Erosion Identification in Metacarpophalangeal Joints in Rheumatoid Arthritis using High-Resolution Peripheral Quantitative Computed Tomography

Yousif Al-Khoury; Stephanie Finzel; Camille Figueiredo; Andrew J. Burghardt; Kathryn S. Stok; Lai-Shan Tam; Isaac Cheng; Justin J. Tse; Sarah L. Manske

doi:10.3791/65802

JoVE Journal > Medicine

Please note that all translations are automatically generated. Click here for the English version.

Medicine

Erosie-identificatie in metacarpofalangeale gewrichten bij reumatoïde artritis met behulp van perifere kwantitatieve computertomografie met hoge resolutie

Published: October 06, 2023

doi:

10.3791/65802

Yousif Al-Khoury^1,2, Stephanie Finzel³, Camille Figueiredo⁴, Andrew J. Burghardt⁵, Kathryn S. Stok⁶, Lai-Shan Tam⁷, Isaac Cheng⁷, Justin J. Tse¹, Sarah L. Manske¹

¹Department of Radiology, McCaig Institute for Bone and Joint Health,University of Calgary, ²Department of Biomedical Engineering,University of Calgary, ³University Medical Center Freiburg, ⁴Department of Rheumatology,University of São Paulo, ⁵Department of Radiology and Biomedical Imaging,University of California, San Francisco, ⁶Department of Biomedical Engineering,University of Melbourne, ⁷Department of Medicine and Therapeutics,The Chinese University of Hong Kong

Summary

Boterosies zijn een belangrijk pathologisch kenmerk van reumatoïde artritis. Het doel van dit werk is het introduceren van een trainingstool om gebruikers te voorzien van richtlijnen voor het identificeren van pathologische corticale breuken op perifere kwantitatieve computertomografiebeelden met hoge resolutie voor erosieanalyse.

Abstract

Boterosies zijn een pathologisch kenmerk van verschillende vormen van inflammatoire artritis, waaronder reumatoïde artritis (RA). De toegenomen aanwezigheid en omvang van erosies worden in verband gebracht met slechte resultaten, gewrichtsfunctie en ziekteprogressie. Perifere kwantitatieve computertomografie met hoge resolutie (HR-pQCT) biedt een ongeëvenaarde in vivo visualisatie van boteroversies. Bij deze resolutie zijn echter ook discontinuïteiten in de corticale schil (corticale breuken) zichtbaar die geassocieerd zijn met normale fysiologische processen en pathologie. De studie voor xtrEme computertomografie bij reumatoïde artritis gebruikte eerder een consensusproces om een definitie van pathologische erosie in HR-pQCT te ontwikkelen: een corticale breuk gedetecteerd in ten minste twee opeenvolgende plakjes, in ten minste twee loodrechte vlakken, niet-lineair van vorm, met onderliggend trabeculair botverlies. Ondanks de beschikbaarheid van een consensusdefinitie is erosie-identificatie echter een veeleisende taak met uitdagingen op het gebied van interbeoordelaarsvariabiliteit. Het doel van dit werk is om een trainingstool te introduceren om gebruikers te begeleiden bij het identificeren van pathologische corticale breuken op HR-pQCT-beelden voor erosieanalyse. Het hier gepresenteerde protocol maakt gebruik van een op maat gemaakte module (Bone Analysis Module (BAM) – Training), geïmplementeerd als uitbreiding op een open-source beeldverwerkingssoftware (3D Slicer). Met behulp van deze module kunnen gebruikers oefenen met het identificeren van erosies en hun resultaten vergelijken met erosies die zijn geannoteerd door deskundige reumatologen.

Introduction

Boterosies treden op wanneer een ontsteking plaatselijk botverlies veroorzaakt aan het corticale botoppervlak. Deze erosies strekken zich uit tot in het onderliggende trabeculaire botgebied. Ze zijn een pathologisch kenmerk van verschillende vormen van inflammatoire artritis, waaronder reumatoïde artritis (RA)¹. De aanwezigheid en grootte van erosie worden in verband gebracht met slechte resultaten, patiëntfunctie en ziekteprogressie 2,3,4,5. Hoewel gewone radiografie de klinische standaard blijft voor erosiebeoordeling, biedt perifere kwantitatieve computertomografie met hoge resolutie (HR-pQCT) 3D-beelden en superieure gevoeligheid en specificiteit voor erosiedetectie ^6,7. Voor inflammatoire artritis, zoals RA, wordt HR-pQCT vaak uitgevoerd op de^{2e en} 3e metacarpofalangeale gewrichten – de meest aangetaste gewrichten van de hand⁸. Omdat HR-pQCT-beelden een hoge ruimtelijke resolutie hebben, worden fysiologische onderbrekingen in het corticale oppervlak ook waargenomen bij gezonde personen zonder RA⁹. Deze corticale onderbrekingen worden vaak geassocieerd met vasculaire kanalen of foramen van voedingsstoffen die door het bot gaan¹⁰. De uitdaging is dus om corticale onderbrekingen geassocieerd met een ziekteproces (d.w.z. pathologische erosies) te onderscheiden van niet-pathologische kenmerken.

