骨びらんは関節リウマチの重要な病理学的特徴です。この研究の目的は、侵食分析のための高解像度末梢定量的コンピューター断層撮影画像で病理学的皮質切断を特定するためのガイダンスをユーザーに提供するためのトレーニングツールを導入することです。
骨びらんは、関節リウマチ(RA)を含むいくつかの形態の炎症性関節炎の病理学的特徴です。びらんの存在とサイズの増加は、転帰不良、関節機能、および疾患の進行と関連しています。高解像度末梢定量的コンピュータ断層撮影法(HR-pQCT)は、骨びらんの 比類のないin vivo 可視化を提供します。しかし、この解像度では、正常な生理学的プロセスおよび病理学に関連する皮質殻の不連続性(皮質切断)も見られる。関節リウマチにおけるxtrEmeコンピュータ断層撮影法の研究grouPは、以前にコンセンサスプロセスを使用して、HR-pQCTの病理学的びらんの定義を開発しました:皮質の破損は、少なくとも2つの連続したスライスで検出され、少なくとも2つの垂直な平面で、形状が非線形で、根底にある小柱骨の減少。しかし、コンセンサス定義が利用できるにもかかわらず、侵食の同定は、評価者間のばらつきに課題を伴う困難な作業です。この作業の目的は、侵食分析のためにHR-pQCT画像上の病理学的皮質切断を特定するためのガイダンスをユーザーに提供するためのトレーニングツールを導入することです。ここで紹介するプロトコルは、オープンソースの画像処理ソフトウェア(3Dスライサー)の拡張機能として実装されたカスタムビルドモジュール(骨解析モジュール(BAM)-トレーニング)を使用します。このモジュールを使用すると、ユーザーはびらんの識別を練習し、その結果を専門のリウマチ専門医によって注釈されたびらんと比較できます。
骨びらんは、炎症が皮質骨表面で局所的な骨量減少を引き起こすときに発生します。これらのびらんは、下にある海綿骨領域にまで及びます。これらは、関節リウマチ(RA)1を含むいくつかの形態の炎症性関節炎の病理学的特徴です。びらんの存在と大きさは、転帰不良、患者の機能、および疾患の進行と関連しています2,3,4,5。プレーンX線撮影は依然として侵食評価の臨床標準ですが、高解像度末梢定量的コンピュータ断層撮影法(HR-pQCT)は、3D画像と侵食検出のための優れた感度と特異性を提供します6,7。関節リウマチなどの炎症性関節炎の場合、HR-pQCTは通常、手の最も影響を受ける関節である第2および第3中手指節関節で行われます8。HR-pQCT画像は空間分解能が高いため、RA9のない健康な人でも皮質表面の生理学的中断が観察されます。これらの皮質の中断は、しばしば血管チャネルまたは栄養孔が骨を通過することと関連している10。したがって、課題は、疾患プロセスに関連する皮質の中断(すなわち、病理学的びらん)を非病理学的特徴と区別することです。
病理学的骨びらんのコンセンサス定義は、関節リウマチにおけるxtrEmeコンピューター断層撮影法(SPECTRA)の研究grouPによって、少なくとも2つの連続したスライスにまたがって伸び、2つ以上の垂直面で検出可能な骨の皮質層の明確な中断の存在として発表されました11。さらに、中断は形状が非線形でなければならず、小柱領域の損失を伴います。侵食の基準を満たす皮質中断と満たさない皮質中断の視覚的な例は、Klose-Jensen et al.12に示されています。
ただし、上記の基準を満たすすべての皮質中断がびらんとして分類されるわけではありません。中断は、血管チャネルなどの生理学的プロセスによって引き起こされることがあります(図1)。これらは、予測可能な解剖学的位置、平行および直線のマージン、およびサブミリメートルサイズ13により、侵食と識別および区別できます。嚢胞は、びらんとは見なされない皮質中断の別の形態です。それらはしばしば、明確な嚢胞壁 13を有する丸みを帯びた小柱構造を有する。侵食によって表示される鋭いエッジと開いた小柱構造とは対照的です。ただし、びらんが嚢胞性部位内に形成される可能性があり、嚢胞ではなくびらんによって引き起こされる骨量を描写することがあいまいになります。この曖昧さをさらに基準で解決することはこの研究の目的ではありませんが、病理学的びらんと生理学的皮質中断の包括的な例を提供する必要があります。
