​Boala cronică de rinichi (CKD): sunteți potrivit pentru transplanturi de rinichi simple și duble?

pentru mai multe informații:ali.ma@wecistanche.com

Partea Ⅰ: O rețea neuronală pentru clasificarea glomerulului bazată pe imagini histologice ale biopsiei de rinichi

Giacomo Donato Cascaranol, Francesco Saverio Debitontol și colab.

fundal

Boală cronică de rinichi(CKD) este o afecțiune patologică caracterizată printr-o degenerare funcțională arinichi. CKD (Boală cronică de rinichi) este a 12-a cauză de deces, cu până la 1,1 milioane de cazuri la nivel mondial; mortalitatea crescută legată de CKD (Boală cronică de rinichi)din ultimii ani o face una dintre cauzele de deces cu cea mai rapidă creștere, alături de diabet și demență [1, 2].Rinichitransplanteste cea mai bună terapie de substituție renală, după cum sa dovedit a fi mai eficientă decât tratamentul de dializă în ceea ce privește riscul de mortalitate pe termen lung și, în același timp, are un impact redus asupra sistemului de sănătate publică [3, 4].

Faceți clic pe Cistanche NZ pentru Boală cronică de rinichi

Liyanage și colab. a estimat că 2,6 milioane de oameni, în fața a 4,9 milioane de pacienți, au primit terapie de substituție renală la nivel mondial în 2010, sugerând că cel puțin 2,3 milioane de oameni ar fi murit prematur, deoarece terapia adecvată nu a putut fi accesată [5].

Datorită necesităţii tot mai mari derinichitransplanturi[6], diferite studii au încercat să lărgească criteriile de acceptarerinichipentru transplantare, care sunt în general excluse pe baza vârstei donatorului și a altor caracteristici legate atât de calitatea, cât și de dimensiunearinichi[7,8].

Moore şi colab. a efectuat o comparație între dualrinichitransplantde la donatori cu criterii extinse (ECD) și singuririnichitransplantde la ECD-uri concurente și donatori cu criterii standard. Autorii au apreciat că utilizarea dualtransplant de rinichide la donatori marginali este o opțiune viabilă și că funcția renală poate fi realizată, cu condiția ca ambelerinichisunt transplantate într-un singur receptor [9].

Remuzzi şi colab. a propus o tehnică de evaluare arinichicondițieprin evaluarea biopsiilor histologice [10]. Criteriul de evaluare, cunoscut sub numele de scor Karpinski, are în vedere evoluția (în procente) a unei stări patologice a patru arii funcționale principale: glomeruloscleroza, atrofia tubulară, fibroza interstițială și scleroza arterială. Acest scor variază de la 0 la 12 și cu cât este mai mare, cu atât este mai răustarea rinichilor [10-12]. Rinichicu un scor Karpinski de la 0 la 3 și de la 4 la 6 sunt considerate potrivite pentrutransplanturi simple și duble, respectiv.

Tratamentul bolilor de rinichi: cistanche și transplant de rinichi

Pentru a evalua scorul Karpinski, patologii efectuează evaluarea vizuală a imaginilor histopatologice Whole-Slide (WSI). Acest proces este, de obicei, consumator de timp, predispus la erori și, de asemenea, subiectiv.

Pentru a depăși aceste dezavantaje, dezvoltarea sistemelor de diagnosticare asistată de computer (CAD) bazate pe analiza histopatologică a imaginii țesuturilor pentru susținerea calculării scorului este un progres valoros.

Lucrări recente de literatură arată aplicarea tehnicilor de procesare a imaginilor și de învățare automată pentru analizărinichihistopatologicWSI-uri pentru detectarea și clasificarea glomerulilor. Abordările de procesare a imaginilor urmăresc extragerea de caracteristici semnificative, de exemplu, cele bazate pe analiza formei și texturii; apoi, algoritmii de învățare automată, cum ar fi rețelele neuronale artificiale (ANN-uri) superficiale sau profunde, iau decizii pe baza caracteristicilor extrase.

