Summary

使用高分辨率外周定量计算机断层扫描识别类风湿性关节掌指关节的侵蚀

Published: October 06, 2023
doi:

Summary

骨糜烂是类风湿性关节炎的重要病理特征。这项工作的目的是引入一种培训工具,为用户提供在高分辨率外周定量计算机断层扫描图像上识别病理性皮质断裂的指导,以进行侵蚀分析。

Abstract

骨糜烂是几种炎症性关节炎的病理特征,包括类风湿性关节炎 (RA)。糜烂的存在和大小增加与不良结局、关节功能和疾病进展有关。高分辨率外周定量计算机断层扫描 (HR-pQCT) 提供无与伦比的骨侵蚀 体内 可视化。然而,在这种分辨率下,与正常生理过程和病理学相关的皮质壳(皮质断裂)的不连续性也是可见的。类风湿性关节炎 xtrEme 计算机断层扫描的研究 grouP 之前使用共识过程来制定 HR-pQCT 病理侵蚀的定义:在至少两个连续切片中检测到皮质断裂,在至少两个垂直平面上,形状非线性,具有潜在的小梁骨质丢失。然而,尽管有共识的定义,但侵蚀识别是一项艰巨的任务,在评分者之间的变异性方面存在挑战。这项工作的目的是引入一种培训工具,为用户提供在 HR-pQCT 图像上识别病理性皮质断裂以进行侵蚀分析的指导。这里介绍的协议使用定制模块(骨分析模块 (BAM) – 培训),作为开源图像处理软件 (3D Slicer) 的扩展实现。使用此模块,用户可以练习识别糜烂,并将其结果与风湿病专家注释的糜烂进行比较。

Introduction

当炎症导致皮质骨表面局部骨质流失时,就会发生骨侵蚀。这些糜烂延伸到下面的小梁骨区域。它们是几种炎症性关节炎的病理特征,包括类风湿性关节炎 (RA)1。糜烂的存在和大小与不良结局、患者功能和疾病进展相关 2,3,4,5。虽然X线平片仍然是侵蚀评估的临床标准,但高分辨率周边定量计算机断层扫描(HR-pQCT)为侵蚀检测提供了3D图像以及卓越的灵敏度和特异性6,7。对于炎症性关节炎,如类风湿性关节炎,HR-pQCT通常在掌指关节第2和第3关节(手部受影响最严重的关节)上进行8。由于 HR-pQCT 图像具有高空间分辨率,因此在没有 RA9 的健康个体中也观察到皮质表面的生理中断。这些皮质中断通常与通过骨骼的血管通道或营养孔有关10。因此,挑战在于区分与疾病过程相关的皮质中断(即病理性糜烂)和非病理特征。

类风湿性关节炎 (SPECTRA) xtrEme 计算机断层扫描研究 grouP 发表了病理性骨侵蚀的共识定义,即骨皮质层存在明确的中断,该中断延伸到至少两个连续的切片上,并且可在两个或多个垂直平面上检测到11。此外,中断必须是非线性的,并伴有小梁区域的损失。Klose-Jensen 等人 12 显示了符合和不符合侵蚀标准的皮质中断的视觉示例。

然而,并非所有符合上述标准的皮质中断都被归类为糜烂。中断有时是由生理过程引起的,例如血管通道(图1)。由于其可预测的解剖位置、平行和直线边缘以及亚毫米尺寸13,因此可以识别和区分侵蚀。囊肿是皮质中断的另一种形式,不被认为是糜烂。它们通常具有圆形的小梁结构,具有透明的囊性壁 13。与侵蚀显示的锋利边缘和开放的小梁结构形成鲜明对比。然而,囊性部位内可能会形成糜烂,因此很难描述由糜烂而不是囊肿引起的骨质流失量。虽然用进一步的标准解决这种模糊性不是本研究的目的,但有必要提供病理性侵蚀和生理性皮质中断的综合例子。

Figure 1
图1:皮质中断的例子,这些中断不仅仅是由侵蚀引起的。A) 图示了掌骨头底部血管通道的共同位置。(B)冠状面、(C)矢状面、(D)和(E)轴向平面中的血管通道示例。(F) 囊肿引起的皮质中断的例子。(G) 骨小梁区域内涉及囊肿和糜烂的空隙体积的例子。 请点击这里查看此图的较大版本.

