Summary

Erosionsidentifikation in Metakarpophalangealgelenken bei rheumatoider Arthritis mittels hochauflösender peripherer quantitativer Computertomographie

Published: October 06, 2023
doi:

Summary

Knochenerosionen sind ein wichtiges pathologisches Merkmal der rheumatoiden Arthritis. Das Ziel dieser Arbeit ist es, ein Trainingswerkzeug einzuführen, das Benutzern eine Anleitung zur Identifizierung pathologischer kortikaler Brüche auf hochauflösenden peripheren quantitativen Computertomographiebildern für die Erosionsanalyse bietet.

Abstract

Knochenerosionen sind ein pathologisches Merkmal verschiedener Formen der entzündlichen Arthritis, einschließlich der rheumatoiden Arthritis (RA). Das erhöhte Vorhandensein und Ausmaß von Erosionen ist mit schlechten Ergebnissen, Gelenkfunktion und Krankheitsprogression verbunden. Die hochauflösende periphere quantitative Computertomographie (HR-pQCT) bietet eine beispiellose In-vivo-Visualisierung von Knochenerosionen. Bei dieser Auflösung sind jedoch auch Diskontinuitäten in der kortikalen Hülle (kortikale Brüche) sichtbar, die mit normalen physiologischen Prozessen und Pathologie verbunden sind. In der Studie grouP for xtrEme Computed Tomography in Rheumatoid Arthritis wurde zuvor ein Konsensusverfahren verwendet, um eine Definition der pathologischen Erosion bei HR-pQCT zu entwickeln: ein kortikaler Bruch, der in mindestens zwei aufeinanderfolgenden Schichten, in mindestens zwei senkrechten Ebenen, nichtlinear in der Form, mit zugrunde liegendem trabekulärem Knochenverlust nachgewiesen wird. Trotz der Verfügbarkeit einer Konsensdefinition ist die Identifizierung von Erosion jedoch eine anspruchsvolle Aufgabe mit Herausforderungen in der Variabilität zwischen den Ratern. Das Ziel dieser Arbeit ist es, ein Trainingswerkzeug einzuführen, das Benutzern eine Anleitung zur Identifizierung pathologischer kortikaler Brüche auf HR-pQCT-Bildern für die Erosionsanalyse bietet. Das hier vorgestellte Protokoll verwendet ein speziell angefertigtes Modul (Bone Analysis Module (BAM) – Training), das als Erweiterung einer Open-Source-Bildverarbeitungssoftware (3D Slicer) implementiert ist. Mit diesem Modul können Benutzer die Identifizierung von Erosionen üben und ihre Ergebnisse mit Erosionen vergleichen, die von erfahrenen Rheumatologen kommentiert wurden.

Introduction

Knochenerosionen treten auf, wenn eine Entzündung einen lokalisierten Knochenverlust an der kortikalen Knochenoberfläche verursacht. Diese Erosionen erstrecken sich bis in die darunter liegende trabekuläre Knochenregion. Sie sind ein pathologisches Merkmal verschiedener Formen der entzündlichen Arthritis, einschließlich der rheumatoiden Arthritis (RA)1. Das Vorhandensein und die Größe der Erosion sind mit schlechten Ergebnissen, Patientenfunktion und Krankheitsprogression assoziiert 2,3,4,5. Während die einfache Radiographie nach wie vor der klinische Standard für die Erosionsbeurteilung ist, liefert die hochauflösende periphere quantitative Computertomographie (HR-pQCT) 3D-Bilder und eine überlegene Sensitivität und Spezifität für die Erosionserkennung 6,7. Bei entzündlicher Arthritis, wie z. B. RA, wird die HR-pQCT häufig an den 2. und 3. Metakarpophalangealgelenken durchgeführt – den am stärksten betroffenen Gelenken der Hand8. Da HR-pQCT-Bilder eine hohe räumliche Auflösung haben, werden physiologische Unterbrechungen der kortikalen Oberfläche auch bei gesunden Personen ohne RA9 beobachtet. Diese kortikalen Unterbrechungen sind oft mit Gefäßkanälen oder Nährforamen verbunden, die durch den Knochen verlaufen10. Die Herausforderung besteht also darin, kortikale Unterbrechungen, die mit einem Krankheitsprozess assoziiert sind (d.h. pathologische Erosionen), von nicht-pathologischen Merkmalen zu unterscheiden.

Die Konsensdefinition einer pathologischen Knochenerosion wurde von der Studie grouP for xtrEme Computed Tomography in Rheumatoid Arthritis (SPECTRA) als das Vorhandensein einer eindeutigen Unterbrechung in der kortikalen Schicht des Knochens veröffentlicht, die sich über mindestens zwei aufeinanderfolgende Schichten erstreckt und in zwei oder mehr senkrechten Ebenen nachweisbar ist11. Darüber hinaus muss die Unterbrechung nichtlinear geformt sein und mit einem Verlust im Trabekelbereich einhergehen. Visuelle Beispiele für kortikale Unterbrechungen, die die Kriterien der Erosion erfüllen und nicht erfüllen, werden in Klose-Jensen et al.12 gezeigt.