De consensusdefinitie van een pathologische boterosie werd gepubliceerd door de Study grouP for xtrEme Computed Tomography in Rheumatoid Arthritis (SPECTRA) als de aanwezigheid van een duidelijke onderbreking in de corticale laag van het bot die zich uitstrekt over ten minste twee opeenvolgende plakjes en detecteerbaar is in twee of meer loodrechte vlakken¹¹. Verder moet de onderbreking niet-lineair van vorm zijn en gepaard gaan met een verlies in het trabeculaire gebied. Visuele voorbeelden van corticale onderbrekingen die wel en niet voldoen aan de criteria van erosie worden getoond in Klose-Jensen et ^al.12.

Niet alle corticale onderbrekingen die aan de bovenstaande criteria voldoen, worden echter geclassificeerd als erosie. Onderbrekingen worden soms veroorzaakt door fysiologische processen zoals vasculaire kanalen (figuur 1). Deze kunnen worden geïdentificeerd en onderscheiden van erosies vanwege hun voorspelbare anatomische locaties, parallelle en rechte marges en submillimetergrootte¹³. Cysten zijn een andere vorm van corticale onderbreking die niet als erosie wordt beschouwd. Ze hebben vaak een afgeronde trabeculaire structuur met een duidelijke cystische wand ¹³. In tegenstelling tot de scherpe randen en de open trabeculaire structuur die door erosies worden getoond. Het is echter mogelijk dat erosies zich vormen op cystische plaatsen, waardoor het dubbelzinnig is om het volume van botverlies af te bakenen dat wordt veroorzaakt door de erosies en niet door de cysten. Hoewel het oplossen van deze ambiguïteit met verdere criteria niet het doel van deze studie is, is het nodig om uitgebreide voorbeelden te geven van pathologische erosie en fysiologische corticale onderbrekingen.

Figuur 1: Voorbeeld van corticale onderbrekingen die niet alleen door erosies werden veroorzaakt. (A) Een tekening die de gemeenschappelijke locatie van vasculaire kanalen aan de basis van de middenhandsbeentje illustreert. Voorbeelden van vasculaire kanalen in (B) coronale, (C) sagittale, (D) en (E) axiale vlakken. (F) Voorbeeld van een corticale onderbreking veroorzaakt door een cyste. (G) Voorbeeld van een leegtevolume in het trabeculaire gebied van het bot waarbij zowel cysten als erosies betrokken zijn. Klik hier om een grotere versie van deze figuur te bekijken.

Ondanks de uitdagingen bij het identificeren van erosie, zijn er momenteel geen trainingstools om minder ervaren gebruikers te begeleiden bij het interpreteren van HR-pQCT-beelden voor erosieanalyse. Onlangs is een open-source module voor erosieanalyse ontwikkeld, genaamd bone analysis module (BAM) – Erosion Volume, geïmplementeerd als uitbreiding op een open-source beeldverwerkingssoftware om erosievisualisatie en volumetrische analyses mogelijk te maken¹⁴. Het hier gepresenteerde protocol beschrijft het gebruik van een trainingsmodule die aan BAM is toegevoegd (BAM – Training), die de erosie-identificatiepogingen van een gebruiker vergelijkt door de erosie-identificatie te vergelijken met erosie-identificaties die zijn geannoteerd door deskundige reumatologen. Deze trainingstool geeft gebruikers feedback over erosie-identificatie om verbeteringen in erosieanalyse te begeleiden. Instructies voor het installeren van de software vindt u in stap 1. Voor nieuwe gegevensverzameling, zie stap 3 – 5.3. Alleen voor het gebruik van trainingsmodules, zie stap 2.