尽管在侵蚀识别方面存在挑战,但目前还没有培训工具为经验不足的用户提供解释 HR-pQCT 图像以进行侵蚀分析的指导。最近,开发了一种用于侵蚀分析的开源模块,称为骨分析模块 (BAM) – 侵蚀体积,作为开源图像处理软件的扩展实现,以实现侵蚀可视化和体积分析14。此处介绍的协议描述了添加到 BAM 的培训模块(BAM – 培训)的使用,该模块通过将侵蚀识别与风湿病专家注释的侵蚀进行比较来比较用户的侵蚀识别尝试。该培训工具为用户提供有关侵蚀识别的反馈,以指导侵蚀分析的改进。步骤 1 中提供了软件安装说明。有关新数据采集,请参阅步骤 3 – 5.3。仅供培训模块使用,请参阅步骤 2。

Protocol

本协议中的所有方法都遵循卡尔加里大学联合健康研究伦理委员会(REB19-0387)制定的指南。 1. 安装 3D Slicer 15 和骨骼分析模块 下载安装文件,获取与 https://download.slicer.org/ 使用的操作系统相关的 3D Slicer 稳定版本。 运行下载的安装文件,并按照向导中提供的说明进行操作。 安装完成后,继续安装骨骼分析模块。从 https://doi.org/10.5281/zenodo.7943007 下载骨分析模块作为压缩的 zip 文件并提取压缩文件夹。请注意提取文件夹所在的目录。 启动 3D 切片器。通过单击 3D Slicer 窗口左上角 的“编辑 ”将模块加载到 3D Slicer 上。单击“ 编辑>应用程序设置 ”以打开一个新窗口。 单击“ 模块 ”,这是位于最近打开的“设置”窗口左侧的选项卡。在“其他模块路径”下添加骨骼分析模块的路径:(图 2)。为此,请将以下文件夹列表拖放到“其他模块路径:”下的框中。这些文件夹位于步骤 1.3.1 中下载的文件夹内:AutoMask、CorticalBreakDetection、ErosionComparison、ErosionVolume、FileConverter、ImageRegistration、Training。设置窗口应如 图 2 所示。 按“设置”窗口右下角的 “确定 ”。需要重新启动以确认模块的安装。为此,请关闭 3D Slicer 并重新启动它。注意:每次安装 3D Slicer 仅加载一次模块。在进一步更新骨分析 GitHub 存储库时,包含早期 BAM 下载的目录中的简单终端(或命令行)git pull 命令将自动更新所有模块。同样,也可以下载存储库,并手动将旧模块与新模块交换。 图 2:将骨骼分析模块添加到 3D Slicer 安装后的设置窗口示例。 该图显示了设置窗口的屏幕截图,其中模块在红色框中突出显示。 请点击这里查看此图的较大版本. 2. 培训模块 启动 BAM-Training 模块。单击位于 3D Slicer 工具栏上的 下拉菜单 。找到骨骼分析模块并将鼠标悬停在其上方(图 3)。单击 “培训”。 加载模块中的文件。启动 BAM 训练模块后,所有必需的文件(灰度图像、蒙版、参考侵蚀分段)将通过单击 “继续”自动加载,前提是已如上所述下载了 BAM github 存储库。 选择文件的扫描类型。通过将鼠标悬停在标有 “输入音量:选择一个音量”的下拉菜单上来选择一个,这表示主灰度图像。 在标有 输入掩码:选择卷的下拉菜单中选择掩码(即标识骨膜表面内体积的文件)。通过验证测量 ID,确保此模板与上述输入体积相对应,并且两个选项中的 MCP 接头相同。 如果这是首次在启动 3D Slicer 时在此图像上运行训练模块,请在标有 输出侵蚀:选择分割的下拉菜单中创建新的输出分割。为此,请单击下拉菜单,然后选择 创建新分段。这将创建一个新的输出分段节点,该节点在输入掩码标签 + _ER 之后进行标记。若要为输出提供不同的标签,请改为选择 “创建新分段为…” ,然后输入所需的标签。注意:在 3D Slicer 和本文档中,掩模和分割可识别骨骨膜表面内的体积。