Allerdings werden nicht alle kortikalen Unterbrechungen, die die oben genannten Kriterien erfüllen, als Erosionen klassifiziert. Unterbrechungen werden manchmal durch physiologische Prozesse wie Gefäßkanäle verursacht (Abbildung 1). Diese können aufgrund ihrer vorhersagbaren anatomischen Lage, ihrer parallelen und geraden Ränder und ihrer Größe im Submillimeterbereich13 identifiziert und von Erosionen unterschieden werden. Zysten sind eine weitere Form der kortikalen Unterbrechung, die nicht als Erosion angesehen wird. Sie haben oft eine abgerundete Trabekelstruktur mit einer klaren zystischen Wand 13. Im Gegensatz zu den scharfen Kanten und der offenen Trabekelstruktur, die durch Erosionen sichtbar werden. Es ist jedoch möglich, dass sich Erosionen innerhalb der zystischen Stellen bilden, so dass es nicht eindeutig ist, das Volumen des Knochenverlusts zu beschreiben, der durch die Erosionen und nicht durch die Zysten verursacht wird. Obwohl es nicht das Ziel dieser Studie ist, diese Ambiguität mit weiteren Kriterien aufzulösen, besteht die Notwendigkeit, umfassende Beispiele für pathologische Erosion und physiologische kortikale Unterbrechungen zu liefern.

Figure 1
Abbildung 1: Beispiel für kortikale Unterbrechungen, die nicht ausschließlich durch Erosionen verursacht wurden. (A) Eine Zeichnung, die die gemeinsame Lage der Gefäßkanäle an der Basis des Mittelhandknochens veranschaulicht. Beispiele für Gefäßkanäle in (B) koronalen, (C) sagittalen, (D) und (E) axialen Ebenen. (F) Beispiel für eine kortikale Unterbrechung durch eine Zyste. (G) Beispiel für ein Hohlraumvolumen im trabekulären Bereich des Knochens, das sowohl Zysten als auch Erosionen umfasst. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Trotz der Herausforderungen bei der Identifizierung von Erosionen gibt es derzeit keine Schulungsinstrumente, die weniger erfahrenen Anwendern eine Anleitung zur Interpretation von HR-pQCT-Bildern für die Erosionsanalyse bieten. Kürzlich wurde ein Open-Source-Modul für die Erosionsanalyse namens Bone Analysis Module (BAM) – Erosion Volume entwickelt, das als Erweiterung einer Open-Source-Bildverarbeitungssoftware implementiert wurde, um Erosionsvisualisierung und volumetrische Analysen zu ermöglichen14. Das hier vorgestellte Protokoll beschreibt die Verwendung eines zu BAM hinzugefügten Trainingsmoduls (BAM – Training), das die Erosionserkennungsversuche eines Benutzers vergleicht, indem die Erosionsidentifikation mit Erosionen verglichen wird, die von Rheumatologen kommentiert wurden. Dieses Schulungstool gibt den Benutzern Feedback zur Erosionserkennung, um Verbesserungen in der Erosionsanalyse zu unterstützen. Anweisungen zur Softwareinstallation finden Sie in Schritt 1. Informationen zur neuen Datenerfassung finden Sie in den Schritten 3 bis 5.3. Informationen zur ausschließlichen Verwendung des Schulungsmoduls finden Sie in Schritt 2.