Simon et al, for example, proposed texture-based features set as a simple but effective automatic method for glomeruli localization [13]. The authors applied the algorithm on renal tissue sections and biopsies of large histopathological WSIs. The features extracted from an adaptation of the Local Binary Pattern (LBP) algorithm were used to train a Support Vector Machine(SVM)model. The authors reported high precision(>90%) and reasonable recall (>70 la sută) ca rezultate.

Pentru a efectua o detecție cuprinzătoare a glomerulilor în imagini de întregrinichisecțiuni, Kato și colab. a propus un nou descriptor numit Segmental HOG (Histogram of Oriented Gradients)[14]. Autorii au susținut robustețea soluției și rezultate de segmentare de înaltă calitate; în plus, autorii au comparat HOG segmentar cu HOG rectangular, arătând că prima abordare a atins îmbunătățiri semnificative în performanța de detecție.

Mai mulți autori s-au concentrat, în schimb, pe analiza formei și culorii glomerulilor. Kotyk și colab. au propus o soluție nouă pentru a face față variației mari de intensitate și inconsecvenței în ceea ce privește forma și dimensiunea glomerulilor din corpusculul renal. Abordarea propusă, bazată pe tehnica Particles Analyzer, a permis detectarea corpusculului renal și următoarea măsurare a diametrului glomerulului și a lățimii spațiului lui Bowman. Autorii evaluează că abordarea a fost robustă la deformările glomerulilor chiar și în cazul hipertrofiei glomerulare [15]. O analiză a efectelor diversității semnificative a culorii și a formei țesuturilor asupra imaginilor întregi de diapozitive a fost efectuată de Zhao și colab. [16]. Autorii s-au concentrat pe extracția lățimii capsulei lui Bowman pentru a proiecta un cadru automat de extracție a glomerulului din micrografia întregului țesut renal. Sistemul a fost testat pe țesuturi renale de primate non-umane cu colorare cu hematoxilină și eozină (HE).

Bukowy și colab. a propus un flux de lucru de analiză diferit. În [17], autorii au dezvoltat o rețea neuronală convoluțională pentru a detecta glomeruli în secțiuni de rinichi colorate cu tricrom. Procedura a fost testată pe șobolanrinichiiar rezultatele raportate, cu privire la clasificarea glomerulilor sănătoși și deteriorați, arată o precizie medie și reamintire de 96,94 la sută, respectiv 96,79 la sută.

Într-o lucrare anterioară a lui Bevilacqua și colab., un sistem CAD pentru segmentarea și discriminarea vaselor de sânge față de tubii din biopsii înrinichițesutul a fost proiectat și testat [18]. Imaginile histologice cu colorare Periodic Acid-Schiff (PAS) au fost folosite pentru a segmenta regiunile de interes (ROI) și a extrage caracteristicile Haralick, permițând o procedură de clasificare ulterioară folosind algoritmi bazați pe ANN-uri. Rezultatele testelor au determinat că abordarea ANN supravegheată a fost consecventă, permițând obținerea unei bune performanțe de clasificare.

Această lucrare se concentrează pe evaluarea automată arinichibiopsii, care se ocupă de o afecțiune patologică specifică considerată de scorul Karpinski: glomeruloscleroza, adică. raportul dintre glomerulii sclerozați și numărul total de glomeruli. Pentru a face acest lucru, detectarea și discriminarea stării sclerotice care afectează glomerulii de cele nesclerotice sunt cruciale. După cum sa raportat deja în lucrările de ultimă generație, aceasta este o sarcină dificilă din cauza variațiilor largi de intensitate a glomerulilor și a inconsecvenței în formă și dimensiune.

tratamentul bolii renale:transplanturi simple și dublecercetările

O combinație de diferiți algoritmi de extracție a caracteristicilor a fost proiectată și evaluată pentru a discrimina starea glomerulilor. Literatura raportată arată algoritmi specifici și unici de procesare a imaginilor aplicați pe diferite tipuri de colorare și WSI non-umane. Setul de caracteristici propuse în această lucrare, în schimb, provine dintr-o colecție de două familii de algoritmi de extracție de caracteristici utilizate pe scară largă, binecunoscute și de uz general, adică caracteristici morfologice și de textură. Aceste familii de caracteristici sunt, de asemenea, incluse în unii dintre algoritmii propuși în literatură, dar în această lucrare au fost extrase din WSI-uri umane cu colorare PAS. În plus, conducta de clasificare, detaliată în Metode, include și proceduri pentru reducerea caracteristicilor care permit proiectarea unei rețele neuronale artificiale de mică adâncime. Fluxul de lucru general propus în această lucrare și integrarea cu procedura prezentată în[18], ne vor permite să construim un sistem CAD complet pentru analiza WSI-urilor histopatologice.

