全自动三维 MRI 分析膝关节内侧半月板挤压与软骨测量的关系
我们开发了一个全自动 3D 膝关节 MRI 分析软件，可以量化半月板挤压和软骨测量，包括投影软骨面积比 (PCAR)，它代表受试者的实际软骨面积与其理想软骨面积的比率。我们还从“神奈川膝关节研究”中收集了 561 名志愿者（年龄 30-79 岁）的 3D MRI 膝关节数据。我们的目的是验证使用膝关节 MRI 进行自动软骨和半月板分割的软件的准确性，并检查来自神奈川膝关节研究数据的内侧半月板挤压测量和软骨测量之间的关系。方法我们通过随机选择 10 名健康志愿者和 103 名膝关节疼痛患者为该软件构建了一个神经网络。我们通过随机选择这 113 名受试者中的 108 名进行训练来验证算法，并确定其他 5 名受试者的骰子相似系数。我们使用所有数据（113 名受试者）构建了一个神经网络进行训练。通过使用训练有素的软件对神奈川膝关节研究数据进行量化，并研究了它们与受试者身高的关系。我们还量化了内侧半月板覆盖率（MMCR），定义为内侧半月板区域和内侧胫骨软骨区域之间的重叠区域与内侧胫骨软骨区域之间的比率。最后，结果软骨和半月板的骰子相似系数均约为 0.9。每个区域的股骨和胫骨软骨厚度和体积与身高相关，但在大多数情况下，PCAR 与身高无关。mcMT 的 PCAR 与 MMCR 显着相关。
结论
我们的软件显示出膝关节软骨和半月板的高分割精度。PCAR 比软骨厚度或体积更有用，因为它受高度影响较小。在我们的横断面研究中，观察到内侧胫骨软骨测量值和内侧半月板挤压测量值之间的关系 ips。
介绍
三维磁共振成像 (3D MRI) 分析可用于测量膝关节骨关节炎 (OA) 患者的软骨和半月板 。然而，这种有前途的方法目前并不流行，因为软骨和半月板的分割通常需要手动操作或校正，这需要时间和精力。这些问题已经通过使用深度神经网络的自动分割技术的发展得到解决。我们还开发了一种使用深度神经网络自动提取软骨和半月板的新型软件。本研究的一个目的是验证膝关节 MRI 中自动软骨和半月板分割软件的准确性。
使用 3D MRI测量膝关节软骨通常涉及使用软骨厚度、体积和厚度图 。我们最近提出了一种额外的软骨测量方法，即“投影软骨面积比”（PCAR）（图 1)，它表示受试者的实际软骨面积与患者理想软骨面积的比率，定义为从骨形态预测的感兴趣区域 (ROI)。PCAR = 1 表示软骨完全覆盖 ROI，而 PCAR = 0 表示没有软骨覆盖 ROI。通过调整软骨厚度的阈值，PCAR 可以检测到软骨覆盖的细微变化 。此外，与软骨厚度和体积不同，PCAR 可能不受身体大小的影响，并且在分析软骨时可能具有优势。然而，我们之前的开发并未涉及胫骨软骨，而是将 3D 重建的股骨软骨直接投影到 2D 平面上。由于软骨的倾斜，这导致 2D 投影中的表观厚度大于实际厚度 。为了克服这个问题，我们改进了对 3D 重建股骨软骨的评估，将其圆柱形投影到 2D 平面上。我们最近还开发了胫骨软骨的 PCAR 评估。
图。1
投影软骨面积和投影软骨面积比 (PCAR) 的描述。a软骨横截面示意图和投影软骨面积（软骨厚度> 1.0 mm）。横截面视图由投影软骨区域中的棕色线表示。PCAR 定义为绿色区域与蓝线 (ROI) 包围的区域的比率。b胫骨内侧软骨中的投影软骨面积（软骨厚度 > 0.0 mm）和胫骨中部内侧 (mcMT) 亚区域的 PCAR 的实际示例。胫骨内侧软骨的 ROI 是根据骨骼形态定义的，并由蓝线圈出。ROI被划分为九个子区域，mcMT子区域被红色方块包围。在这种情况下，mcMT PCAR0.0 为 1.00。c胫骨内侧软骨和 mcMT 亚区域的 PCAR 中的投影软骨面积（软骨厚度 > 1.0 mm）的实际示例。在这种情况下，mcMT PCAR1.0 为 0.92。d胫骨内侧软骨中的软骨厚度测绘。彩条显示软骨厚度