Protocol

Alle methoden in dit protocol volgen de richtlijnen die zijn opgesteld door de Conjoint Health Research Ethics Board van de Universiteit van Calgary (REB19-0387). 1. Installeer 3D Slicer 15 en botanalysemodules Download het installatiebestand voor een stabiele release van 3D Slicer die relevant is voor het besturingssysteem dat vanaf https://download.slicer.org/ wordt gebruikt. Voer het gedownloade installatiebestand uit en volg de instructies in de wizard. Zodra de installatie is voltooid, gaat u verder met het installeren van de botanalysemodules.Download de botanalysemodules van https://doi.org/10.5281/zenodo.7943007 als een gecomprimeerd zip-bestand en pak de gecomprimeerde map uit. Let op de map waar de uitgepakte map zich bevindt. Start 3D Slicer. Laad de modules in 3D Slicer door op Bewerken te klikken in de linkerbovenhoek van het 3D Slicer-venster. Klik op Bewerken > Applicatie-instellingen om een nieuw venster te openen. Klik op Modules , een tabblad aan de linkerkant van het onlangs geopende venster Instellingen. Voeg de paden toe aan de botanalysemodules onder Aanvullende modulepaden: (Figuur 2).Om dit te doen, sleept u de volgende lijst met mappen naar het vak onder Aanvullende modulepaden:. Deze mappen bevinden zich in de gedownloade map in stap 1.3.1: AutoMask, CorticalBreakDetection, ErosionComparison, ErosionVolume, FileConverter, ImageRegistration, Training. Het instellingenvenster moet lijken op afbeelding 2. Druk op OK rechtsonder in het venster Instellingen. Een herstart is vereist om de installatie van de modules te bevestigen. Doe dit door 3D Slicer te sluiten en opnieuw te starten.OPMERKING: Het laden van de modules gebeurt slechts één keer per installatie van 3D Slicer. Bij verdere updates van de GitHub-repository voor botanalyse, zal een eenvoudige terminal (of opdrachtregel) git pull-opdracht in de map met de eerdere BAM-download automatisch alle modules bijwerken. Nogmaals, als alternatief kan de repository worden gedownload en oude modules handmatig worden uitgewisseld met de nieuwe. Figuur 2: Voorbeeld van een instellingenvenster na het toevoegen van botanalysemodules aan een installatie van 3D Slicer. De afbeelding toont een screenshot van het instellingenvenster met de modules gemarkeerd in het rode vak. Klik hier om een grotere versie van deze figuur te bekijken. 2. Opleidingsmodule Start de BAM-Training module.Klik op het vervolgkeuzemenu op de werkbalk van 3D Slicer. Zoek botanalysemodules en beweeg de muis erboven (Figuur 3). Klik op Training. Laad bestanden in de module.Bij het starten van de BAM-trainingsmodule worden alle vereiste bestanden (grijswaardenafbeeldingen, maskers, segmentaties van referentie-erosie) automatisch geladen door op Doorgaan te klikken, ervan uitgaande dat de BAM github-repository is gedownload zoals hierboven vermeld. Kies een scantype voor de bestanden.Kies er een door met de muis over het vervolgkeuzemenu met het label Invoervolume te gaan: Selecteer een volume, dit vertegenwoordigt de hoofdafbeelding in grijstinten. Kies het masker (d.w.z. het bestand dat het volume binnen het periostale oppervlak identificeert) in het vervolgkeuzemenu met het label Invoermasker: Selecteer een volume. Zorg ervoor dat dit masker overeenkomt met het bovenstaande invoervolume door te controleren of de meet-ID en de MCP-verbinding in beide selecties hetzelfde zijn. Als dit de eerste keer is dat de trainingsmodule op deze afbeelding wordt uitgevoerd met deze lancering van 3D Slicer, maakt u een nieuwe uitvoersegmentatie in het vervolgkeuzemenu met de naam Uitvoererosieën: Selecteer een segmentatie. Klik hiervoor op het vervolgkeuzemenu en selecteer Nieuwe segmentatie maken. Hiermee wordt een nieuw knooppunt voor uitvoersegmentatie gemaakt dat is gelabeld na het label van