Protocol

Alle Methoden in diesem Protokoll folgen den Richtlinien des Conjoint Health Research Ethics Board an der University of Calgary (REB19-0387). 1. Installation von 3D Slicer 15 und Knochenanalysemodulen Abbildung 2: Beispiel für ein Einstellungsfenster nach dem Hinzufügen von Knochenanalysemodulen zu einer Installation von 3D Slicer. Das Bild zeigt einen Screenshot des Einstellungsfensters, wobei die Module im roten Kasten hervorgehoben sind. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. 2. Schulungsmodul Starten Sie das BAM-Training-Modul.Klicken Sie auf das Dropdown-Menü in der Symbolleiste von 3D Slicer. Suchen Sie nach Knochenanalysemodulen und fahren Sie mit der Maus darüber (Abbildung 3). Klicken Sie auf Training. Laden Sie Dateien in das Modul.Beim Starten des BAM-Schulungsmoduls werden alle erforderlichen Dateien (Graustufenbilder, Masken, Verweiserosionssegmentierungen) automatisch geladen, indem Sie auf Weiter klicken, vorausgesetzt, das BAM-GitHub-Repository wurde wie oben erwähnt heruntergeladen. Wählen Sie einen Scantyp für die Dateien aus.Wählen Sie eine aus, indem Sie den Mauszeiger über das Dropdown-Menü mit der Bezeichnung Eingangslautstärke bewegen: Wählen Sie ein Volume aus, dies stellt das Master-Graustufenbild dar. Wählen Sie die Maske (d. h. die Datei, die das Volumen innerhalb der Periostoberfläche identifiziert) im Dropdown-Menü mit der Bezeichnung Eingabemaske: Wählen Sie ein Volume aus. Stellen Sie sicher, dass diese Maske dem oben genannten Eingangsvolumen entspricht, indem Sie überprüfen, ob die Mess-ID und die MCP-Verbindung in beiden Auswahlen identisch sind. Wenn dies das erste Mal ist, dass das Trainingsmodul auf diesem Image mit diesem Start von 3D Slicer ausgeführt wird, erstellen Sie eine neue Ausgabesegmentierung im Dropdown-Menü mit der Bezeichnung Ausgabeerosionen: Wählen Sie eine Segmentierung aus. Klicken Sie dazu auf das Dropdown-Menü und wählen Sie Neue Segmentierung erstellen aus. Dadurch wird ein neuer Ausgabesegmentierungsknoten erstellt, der nach der Eingabeformatbezeichnung + _ER beschriftet ist. Um der Ausgabe eine andere Bezeichnung zu geben, wählen Sie stattdessen Neue Segmentierung erstellen als… und geben Sie die gewünschte Beschriftung ein.HINWEIS: In 3D Slicer und in diesem Dokument wird mit Maske und Segmentierung das Volumen innerhalb der Periostoberfläche des Knochens identifiziert. Die Maske wird als binäres Bild visualisiert, während sich die Segmentierung auf die Visualisierung des binären Bildes bezieht, das mit dem Graustufenbild überlagert wird. Diese Unterscheidungen werden von 3D Slicer vorgenommen. Ein Beispiel ist in Abbildung 4 dargestellt. Platzieren Sie die Startpunkte wie unten beschrieben.Erstellen Sie zunächst eine neue Seed-Punkt-Liste, um Seed-Punkte hinzuzufügen. Klicken Sie dazu auf das Dropdown-Menü mit der Bezeichnung Seed Points: None und erstellen Sie eine neue Liste, indem Sie Create New Point List auswählen. Auch hier ist der Standardbeschriftungsstandard Eingabebildbeschriftung + _SEEDS. Um eine eigene Beschriftung bereitzustellen, wählen Sie Neue Punktliste erstellen…. Scrollen Sie durch die Segmente, und identifizieren Sie Erosionsstellen, indem Sie einen Startpunkt in der gewünschten Region platzieren. Klicken Sie auf die in Abbildung 5A gezeigte Schaltfläche Roter Punkt-Blau-Tropfen, um einen neuen Startpunkt hinzuzufügen.Platzieren Sie die Keimspitze so tief wie möglich (nach innen in den Trabekelknochen) in das Erosionsvolumen. Stellen Sie sicher, dass sich der Startpunkt im dunkelsten Bereich des Volumes befindet. Um die Größe des Ausgangspunkts zu ändern, ändern Sie die prozentuale Größe im Textfeld Größe des Ausgangspunkts:. Andere Felder in der Ausgangspunkttabelle, z. B. Knochen- und kortikale Unterbrechung, sind für die Datensätze des Benutzers bestimmt und wirken sich nicht auf den Erosionsberechnungsalgorithmus aus. Holen Sie Feedback ein, wie unten beschrieben.Sobald die Startpunkte platziert wurden. Klicken Sie auf die Schaltfläche Get Erosions, die in Abbildung 5B hervorgehoben ist, um den Erosionsmessalgorithmus für die angegebenen Eingaben auszuführen. Nach Abschluss der Erosionsmessungen gibt das Modul eine Rückmeldung über die Platzierung des Säpunkts. Die Position jedes Keimpunkts wird mit der Position der Referenzerosionen verglichen, um die Keimpunkte mit der zu messenden Erosion abzugleichen. Ermitteln Sie Referenzerosionen, indem Sie das Erosionsvolumen anhand von Keimpunkten berechnen, die von Rheumatologen mit Ausbildung, umfangreichen Publikationsunterlagen und mehr als 10 Jahren Erfahrung mit HR-pQCT-Bildgebung und Erosionsanalyse (SF und CF) gesetzt wurden. Abbildung 3: Dropdown-Menü des 3D-Datenschnitts. Das