弯月面在减震中起着至关重要的作用，在调节承重分布方面尤为重要。半月板挤压是 OA 进展的最强风险因素之一 。半月板挤压的测量通常来自 2D MRI 或超声图像冠状视图中半月板的偏差宽度 。然而，挤压的半月板并不总是简单地向外移位，仅在一个平面上的评估不能解释挤压病理状况的全部细节。相比之下，3D MRI 分析可以提供内侧半月板覆盖率 (MMCR)，定义为内侧半月板区域和内侧胫骨软骨区域之间的重叠区域与内侧胫骨软骨区域的比率。_ _ _ _ _ 这种测量对于分析半月板挤压和 OA 之间的关系可能更有用。因此，我们研究的第二个目的是通过全自动三维 MRI 分析检查 MMCR 与包括 PCAR 在内的软骨测量值之间的关系。我们通过收集 561 名志愿者的 3D MRI 膝关节数据进行了这项分析，其中包括来自神奈川膝关节研究的 30 多岁、40 多岁、50 多岁、60 多岁和 70 多岁的 50 多名女性和 50 名男性。
材料和方法
本研究经东京医科齿科大学医学研究伦理委员会批准，并获得所有参与者的书面知情同意。这些方案被纳入日本国立大学医院委员会的数据库 (UMIN000031924, UMIN000032826) 并公开。
磁共振成像 (MRI)
使用 16 通道柔性线圈通过 3.0-T MRI (Achieva 3.0 T TX; Philips) 收集图像。通过使用脂肪抑制破坏梯度回波 (SPGR) 序列（重复时间，20 毫秒；回波时间，第 1 次 7 毫秒，第 2 次 13.8 毫秒；矩阵，256 × 256 ；翻转角度，90 度；切片厚度，0.3 毫米；视野，150 毫米 × 150 毫米；实际水脂肪偏移/带宽 (WFS/BW)，2.002 像素/217.0 赫兹；总检查时间，7 分 34 秒） （图 2一种）。使用质子密度加权成像 3D 快速自旋回波/涡轮自旋回波 (PDWI 3D FSE/TSE) 序列（重复时间，1000 毫秒；回波时间，35 毫秒；矩阵，256 × 256；翻转角度）提取半月板和骨骼数据, 35 度; 切片厚度, 0.3 mm; 视野, 150 mm × 150 mm; WFS/BW, 0.836 pix/519.4 Hz; 总检查时间, 7 min 30 s) (图 2 b) (表1 )。
图 2
用于 3D 分析的膝关节 2D MRI。脂肪抑制破坏梯度回波 (SPGR) 图像。b质子密度加权成像 3D 快速自旋回波/涡轮自旋回波 (PDWI 3D FSE/TSE) 图像。c从 SPGR 图像中自动提取的股骨和胫骨软骨。提取的软骨以绿色显示。d从 PDWI 3D FSE/TSE 图像中自动提取的半月板。提取的半月板显示为蓝色
表 1 磁共振成像 (MRI) 序列的成像参数
3D MRI自动分割算法基于包含编码器和解码器的 U-Net 构建了用于分割软骨（图 2 c）、半月板（图 2 d）和骨骼的 3D 卷积神经网络（3D-CNN）算法 （图.3）。编码器包含四个块，每个块由两个 3 × 3 × 3 卷积层、一个批归一化层和一个整流线性单元层组成。前 3 个块也有一个最大池化层，步长为 2。解码器包含三个块；每个都有一个上采样层、一个融合层和两个 3 × 3 × 3 的反卷积层。我们使用了两个 3×3×3 的卷积，而不是一个 5×5×5 的卷积，因为它们可以用更少的参数实现相同的接收场。输入是用于半月板和骨分割的 PDWI 3D FSE/TSE MRI 图像和用于软骨分割的 SPGR MRI 图像。输出是目标区域的概率图，包括背景区域。在 PDWI 3D FSE/TSE 和 SPGR MRI 图像上分别训练了两个具有相同结构的模型，
图 3
用于分割软骨、半月板和骨骼的 3D 卷积神经网络 (3D-CNN) 算法