het invoermasker + _ER. Als u de uitvoer een ander label wilt geven, selecteert u Nieuwe segmentatie maken als… en voert u het gewenste label in.OPMERKING: In 3D Slicer en dit document identificeren masker en segmentatie het volume in het periostale oppervlak van het bot. Het masker wordt gevisualiseerd als een binaire afbeelding, terwijl de segmentatie verwijst naar de visualisatie van de binaire afbeelding met daaroverheen de grijswaardenafbeelding. Deze onderscheidingen worden gemaakt door 3D Slicer. Een voorbeeld wordt geïllustreerd in figuur 4. Plaats seed-punten zoals hieronder beschreven.Maak om te beginnen een nieuwe lijst met startpunten om startpunten toe te voegen. Om dit te doen, klikt u op het vervolgkeuzemenu met het label Seed Points: Geen en maakt u een nieuwe lijst door Create new Point List te selecteren. Nogmaals, de standaard labelstandaard is invoerafbeeldingslabel + _SEEDS. Als u uw eigen label wilt opgeven, selecteert u Nieuwe puntenlijst maken…. Blader door de plakjes en identificeer erosieplaatsen door een zaadpunt in het interessegebied te plaatsen. Druk op de rode stip-blauwe druppelknop zoals weergegeven in afbeelding 5A om een nieuw startpunt toe te voegen.Plaats het zaadpunt zo diep mogelijk (naar binnen in het trabeculair bot) in het erosievolume. Zorg ervoor dat het aanzetpunt op het donkerste deel van het volume is geplaatst. Als u de grootte van het startpunt wilt wijzigen, wijzigt u de procentuele grootte in het tekstvak met het label Grootte startpunt:. Andere velden in de tabel met startpunten, zoals bot- en corticale onderbreking, zijn voor de records van de gebruiker en hebben geen invloed op het algoritme voor erosieberekening. Verkrijg feedback zoals hieronder beschreven.Zodra de zaadpunten zijn geplaatst. Druk op de knop met het label Get Erosions, gemarkeerd in Figuur 5B, om het erosiemeetalgoritme uit te voeren op de gegeven ingangen. Na voltooiing van de erosiemetingen zal de module feedback geven over de plaatsing van het zaaipunt. De locatie van elk zaadpunt wordt vergeleken met de locatie van referentie-erosies om zaadpunten af te stemmen op de erosie die het probeert te meten. Verkrijg referentie-erosies door het erosievolume te berekenen met behulp van zaadpunten die zijn geplaatst door reumatologen met opleiding, uitgebreide publicatierecords en meer dan 10 jaar ervaring met het gebruik van HR-pQCT-beeldvorming en erosieanalyse (SF en CF). Afbeelding 3: Het dropdown-menu van 3D Slicer. Het vervolgkeuzemenu om de botanalysemodules te vinden en de trainingsmodule te selecteren. Klik hier om een grotere versie van deze figuur te bekijken. Figuur 4: Identificatie van het volume in het periostale oppervlak van het bot. (A) Voorbeeld van een masker. Het masker wordt gevisualiseerd als een binaire afbeelding. (B) Voorbeeld van een segmentatie. De segmentatie verwijst naar de visualisatie van het binaire beeld dat wordt bedekt met het grijswaardenbeeld. Deze onderscheidingen worden gemaakt door 3D Slicer. Klik hier om een grotere versie van deze figuur te bekijken. Afbeelding 5: Voorbeeld screenshot van trainingsmodule in 3D Slicer. (A) Klik om nieuwe seed-punten toe te voegen. (B) Klik om erosievolumes te berekenen. (C) Klik om afbeeldingen te importeren. (D) Klik om startpunten weer te geven die door experts zijn geplaatst. Klik hier om een grotere versie van deze figuur te bekijken. 