Automatiserade mätningar av total njurvolym i preklinisk magnetisk resonanstomografi för resursavbildningsdata, anteckningar och källkod

Kontakt:joanna.jia@wecistanche.com/ WhatsApp: 008618081934791

Cistanche-extrakt är bra för njurfunktionen

Marie E. Edwards1, Sigapriya Periyanan1, Deema Anaam2, Adriana V. Gregory1 och Timothy L. Kline1,21Division of Nephrology and Hypertension, Mayo Clinic, Rochester, Minnesota, USA; och 2 Department of Radiology, Mayo Clinic, Rochester, Minnesota, USA

Syftet med denna studie var att validera en helautomatiserad totalsummanjurevolymmätningsmetod för prekliniska gnagarförsök som är snabb, exakt, reproducerbar och för att tillhandahålla dessa resurser till forskarsamhället. Gnagarstudier som involverar avbildning är avgörande för att övervaka behandlingens effektivitet vid sjukdomar som polycystisknjuresjukdom. Tidigare studier använder manuell eller halvautomatisk segmentering, vilket är tidskrävande och potentiellt partisk. För att utveckla vårt automatiserade system segmenterades totalt 150 axiell magnetisk resonansbilder (MRI) från en mängd olika musmodeller manuellt och användes för att träna/validera en automatiserad algoritm. För att testa den longitudinella tillämpningen av modellen avbildades fyra mutanta och fyra vildtypsmöss sekventiellt under tre till tolv veckor via MRI. Segmentering av njurarna (exklusive njurbäckenet) genererades med den automatiserade metoden och två olika läsare, med en läsare som upprepade mätningarna. Likhetsmått och longitudinell analys beräknades för att bedöma prestandan hos den automatiserade jämfört med de manuella metoderna. Det automatiserade tillvägagångssättet krävde ingen användarinmatning, förutom ett sista steg för visuell kvalitetskontroll. Likhetsmått för den automatiserade metoden kontra de manuella segmenteringarna var i paritet med jämförelser mellan läsare och läsare. Således kan vår helautomatiska metod som beskrivs här säkert användas i longitudinella, prekliniska prövningar som involverar segmentering av gnagarnjurar i T2-vägd MRI.

Denna studie utvecklade en helautomatisk metod för att mäta totalnjurevolym för preklinisk avbildning i en mutant musmodell av polycystisknjuresjukdom såväl som vildtypsmöss. Denna studie fastställde också både interreader- och intrareadervariabiliteter i mätningen av total njurvolym för preklinisk avbildning. Liknande studier och algoritmiska tillvägagångssätt kan användas för att etablera metoder för klinisk avbildningsdata och behövs för korrekt sjukdomsprognos och kliniskt beslutsfattande. Vi tillhandahåller bilddata, kommentarer och källkod till forskarsamhället.

Mätningen av organvolym har visat sig korrelera med kliniska manifestationer och sjuklighet av sjukdomar som totalnjurevolym (TKV) i autosomal dominant polycystisknjuresjukdom (PKD)1,2 och används för att fastställa effektiviteten av behandlingsinterventioner.3 Forskning, kliniska prövningar och allt mer klinisk nefrologi använder dessa mätningar för att övervaka sjukdomsprogression i både djurmodeller4 och patienter,5 utvärdera effektiviteten av terapier,6 och förutsäga utfall.7

För närvarande pågår prekliniska studier i en aldrig tidigare skådad takt för att leta efter nya behandlingar för att bromsa utvecklingen av PKD. En viktig fördel med magnetisk resonanstomografi (MRT) i djurmodeller av PKD är möjligheten att använda in vivo-avbildning, vilket möjliggör longitudinella volymetriska studier som använder samma djur.8 Många studier som involverar manuella, 4,9–12 halvautomatiska, 13,14 och registreringsbaserade automatiserade segmenteringar15,16 av musnjurarhar utförts tidigare.

Många av metoderna som anses vara automatiserade kräver fortfarande användarinmatning. En majoritet av dessa prekliniska studier använder manuell segmentering, vilket är tidskrävande och kostsamt samt introducerar observerbias. Därför har vårt laboratorium bedömt variabiliteten i mätningen av TKV och utvecklat ett automatiserat analysprogram för att mäta TKV i magnetiska resonansskanningar av murina modeller av sjukdomen.