该模型在 。将 MRI 图像输入 CNN，输出包括背景区域在内的目标区域的概率图。目标区域和背景区域的地面实况也表示为值为 0 或 1 的概率图。该模型是通过最大化地面实况的概率图与 CNN 使用 Adam 优化器输出的概率图之间的骰子率来训练的在 TensorFlow 中可用。CNN模型训练完成后，将要分割的图像输入到训练好的模型中，得到目标区域和背景区域的概率图。对于图像中的每个像素，我们找到在特定像素处具有最大概率的概率图的数量，并将该数字分配为像素的区域标签，然后对图像进行分割。
对于神经网络训练，我们随机选择了 2012 年 7 月 7 日至 2018 年 7 月 24 日期间到访我院的 10 名健康志愿者和 103 名膝关节疼痛患者。这些数据由两位作者（AH 和 HA）手动分割作为骨科医生接受了 6 年的培训，并有超过 200 例膝关节的手动矫正经验。AH手动分割股骨软骨，HA手动分割胫骨软骨和半月板。这些分割数据由专业工程师（KS 和 J.Mas.）转换以训练神经网络。通过使用重建的 3D 膝关节模型手动分割 ROI，该网络被训练以构建股骨软骨下骨和内侧/外侧胫骨平台的感兴趣区域 (ROI)。
我们通过随机选择 113 名受试者中的 108 名进行了验证测试，随机选择了 113 名受试者进行训练，并通过计算 Dice 相似系数 [ 21 ] 将其他 5 名受试者用于验证测试。由于样本量小，我们进行了 3 次验证测试，选择 108 个不同的主题进行训练，每次测试选择 5 个不同的主题。在完成三个验证测试后，该软件接受了所有 113 名受试者的培训，然后用于本研究的横断面研究。
神奈川膝盖研究Kanagawa Knee Study 的目的是阐明膝关节 OA 的流行病学和自然史，为诊断和治疗的发展获取证据，并确定膝关节 OA 的软骨和半月板再生医学的特定目标群体。
主要纳入标准为 (1) 神奈川县厅职员、神奈川县厅退休职员或在神奈川县工作或居住在东京都市区的人；（2）在职期间每天在办公桌前至少工作4小时或从事类似工作的人员；(3) 能够来东京站地区的人。
主要排除标准是那些有（1）左膝或右膝手术史的人；（2）有左、右膝关节损伤连续就诊3个月以上的病史；(3) 左下肢或右下肢（从臀部到足部）有 OA 或骨折史；(4)类风湿性关节炎或其他胶原疾病；(5) 意识到他们每天都进行剧烈运动，例如全程马拉松、铁人三项和举重。
为研究收集的主要数据包括（1）一份问卷，内容包括身高、体重、膝关节疼痛史、活动水平、膝关节损伤和骨关节炎结果评分（KOOS）和数值评定量表（NRS）；(2)右膝的MRI和X线片；(3)尿量。(5) 意识到他们每天都进行剧烈运动，例如全程马拉松、铁人三项和举重。
为研究收集的主要数据包括（1）一份问卷，内容包括身高、体重、膝关节疼痛史、活动水平、膝关节损伤和骨关节炎结果评分（KOOS）和数值评定量表（NRS）；(2)右膝的MRI和X线片；(3)尿量。(5) 意识到他们每天都进行剧烈运动，例如全程马拉松、铁人三项和举重。
为研究收集的主要数据包括（1）一份问卷，内容包括身高、体重、膝关节疼痛史、活动水平、膝关节损伤和骨关节炎结果评分（KOOS）和数值评定量表（NRS）；(2)右膝的MRI和X线片；(3)尿量。
我们收集了 561 个数据集，包括每个年龄组（30 多岁、40 多岁、50 多岁、60 多岁和 70 多岁）的 50 多名女性和 50 名男性。受试者规模基于研究预算。我们宣布在 2018 年 9 月 1 日至 2019 年 8 月 30 日期间在神奈川县政府招募这些受试者。参与者自愿参加了我们的研究。对于第一个数据集，我们在 2018 年 11 月 3 日至 2019 年 9 月 28 日期间在东京 AIC Yaesu 诊所收集了问卷、膝关节 X 光片和 MRI。我们计划收集这些数据两次，间隔为 1 年。目前正在收集第二个数据集。“本文只分析了第一个数据集。”