掩码可视化为二进制图像,而分割是指二进制图像与灰度图像叠加的可视化。这些区别是由 3D Slicer 做出的。 图 4 中显示了一个示例。 如下所述放置种子点。首先,创建一个新的种子点列表以添加种子点。为此,请单击标有 种子点:无 的下拉菜单,然后通过选择 创建新点列表创建一个新列表。同样,默认标记标准是输入图像标签 + _SEEDS。要提供您自己的标签,请选择 “创建新点列表…”。 滚动浏览切片,通过在感兴趣的区域放置种子点来识别侵蚀点。按图 5A 中所示的 Red Dot-Blue Drop 按钮添加新的种子点。将种子点尽可能深(向内进入小梁骨)放入侵蚀体积中。确保种子点位于卷中最暗的区域。 要更改种子点大小,请在标 有“种子点大小:”的文本框中修改百分比大小。种子点表中的其他字段(如骨骼和皮质中断)用于用户的记录,不会影响侵蚀计算算法。 获取如下所述的反馈。放置种子点后。按图5B中突出显示的标有“获取侵蚀”的按钮,在给定的输入上运行侵蚀测量算法。完成侵蚀测量后,该模块将提供有关种子点放置的反馈。将每个种子点的位置与参考侵蚀的位置进行比较,以将种子点与其试图测量的侵蚀相匹配。 使用受过培训、广泛的发表记录和超过 10 年使用 HR-pQCT 成像和侵蚀分析(SF 和 CF)的风湿病学家放置的种子点,通过计算侵蚀体积来获得参考侵蚀。 图 3:3D Slicer 的下拉菜单。 下拉菜单,用于查找骨骼分析模块并选择训练模块。 请点击这里查看此图的较大版本. 图 4:骨骨膜表面体积的识别。 (A) 口罩的例子。蒙版以二进制图像的形式显示。(B) 分割示例。分割是指二进制图像与灰度图像叠加的可视化。这些区别是由 3D Slicer 做出的。 请点击这里查看此图的较大版本. 图 5:3D Slicer 中训练模块的示例屏幕截图。 (A) 单击以添加新的种子点。(B) 单击以计算侵蚀体积。(C) 点击导入图片。(D) 点击显示专家放置的种子点。 请点击这里查看此图的较大版本. 3.图像采集和导出以用于侵蚀分析工具 使用第一代或第二代 HR-pQCT 扫描仪采集 HR-pQCT 图像。本研究使用商用扫描仪获取图像(见 材料表)。注意:本研究中使用的图像是第 2和第 3 掌指关节的图像,并且是使用 Barnabe 等人 8 中描述的方案获取的,但是任何有侵蚀的关节的图像都与 BAM 兼容。 检查图像中的运动伪影16,17。请勿使用运动评分> 3 的图像进行侵蚀分析。 使用文件传输协议 (FTP) 将每个关节的 AIM(专有图像格式)或医学数字成像和通信 (DICOM) 文件导出到本地磁盘。单个接头的文件可以使用制造商18提供的接头空间宽度(JSW)分析管道生成。从默认数字格式重命名文件以便于使用。 4. 文件转换和骨面具生成 注意:根据图像格式,对AIM(HR-pQCT专有图像格式),MHA(ITK元图像格式),nii(NIfTI – 神经影像信息学技术计划),NRRD(近原始光栅数据)图像进行操作,对DICOM图像执行步骤4.2。 要导入以下任何图像文件格式的图像:MHA、nii、AIM 或 NRRD,请按照以下步骤操作。单击位于3D Slicer窗口左上角的标 有DATA 的按钮(图5C)。 要添加图像文件,请单击 “选择要添加的文件”,找到并添加图像。 要添加整个图像目录,请单击 “选择要添加的目录”,找到并添加该目录。这将加载该目录中的所有图像。 如果出于任何原因需要将图像蒙版导入为 3D 切片器分割,请先转换为 NRRD 或 nii 文件。此转换可以自动完成,有关详细信息,请参阅步骤 4.4.1。 在 3D Slicer 中导入 DICOM 文件,如下所述。单击位于 3D 切片器窗口左上角的标有 DCM 的按钮。 单击 “导入DICOM文件”,找到并添加包含DICOM文件的目录(扩展名为.dcm)。 单击位于窗口右侧的标有 “加载 ”的按钮。 