《Osteoarthritis and Cartilage Open》:OpenMSK: A Modular Open-Source Framework for Comprehensive Analysis of Imaging Biomarkers in Knee Osteoarthritis
编辑推荐:
目的:开发并验证一种全自动、可扩展、开源的AI驱动流程,能够进行膝关节磁共振成像(MRI)分割以及MRI和正电子发射断层成像(PET)影像生物标志物的定量提取。设计:为模型训练,使用来自7台扫描仪、采用多种梯度回波序列采集的347个膝关节开源MRI数据。独立测
目的:开发并验证一种全自动、可扩展、开源的AI驱动流程,能够进行膝关节磁共振成像(MRI)分割以及MRI和正电子发射断层成像(PET)影像生物标志物的定量提取。设计:为模型训练,使用来自7台扫描仪、采用多种梯度回波序列采集的347个膝关节开源MRI数据。独立测试集包括来自3T PET-MRI检查的20个膝关节,用于在这项前瞻性可靠性与一致性研究中进行评价。该流程使用三种不同深度学习模型分割股骨、胫骨和髌骨及其软骨,以及内侧和外侧半月板。定量输出包括软骨厚度和T2弛豫时间、半月板体积和T2*弛豫时间、骨形状评分,以及静态和动态软骨下骨PET指标。来自两名标注者的手动分割作为参考标准。分割性能采用Dice相似系数(DSC)、平均对称表面距离和体积差异评估。定量结局一致性采用组内相关系数(ICC)、Pearson相关和均方根误差(RMSE)评估。结果:自动分割与手动标注表现出高空间一致性,所有组织的DSC范围为0.84–0.98。定量PET-MRI生物标志物总体表现出高一致性,尽管若干生物标志物的置信区间较宽。结论:OpenMSK能够实现多组织膝关节分割,并生成定量MRI和PET生物标志物,其性能针对两名独立标注者以及不同基于U-Net的分割架构进行了评估。作为一个免费可用、模块化平台,OpenMSK降低了全关节定量成像的技术门槛,并为骨关节炎(OA)研究和临床转化提供了标准化基础。
骨关节炎(osteoarthritis,OA)是一种累及多种肌肉骨骼组织的全关节疾病,涉及软骨、半月板、骨和韧带等结构退变。为理解疾病机制并监测进展,需要对上述组织进行定量评估。MRI能够对全关节进行形态学和成分评价,其中软骨厚度变化和T
2弛豫时间可预测OA进展,软骨厚度是早于影像学OA的敏感结构改变指标,软骨T
2升高提示胶原破坏和水化增加;半月板体积和T
2*弛豫时间可量化早期半月板退变。骨在OA中同样居核心地位,基于MRI的形状模型可量化骨赘,比影像学Kellgren-Lawrence分级更精确地度量OA严重程度并预测膝痛;[
18F]NaF PET可评价骨代谢活动。然而,MRI和PET定量指标在研究和临床转化中仍受限:手动或半自动分割耗时且存在观察者内和观察者间变异;提取定量生物标志物需要专业技术,包括定量MRI参数图拟合、图像配准、表面提取和几何处理用于软骨厚度计算,以及骨形状分析的统计形状建模;多数半自动或全自动方法主要关注分割精度,且常仅与单一手动标注者比较。因此,研究人员需要严格验证、模块化、开源的多组织全面分析框架。
研究人员开发并验证了OpenMSK,一种全自动人工智能驱动的流程,用于多模态MR和PET图像中多个膝关节组织的全面分割与定量分析。研究人员实现并共享了三个模型:一个2D卷积神经网络(2D-CNN)和两个3D nnU-Net模型。利用这些模型,研究人员对主要膝关节组织(软骨、骨和半月板)分割进行了全面内部验证,并评价下游定量生物标志物,包括软骨厚度和T
2、半月板体积和T
2*、基于神经形状模型的骨评分,以及[
18F]NaF PET衍生的软骨下骨代谢指标。性能通过比较三个自动模型与两名手动标注者的分割及衍生定量指标评估。完整基础设施作为统一开源流程OpenMSK共享,并可通过图形界面和GitHub获取。结论表明,OpenMSK能够进行多组织膝关节分割并生成定量MRI和PET生物标志物,其分割性能落在手动变异范围内,下游定量生物标志物在三个基于U-Net的分割模型中稳健。该模块化、模型无关设计支持整合新分割方法,支持可重复定量成像及可扩展研究和临床应用。
关键技术方法概括(不超过250字):研究人员使用三个U-Net深度学习模型,即2D-CNN、3D nnU-Net FullRes和3D nnU-Net Cascade。训练数据来自公开膝MRI队列,包括347个膝关节,来自Osteoarthritis Initiative(OAI)的DESS、GE MR750的qDESS以及前交叉韧带(ACL)重建受试者qDESS,覆盖7台扫描仪和多种梯度回波序列。验证队列来自Stanford Knee Osteoarthritis PET/MRI Evaluation(SKOPE)研究,20个膝关节,3T PET-MRI,包括10例症状性OA和10例无症状对照;动态[