软骨测量我们用于 MRI 分析的软件是 3D 图像分析系统体积分析仪（SYNAPSE 3D，协作版，FUJIFILM Corporation，Tokyo，Japan）。我们通过将股骨软骨圆柱形投影并根据股骨将其划分为 ROI 内的三个区域来量化软骨（图 4a 。胫骨软骨垂直投影并在内侧胫骨和外侧胫骨平台的ROI内分为两个区域（图4b）。每个区域以等间隔自动划分为 3 × 3 个子区域 。
图 4
软骨区域和半月板覆盖率（MCR）。a股骨软骨的三个区域。绿色区域是股骨软骨。股骨软骨的 ROI 基于骨骼形态定义并由蓝色外线包围。ROI被分成27个子区域，用蓝线表示，曲线由CNN自动确定。b胫骨软骨的两个亚区。CMMCR 的示意图。对于内侧胫骨关节面，软骨区域、ROI 区域和内侧半月板区域及其重叠区域以不同的颜色显示。红色区域显示 ROI 区域和内侧半月板区域之间的重叠。黄色区域表示不与其他区域重叠的 ROI 区域。绿色区域显示不与其他区域重叠的软骨区域。蓝色区域显示不与 ROI 区域重叠的内侧半月板区域。可以对外侧半月板给出类似的解释
我们的软件自动计算了每个区域和子区域的平均软骨厚度 (ThC)、软骨体积 (VC) 和投影软骨面积比 (PCAR)。我们的软件还可以显示软骨厚度映射（图1 d）。PCAR 表示投影软骨面积与 ROI 总面积的比率。我们评估了 PCAR 的软骨厚度阈值 > 0.0 mm、> 0.5 mm、> 1.0 mm 和 > 1.5 mm。每次测量时软骨厚度阈值的 PCAR 值分
指定为 PCAR0.0、PCAR0.5、PCAR1.0 和 PCAR1.5。弯月面挤压测量自动计算内侧半月板挤压 (MME) 面积、MME 体积和内侧半月板覆盖率 (MMCR)。MME区域被定义为内侧半月板区域不与内侧胫骨平台的ROI区域重叠（图 4c）。MME 体积定义为 MME 区域 MM 段的 3D 测量值。MMCR定义为内侧半月板重叠面积与内侧胫骨平台ROI面积之比（图 4c）。
统计分析我们通过计算手动分割和自动分割之间的 Dice 相似系数 (DSC)来评估自动分割的准确性。对于每个验证测试，在股骨、胫骨、股骨软骨、胫骨软骨、内侧/外侧半月板、股骨软骨下骨 ROI 和内侧/外侧胫骨平台 ROI 处计算 5 名测试对象的 DSC。在三个验证测试之后，我们计算了每个测试的平均 DSC。
我们使用 Spearman 等级相关性检验评估了每个定量值与其他定量值之间的相关性。所有统计分析均使用 JMP® 14 (SAS Institute Inc., Cary, NC, USA) 进行。P值<0.05被认为具有统计学意义。
结果分割精度所有测试的平均 DSC 为股骨 0.985、胫骨 0.980、股骨软骨 0.911、胫骨软骨 0.892、内侧半月板 0.916、外侧半月板 0.891、0.905股骨软骨下骨，内侧/外侧胫骨平台的 ROI 为 0.888（表 2）
表 2 自动分割精度
神奈川县膝关节研究的研究对象特征该研究包括 561 名受试者：277 名女性和 284 名男性（表 3）。受试者的总体平均年龄为女性 53.7 ± 13.9 岁，男性为 55.2 ± 11.0 岁。女性的体重指数为 22.5 ± 3.0 (kg/cm 2 )，男性为 23.6 ± 3.2 (kg/cm 2 )。Kellgren-Lawrence OA 量表的 3 级或 4 级比率为女性 5.4% 和男性 1.4%。
表 3 研究对象的特征