Rezultate

Sunt raportate rezultatele obținute prin evaluarea fluxului de lucru de clasificare propus pe setul de testare. În special, rezultatele se referă la performanța obținută având în vedere setul redus de caracteristici clasificate prin utilizarea ANN-ului superficial validat încrucișat. După cum se arată în Tabelul 1, setul de testare a fost constituit din 579 imagini glomeruli: 87 sclerotice, 492 nesclerotice.

Pentru a evalua stabilitatea fluxului de lucru, au fost efectuate 10 rulări ale întregului proces. Rezultatele obținute sunt rezumate în Tabelul 2. În special, rezultatele sunt raportate în termeni de medie și abatere standard a mai multor parametri, adică Acuratețe (Eq.1), Precizie (Eq.2), Recall (Eq.3) și Matthews Coeficientul de corelație (Eq.4)[19], evaluat conform matricei de confuzie raportată în Tabelul 3.

Dintre iterații, cele mai bune rezultate sunt raportate în Tabelul 4, în timp ce matricea de confuzie corespunzătoare este raportată în Tabelul 5.

Fluxul de lucru implementat permite clasificarea glomerulilor sclerotici și nesclerotici cu performanțe bune (MCC medie=0.95 și Precizie medie=0.99) și variabilitate scăzută (MCC std{=0.01) și Precizie std<0.00)(see table="" 2).="" precision="" and="" recall="" are="" equal="" to="" 0.98="" and="" 0.93,="" respectively,="" thus="" showing="" that="" the="" proposed="" system="" achieves="" a="" better="" performance="" in="" the="" non-sclerotic="" evaluation(all="" the="" non-sclerotic="" glomeruli="" were="" detected="" in="" the="" best="">

Tabelul 1 Configurarea setului de date	Tabelul 2 Comparația valorilor a 10 inițializări de rețea

Tabelul 3 Matricea de confuzie pentru calcularea valorilor	Tabelul 4 Comparația valorilor pentru 10 inițializare a rețelei

Tabelul 5 Matricea de confuzie a celui mai bun model

Discuţie

Evaluând abordarea propusă pe un set de testare independent, fluxul de lucru de clasificare a obținut un MCC mediu și o acuratețe de {{0}},95 și, respectiv, 0,99, și o variabilitate scăzută pe 10 iterații independente (MCC std{{5} }.01 și Precizie std<0.00). good="" precision="" and="" recall="" were="" also="" obtained="" (precision:="" 0.9844±0.0111,="" recall:="" 0.9310±0.0153).="" the="" proposed="" approach="" thus="" leads="" to="" an="" improvement="" of="" the="" classification="" performance="" if="" compared="" to="" the="" reported="" literature[13,="">

În timpul implementării și evaluării fluxului de lucru raportat, ne-am confruntat și testat problema comună de dezechilibrare a datelor, care a fost rezolvată prin utilizarea MCC ca coeficient de comparare a performanței și curba ROC pentru selectarea pragului optim de clasificare. Rezultatele raportate sugerează că configurația propusă a fluxului de lucru este de încredere pentru domeniul investigat, susținând practica clinică de a discrimina cele două clase de glomeruli.

Analizând glomerulii clasificați greșit, am constatat, de asemenea, că imaginile de intrare corespunzătoare probelor clasificate greșit au arătat artefacte colorante sau părți parțiale (mai ales pe margini); exemple comune sunt menționate în Fig.1. În practica clinică, totuși, patologii renunță la astfel de imagini care ar putea fi, de asemenea, excluse din fluxul de lucru propus prin conceperea strategiilor pentru detectarea în avans a imaginilor afectate de astfel de probleme.

Tratamentul bolilor de rinichi: transplant de rinichi unic și dublu

CLICK AICI PENTRU PARTEA Ⅱ