RESULTAT

Intra- och interobservatörsvariabilitet av manuell njure

segmentering

Figur 1 visar resultaten av Bland-Altman-analysen av TKV mätt manuellt av 2 läsare (interobservatörsvarians) och upprepade mätningar av läsare 2 (intraobservatörsvarians). När läsare 1 jämfördes med läsare 2 var det en genomsnittlig procentuell skillnad på 7,7 procent och ett 95 procents konfidensintervall på 4,5 procent. När läsare 2 utförde upprepade mätningar av samma bild fanns en genomsnittlig procentuell skillnad på 0,5 procent och ett 95 procents konfidensintervall på 3,9 procent. Regressionsanalys visade att det finns en hög överensstämmelse i TKV bland alla metoder, med ett R2-värde på $0.99.

Validering av den automatiserade segmenteringsalgoritmen

Den automatiserade metoden jämfört med varje läsare i förhållande till den procentuella skillnaden för TKV liknade den för inter- och intraobservatörsvariansen som föreslås av Bland-Altman-plotterna i figur 1. När läsare 1 jämfördes med den automatiserade metoden fanns det en genomsnittlig procentuell skillnad på 5,2 procent och ett 95 procents konfidensintervall på 5,8 procent. När läsare 2 jämfördes med den automatiserade metoden var det en genomsnittlig procentuell skillnad på 2,5 procent och ett 95 procents konfidensintervall på 6,5 procent.

Skillnaden mellan vildtyps- och mutantmöss

Medelvärdet och SD TKV plottades vid varje tidpunkt för varje metod och separerades av genotyp (mutant vs vildtyp). Som ses i figur 2 är medel-TKV alltid mindre i vildtypsmöss vid varje tidpunkt än i mutantmöss. Alla tre metoderna (automatiserad, läsare 1 och läsare 2) visar en signifikant separation av mustyp vid 9 och 12 veckors ålder.

DISKUSSION

Analysen avnjurevolym i PKD är en av de viktigaste mätningarna som för närvarande används för att karakterisera sjukdomsstatus. Innan vårt arbete fanns det inget alternativ till manuell spårningnjurari modellsystem av PKD. På grund av den tid det tar att spåra dessa strukturer, såväl som den tid som krävs för att träna en person att utföra dessa mätningar, och potentialen för interoperatorvariabilitet, har vi i denna studie utvecklat och validerat en helautomatisk segmenteringsmetod för TKV. Automatiserade segmentering beräknas på några minuter (beroende på datorkraft), medan manuell segmentering tar 20 till 40 minuter. Till skillnad från manuella eller till och med halvautomatiska segmenteringsmetoder kommer denna automatiserade metod att ge samma resultat varje gång den appliceras på samma bild.

Prekliniska prövningar omfattar ofta både en kontrollgrupp och behandlingsgrupp(er); därför måste den automatiserade metoden vara tillräckligt känslig för att detektera volymskillnader mellan grupper på lämpligt sätt.17 Figur 2 visar att manuell segmentering och automatiserad segmentering båda visar en signifikant separation i vildtyps- och mutantgrupperna vid 9 veckors ålder. Även om den övergripande överensstämmelsen var utmärkt, antydde visuella jämförelser mindre oenighet om huruvida njurbäckenet skulle inkluderas eller uteslutas i en liten delmängd av skivor. Även om det är vanligt att utesluta

Figur 1|Bland-Altman och regressionsanalys av (a,e) interobservatör och (b,f) intraobservatör total njurvolym (TKV)

mätningar (mätt i milliliter) utöver den automatiserade (Auto) metoden jämfört med (c,g) läsare 1 och (d,h) läsare 2.

Bland-Altman-diagram visar medelskillnaden (heldragen linje) och 95 procents konfidensintervall (prickade linjer). Regressionsanalys visar sambandet mellan de jämförda metoderna.

Figur 2|Total njurvolym av vildtyps- och mutantmöss plottades över tiden (3–12 veckors ålder) för den automatiserade (Auto)

metod (vänster), läsare 1 (mitten) och läsare 2 (höger). Alla tre metoderna visar en signifikant separation av mustyp vid 9 veckors ålder.

Felstaplar indikerar SD. *P <>

njurbäckenet kan variabiliteten minska om läsarna instrueras att alltid inkludera denna struktur.

Den automatiserade metoden som presenteras i denna studie har ännu inte tillämpats på externa bilder. Det är viktigt att notera att signalintensiteten varierar mellan platser, skannrar och MRT-förvärv. Sannolikt skulle en större träningsdatauppsättning med fler olika fall från olika MRI-maskiner kunna uppnå en mer robust modell på grund av algoritmerna för djupinlärning. Automatiserade algoritmer som dessa behöver ofta tränas om på externa datauppsättningar på grund av variationerna i MRI-signaler. Vi tillhandahåller därför bilddata, anteckningar och källkod till forskarsamhället så att andra grupper antingen kan använda samma modell eller utveckla sin egen.