Dropdown-Menü, um die Knochenanalysemodule zu finden und das Trainingsmodul auszuwählen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 4: Identifizierung des Volumens in der Periostoberfläche des Knochens. (A) Beispiel für eine Maske. Die Maske wird als binäres Bild visualisiert. (B) Beispiel für eine Segmentierung. Die Segmentierung bezieht sich auf die Visualisierung des binären Bildes, das mit dem Graustufenbild überlagert wird. Diese Unterscheidungen werden von 3D Slicer vorgenommen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 5: Beispiel-Screenshot des Trainingsmoduls in 3D Slicer. (A) Klicken Sie hier, um neue Startpunkte hinzuzufügen. (B) Klicken Sie hier, um die Erosionsvolumina zu berechnen. (C) Klicken Sie hier, um Bilder zu importieren. (D) Klicke, um Startpunkte anzuzeigen, die von Experten platziert wurden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. 3. Bildaufnahme und Export zur Verwendung im Erosionsanalysewerkzeug Erfassen Sie HR-pQCT-Bilder mit einem HR-pQCT-Scanner der ersten oder zweiten Generation. Ein kommerzieller Scanner wurde verwendet, um die Bilder für diese Studie aufzunehmen (siehe Materialtabelle).ANMERKUNG: Die in dieser Studie verwendeten Bilder zeigen das 2. und 3. Metakarpophalangealgelenk und wurden mit dem in Barnabe et al.8 beschriebenen Protokoll aufgenommen, jedoch sind Bilder von Gelenken mit Erosionen mit BAM kompatibel. Untersuchen Sie die Bilder auf Bewegungsartefakte16,17. Verwenden Sie keine Bilder mit Bewegungswerten > 3 für die Erosionsanalyse. Exportieren Sie AIM- (proprietäres Bildformat) oder DICOM-Dateien (Digital Imaging and Communications in Medicine) jedes Gelenks über FTP (File Transfer Protocol) auf eine lokale Festplatte. Dateien einzelner Gelenke können unter Verwendung der vom Hersteller bereitgestellten JSW-Analysepipeline (Joint Space Width)18 erzeugt werden. Benennen Sie Dateien aus dem Standard-Zahlenformat um, um die Verwendung zu vereinfachen. 4. Dateikonvertierung und Generierung von Knochenmasken HINWEIS: Befolgen Sie je nach Bildformat Schritt 4.1 für AIM-Bilder (HR-pQCT-proprietäres Bildformat), MHA (ITK-MetaImage-Format), NII (NIfTI – Neuroimaging Informatics Technology Initiative), NRRD-Bilder (Nearly Raw Raster Data) oder Schritt 4.2 für DICOM-Bilder. Um Bilder mit einem der folgenden Bilddateiformate zu importieren: MHA, nii, AIM oder NRRD, führen Sie die unten beschriebenen Schritte aus.Klicken Sie auf die Schaltfläche DATA in der oberen linken Ecke des 3D-Slicer-Fensters (Abbildung 5C). Um Bilddateien hinzuzufügen, klicken Sie auf Datei(en) zum Hinzufügen auswählen, suchen Sie die Bilder und fügen Sie sie hinzu. Um ein ganzes Verzeichnis mit Bildern hinzuzufügen, klicken Sie auf Hinzuzufügendes Verzeichnis auswählen, suchen Sie das Verzeichnis und fügen Sie es hinzu. Dadurch werden alle Bilder in diesem Verzeichnis geladen. Wenn eine Bildmaske aus irgendeinem Grund als 3D-Slicer-Segmentierung importiert werden muss, konvertieren Sie sie zunächst in eine NRRD- oder nii-Datei. Diese Konvertierung kann automatisch durchgeführt werden, siehe Schritt 4.4.1 für Details. Importieren Sie DICOM-Datei(en) wie unten beschrieben in 3D Slicer.Klicken Sie auf die Schaltfläche DCM in der oberen linken Ecke des 3D-Slicer-Fensters. Klicken Sie auf DICOM-Dateien importieren, suchen Sie das Verzeichnis mit den DICOM-Dateien und fügen Sie es hinzu (Erweiterung ist .dcm). Klicken Sie auf die Schaltfläche Laden auf der rechten Seite des Fensters. Abrufen der Bildmaske mithilfe von Schritt 2 – Automatische Maske im Modul BAM – Automatische Maske.Klicken Sie auf das Dropdown-Menü in der Symbolleiste von 3D Slicer. Suchen Sie nach Knochenanalysemodulen und bewegen Sie den Mauszeiger darüber. Klicken Sie auf Automatische Maske. Wählen Sie unter dem Reiter Schritt 2 – Automatische Maske eine Eingangslautstärke über das Dropdown-Menü mit der Bezeichnung Eingangslautstärke aus. Dies ist der Eingabescan. Erstellen Sie eine neue Ausgabe im Dropdown-Menü mit der Bezeichnung Ausgabesegmentierung: und wählen Sie Neues LabelMapVolume erstellen aus. Dadurch wird ein neuer Ausgabeknoten erstellt, der nach der Eingabeformatbezeichnung + _MASK beschriftet ist. Um der Ausgabe eine andere Bezeichnung zu geben, wählen Sie stattdessen Create New LabelMapVolume as… aus und geben Sie die gewünschte Bezeichnung ein. Geben Sie die Anzahl der zu maskierenden Bones in das Textfeld mit dieser Beschriftung ein. Wählen Sie im Dropdown-Menü mit der Bezeichnung Algorithmus die Option Ormir aus, um die optimale Segmentierung für diese Analysezu erhalten 19.HINWEIS: Andere Optionen zum Generieren dieser Masken sind verfügbar und können in Zukunft hinzugefügt werden. Klicken Sie