図1:びらんのみによって引き起こされたのではない皮質の中断の例。 (a)中手骨頭の基部における血管チャネルの共通位置を示す図面。(B)冠状面、(C)矢状面、(D)および(E)軸面における血管チャネルの例。(F)嚢胞による皮質中断の例。(g)嚢胞とびらんの両方を含む骨の小柱領域内の空隙体積の例。 この図の拡大版をご覧になるには、ここをクリックしてください。
侵食の同定には課題があるにもかかわらず、現在のところ、経験の浅いユーザーに侵食分析のためのHR-pQCT画像の解釈に関するガイダンスを提供するためのトレーニングツールはありません。最近、骨解析モジュール(BAM)と呼ばれる侵食解析用のオープンソースモジュールが開発され、侵食の可視化と体積解析を可能にするオープンソースの画像処理ソフトウェアの拡張として実装されました14。ここで紹介するプロトコルでは、BAMに追加されたトレーニングモジュール(BAM - Training)の使用について説明しており、侵食の識別と専門のリウマチ専門医によって注釈された侵食を比較することにより、ユーザーのびらん識別の試みを比較します。このトレーニングツールは、侵食解析の改善を導くために、侵食の識別に関するフィードバックをユーザーに提供します。ソフトウェアのインストール手順は、手順 1 で説明します。新しいデータ取得については、手順 3 - 5.3 を参照してください。トレーニングモジュールのみを使用する場合は、ステップ2を参照してください。
このプロトコルのすべての方法は、カルガリー大学の Conjoint Health Research Ethics Board (REB19-0387) によって設定されたガイドラインに従います。
1. 3D Slicer 15 とボーン解析モジュールのインストール
図2:3Dスライサーのインストールにボーン解析モジュールを追加した後の設定ウィンドウの例。 この画像は、赤いボックスでモジュールが強調表示された設定ウィンドウのスクリーンショットを示しています。 この図の拡大版をご覧になるには、ここをクリックしてください。
2. トレーニングモジュール
図 3: 3D スライサーのドロップダウン メニュー。 ドロップダウンメニューでボーン分析モジュールを検索し、トレーニングモジュールを選択します。 この図の拡大版をご覧になるには、ここをクリックしてください。
図4:骨骨膜表面内の体積の同定。 (A)マスクの例。マスクはバイナリ イメージとして視覚化されます。(B) セグメンテーションの例。セグメンテーションとは、グレースケール画像と重ね合わせたバイナリ画像の視覚化を指します。これらの区別は、3D スライサーによって行われます。 この図の拡大版をご覧になるには、ここをクリックしてください。
図5:3Dスライサー内のトレーニングモジュールのスクリーンショットの例。 (A)クリックすると、新しいシードポイントが追加されます。(B)クリックすると、侵食体積が計算されます。(C)クリックすると画像がインポートされます。(D)クリックすると、専門家が配置したシードポイントが表示されます。 この図の拡大版をご覧になるには、ここをクリックしてください。
3.侵食解析ツールで使用するための画像取得とエクスポート
4. ファイル変換とボーンマスク生成
注:画像形式に応じて、AIM(HR-pQCT独自の画像形式)、MHA(ITK MetaImage形式)、nii(NIfTI - Neuroimaging Informatics Technology Initiative)、NRRD(Nearly Raw Raster Data)画像の場合は手順4.1、DICOM画像の場合は手順4.2に従います。
5.侵食の識別
6. 侵食統計
トレーニングツールを使用すると、ユーザーは結果に関するフィードバックを受け取りながら、侵食部位の特定を練習できます。このフィードバック ループにより、侵食を識別するユーザーの能力が向上し、BAM モジュールを使用して独自の画像の侵食を特定できる可能性があります。シードポイント配置後のフィードバックは、次の基準に基づいています。1)配置されたシードポイントの数が参照侵食の数と一致しない場合、ユーザーは適切な数のシードポイントを削除または追加するように求められます。2) シード ポイントの位置が参照侵食と一致しない場合、そのシード ポイントの位置に侵食が存在しないことを示すフィードバックが表示されます。3)シードポイントが嚢胞や血管チャネルなどの参照病理学的/生理学的皮質中断と一致する場合、ユーザーは、侵食として特定しようとした皮質中断のタイプについて通知され、シードポイントを削除するように求められます。4)シードポイントの位置が参照侵食と重なっている場合でも、アルゴリズムは侵食を検出しない可能性があります。これは、シード ポイントが侵食の中心になっていない場合に発生することがあります。このような場合、ユーザーはシード ポイントの位置を調整するように求められます。5)シードポイントが侵食から離れすぎている場合、ユーザーは誤った配置を通知され、再試行するように促されます。6) シード ポイントの位置が参照侵食と一致すると、その特定のシード ポイントでの侵食の識別に成功したことをユーザーに通知するプロンプトが表示されます。
