denne aktivitet kan udføres gennem tre metoder: manuel, halvautomatisk og automatisk. Manuel segmentering består takket være en uddannet radiologs erfaring i mærkning af voxels, der tilhører det patologiske område. De største ulemper ved denne metode er den store mængde tid, der kræves, og det forhold, at den er operatørafhængig.

Halvautomatiske metoder gør det muligt at fremskynde segmenteringen, da operatøren kan ændre en segmenteringsmaske, der er opnået ved hjælp af de klassiske billedbehandlingsmetoder (f.eks. tærskel for pixelintensitet, klyngedannelse osv.). Disse teknikker er dog ikke lette at implementere i klinisk praksis, da de kræver omfattende manuel indgriben i de mest komplicerede tilfælde¹⁸.

Automatiske segmenteringsmetoder, der i øjeblikket er af begrænset anvendelse, anvender kunstig intelligens til at opnå ROI’er. En nylig undersøgelse har navnlig til formål at anvende automatisk segmentering i kvantificeringen af jorden glasområder hos patienter, der lider af COVID-19 interstitiel lungebetændelse¹⁹. Definitionen af en segmenteringsprotokol for de patologiske områder på HRCT-billederne er det virkelige første skridt mod den efterfølgende radiomikanalyse for at identificere funktioner, der kan bidrage til yderligere at forstå sygdommens fysiopatologi og tjene som en nøjagtig prognostisk faktor, der potentielt kan påvirke behandlingen.

Dette dokument indeholder en vejledning til at opnå nøjagtige og effektive^segmenter,der repræsenterer de patologiske fund af COVID-19 lungebetændelse ved hjælp af “3D Slicer”⁷,^8,9,10.

Protocol

Denne protokol følger retningslinjerne fra den institutionelle humane forskningsetiske komité. 1. Download af DICOM-billederne Download DICOM-billederne, og overfør dem på den arbejdsstation, der er dedikeret til segmenteringen, med 3D-softwaren installeret. Hvis du planlægger at arbejde på en personlig computer, anonymisere DICOM data. 2. Import af HRCT-undersøgelsen af 3D Slicer-softwaren Vælg Ind…

Representative Results

Den foreslåede metode er blevet raffineret gennem forsøg og fejl, teste det på 117 patienter ramt af COVID-19 lungebetændelse med en positiv rt-PCR test. Efter en kort indlæringskurve kan den tid, der er nødvendig for at opnå segmenterne, variere fra 5 til 15 minutter, afhængigt af præsentationsmønsteret. Som vist i figur 1giver metoden præcise segmenter: Dette kan observeres ved at bemærke den nøjagtige korrespondance med HRCT. 3D-geng…

Discussion

Segmentering udgør et grundlæggende skridt i forbindelse med udførelse af moderne kvantitative radiologiundersøgelser og er nødvendig for at anvende radiomik- eller teksturanalyseteknikker. Patologiske fund i lungerne repræsenterer en af de mest udfordrende at segmentere, for manglen på definerede anatomiske grænser og en lille forskel i dæmpningsværdi sammenlignet med de sunde områder.

Kildebillederne skal præsentere med et minimum af artefakter, hvis det er muligt, især på de p…

Materials

CT Scanner	General Electrics Healthcare	64-MDCT VCT lightSpeed	The CT scanner used for HRCT acquisitions
Desktop Computer	ThinkCentre		The computer used to download the DICOM files and run 3D Slicer