auf Maske abrufen. Dadurch wird der Algorithmus ausgeführt (~2-3 min) und das Ergebnis im selben Verzeichnis des Eingabebildes ausgegeben. Außerdem wird für jeden Knochen eine separate Maske gespeichert, wenn das Bild mehrere Knochen hatte. Führen Sie die manuelle Korrektur der Knochenmaske mithilfe von Schritt 3 – Manuelle Korrektur im BAM-Modul durch. Oft ist die generierte Maske nicht korrekt. Führen Sie eine manuelle Korrektur durch, um bestimmte Komponenten der Segmentierungen hinzuzufügen, zu löschen oder zu bearbeiten.Um eine Maske zu bearbeiten, die auf andere Weise oder in einer früheren Ausführung von 3D Slicer generiert wurde, verwenden Sie dieses Modul, um diese Masken aus einer Datei in 3D Slicer zu laden. Die Dateierweiterung kann eine der folgenden sein: MHA, nii, NRRD, AIM.Kopieren Sie die Bilder in das Verzeichnis LOAD_MASKS, das sich im BAM-Ordner befindet, den Sie in Schritt 1.3 heruntergeladen haben. Gehen Sie zurück zu 3D Slicer und klicken Sie in der manuellen Korrekturphase auf die Schaltfläche Laden . Wählen Sie die zu korrigierende Segmentierung im Dropdown-Menü ” Zu korrigierende Maske:” aus. Wählen Sie das ursprüngliche Graustufenbild, das zu dieser Erosionssegmentierung gehört, im Dropdown-Menü mit der Bezeichnung Master-Lautstärke aus. Drücken Sie auf Initialisieren. Jede Segmentierung muss einen eigenen Eintrag in der folgenden Tabelle haben. Wählen Sie die Segmentierung aus, die basierend auf der Farbe der Segmentierung korrigiert werden soll. Um eine Segmentierung zu erweitern, klicken Sie auf die zweite Schaltfläche in der ersten Zeile. Dabei wird die Paint-Funktion verwendet. Nehmen Sie Ergänzungen zu den Volumes vor, indem Sie auf die Bilder zeichnen (linke Maustaste gedrückt halten und die Maus bewegen). Um einen Teil der Segmentierung zu entfernen, klicken Sie auf die Schaltfläche unter der Tabelle mit der Bezeichnung Zwischen Segmenten löschen. Dies ist die Löschfunktion und funktioniert wie die Malfunktion, löscht aber stattdessen. Zeichnen Sie Ergänzungen nach Bedarf auf etwa alle 10-25 Scheiben, aber stellen Sie sicher, dass Sie die erste Scheibe und die letzte Scheibe einschließen, bei der eine Addition erforderlich war. Wenn die Malfunktion verwendet wurde, können die Änderungen interpoliert werden, indem Sie auf die erste Schaltfläche der fünften Zeile mit der Bezeichnung Funktion “Zwischen Slices ausfüllen” klicken. Klicken Sie auf die Schaltflächen Initialisieren > Übernehmen. Wenn die Löschfunktion verwendet wurde, klicken Sie einfach auf die Schaltfläche unter der Tabelle mit der Bezeichnung Apply Erase. Verwenden Sie nicht gleichzeitig die Funktionen “Malen” und “Löschen”. Wenden Sie zuerst eine Funktion an, dann wenden Sie die andere an. Nachdem die Bearbeitungen abgeschlossen sind, klicken Sie auf Übernehmen. 5. Identifizierung von Erosionen Verwenden Sie Schritt 4 – Erosionen im Modul BAM – Erosionsvolumen zur Identifizierung von Erosion. Das Erosionsvolumenmodul ist das Werkzeug, das für die Identifizierung und Messung von Erosionen innerhalb eines Scans verantwortlich ist.HINWEIS: Dieses Modul ist der Schwerpunkt des oben beschriebenen Trainingstools und hat einen nahezu identischen Arbeitsablauf. Der Unterschied besteht darin, dass die berechneten Erosionen nicht mit fachmännisch annotierten verglichen werden, Erosionsstatistiken exportiert werden und eine manuelle Korrektur der Volumina nach ihrer Identifizierung hier möglich ist. Platzieren Sie Keimpunkte und erhalten Sie die Erosion wie in Schritt 2.4 beschrieben. Am Ende wird es keine Rückmeldung geben. Manuelle KorrekturWenn die Größe und Form der automatisch erkannten Erosionsvolumina nicht zufriedenstellend sind, bearbeiten Sie diese auf den Registerkarten Schritt 5 – Manuelle Korrektur und Exportsegmentierung. Befolgen Sie die in Schritt 4.4 beschriebenen Schritte. Es gibt jedoch keine Möglichkeit, externe Erodiervolumina zu laden. Drücken Sie nach Abschluss der Korrekturen nicht auf Übernehmen , da die Änderungen bereits gespeichert wurden. 6. Erosionsstatistik Exportieren Sie die berechneten Daten in eine Tabellenkalkulationsdatei (CSV-Format), indem Sie die Registerkarte Schritt 6 – Statistik verwenden. Geben Sie das in Schritt 4 berechnete und optional in Schritt 5 korrigierte Erosionsvolumen im Dropdown-Menü Eingabeerosionen an. Geben Sie das Graustufenbild im Dropdown-Menü Master-Volume an. Geben Sie die Voxelbreite des Bildes in mm in das Textfeld ein. Drücken Sie auf Statistiken abrufen. Die Tabellenkalkulationsdatei wurde im Verzeichnis EROSIONS_OUTPUT_DATA generiert, das sich im BAM-Ordner befindet, den Sie in Schritt 1.3 heruntergeladen haben. In Tabelle 1 finden Sie ein Beispiel für die Ausgabetabelle.