3. Beeldacquisitie en export om te gebruiken in erosieanalysetool HR-pQCT-beelden maken met behulp van een HR-pQCT-scanner van de eerste of tweede generatie. Voor het verkrijgen van de beelden voor dit onderzoek werd gebruik gemaakt van een in de handel verkrijgbare scanner (zie Materiaaltabel).OPMERKING: De beelden die in deze studie zijn gebruikt, zijn van de 2een 3e metacarpofalangeale gewrichten en zijn verkregen met behulp van het protocol beschreven in Barnabe et al.8, maar afbeeldingen van gewrichten met erosies zijn compatibel met BAM. Inspecteer afbeeldingen op bewegingsartefact16,17. Gebruik geen afbeeldingen met bewegingsscores > 3 voor erosieanalyse. Exporteer AIM-bestanden (eigen beeldformaat) of DICOM-bestanden (Digital Imaging and Communications in Medicine) van elk gewricht naar een lokale schijf met behulp van FTP (File Transfer Protocol). Bestanden van individuele verbindingen kunnen worden gegenereerd met behulp van de JSW-analysepijplijn (Joint Space Width) die door de fabrikant wordt geleverd18. Wijzig de naam van bestanden vanuit de standaard getalnotatie voor eenvoudiger gebruik. 4. Bestandsconversie en het genereren van botmaskers OPMERKING: Afhankelijk van de afbeeldingsindeling, volgt u stap 4.1 voor AIM (HR-pQCT eigen afbeeldingsindeling), MHA (ITK MetaImage-indeling), nii (NIfTI – Neuroimaging Informatics Technology Initiative), NRRD (Nearly Raw Raster Data) afbeeldingen of stap 4.2 voor DICOM-afbeeldingen. Volg de onderstaande stappen om afbeeldingen te importeren met een van de volgende afbeeldingsbestandsindelingen: MHA, nii, AIM of NRRD.Klik op de knop met het label DATA in de linkerbovenhoek van het 3D Slicer-venster (Figuur 5C). Om afbeeldingsbestanden toe te voegen, klikt u op Kies bestand(en) om de afbeeldingen toe te voegen, te lokaliseren en toe te voegen. Om een volledige map met afbeeldingen toe te voegen, klikt u op Kies map om toe te voegen, zoek en voeg de map toe. Hiermee worden alle afbeeldingen in die map geladen. Als een afbeeldingsmasker om welke reden dan ook moet worden geïmporteerd als een 3D Slicer-segmentatie, converteert u eerst naar een NRRD- of nii-bestand. Deze conversie kan automatisch worden uitgevoerd, zie stap 4.4.1 voor details. Importeer DICOM-bestand(en) in 3D Slicer zoals hieronder beschreven.Klik op de knop met het label DCM in de linkerbovenhoek van het 3D Slicer-venster. Klik op DICOM-bestanden importeren, zoek en voeg de map met de DICOM-bestanden toe (extensie is .dcm). Klik op de knop met het label Laden aan de rechterkant van het venster. Haal een afbeeldingsmasker op met behulp van Stap 2 – Automatisch masker in de BAM – Automatisch masker.Klik op het vervolgkeuzemenu op de werkbalk van 3D Slicer. Zoek Bone Analysis Modules en beweeg de muiscursor erboven. Klik op Automatisch maskeren. Selecteer onder het tabblad Stap 2 – Automatisch maskeren een invoervolume met behulp van het vervolgkeuzemenu met het label Invoervolume:. Dit is de invoerscan. Maak een nieuwe uitvoer in het vervolgkeuzemenu met het label Uitvoersegmentatie: en selecteer Nieuw LabelMapVolume maken. Hiermee wordt een nieuw uitvoerknooppunt gemaakt dat is gelabeld na het invoermaskerlabel + _MASK. Als u de uitvoer een ander label wilt geven, selecteert u in plaats daarvan Create New LabelMapVolume als… en voert u het gewenste label in. Voer het aantal botten in dat moet worden gemaskeerd in het tekstvak met dat label. Selecteer Ormir in het vervolgkeuzemenu met het label Algoritme voor de optimale segmentatie voor deze analyse19.OPMERKING: Andere opties voor het genereren van deze maskers zijn beschikbaar en kunnen in de toekomst worden toegevoegd. Klik op Masker ophalen. Hiermee wordt het algoritme uitgevoerd (~2-3 min) en wordt het resultaat uitgevoerd in dezelfde map van de invoerafbeelding. Het slaat ook een apart masker op voor elk bot als de afbeelding meerdere botten had. Voer handmatige correctie van het botmasker uit met behulp van Stap 3 – Handmatige correctie in de BAM-module. Vaak is het gegenereerde masker niet nauwkeurig. Voer handmatige correctie uit om specifieke onderdelen van de segmentaties toe te voegen, te verwijderen of te bewerken.Als u een masker wilt bewerken