使用 BAM – 自动蒙版模块中的 步骤 2 – 自动蒙版 获取图像蒙版。单击位于 3D Slicer 工具栏上的下拉菜单。找到 骨骼分析模块并将 鼠标光标悬停在其上方。单击 自动遮罩。 在 步骤 2 – 自动遮罩选项卡下,使用标有 输入音量:的下拉菜单选择输入音量。这是输入扫描。 在标有输出分段的下拉菜单中创建新输出:,然后选择 创建新的 LabelMapVolume。这将创建一个新的输出节点,该节点在输入掩码标签 + _MASK 之后进行标记。若要为输出提供不同的标签,请改为选择 “创建新的 LabelMapVolume as…” ,然后输入所需的标签。 在带有该标签的文本框中输入要遮罩的骨骼数量。在标有 “算法” 的下拉菜单中选择“Ormir”,以获得此分析的最佳分割19。注意:可用于生成这些掩码的其他选项可用,将来可能会添加。 单击 “获取掩码”。这将运行算法(~2-3 分钟)并在输入图像的同一目录中输出结果。如果图像有多个骨骼,它还将为每个骨骼保存一个单独的蒙版。 使用 BAM 模块中的 步骤 3 – 手动校正 执行骨掩模的手动校正。生成的掩码通常不准确。执行手动更正以添加、删除或编辑分段的特定组件。要编辑通过其他方式生成的蒙版或在上一次运行的 3D Slicer 中生成的蒙版,请使用此模块将这些蒙版从文件加载到 3D Slicer。文件扩展名可以是以下任何一种,MHA,nii,NRRD,AIM。将映像复制到位于步骤 1.3 中下载的 BAM 文件夹中的 LOAD_MASKS 目录。 返回 3D Slicer 并在手动校正阶段按标有 Load 的按钮。 在标有 “要更正的掩码:”的下拉菜单中选择要更正的分割。 在标有 “主体积:”的下拉菜单中选择属于此侵蚀分割的原始灰度图像。按 初始化。 每个细分必须在下表中有自己的条目。根据分割的颜色选择要校正的分割。 要添加到分段,请单击第一行的第二个按钮。这使用油漆功能。通过绘制图像来添加卷(按住鼠标左键并移动鼠标)。 要删除部分分割,请单击标有 “切片之间擦除”的表格下方的按钮。这是擦除功能,其工作方式与绘画功能类似,但会擦除。 根据需要在大约每 10-25 个切片上绘制添加物,但请确保在需要添加的地方包括第一个切片和最后一个切片。 如果使用了绘制功能,则可以通过单击标记为 “在切片之间填充 ”功能的第五行的第一个按钮来插值更改。单击 “初始化”>“应用”按钮。 如果使用了擦除功能,只需单击标有 “应用擦除”的表格下方的按钮即可。请勿同时使用绘画和擦除功能。先应用一个功能,然后应用另一个功能。 编辑完成后,按 应用。 5. 侵蚀的识别 使用 BAM – 侵蚀体积模块中的 步骤 4 – 侵蚀 来识别侵蚀。侵蚀体积模块是用于识别和测量扫描中侵蚀的工具。注意:此模块是上面详述的培训工具的重点,并且具有几乎相同的工作流程。不同之处在于,计算出的侵蚀没有与专业注释的侵蚀进行比较,导出侵蚀统计数据,并在识别后手动校正体积。 放置种子点并按照步骤 2.4 中完成的过程进行侵蚀。最后,不会提供任何反馈。 手动校正如果自动检测到的侵蚀体积的大小和形状不令人满意,请在标有 步骤 5 – 手动校正和导出分段的选项卡下编辑这些内容。按照步骤 4.4 中概述的步骤操作。但是,没有加载外部侵蚀体积的选项。完成更正后不要按 应用 ,因为更改已保存。 6. 侵蚀统计 使用标有“ 步骤 6 – 统计”的选项卡将计算数据导出为电子表格文件(CSV 格式)。 在标有“输入侵蚀”的下拉菜单下提供在步骤 4 中计算并在步骤 5 中选择校正的侵蚀体积。 在标有“主音量”的下拉菜单下提供灰度图像。在文本框中提供图像的体素宽度(以毫米为单位)。按 获取统计信息。 电子表格文件已在名为 EROSIONS_OUTPUT_DATA 的目录中生成,该目录位于步骤 1.3 中下载的 BAM 文件夹中。有关输出表的示例,请参阅 表 1 。