Representative Results

Mit dem Trainingstool können Benutzer die Identifizierung von Erosionsstellen üben und gleichzeitig Feedback zu ihren Ergebnissen erhalten. Diese Feedbackschleife kann die Fähigkeit des Benutzers verbessern, Erosionen zu identifizieren und möglicherweise die BAM-Module zu verwenden, um Erosionen auf seinen eigenen Bildern zu identifizieren. Das Feedback nach der Platzierung des Startpunkts basiert auf den folgenden Kriterien. 1) Wenn die Anzahl der platzierten Startpunkte nicht mit der Anzahl der Referenzerosionen übereinstimmt, wird der Benutzer aufgefordert, die entsprechende Anzahl von Ausgangspunkten zu löschen oder hinzuzufügen. 2) Wenn die Position des Säpunkts nicht mit einer Referenzerosion abgeglichen werden kann, wird eine Rückmeldung angezeigt, die besagt, dass an der Position dieses Säpunkts keine Erosion vorhanden ist. 3) Wenn ein Keimpunkt mit einer pathologischen/physiologischen kortikalen Referenzunterbrechung wie einer Zyste oder einem Gefäßkanal abgeglichen wird, wird der Benutzer über die Art der kortikalen Unterbrechung informiert, die er als Erosion zu identifizieren versucht hat, und wird aufgefordert, den Keimpunkt zu entfernen. 4) Wenn sich die Position des Seed-Punktes mit einer Referenzerosion überschneidet, kann es sein, dass der Algorithmus die Erosion immer noch nicht erkennt. Dies kann der Fall sein, wenn der Keimpunkt nicht in der Erosion zentriert wurde. In diesen Fällen wird der Benutzer aufgefordert, die Position des Startpunkts anzupassen. 5) Wenn ein Keimpunkt zu weit von der Erosion entfernt platziert wird, wird der Benutzer über die falsche Platzierung informiert und aufgefordert, es erneut zu versuchen. 6) Wenn eine Seed-Point-Position mit der Referenzerosion übereinstimmt, wird eine Eingabeaufforderung angezeigt, die den Benutzer über seinen erfolgreichen Versuch informiert, die Erosion an diesem bestimmten Seed-Punkt zu identifizieren. Im folgenden Abschnitt wird anhand von Beispielen gezeigt, wie das Modul auf der Grundlage verschiedener Eingaben funktioniert. Richtige und falsche Eingaben werden in den folgenden Beispielen demonstriert. Abbildung 6A zeigt die Position des Keimpunkts, der sich innerhalb der Erosion befindet. In diesem Bild existiert nur eine Erosion, daher führt die Berechnung der Erosionen mit dem Seed-Punkt zu den erwarteten Ergebnissen. Abbildung 6B zeigt die Eingabeaufforderung, die Benutzern angezeigt wird, wenn ihr Versuch, die Erosionen zu identifizieren, mit dem fachmännisch kommentierten Bild übereinstimmt. Das Modul zeigt die Ergebnisse auch als Segmentierungen auf dem Graustufenbild an (Abbildung 6C). Wenn der Benutzer einen Startpunkt an einer Position ohne Erosion platziert hat, wie z. B. Abbildung 7A, zeigt das Modul eine Fehlermeldung (Abbildung 7B) an, die besagt, dass an dieser Position keine Erosion vorhanden ist, und schlägt dem Benutzer vor, die Ausgangspunkte zu verschieben/zu entfernen. Abbildung 6: Beispiel für die korrekte Identifizierung der Erosion . (A) Beispiel für die korrekte Platzierung eines Keimpunktes durch einen Benutzer innerhalb der Erosionsstelle. (B) Beispiel für eine Rückmeldung, wenn alle Erosionen korrekt identifiziert wurden. (C) Beispiel für eine angezeigte Erosionssegmentierung bei korrekter Berechnung einer Erosion. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 7: Beispiel für eine falsche Erosionserkennung. (A) Beispiel für einen Keimpunkt, der an einem Ort platziert wird, an dem keine Erosion vorhanden ist. (B) Beispiel für eine Fehlermeldung, wenn ein Seed-Punkt an einer Stelle platziert wird, die keine Erosion aufweist. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Die Lage aller Zysten und Gefäßkanäle auf den bereitgestellten Trainingsbildern wurde von einem Experten identifiziert. Daher ist es möglich zu erkennen, wenn ein Benutzer versucht, eine Zyste oder einen Gefäßkanal falsch zu identifizieren. Abbildung 8A zeigt einen Versuch, eine Zyste zu identifizieren, indem ein Keimpunkt darauf platziert wird. 8B ist die nachfolgend angezeigte Fehleraufforderung. Abbildung 8: Beispiel für die Identifizierung von Zysten. (A) Beispiel für einen Keimpunkt, der auf einer Zyste platziert wird. (B) Beispiel für eine Fehlermeldung, wenn ein Seed-Punkt auf einer Zyste platziert wird. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Das Modul informiert den Benutzer auch darüber, ob er die richtige Anzahl an Startpunkten hat. Wenn der Benutzer eine falsche Anzahl von Startpunkten platziert hat, informiert das Modul den Benutzer über die genaue Anzahl der fehlenden oder zusätzlichen Ausgangspunkte, um alle Erosionen auf dem Bild zu identifizieren. Das Modul gibt auch Feedback für jeden platzierten Startpunkt. Daher weiß der Benutzer, welche Aktionen er für jeden einzelnen Seed-Punkt ausführen muss. Abbildung 9 zeigt ein Beispiel, in dem ein Benutzer nur einen Startpunkt platziert hat, obwohl zwei erwartet wurden. Abbildung 9: Beispiel für Erosionen, die berechnet wurden, während ein Keimpunkt fehlte. Das Beispiel veranschaulicht ein Beispiel, in dem der Benutzer nur einen Startpunkt platziert hat, obwohl zwei erwartet wurden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Wenn ein Benutzer Schwierigkeiten hat, eine oder alle Erosionen zu finden, hat er die Möglichkeit, die fachmännisch beschrifteten Positionen anzuzeigen, indem er eine Schaltfläche mit der Bezeichnung “Korrekte Startpunkte anzeigen” drückt (Abbildung 5D). Wenn diese Schaltfläche gedrückt wird, werden die richtigen Ausgangspunkte in das aktuelle 3D-Slicer-Fenster geladen. Zusammenfassend zeigt dies, dass das Softwaremodul die Korrektheit des Versuchs des Benutzers, Erosionen in den ausgewählten Bildern zu identifizieren, beurteilen kann, indem es die berechnete Erosion mit fachmännisch annotierten Erosionen vergleicht. Darüber hinaus bietet das Modul Feedback basierend auf jedem vom Benutzer platzierten Seed-Punkt, um ihn zur erwarteten Seed-Point-Position und den Eingabeparametern zu führen. Scan-ID Kortikale Unterbrechung Knochen Etikett Standort des Schwerpunkts Volumen (mm 3) Oberfläche (mm 2) Rundheit Anzahl der Voxel (Voxel) 3_Training.nii Erosion Mittelhandknochen SEEDS_28-1 210, 108, 242 3.321668853 14.46818378 0.74411491 14853 3_Training.nii Erosion Mittelhandknochen SEEDS_28-3 179, 100, 241 1.100739562 7.121231239 0.7239659 4922 Tabelle 1: Beispiel für eine generierte Ausgabedatei (csv-Format), die berechnete Erosionen und ihre Statistiken beschreibt.

Discussion

Dieses Trainingstool bietet die Möglichkeit, mit Hilfe des Knochenanalysemoduls zu lernen, Erosionen zu erkennen. Die weitere Verwendung dieses Erosionsanalysewerkzeugs über das Training hinaus erfordert den Zugang zu qualitativ hochwertigen Bildern mit geringen oder gar keinen Bewegungsartefakten. Die auf der Literatur basierende HR-pQCT-Erosionsdefinition beschreibt anatomische Merkmale, die mit pathologischen Erosionen assoziiert sind und mit angemessener Reproduzierbarkeit berichtet werden können11,20. Diese Definition berücksichtigt jedoch nicht die üblichen anatomischen Lokalisationen von Gefäßkanälen, was möglicherweise zu ihrer Fehlklassifizierung als Knochenerosionen führt10.