dat op een andere manier is gegenereerd of dat is gegenereerd in een eerdere uitvoering van 3D Slicer, gebruikt u deze module om deze maskers vanuit een bestand in 3D Slicer te laden. De bestandsextensie kan een van de volgende zijn: MHA, nii, NRRD, AIM.Kopieer de afbeeldingen naar de map LOAD_MASKS in de BAM-map die in stap 1.3 is gedownload. Ga terug naar 3D Slicer en druk op de knop met het label Laden in de handmatige correctiefase. Selecteer de segmentatie die moet worden gecorrigeerd in het vervolgkeuzemenu met het label Masker dat moet worden gecorrigeerd:”. Selecteer de originele grijswaardenafbeelding die bij deze erosiesegmentatie hoort in het vervolgkeuzemenu met het label Master Volume:. Druk op Initialiseren. Elke segmentatie moet een eigen vermelding hebben in de onderstaande tabel. Selecteer de segmentatie die moet worden gecorrigeerd op basis van de kleur van de segmentatie. Om aan een segmentatie toe te voegen, klikt u op de tweede knop op de eerste rij. Hierbij wordt gebruik gemaakt van de verffunctie. Maak toevoegingen aan de volumes door op de afbeeldingen te tekenen (houd de linkermuisknop ingedrukt en beweeg de muis). Om een deel van de segmentatie te verwijderen, klikt u op de knop onder de tabel met het label Wissen tussen segmenten. Dit is de wisfunctie en werkt als de verffunctie, maar wist in plaats daarvan. Teken indien nodig toevoegingen op ongeveer elke 10-25 plakjes, maar zorg ervoor dat je het eerste plakje en het laatste plakje opneemt waar een toevoeging nodig was. Als de verffunctie is gebruikt, kunnen de wijzigingen worden geïnterpoleerd door op de eerste knop van de vijfde rij met het label Fill in Between Slices functie te klikken. Klik op de knoppen Initialiseren > Toepassen. Als de wisfunctie is gebruikt, klikt u gewoon op de knop onder de tabel met het label Wissen toepassen. Gebruik niet tegelijkertijd de verf- en wisfuncties. Pas eerst de ene functie toe en pas dan de andere toe. Nadat de bewerkingen zijn voltooid, drukt u op Toepassen. 5. Identificatie van erosies Gebruik Stap 4 – Erosie in de BAM – Erosievolume module voor het identificeren van erosie. De erosievolumemodule is het instrument dat verantwoordelijk is voor het identificeren en meten van erosies binnen een scan.OPMERKING: Deze module is de focus van de hierboven beschreven trainingstool en heeft een bijna identieke workflow. De verschillen zijn dat de berekende erosies niet worden vergeleken met vakkundig geannoteerde erosie, waardoor erosiestatistieken worden geëxporteerd en handmatige correctie van de volumes na hun identificatie hier mogelijk is. Plaats zaadpunten en zorg voor erosie zoals gedaan in stap 2.4. Uiteindelijk wordt er geen feedback gegeven. Handmatige correctieAls de grootte en vorm van de automatisch gedetecteerde erosievolumes niet bevredigend zijn, bewerk deze dan onder de tabbladen met het label Stap 5 – Handmatige correctie en exportsegmentatie. Volg de stappen in stap 4.4. Er is echter geen optie om externe erosievolumes te laden. Druk niet op Toepassen nadat u de correcties hebt voltooid, aangezien de wijzigingen al zijn opgeslagen. 6. Erosie Statistieken Exporteer de berekende gegevens naar een spreadsheetbestand (CSV-indeling) met behulp van het tabblad Stap 6 – Statistieken. Geef het erosievolume op dat in stap 4 is berekend en optioneel in stap 5 is gecorrigeerd in het vervolgkeuzemenu met het label Invoererosieën. Geef de grijswaardenafbeelding op onder het vervolgkeuzemenu met het label Hoofdvolume. Geef de voxelbreedte, in mm, van de afbeelding op in het tekstvak. Druk op Statistieken ophalen. Het spreadsheetbestand is gegenereerd in de map met de naam EROSIONS_OUTPUT_DATA die zich bevindt in de BAM-map die in stap 1.3 is gedownload. Zie tabel 1 voor een voorbeeld van de uitvoertabel.

