Cadru pentru estimarea funcției renale folosind imagistica prin rezonanță magnetică

Scop abstract: Nefrologiau prezis empiricfunctie renaladinmorfologie renală. În diagnosticarea unui caz de disfuncție renală cu evoluție necunoscută, leziunea renală acută și boala renală cronică sunt diagnosticate din teste de sânge și un studiu imagistic care include imagistica prin rezonanță magnetică (RMN) și se stabilește o politică de examinare/tratament. Un cadru pentru estimarea funcției renale din imaginile apei obținute prin metoda Dixon este propus pentru a oferi informații care îi ajută pe clinicieni să ajungă la un diagnostic prin estimarea precisă.functie renalabazat pe RMN renal.

CLICK AICI PENTRU A OBȚINE EXTRACT DE CISTANCHE ORGANIC NATURAL CU 25% ECHINACOSIDE ȘI 9% ACTEOSIDE PENTRU FUNCȚIA RENICALE

Abordare:Cadrul propus constă din patru etape. În primul rând, zona rinichilor este extrasă prin RMN folosind metoda Dixon cu o rețea U prin învățare profundă. În al doilea rând, regiunea renală extrasă este înregistrată cu masca țintă. În al treilea rând, caracteristicile rinichilor sunt calculate pe baza informațiilor de clasificare a măștii țintă create de un specialist. În al patrulea rând, cea estimatărată de filtrare glomerulară(eGFR) reprezentândfunctie renalaeste estimat folosind o mașină vectorială de suport de regresie din caracteristicile calculate.

Rezultate:Pentru evaluarea acurateței, am experimentat pentru a estimaeGFRcând a fost efectuat RMN șieGFRpanta, care este rata anuală de scădere a eGFR. Când a fost evaluată acuratețea pentru 165 de subiecți, eGFR a fost estimat a avea o eroare pătratică medie (RMSE) de 11,99 și un coeficient de corelație de 0,83. În plus, panta eGFR a fost estimată a avea un RMSE de 4,8 și un coeficient de corelație de 0,5.

Concluzii:Prin urmare, metoda propusă arată posibilitatea estimării prognosticului funcției renale pe baza imaginilor de apă obținute prin metoda Dixon.

Cuvinte cheie:estimat cantitativrată de filtrare glomerulară; imagistică prin rezonanță magnetică;rinichi.

1. Introducere

Boala cronică de rinichi(CKD) este definită ca o scădere persistentă a estimateirată de filtrare glomerulară(eGFR) la<60 mL∕ min per 1.73 m2, the presence of abnormalities suggestive of renal injuries, such as proteinuria, or both.1,2 When CKD progresses, renal replacement therapy is required. Moreover, CKD is also important as an underlying condition related toarteriosclerozășiimunodeficiență, asa deCKDpoate fi văzut a fi legat de câteva cauze majore de deces.1,2 CKDeste o problemă medicală globală care afectează de la 8% până la 16% din populația lumii.3 Datorită varietății mari de cauze ale BRC, nu există o intervenție terapeutică specifică, fiind necesară depistarea precoce a bolii și controlul factorilor de risc pentru afectarea rinichilor.