Die kritischen Schritte in diesem Protokoll sind die Erzeugung der Knochenmaske, die Platzierung der Keimpunkte und die Erzeugung des Erosionsvolumens. Während automatisierte Methoden zur Erzeugung der Masken und des Erosionsvolumens implementiert sind, müssen die Masken oft manuell korrigiert werden, um zufriedenstellende Ergebnisse zu erzielen. Eine umfassende Beschreibung der verfügbaren Tools zur Durchführung der manuellen Korrekturen wird bereitgestellt. Die Platzierung der Startpunkte orientiert sich an den Trainingsbeispielen des BAM-Trainingsmoduls.

Basierend auf den bisher verwendeten Daten liefert dieses Protokoll Vorschläge zur Fehlerbehebung, wenn das Erosionsanalysemodul nicht die erwarteten Ergebnisse liefert. In zukünftigen Arbeiten wird der Zugang zu zusätzlichen Trainingsdaten ermöglicht. Eine frühere Studie zeigte, dass die mit dieser Methode ermittelten Erosionsvolumina mit bestehenden Methoden vergleichbar sind 14,21,22. Die Bereitstellung von Trainingsdaten wird einen Vergleich mit neueren Erosionsanalyseinstrumenten ermöglichen, die derzeit entwickelt werden23.

Das hier vorgestellte Trainingstool hilft in erster Linie bei der Erosionserkennung; Allerdings ist die Methode derzeit durch den fehlenden Konsens über die Definition des Ausmaßes einer Erosion im Trabekelknochen eingeschränkt. Nichtsdestotrotz sind die BAM-Module Open Source, so dass andere Forscher Zugang haben, um die Module an ihre Bedürfnisse anzupassen, wenn sich zukünftige Definitionen des Erosionsausmaßes ändern.

Da der Einsatz von HR-pQCT in der rheumatologischen Forschung zunimmt, bietet das Trainingstool unerfahrenen Anwendern eine Anleitung zur Identifizierung pathologischer kortikaler Unterbrechungen auf HR-pQCT-Bildern für die Erosionsanalyse. Dieses Werkzeug wird für Forscher unabhängig von der für die Erosionsanalyse gewählten Methode anwendbar sein. Während eine vollständig automatisierte Erosionserkennung wünschenswert ist, um die Reproduzierbarkeit und Geschwindigkeit der Analyse zu verbessern, sind große Referenz-/Benchmark-Datensätze mit genauen Annotationen erforderlich, um Modelle für maschinelles Lernen zu trainieren. Als Open-Source-Tool bietet dieses Modul die Möglichkeit, gemeinsam große, annotierte Datensätze für die zukünftige Verwendung im maschinellen Lernen zu entwickeln. Der Einsatz dieses Trainingstools wird es mehr Forschern ermöglichen, die Erosionsanalyse in ihre HR-pQCT-Forschung einzubeziehen.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Die Autoren danken den folgenden Fördergebern, die diese Arbeit unterstützt haben. SLM wird durch die Arthritis Society (STAR-18-0189) und den Canadian Institutes of Health Research Planning and Dissemination Grant finanziert. JJT ist Träger eines CIHR Fellowship Awards.

Materials

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

  1. Schett, G., Gravallese, E. Bone erosion in rheumatoid arthritis: mechanisms, diagnosis and treatment. Nature Reviews Rheumatology. 8 (11), 656-664 (2012).
  2. 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).
  3. Scott, D. L., et al. The links between joint damage and disability in rheumatoid arthritis. Rheumatology. 39 (2), 122-132 (2000).
  4. 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).
  5. 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).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. Scharmga, A., et al. Vascular channels in metacarpophalangeal joints: a comparative histologic and high-resolution imaging study. Scientific reports. 7 (1), 8966-8968 (2017).
  11. 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).
  12. Klose-Jensen, R., et al. High-Resolution Peripheral Quantitative Computed Tomography for Bone Evaluation in Inflammatory Rheumatic Disease. Frontiers in Medicine. 7, 337 (2020).
  13. 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).
  14. 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).
  15. Fedorov, A., et al. 3D Slicer as an image computing platform for the Quantitative Imaging Network. Magnetic Resonance Imaging. 30 (9), 1323-1341 (2012).
  16. 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).
  17. 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).
  18. 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).
  19. . Open and Reproducible Musculoskeletal Imaging Research Available from: https://github.com/SpectraCollab/ORMIR_XCT (2023)
  20. 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).
  21. 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).
  22. 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).
  23. 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).

Play Video

Cite This Article
Al-Khoury, Y., Finzel, S., Figueiredo, C., Burghardt, A. J., Stok, K. S., Tam, L., Cheng, I., Tse, J. J., Manske, S. L. Erosion Identification in Metacarpophalangeal Joints in Rheumatoid Arthritis using High-Resolution Peripheral Quantitative Computed Tomography. J. Vis. Exp. (200), e65802, doi:10.3791/65802 (2023).

View Video