Representative Results

Met behulp van de trainingstool kunnen gebruikers oefenen met het identificeren van erosielocaties terwijl ze feedback krijgen op hun resultaten. Deze feedbacklus kan het vermogen van de gebruiker om erosies te identificeren verbeteren en mogelijk de BAM-modules gebruiken om erosies op hun eigen afbeeldingen te identificeren. Feedback na plaatsing van seed-punten is gebaseerd op de volgende criteria. 1) Als het aantal geplaatste zaadpunten niet overeenkomt met het aantal referentie-erosieën, wordt de gebruiker gevraagd om het juiste aantal zaadpunten te verwijderen of toe te voegen. 2) Als de locatie van het zaadpunt niet kan worden gekoppeld aan een referentie-erosie, wordt feedback weergegeven waarin staat dat er geen erosie bestaat op de locatie van dat zaadpunt. 3) Als een zaadpunt wordt gekoppeld aan een pathologische/fysiologische corticale onderbreking van de referentie, zoals een cyste of een vasculair kanaal, wordt de gebruiker geïnformeerd over het type corticale onderbreking dat hij heeft geprobeerd te identificeren als een erosie en wordt hem gevraagd het zaadpunt te verwijderen. 4) Als de locatie van het zaadpunt een referentie-erosie overlapt, kan het zijn dat het algoritme de erosie nog steeds niet detecteert. Dit kan gebeuren wanneer het zaadpunt niet gecentreerd is in de erosie. In deze gevallen wordt de gebruiker gevraagd om de positie van het seed-punt aan te passen. 5) Als een zaadpunt te ver van erosie wordt geplaatst, wordt de gebruiker op de hoogte gebracht van de onjuiste plaatsing en aangemoedigd om het opnieuw te proberen. 6) Wanneer de locatie van een zaadpunt overeenkomt met de referentie-erosie, wordt een prompt weergegeven die de gebruiker informeert over zijn succesvolle poging om de erosie op dat specifieke zaadpunt te identificeren. In de volgende sectie worden voorbeelden geïllustreerd van hoe de module werkt op basis van verschillende inputs. Correcte en onjuiste invoer wordt gedemonstreerd in de volgende voorbeelden. Figuur 6A toont de locatie van het zaaipunt dat zich binnen de erosie bevindt. Er bestaat slechts één erosie binnen dit beeld, daarom zal het berekenen van de erosies met het zaadpunt de verwachte resultaten opleveren. Figuur 6B toont de prompt die aan gebruikers wordt getoond wanneer hun poging om de erosies te identificeren overeenkomt met de vakkundig geannoteerde afbeelding. De module geeft de resultaten ook weer als segmentaties op de grijswaardenafbeelding (Figuur 6C). Als de gebruiker een seed-punt op een locatie zonder erosie heeft geplaatst, zoals Figuur 7A, zou de module een foutmelding (Figuur 7B) weergeven waarin staat dat er op deze locatie geen erosie bestaat en wordt voorgesteld dat de gebruiker de seed-punten verplaatst/verwijdert. Figuur 6: Voorbeeld van een correcte identificatie van erosie. (A) Voorbeeld van een gebruiker die op de juiste manier een zaaipunt in de erosieplaats plaatst. (B) Voorbeeld van een feedbackprompt wanneer alle erosies correct zijn geïdentificeerd. (C) Voorbeeld van weergegeven erosiesegmentatie wanneer een erosie correct wordt berekend. Klik hier om een grotere versie van deze figuur te bekijken. Figuur 7: Voorbeeld van onjuiste erosie-identificatie. (A) Voorbeeld van een zaadpunt op een plaats waar geen erosie bestaat. (B) Voorbeeld van een foutmelding wanneer een zaadpunt wordt geplaatst op een locatie waar geen erosie optreedt. Klik hier om een grotere versie van deze figuur te bekijken. De locaties van alle cysten en vasculaire kanalen op de verstrekte trainingsbeelden zijn geïdentificeerd door een deskundige. Daarom is het mogelijk om te detecteren wanneer een gebruiker probeert een cyste of een vasculair kanaal onjuist te identificeren. Figuur 8A illustreert een poging om een cyste te identificeren door er een zaadpunt op te plaatsen. Figuur 8B is de daaropvolgende weergegeven foutmelding. Figuur 8: Voorbeeld van cyste-identificatie. (A) Voorbeeld van een zaadpunt dat op een cyste wordt geplaatst. (B) Voorbeeld van een foutmelding wanneer een zaadpunt op een cyste wordt geplaatst. Klik hier om een grotere versie van deze figuur te bekijken. De module informeert de gebruiker ook of hij het juiste aantal zaadpunten heeft. Als de gebruiker een onjuist aantal zaadpunten heeft geplaatst, informeert de module de gebruiker over het exacte aantal zaadpunten dat ontbreekt of extra om alle erosies op de afbeelding te identificeren. De module geeft ook feedback voor elk geplaatst seedpoint. Daarom weet de gebruiker welke acties hij moet ondernemen voor elk afzonderlijk seed-punt. Figuur 9 toont een voorbeeld waarbij een gebruiker slechts één seed-punt plaatste terwijl er twee werden verwacht. Figuur 9: Voorbeeld van erosies berekend bij het missen van één zaadpunt. Het voorbeeld toont een voorbeeld waarbij de gebruiker slechts één startpunt heeft geplaatst terwijl er twee werden verwacht. Klik hier om een grotere versie van deze figuur te bekijken. Als een gebruiker problemen heeft met het vinden van een of alle erosieën, heeft hij een optie om de vakkundig geannoteerde locaties te onthullen door op een knop te drukken met het label Reveal Correct Seed Points (Figuur 5D). Wanneer u op deze knop drukt, worden de juiste seed-punten in het huidige 3D Slicer-venster geladen. Samengevat toont dit aan dat de softwaremodule de juistheid kan beoordelen van de poging van de gebruiker om erosies in de geselecteerde afbeeldingen te identificeren door de berekende erosie te vergelijken met vakkundig geannoteerde erosieën. Bovendien geeft de module feedback op basis van elk door de gebruiker geplaatst startpunt om hen te begeleiden naar de verwachte locatie van het startpunt en de invoerparameters. Scan-ID Corticale onderbreking Bot Etiket Zwaartepunt Locatie Volume (mm3) Oppervlakte (mm2) Ronding Aantal voxels (voxels) 3_Training.nii Erosie Middenhandsbeentje SEEDS_28-1 210, 108, 242 3.321668853 14.46818378 0.74411491 14853 3_Training.nii Erosie Middenhandsbeentje SEEDS_28-3 179, 100, 241 1.100739562 7.121231239 0.7239659 4922 Tabel 1: Voorbeeld van een gegenereerd uitvoerbestand (csv-formaat) met een beschrijving van berekende erosies en hun statistieken.