METODER

Utbildnings-/valideringsdata

Modellen tränades på 100 fall och validerades på 50 fall. Dessa 150 fall bestod av möss med varierande sjukdomsgrad och i olika åldrar. Testsetet är ett helt uthållet set och det är vad vi utvärderade i den här artikeln.

Testar studiekohort

Denna studie granskades och godkändes av Mayo Clinic Institutional Animal Care and Use Committee. Kohorten bestod av vildtyp C57Bl6 129s6Svev/Tac (n ¼ 4; 2 honor/2 hanar) och C57Bl6 129s6Svev/Tac (n ¼ 4; 2 honor/2 hanar) mutant Pkd1RC /RC-modellmöss. Mutantmöss speglar den mänskliga manifestationen av PKD1 både genetiskt och fenotypiskt.18 En av mutantmössen dog mitt i experimentet och ersattes med en annan mutantmus i samma ålder vid vecka 9.

Bildförvärv

Avbildning utfördes med en Avance DRX 700WB (Bruker BioSpin, Billerica, MA) spektrometer. Fullständig täckning avnjurarerhölls genom en axiell TurboRARE T{{0}}-vägd insamling rekonstruerad med 0,1 mm upplösning i planet och 1-mm skivtjocklek (matrisstorlek, 256 256 Z, med Z vald stor tillräckligt för att täcka hela omfattningen avnjurar). Den totala skanningstiden varierade från 5 till 10 minuter. I teststudiekohorten avbildades varje mus vid 4-tidpunkter (3, 6, 9 och 12 veckor gamla). Tidpunkterna för varje mus utfördes inom 2 dagar efter varandra för att säkerställa konsekventa avbildningsparametrar och för att begränsa miljövariationer.

Bildanalys

Områden av intresse spårades på varje skanning med hjälp av ett bildbehandlingsprogram (Analyze, version 12.0, Biomedical Imaging Resource, Mayo Clinic, Rochester, MN). Varje läsare instruerades att utesluta njurbäckenet när njurbäckenet inte är inneslutet avnjurekapsel i bildskivan. Manuella segmentering tog 20 till 40 minuter beroende på fallet. TV-apparater beräknades genom att först summera antalet voxlar som fanns i segmenteringen på varje skiva och sedan multiplicera antalet voxels med voxelvolymen som erhölls från bildhuvudet. För testdata utfördes 2 dubbelblinda läsare (1 och 2), båda med erfarenhet av manuell MR-segmentering.njuresegmentations on all scans. For intrareader analysis, reader 2 repeated the measurements at 2-time points (>3 månaders mellanrum).

Automatiserad metod

Den neurala nätverksmodellen anpassades från vår tidigare modell för mätning av TKV från koronala T2-vägda magnetiska resonansbilder från kliniska skanningar.19 Källkoden, bilderna och anteckningarna görs allmänt tillgängliga på: https:// github.com/ TLKline/AutoTKV_MouseMRI.

Statistisk analys

De axiella T2-vägda magnetiska resonansbilderna som förvärvats per mus (n ¼ 8) vid varje tidpunkt (3, 6, 9 och 12 veckor) användes för den statistiska analysen. Totalt 32 bilder gjorde det möjligt att jämföra olika bilder över ett brett spektrum av åldrar och skillnader i fenotyper. För att validera den helt automatiserade metoden användes jämförelsestatistik för att utvärdera varje metods förmåga att separera vildtyps- och mutantgrupper. Detta uppnåddes genom att plotta TKV enligt tidpunkt och separera efter mustyp. TKV-mätningar och tillväxthastigheter för varje metod bedömdes också med hjälp av Bland-Altman och linjära regressionsdiagram.

AVSLÖJANDE

Alla författarna deklarerade inga konkurrerande intressen.

TACK

Detta arbete stöddes av Mayo Clinic Robert M. och Billie Kelley Pirnie Translational PolycysticNjureDisease Center och National Institute of Diabetes and Digestive andNjureSjukdomar (bidragsnummer P30DK090728 och K01DK110136). Författarna tackar Lynnae M. Henry för hennes administrativa stöd för att förbereda och formatera detta manuskript.

REFERENSER

1. Grantham JJ, Torres VE, Chapman AB, et al. Volymprogression vid polycystisk njursjukdom.N Engl Med.2006;354:2122-2130.

2. Torres VE, Chapman AB, Devuyst O, et al.Tolvaptan hos patienter med autosomal dominant polycystisk njursjukdom.N Engl J Med.2012;367:2407-2418.