次のセクションでは、さまざまな入力に基づいてモジュールがどのように機能するかの例を示しています。正しい入力と正しくない入力は、次の例で示されます。 図6A は、侵食内に位置するシードポイントの位置を示しています。この画像内には侵食が 1 つしか存在しないため、シード ポイントで侵食を計算すると、期待どおりの結果が得られます。 図6B は、侵食を識別しようとする試みが、専門的に注釈された画像と一致した場合にユーザーに表示されるプロンプトを示しています。また、このモジュールでは、グレースケール画像に結果をセグメンテーションとして表示します(図6C)。 図7Aのように、侵食のない場所にシードポイントを配置すると、モジュールは、この場所に侵食が存在しないことを示すエラープロンプト(図7B)を表示し、シードポイントを再配置/削除するようにユーザーに提案します。
図6:侵食の正しい識別の例。 (A)侵食部位内にシードポイントを正しく配置するユーザーの例。(B)すべての侵食が正しく特定されたときのフィードバックプロンプトの例。(C) 侵食が正しく計算された場合に表示される侵食セグメンテーションの例。 この図の拡大版をご覧になるには、ここをクリックしてください。
図7:侵食の誤った識別の例。 (A)侵食が存在しない場所に配置されたシードポイントの例。(B) 侵食のない場所にシード ポイントを配置した場合のエラー プロンプトの例。 この図の拡大版をご覧になるには、ここをクリックしてください。
提供されたトレーニング画像上のすべての嚢胞と血管チャネルの位置は、専門家によって特定されています。したがって、ユーザが嚢胞または血管チャネルを誤って識別しようとしたときに検出することが可能です。 図8A は、嚢胞上にシードポイントを置くことによって嚢胞を同定する試みを示す。 図8B は、その後に表示されるエラープロンプトです。
図8:嚢胞の同定例。 (A)嚢胞上にシードポイントを配置した例。(B)シードポイントが嚢胞上に配置されたときのエラープロンプトの例。 この図の拡大版をご覧になるには、ここをクリックしてください。
また、このモジュールは、シードポイントが適切な量にあるかどうかをユーザーに通知します。ユーザーが誤った数のシード ポイントを配置した場合、モジュールは、画像上のすべての侵食を識別するために、欠落しているシード ポイントまたは余分なシード ポイントの正確な量をユーザーに通知します。また、このモジュールは、配置された各シードポイントのフィードバックも提供します。したがって、ユーザーは個々のシードポイントごとにどのようなアクションを実行するかを認識します。 図 9 は、シード ポイントが 2 つあるのに、ユーザーが 1 つのシード ポイントしか配置しなかった例を示しています。
図9:1つのシードポイントが欠落している間に計算された侵食の例。 この例では、シード ポイントが 2 つあるのに、ユーザーが 1 つのシード ポイントのみを配置した例を示しています。 この図の拡大版をご覧になるには、ここをクリックしてください。
侵食の一部または全部を見つけるのが難しい場合は、[Reveal Correct Seed Points](正しいシードポイントを表示)というラベルの付いたボタンを押すことで、専門的に注釈された位置を表示するオプションがあります(図5D)。このボタンを押すと、現在の 3D スライサー ウィンドウに正しいシード ポイントが読み込まれます。
要約すると、これは、ソフトウェアモジュールが、計算された侵食と専門的に注釈された侵食とを比較することによって、選択された画像における侵食を識別しようとするユーザの試みの正しさを評価できることを示している。さらに、このモジュールは、ユーザーが配置した各シードポイントに基づいてフィードバックを提供し、予想されるシードポイントの位置と入力パラメーターに誘導します。