Representative Results

使用培训工具,用户可以练习识别侵蚀地点,同时接收有关其结果的反馈。此反馈循环可以提高用户识别侵蚀的能力,并可能使用 BAM 模块来识别自己映像上的侵蚀。种子点放置后的反馈基于以下标准。1) 如果放置的种子点数量与参考侵蚀的数量不匹配,则会提示用户删除或添加适当数量的种子点。2) 如果种子点位置无法与参考侵蚀匹配,则显示该种子点位置不存在侵蚀的反馈。3) 如果种子点与参考病理/生理皮质中断(如囊肿或血管通道)匹配,则用户将被告知他们试图识别为侵蚀的皮质中断类型,并要求删除种子点。4) 如果种子点的位置与参考侵蚀重叠,则算法可能仍无法检测到侵蚀。当种子点未在侵蚀中居中时,可能会发生这种情况。在这些情况下,系统会提示用户调整种子点的位置。5) 如果种子点放置在离任何侵蚀太远的地方,用户会被告知他们的位置不正确,并鼓励他们重试。6) 当种子点位置与参考侵蚀匹配时,将显示提示,通知用户他们成功尝试识别该特定种子点的侵蚀。 以下部分说明了模块如何基于不同输入工作。以下示例将演示正确和不正确的输入。 图6A 显示了位于侵蚀内的种子点位置。此图像中仅存在一个侵蚀,因此使用种子点计算侵蚀将产生预期的结果。 图 6B 显示了当用户尝试识别侵蚀与专业注释的图像匹配时向用户显示的提示。该模块还将结果显示为灰度图像上的分割(图6C)。如果用户将种子点放置在没有侵蚀的位置,例如 图7A,则模块将显示错误提示(图7B),指出该位置不存在侵蚀,并建议用户重新定位/移除种子点。 图6:正确识别侵蚀的示例。 (A) 用户在侵蚀地点内正确放置种子点的示例。(B) 正确识别所有侵蚀时反馈提示的示例。(C) 正确计算侵蚀时显示的侵蚀分割示例。 请点击这里查看此图的较大版本. 图 7:不正确的侵蚀识别示例。 (A) 放置在不存在侵蚀的地方的种子点示例。(B) 将播种点放置在没有侵蚀的位置时出现错误提示的示例。 请点击这里查看此图的较大版本. 专家已确定所提供的训练图像上所有囊肿和血管通道的位置。因此,可以检测到用户何时试图错误地识别囊肿或血管通道。 图8A 显示了通过在其上放置种子点来识别囊肿的尝试。 图8B 是随后显示的错误提示。 图8:囊肿鉴定示例。 (A) 放置在囊肿上的种子点示例。(B) 将种子点放在囊肿上时出现错误提示的示例。 请点击这里查看此图的较大版本. 该模块还将通知用户他们是否拥有适量的种子点。如果用户放置的种子点数量不正确,模块将通知用户缺失或额外的种子点的确切数量,以识别图像上的所有侵蚀。该模块还为每个放置的种子点提供反馈。因此,用户知道要对每个单独的种子点执行哪些操作。 图 9 演示了一个示例,其中用户只放置了一个种子点,而预期有两个种子点。 图 9:在缺少一个种子点的情况下计算的侵蚀示例。 该示例演示了一个示例,其中用户只放置了一个种子点,而预期有两个种子点。 请点击这里查看此图的较大版本. 如果用户无法找到任何或所有侵蚀,他们可以选择通过按下标有“显示正确的种子点”的按钮来显示专业注释的位置(图5D)。 按下此按钮后,此按钮将把正确的种子点加载到当前的 3D 切片器窗口中。 总之,这表明软件模块可以通过将计算出的侵蚀与专业注释的侵蚀进行比较来评估用户尝试识别所选图像中侵蚀的正确性。此外,该模块根据每个用户放置的种子点提供反馈,以引导他们走向预期的种子点位置和输入参数。 扫描 ID 皮质中断 骨 标签 质心位置 体积 (mm3) 表面积 (mm2) 圆 体素(体素)数 3_Training.nii 侵蚀 掌 SEEDS_28-1 210, 108, 242 3.321668853 14.46818378 0.74411491 14853 3_Training.nii 侵蚀 掌 SEEDS_28-3 179, 100, 241 1.100739562 7.121231239 0.7239659 4922 表 1:描述计算出的侵蚀及其统计数据的生成输出文件(csv 格式)示例。