Când un nefrolog tratează un pacient cudisfuncție renalăcu o evoluție clinică necunoscută, medicul nefrolog se referă adesea la rezultatele imagistice pentru rinichi, pe lângă datele de laborator și istoricul medical. În acest scop, ultrasonografia renală, tomografia computerizată cu raze X abdominopelviane și imagistica prin rezonanță magnetică renală (RMN) sunt utile. Nefrologul prezice potențiala funcție renală sugerată de morfologie și reflectă acest potențial în planificarea tratamentului. RMN-ul are o rezoluție deosebit de bună în ceea ce privește contrastul țesuturilor moi și, prin utilizarea unor metode imagistice adecvate, este posibil să se obțină informații detaliate despre structura internă a rinichiului, cum ar fi marginea corticomedulară.4 Mai mult, RMN-ul poate, de asemenea furnizează date despre aspectele fiziologice ale rinichiului. Valoarea T2* a oxigenării sângeluidependent de nivelMetoda (BOLD) este un indice de ischemie/hipoxie, care poate duce la progresia CKD și este semnificativ corelată cu rata de deteriorare a CKD.5,6 Valoarea aparentă a coeficientului de difuzie a imaginii ponderate în difuzie este un indice este legată de fibroza renală și este semnificativ corelată cu constatările patologice ale biopsiei renale.7 Așa cum este descris mai sus, există așteptări mari în ceea ce privește RMN ca metodă de evaluare a rinichilor neinvazivă și cu mai multe fațete, dar RMN are un dezavantaj, nu există o metodă disponibilă pentru cuantificarea cuprinzătoare. de imagini.

În mod tradițional, imaginile medicale au fost măsurate prin metoda regiunii de interes (ROI). În metoda ROI, este selectată o zonă dreptunghiulară sau circulară, iar valoarea medie a intensităților semnalului din zonă este utilizată ca valoare reprezentativă. Problemele cu această metodă includ posibilitatea ca deciziile arbitrare luate de observator să implice dificultăți în includerea informațiilor despre locație și faptul că doar o parte a imaginii poate fi măsurată. Pruijm et al.5 au propus metoda 12-layer concentric objects (TLCO) pentru analiza regiunii renale prin împărțirea acestei regiuni în 12 straturi. Metoda TLCO este o metodă de a desemna interiorul și exteriorul regiunii renale și de a analiza întreaga zonă pe baza celor 12 straturi. Regiunile externe (cortex) și interne (medulare) ale rinichiului au structuri și funcții diferite, iar metoda TLCO ia în considerare structura particulară a rinichiului. În plus, s-a raportat că metoda TLCO este mai stabilă decât metoda ROI deoarece întreaga regiune renală este stratificată și analizată pur și simplu prin specificarea regiunilor externe și interne.8 Cu toate acestea, imaginile obținute clinic pot fi atrofiate sau deformate atunci când rinichiul este afectat și poate prezenta diferențe individuale sau poate conține chisturi. Ca atare, nu este întotdeauna posibilă împărțirea uniformă a rinichilor în mai multe straturi, rezultând constatări instabile. Prin urmare, există dorința pentru o metodă complet automată și stabilă de analiză a rinichilor.

Ca metodă cuprinzătoare de cuantificare a imaginilor renale, Kuo și colab.9 au propus o metodă de estimare a eGFR în momentul examinării utilizând învățare profundă și imagini ultrasonice. În contrast,diagnosticare asistată de calculatorAu fost raportate studii (CAD) privind RMN renal și studii asupra rinichilor transplantați. Khalifa și colab.10 au propus un cadru care estimează respingerea rinichilor transplantați folosind metoda imagistică prin rezonanță magnetică cu contrast dinamic (DCE-MRI) în serie de timp. În această metodă, imaginile obținute prin DCE-MRI în serie de timp sunt aliniate, iar regiunea renală este extrasă folosind metoda nivelului. Alinierea este apoi corectată, iar cortexul este calculat și analizat pe baza luminozității din regiunea renală extrasă. Shehata și colab.11 au propus o metodă de estimare a respingerii rinichilor transplantați folosind deep learning. Metoda DCE-MRI necesită un mediu de contrast și nu poate fi aplicatăcazuri de CKD. În plus, este dificil să extragi cortexul pe baza luminozității rinichilor afectați.