スキャンID | 皮質中断 | 骨 | ラベル | 重心位置 | ボリューム(mm3) | 表面積(mm2) | 丸み | ボクセルの数(ボクセル) |
3_Training.niii | 侵食 | 中手 | SEEDS_28-1 | 210, 108, 242 | 3.321668853 | 14.46818378 | 0.74411491 | 14853 |
3_Training.niii | 侵食 | 中手 | SEEDS_28-3 | 179, 100, 241 | 1.100739562 | 7.121231239 | 0.7239659 | 4922 |
表1:計算された侵食とその統計を記述した生成された出力ファイル(csv形式)の例。
このトレーニングツールは、骨分析モジュールを使用してびらんを特定する方法を学ぶ機会を提供します。この侵食解析ツールをトレーニングを超えてさらに使用するには、モーションアーチファクトがほとんどまたはまったくない高品質の画像にアクセスする必要があります。文献に基づくHR-pQCTびらんの定義は、合理的な再現性で報告できる病理学的びらんに関連する解剖学的特徴を説明しています11,20。しかし、この定義は血管チャネルの一般的な解剖学的位置を考慮しておらず、骨びらんとしての誤分類につながる可能性があります10。
このプロトコルの重大なステップは、骨マスクの生成、シードポイントの配置、および侵食ボリュームの生成です。マスクと侵食量を生成する自動化された方法が実装されていますが、マスクは満足のいく結果を得るために手動修正を必要とすることがよくあります。手動修正の実行に使用できるツールの包括的な説明が提供されています。シード ポイントの配置は、BAM トレーニング モジュールによって提供されるトレーニング例によってガイドされます。
このプロトコルは、これまでに利用されたデータに基づいて、侵食解析モジュールが期待した結果を生成しない場合のトラブルシューティングの提案を提供します。今後の作業では、追加のトレーニング データへのアクセスが提供されます。以前の研究では、この方法で評価された侵食量は既存の方法に匹敵することが示されました14,21,22。トレーニングデータを提供することで、開発中の新しい侵食分析ツールとの比較が可能になります23。
ここで紹介するトレーニングツールは、主に侵食の識別に役立ちます。ただし、この方法は、海綿骨のびらんの程度を定義することに関するコンセンサスがないために現在制限されています。それにもかかわらず、BAMモジュールはオープンソースであるため、侵食範囲の将来の定義が変更されると、他の研究者はニーズに合わせてモジュールを変更することができます。
リウマチ研究におけるHR-pQCTの使用が拡大するにつれて、トレーニングツールは、経験の浅いユーザーに、びらん分析のためのHR-pQCT画像の病理学的皮質中断を特定するためのガイダンスを提供します。このツールは、侵食分析に選択した方法に関係なく、研究者に適用できます。再現性と解析速度を向上させるためには、完全に自動化された侵食の同定が望まれますが、機械学習モデルをトレーニングするには、正確なアノテーションを備えた大規模な参照/ベンチマークデータセットが必要です。オープンソース ツールとして、このモジュールは、機械学習で将来使用するために、注釈付きの大規模なデータセットを共同で開発する機会を提供します。このトレーニングツールを使用することで、より多くの研究者がHR-pQCT研究に侵食分析を含めることができるようになります。
すべての著者には、報告すべき利益相反はありません。
著者らは、この研究を支援した以下の資金提供機関に感謝の意を表します。SLMは、関節炎協会(STAR-18-0189)およびカナダ保健研究所研究計画および普及助成金を通じて資金提供されています。JJTはCIHRフェローシップ賞を受賞しています。
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 |
このJoVE論文のテキスト又は図を再利用するための許可を申請します
許可を申請さらに記事を探す
This article has been published
Video Coming Soon
Copyright © 2023 MyJoVE Corporation. All rights reserved