软骨测量值与体型之间的相关性每个区域的股骨和胫骨软骨的厚度和体积都与两性的身高相关（表 4）。相比之下，股骨内侧 (MF) PCAR、股骨外侧 (LF) PCAR、胫骨内侧 (MT) PCAR 和胫骨外侧 (LT) PCAR0.0-1.5 与身高无关。即使存在相关性，两种性别的 rs 值也小于 0.2。软骨测量值（CV、ThC 和 PCAR）与体重之间或软骨测量值与 BMI 之间没有相关性（数据未显示）。
表 4 软骨与身高的相关性量化
mcMT 软骨与 MMCR 之间的相关性我们专注于 mcMT 子区域（图1b，c），以检查五个软骨子区域（图 4a，b）中每个子区域的软骨测量值与 MME 面积、MME 体积和 MMCR 之间的关系（图4a，b），因为次区域被认为比其他次区域更具代表性。我们还关注包括软骨厚度和体积在内的软骨测量中的 PCAR，因为 PCAR 值是不受高度影响的软骨测量值。在女性中，mcMT PCAR0.0、0.5 和 1.0 与 MME 面积、MME 体积和 MMCR 显着相关，而 mcMT PCAR1.5 与 MMCR 相关（表 5）。在男性中，mcMT PCAR0.0、0.5和1.0与MME面积、MME体积和MMCR显着相关，但PCAR0.5和MMCR之间存在相关性除外。但是，它们的 rs 绝对值小于 0.2。
表 5 PCAR 在 mcMT 和 MMCR 的相关
讨论这款为膝关节 MRI 3D 分析而开发的软件具有八个主要功能：（1）自动提取骨骼、软骨和半月板；(2) 构建骨骼、软骨、半月板三个维度；(3)在平面上突出胫骨软骨；(4) 将股骨软骨在平面上呈圆柱状突出；(5)根据骨骼的形态，为股骨软骨设置三个相邻的软骨区域，为胫骨软骨设置两个单独的软骨区域的ROI；（六）将每个区域划分为九个子区域；(7) 量化软骨厚度、体积和 PCAR；(8) 量化弯月面覆盖率。这是我们使用该软件分析流行病学研究数据的第一份报告。
对于定量膝关节软骨形态测量，许多报告使用一种序列，即 OAI 推荐的稳态 3D 双回波 (DESS) 。我们使用了两种类型的序列；SPGR 对软骨的鉴别具有优越性，而 PDWI 3D FSE/TSE 可用于定义半月板。虽然使用这两个序列增加了成像时间，但两个序列的总时间可以保持在 20 分钟以内。
各区域股骨和胫骨软骨的厚度和体积与身高相关。一些报告描述了软骨厚度和体积作为软骨测量的有用性；然而，我们的结果表明，这些测量值需要针对每个人的身高进行调整，以便在横断面研究中使用。相比之下，MF PCAR0.0-1.5 和 MT PCAR0.0-1.5 与身高无关。PCARs 作为软骨测量比软骨厚度和体积更有用，因为 PCAR 不需要针对高度进行校正。
MME 是 OA 发生的已知风险因素。MME 通常通过使用 2D MRI 或冠状超声测量内侧半月板边缘和胫骨平台边缘之间的距离来量化 。我们自动计算了 MME 面积、MME 体积和 MMCR。MME 区域定义为内侧半月板与内侧胫骨平台 ROI 区域不重叠的区域。我们对 MME 的定义是独一无二的，因为它反映了每个方向的挤压，包括前后挤压和内侧挤压。然而，我们测量的局限性在于 MME 区域包括 MM 的前根和后根，以及内侧胫骨平台 ROI 区域和胫骨内侧边缘之间的 MM。MMCR 是一种类似于半月板覆盖的胫骨平台面积百分比的测量方法，Roth 等人已经提出了这一点。，并且有助于克服这个限制。我们在横断面研究中展示了内侧胫骨软骨和内侧半月板挤压测量之间的关系。
我们还有其他三个限制。首先，软件是特定于训练队列的，不同队列的表现并不相同。其次，由于一位作者手动分割股骨软骨而另一位作者手动分割胫骨软骨和半月板，因此我们无法计算分割准确性的评估者内信度。第三，神奈川膝关节研究的受试者构成与一般人群不匹配，这种选择偏差不容忽视。
结论
**** Hidden Message *****
非常好的一篇文章，借来学习
页:
[1]