În acest studiu, am încercat să rezolvăm problemele de mai sus și să dezvoltăm o metodă cuprinzătoare de evaluare pentru RMN renal care poate fi aplicată ca test clinic. Profitând de relația strânsă dintre morfologia renală și funcția renală, imaginile de apă utilizate în metoda Dixon pentru evaluarea structurii interne a rinichiului au fost folosite pentru a evalua ținta, iar eticheta corectă a fost eGFR, care este un indice al renală. funcţie. Tehnicile Dixon se bazează pe diferența de frecvență de rezonanță dintre grăsime și apă și, prin urmare, sunt dobândite imagini numai grăsimi, numai apă, în fază și în afara fazei.12 În rinichi, unde cei bogati în apă parenchimul de organ este înconjurat de grăsime, Dixon sau imagini similare cu grăsime suprimată disting clar parenchimul renal de structura înconjurătoare. Propunem o metodă de extragere a regiunii renale din imagini de rezonanță magnetică cu o rețea U, conversia regiunii renale extrase într-un corp nerigid în masca țintă și apoi analizarea acestei regiuni pe bazaTLCOa măștii țintă.

Fig. 1 Sistem CAD propus pentru estimarea pantei ratei de filtrare glomerulară din RMN folosind metoda Dixon.

2 Material și metode

Cadrul automat propus este prezentat în Fig. 1. Cadrul propus utilizează următorii patru pași pentru a procesa RMN-ul metodei Dixon:

1. Segmentarea zonei rinichilor din structurile abdominale din jur prin U-net.

2. Eliminarea zgomotului prin etichetare tridimensională (3D). 3. Înregistrarea nerigidă a zonei rinichilor și a măștii țintă. 4. Calculul TLCO. 5. Estimarea funcției renale (eGFR) printr-o mașină cu vector suport de regresie (SVM).

În această lucrare, metoda propusă este metoda automată TLCO (A-TLCO) care compensează punctele slabe ale metodei TLCO raportate anterior și automatizează procesul de măsurare. Detaliile metodei sunt descrise mai jos pentru a distinge metoda propusă de metoda TLCO manuală convențională.

2.1 Zona rinichilor

Este segmentat de structurile abdominale din jur prin U-net Imaginile cu apă ale metodei Dixon utilizate în acest studiu au o regiune renală clară. În plus, această secțiune descrie o extracție brută a regiunii renale. Prin urmare, am decis să folosim U-net, despre care se știe că oferă rezultate bune pentru extragerea zonei a imaginilor medicale.13 Au fost folosite secțiuni coronale ale imaginilor cu apă Dixon. Există trei până la șase imagini tăiate per subiect, iar dimensiunea imaginii este de 320 × 320. Am folosit 1201 imagini din 174 de cazuri. Toate imaginile au fost create de un specialist ca imagine de segmentare renală. Figura 2 prezintă rețeaua U utilizată pentru extracția regiunii renale. Rețeaua discriminează între trei clase: rinichi, limite ale rinichilor și alte țesuturi. Cu toate acestea, există o distribuție dezechilibrată a probelor în clasa limitelor rinichilor în comparație cu celelalte clase de țesuturi. Am folosit o pierdere de entropie încrucișată ponderată pentru a compensa acest dezechilibru și a obține o învățare mai precisă atunci când antrenăm rețeaua. Am folosit softmax cu pierdere de entropie încrucișată ponderată pentru ieșirea în rețea și compararea adevărată a etichetelor.

Fig. 2 Arhitectura U-net utilizată pentru extracția regiunii renale în acest studiu.

Fig. 3 Rezultatele extracției regiunii renale prin U-net: (a) original, (b) mască și (c) rezultat.

Minimizarea costurilor pe 50 epoci a fost efectuată utilizând optimizatorul de estimare a momentului adaptiv cu o rată de învățare de 0,0001. Timpul de antrenament pentru această rețea a fost de aproximativ 1 oră pe o stație de lucru cu un GPU NVIDIA TITAN RTX × 2. Un total de 1201 imagini au fost împărțite în 600 și 601 imagini, iar clasificarea a fost efectuată pentru a extrage regiunea renală. Experimentul de estimare a funcției renale a fost apoi efectuat pentru toți subiecții. Figura 3 prezintă rezultatele extracției obținute de U-net. Figura 3(a) este o imagine de intrare, iar Figura 3(b) este o imagine a profesorului. Figura 3(c) arată rezultatul extracției. Se poate confirma că există puține fals pozitive și că regiunea apropiată de regiunea renală poate fi extrasă.