Discussion

Deze trainingstool biedt de mogelijkheid om erosies te leren identificeren met behulp van de botanalysemodule. Verder gebruik van deze erosieanalysetool buiten de training vereist toegang tot beelden van goede kwaliteit, met weinig of geen bewegingsartefacten. De definitie van HR-pQCT-erosie op basis van de literatuur beschrijft anatomische kenmerken die verband houden met pathologische erosies en die met een redelijke reproduceerbaarheid kunnen worden gerapporteerd^11,20. Deze definitie houdt echter geen rekening met gemeenschappelijke anatomische locaties van vasculaire kanalen, wat mogelijk kan leiden tot hun verkeerde classificatie als boterosies¹⁰.

De cruciale stappen in dit protocol zijn het genereren van het botmasker, het plaatsen van de zaadpunten en het genereren van het erosievolume. Hoewel geautomatiseerde methoden worden geïmplementeerd om de maskers en het erosievolume te genereren, vereisen de maskers vaak handmatige correctie om bevredigende resultaten te garanderen. Er wordt een uitgebreide beschrijving gegeven van de tools die beschikbaar zijn om de handmatige correcties uit te voeren. De plaatsing van de startpunten wordt geleid door de trainingsvoorbeelden van de BAM-Training-module.

Op basis van de tot nu toe gebruikte gegevens geeft dit protocol suggesties voor het oplossen van problemen wanneer de erosieanalysemodule niet de verwachte resultaten oplevert. In de toekomst zal toegang worden verleend tot aanvullende opleidingsgegevens. Een eerdere studie toonde aan dat de erosievolumes die met deze methode worden beoordeeld, vergelijkbaar zijn met bestaande methoden 14,21,22. Aan de hand van opleidingsgegevens kunnen nieuwere instrumenten voor erosieanalyse worden vergeleken met de ontwikkeling ervan²³.

De hier geïntroduceerde trainingstool helpt in de eerste plaats bij het identificeren van erosie; De methode wordt momenteel echter beperkt door het ontbreken van een consensus over het definiëren van de omvang van een erosie in het trabeculaire bot. Desalniettemin zijn de BAM-modules open source, dus naarmate toekomstige definities van erosieomvang veranderen, hebben andere onderzoekers toegang om de modules aan te passen aan hun behoeften.

Naarmate het gebruik van HR-pQCT in reumatologisch onderzoek zich uitbreidt, biedt de trainingstool onervaren gebruikers richtlijnen voor het identificeren van pathologische corticale onderbrekingen op HR-pQCT-beelden voor erosieanalyse. Deze tool zal toepasbaar zijn op onderzoekers, ongeacht de methode die is geselecteerd voor erosieanalyse. Hoewel volledig geautomatiseerde erosie-identificatie wenselijk is om de reproduceerbaarheid en snelheid van analyse te verbeteren, zijn grote referentie-/benchmarkdatasets met nauwkeurige annotaties vereist om machine learning-modellen te trainen. Als open-source tool biedt deze module de mogelijkheid om gezamenlijk grote, geannoteerde datasets te ontwikkelen voor toekomstig gebruik in machine learning. Het gebruik van deze trainingstool zal meer onderzoekers in staat stellen erosieanalyse op te nemen in hun HR-pQCT-onderzoek.

Disclosures

The authors have nothing to disclose.

Acknowledgements

De auteurs willen graag de volgende financieringsinstanties erkennen die dit werk hebben ondersteund. SLM wordt gefinancierd door The Arthritis Society (STAR-18-0189) en Canadian Institutes of Health Research Planning and Dissemination Grant. JJT heeft een CIHR Fellowship-prijs.

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

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

PDF

DOI

DOWNLOAD MATERIALS LIST

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).

Automatically Generated