Discussion

该培训工具提供了学习使用骨分析模块识别侵蚀的机会。除了训练之外,进一步使用这种侵蚀分析工具还需要访问高质量的图像,几乎没有运动伪影。基于文献的HR-pQCT侵蚀定义描述了与病理侵蚀相关的解剖学特征,这些特征可以以合理的可重复性报告11,20。然而,该定义没有考虑血管通道的常见解剖位置,可能导致它们被错误分类为骨侵蚀10

该协议中的关键步骤是骨掩膜的生成、种子点的放置和侵蚀体积的生成。虽然实施了自动方法来生成掩模和侵蚀体积,但掩模通常需要手动校正以确保令人满意的结果。对可用于执行手动校正的工具进行了全面描述。种子点的放置以 BAM 培训模块提供的培训示例为指导。

根据迄今为止使用的数据,该协议提供了当侵蚀分析模块未产生预期结果时的故障排除建议。在今后的工作中,将提供对其他培训数据的访问。先前的一项研究表明,用这种方法评估的侵蚀体积与现有方法相当14,21,22。提供培训数据将允许与开发的新侵蚀分析工具进行比较23.

这里介绍的培训工具主要帮助识别侵蚀;然而,由于在定义小梁骨侵蚀程度方面缺乏共识,该方法目前受到限制。尽管如此,BAM模块是开源的,因此,随着未来侵蚀程度定义的变化,其他研究人员可以修改模块以满足他们的需求。

随着 HR-pQCT 在风湿病学研究中的使用范围扩大,该培训工具为没有经验的用户提供了在 HR-pQCT 图像上识别病理性皮质中断以进行侵蚀分析的指导。无论选择何种侵蚀分析方法,该工具都将适用于研究人员。虽然完全自动化的侵蚀识别对于提高分析的可重复性和速度是可取的,但需要具有准确注释的大型参考/基准数据集来训练机器学习模型。作为一个开源工具,该模块提供了一个机会,可以共同开发大型的、带注释的数据集,以供将来用于机器学习。该培训工具的使用将使更多的研究人员能够将侵蚀分析纳入他们的HR-pQCT研究中。

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

作者要感谢以下支持这项工作的资助机构。SLM 由关节炎协会 (STAR-18-0189) 和加拿大卫生研究院研究规划和传播补助金资助。JJT 拥有 CIHR 奖学金。

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

Referenzen

  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

Diesen Artikel zitieren
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