2.2 Fals-Detection

Îndepărtarea prin etichetare 3D Deși regiunea renală detectată de U-net a fost foarte precisă, a avut loc o detectare falsă. Fals pozitivi sunt extrași pentru alte organe decât rinichii, așa cum se arată în Fig. 4(b). Acest lucru se poate datora faptului că atunci când U-net este antrenat cu 64 × 64 de patch-uri, informațiile spațiale mai mari decât dimensiunea patch-ului se pierd. Pentru a îmbunătăți această problemă, sunt luate în considerare metode care includ detectarea locației rinichiului prin detectarea obiectelor, cum ar fi Faster R-CNN14 sau YOLOv3,15 și aplicarea segmentării semantice într-o regiune îngustă. Cu toate acestea, în acest studiu, limita rinichiului de U-net este bine discriminată și există puține fals pozitive pentru alte organe, așa că nu este nevoie să complicăm procesul. Prin urmare, am decis să efectuăm etichetare 3D pentru fiecare subiect și să excludem alte zone decât cele cu o suprafață mare. Rezultatele procesate sunt prezentate în Fig. 4. Figurile 4(a)–4(c) arată rezultatele extracției prin U-net. Se poate confirma că fals pozitive apar în alte zone decât regiunea renală. Figurile 4(d)–4(f) arată rezultatele etichetării 3D și excluderii zonelor cu o zonă 3D de 2500 de pixeli sau mai puțin. Această procedură a fost aplicată tuturor celor 1201 imagini și s-a confirmat că nu au existat cazuri în care regiunea renală a fost accidentală.

Fig. 4 Suprafața rinichilor obținută prin U-net: (a) felia 1, (b) felia 2 și (c) felia 3. Rezultatul eliminării zonei de zgomot prin etichetare 3D: (d) felia 1, (e) felia 2 și (f) felia 3.

2.3 Înregistrarea nerigidă a zonei rinichilor și a măștii țintă

O metodă eficientă de estimare a funcției renale este analizarea structurii rinichiului, luând în considerare rinichiul din punct de vedere anatomic.5,16 Cu toate acestea, este nevoie de timp și efort pentru ca un specialist să extragă manual regiunea renală. În plus, măsurătorile manuale vor avea ca rezultat rezultate diferite în funcție de specialist. Prin urmare, propunem o metodă prin care să identificăm automat pozițiile cortexului și medularului tuturor imaginilor prin înregistrarea tuturor regiunilor renale extrase de U-net la o mască țintă. Metoda de înregistrare se realizează în doi pași folosind o funcție MATLAB. Primul pas este o transformare afină bazată pe luminozitate. Metoda de înregistrare bazată pe luminozitate calculează asemănarea dintre două imagini, repetă transformarea afină astfel încât similitudinea să fie mare și estimează transformarea geometrică (translație/rotație/scalare/forfecare) cu cea mai mare asemănare. Rezultatele procesării sunt prezentate în Fig. 5. Figura 5(a) este imaginea originală. Figura 5(b) prezintă rezultatele extragerii regiunii renale prin U-net. Figura 5(c) este masca țintă. Figura 5(c) este regiunea renală a unei imagini renale normale extrasă de un specialist. Un pacient tipic are doi rinichi. În acest studiu, analizăm rinichiul cu o suprafață mai mare. În Fig. 5(b), rinichiul stâng este mai mare. Ca atare, rinichiul stang este extras si inregistrat cu masca tinta. Figura 5(d) prezintă o imagine pseudocoloră a măștii țintă și poziția inițială a rinichiului extras. Imaginea pseudocoloră arată masca țintă în verde, rinichiul extras în magenta și pixelii suprapuneri ai ambelor în alb. Rezultatul transformării afine este prezentat în Fig. 5(e). Apoi, forma este fin modificată prin înregistrare folosind un câmp de deplasare bazat pe luminozitate.9,10 În această lucrare, înregistrarea este efectuată folosind câmpul de deplasare bazat pe algoritmul demonilor lui Thirion.1,2 Rezultatul modificării imaginii prezentate în Fig. 5(e) folosind câmpul de deplasare este prezentată în Fig. 5(f). Forma fină a fost modificată pentru a se apropia de masca țintă. Figura 5(g) arată înregistrarea finală a imaginii.