3. Caroli A, Perico N, Perna A, et al. Effekt av långverkande somatostatinanalog på njur- och cystortillväxt vid autosomal dominant polycystisk njursjukdom (ALADIN): en randomiserad, placebokontrollerad, multicenterstudie. Lancet.2013;382:1485-1495.

4. Wallace DP, Hou YP, Huang ZL et al. Spåra njurvolym hos möss 14. Almajdub M, Magnier L, Juillard L, et al.Njurevolymkvantifiering med polycystisk njursjukdom genom magnetisk resonanstomografi. Kidney Int.2008;73:778-781.

5. Grantham J, Torres VE, Vikten av total njurvolym för att utvärdera utvecklingen av polycystisk njursjukdom. Nat Rev Nephrol. 2016;12:667-677.

6. Higashihara E, Torres VE, Chapman AB, et al. Tolvaptan i autosomal 16. Gleason SS, Sari-Sarraf H, Abidi MA, et al. En ny deformerbar dominant polycystisk njursjukdom: tre års erfarenhet. Cin J Am Soc Nephrol. 20116:2499-2507.

7. Irazabal MV, Rangel L, Berastralh EJ, et al, Imaging klassificering av autosomal dominant polycystisk njursjukdom: en enkel modell för att välja patienter för kliniska prövningar. JAm Soc Nephrol.2015;26:160-172.

8. Olazabal MV, Mishra PK, Torres VE, et al. Användning av ultrahögfälts-MR i små gnagarmodeller av polycystisknjuresjukdom för Vivo-fenotypning och läkemedelsövervakning. J Vis Exp.2015;100:e52757.

9. Erokwu BO, Anderson CE, Flask CA, et al. Kvantitativ magnetisk resonanstomografi bedömningar av autosomal recessiv polycystisk njursjukdom progression och svar på terapi i en djurmodell. Pediatr Res.2018;83:1067-1074.

10. Doktor RB, Serkova NU, Hasebroock KM, et al. Distinkta mönster av njur- och levercystatillväxt hos pkd2(WS25/-) möss. Nephrol Dial Transplantation. 2010;25:3496-3504.

11. Franke M, Baessler B, VechtelJ, et al. Magnetisk resonans T2-kartläggning och diffusionsvägd avbildning för tidig upptäckt av cystogenes och svar på terapi i en musmodell av polycystisk njursjukdom. Kidney Int. 2017:92:1544-1554.

12. Zhou X, Bao H, Takakura A, et al. Utvärdering av polycystisk njursjukdom genom magnetisk resonanstomografi i ischemi-reperfusionsskadad PKD1 knockout-musmodell: jämförelse av T2-vägd FSE och sann-FISP. Invest Radiol.2010;45:24-28.

13. Fei B, Flask C, Wang H, et al. Bildsegmentering, registrering och visualisering av seriella MR-bilder för terapeutisk bedömning av polycystisknjuresjukdom hos transgena möss. Conf Proc IEEE Eng Med Biol Soc. 2005;1:467-469.

14. Almaidub M, Maanier L, Juillard L, et al,Njurevolymkvantifiering med kontrastförstärkt in vivo-röntgenmikro-CT hos möss. Kontrastmedia Mol Imaging.2008;3:1 20-126.

15. Hadjidemetriou S, Reichardt W, Hennig J, et al. Volymanalys av MRI-data som övervakar behandlingen av polycystisknjuresjukdom i en musmodell. MAGMA.2011;24:109-119.modell för analys av röntgen-CT-bilder i prekliniska studier av möss för polycystisk njursjukdom.IEEE Trans Med Imaging. 2002;21:1302-1309.

16. Gleason SS, Sari-Sarraf H, Abidi MA, et al. En ny deformerbar modell för analys av röntgen-CT-bilder i prekliniska studier av möss för polycystisk njursjukdom. IEEE Trans Med Imaging.2002;21:1302-1309.

17. Reichardt W, Romaker D, Becker A, et al. Övervakning av njur- och njurcystor med tillämpning av MR-metoder på en rapamycinbehandlad musmodell av ADPKD. MAGMA.2009;22:143-149.

18. Hopp K, Ward C, Hommerding C, et al. Dosering av funktionell polycystin-1 styr autosomalt dominant polycystisknjuresjukdomens svårighetsgrad. J Cin Invest. 2012:122:4257-4273.

19. Kine TLKorfatis P, Edwards ME, et al, Prestanda för ett artificiellt multi-observatörs djupt neuralt nätverk för helt automatiserad segmentering av polycystisknjurar.JDigit Imaging.2017;30:442-448.