Fig. 5 Rezultatul transformării rigide: (a) imagine originală, (b) rezultat prin U-net, (c) mască țintă, (d) poziția inițială, (e) transformare afină, (f) câmp de deplasare și (g) ) rezultatul înregistrării.

2.4 Calculul TLCO

În acest studiu, metoda TLCO este utilizată pentru analiza funcției renale. Metoda TLCO specifică limitele interioare (partea medulară) și exterioară (partea corticală) ale parenchimului renal și împarte regiunea renală în 12 straturi de la exterior spre interior. Metoda de stratificare nu este explicată în lucrarea TLCO.8 Prin urmare, în acest studiu, am calculat TLCO folosind conversia distanței geodezice.17 Când conversia distanței geodezice introduce o imagine binară a regiunii renale și o imagine semințe, o imagine de conversie a distanței este generate pe baza imaginii semințelor. Figura 6(a) prezintă o imagine binară a regiunii renale extrasă de un specialist. Figura 6(b) prezintă o imagine a semințelor realizată de un specialist. Figura 6(c) prezintă o imagine pseudocoloră a conversiei distanței geodezice. Cu toate acestea, imaginea prezentată în Fig. 6(c) nu a fost obținută prin împărțirea regiunii renale în 12 straturi. Prin urmare, rezultatul conversiei distanței geodezice a fost normalizat în 12 straturi. Mai exact, numărul de straturi a fost împărțit la valoarea maximă și apoi înmulțit cu 12. Imaginea pseudocoloră de conversie a distanței geodezice normalizate este prezentată în Fig. 6(d). Masca țintă este foarte importantă deoarece afectează direct calculul metodei TLCO. În acest studiu, am decis să folosim două tipuri de imagini, o imagine de rinichi normală selectată de un specialist și o imagine de rinichi cu cea mai mare regiune. Deoarece metoda TLCO împarte rinichiul în 12 straturi, calculul cu un mic rinichi atrofiat este dificil. Prin urmare, o imagine de rinichi cu o zonă mică nu poate fi folosită ca mască țintă. Figura 7 prezintă rezultatele aplicării metodei TLCO la imaginile RMN ale pacienților. Figura 7(a) este o imagine normală selectată de un specialist. Figura 7(b) prezintă rezultatele extracției de specialitate a regiunii renale din Fig. 7(a). Figura 7(c) este o imagine pseudocolor împărțită în 12 straturi prin metoda TLCO. Figura 7(d) este o imagine a rinichiului cu cea mai mare suprafață. Figura 7(e) prezintă rezultatul extragerii de către specialist a regiunii renale din Fig. 7(d). Figura 7(d) este o imagine pseudocolor împărțită în 12 straturi prin metoda TLCO.

2.5 eGFR folosit pentru estimare

Funcția renală prin RSVM În metoda TLCO, am folosit 12 măsurători, câte una pentru fiecare strat, pentru a estima gradientul corticomedular al intensității semnalului RM pe baza următoarelor definiții: cortical

Serviciul de asistență al Wecistanche-Cel mai mare exportator de cistanche din China:

E-mail:wallence.suen@wecistanche.com

Whatsapp/Tel:+86 15292862950

Cumpărați pentru mai multe detalii despre specificații:

https://www.xjcistanche.com/cistanche-shop