18F]NaF PET用于全部20例,多回波超短回波时间(UTE)MRI用于15例半月板T
2*。流程包括自动分割、区域划分、表面网格厚度计算、T
2拟合、Elastix配准和Hawkins两室模型PET动力学分析。
研究结果如下。3.1 患者人口统计学:验证队列包括10例自报症状性膝OA受试者(5男/5女,44±17岁,范围22–65岁,BMI 25.5±4.4 kg/m
2,范围19.9–34.5 kg/m
2)和10例无症状成人(5男/5女,54±7岁,范围42–69岁,BMI 26.6±4.1 kg/m
2,范围20.9–34.7 kg/m
2)。两名评估者手动分割所有数据。3.2 自动分割性能:三个模型相对于两名手动标注者表现相当,2D-CNN作为代表展示。全骨:股骨、胫骨、髌骨DSC为0.95–0.98,平均对称表面距离(ASSD)为0.19–0.32mm,体积差异(VD)为正值1.9%–9.6%,提示自动分割轻度高估体积。软骨:DSC为0.84–0.91,ASSD为0.11–0.21mm,VD为负值-5.8%至-9.6%,提示相较手动标注者倾向低估体积。软骨下骨:DSC为0.86–0.92,ASSD为0.14–0.28mm。半月板:内外侧半月板DSC为0.85–0.89,ASSD为0.17–0.30mm,VD变异较大,外侧半月板区域平均为-10.7%至1.7%,内侧半月板为-3.7%至-1.6%。3.3 定量指标:下游组织特异性指标由两个手动和三个自动分割计算;2D-CNN与手动分割的定量指标一致性为代表,nnU-Net Cascade和FullRes产生的下游一致性几乎相同。软骨方面,1)平均厚度:各区域读者与自动方法ICC点估计为0.68至0.93,Pearson相关系数为0.81–0.98,RMSE总体<0.25mm,Bland-Altman分析显示小平均偏差且无一致系统性高估或低估;读者间ICC为0.75–0.93,RMSE为0.10–0.17mm,Pearson r为0.75–0.94。2)T
2弛豫时间:2D-CNN与手动分割比较,全软骨T
2的ICC点估计为0.96–0.99(Reader 1)和0.89–0.97(Reader 2),读者间为0.90–0.98;浅层软骨读者间ICC为0.89–0.99,深层软骨变异较大,ICC为0.77–0.98,较差者主要出现在Reader 2对自动和Reader 1对Reader 2,且主要在髌骨软骨;Bland-Altman显示小平均偏差,全软骨T
2的RMSE为0.52–2.5ms;除深层髌骨软骨外,Pearson相关均>0.9。骨方面,1)BScore:所有比较ICC点估计>0.94,Pearson r>0.97,RMSE为0.23–0.32,但若干ICC置信区间较宽,Bland-Altman平均偏差为-0.12至0.26,一致性界限较窄。2)软骨下骨SUV
mean和SUV
max:所有比较ICC和Pearson r为0.98–1.00,SUV
mean RMSE范围为0.01–0.09,参考均值为0.95、范围0.20–3.48;SUV
max RMSE范围为0.01–0.62,参考均值为3.01、范围0.45–14.89,提示静态PET分析稳健。3)软骨下骨K
1和K
i:所有区域一致性高,ICC点估计为0.96–1.00,RMSE为2.00–4.97 x 10
-3 mL/min/mL,Pearson r为0.97–1.00;参考K
1均值为39.47、范围3.09–141.59 x 10
-3 mL/min/mL,K
i均值为21.8、范围3.05–73.94 x 10
-3 mL/min/mL。半月板方面,1)体积:Reader 1与Reader 2以及Reader 2与2D-CNN之间一致性高,RMSE低,相关优良,ICC点估计为0.90–0.97,RMSE为150–274mm
3,Pearson r>0.98,Bland-Altman小偏差;参考平均体积为2437mm
3,范围1243–3785mm
3。2)T
2*弛豫时间:内侧半月板ICC点估计>0.98,RMSE≤0.27ms,Pearson r≥0.99,参考T
2*均值为9.12、范围7.18–11.46ms;外侧半月板ICC点估计>0.97,RMSE≤0.29ms,Pearson r≥0.99,参考T
2*均值为9.59、范围7.53–12.04ms;Bland-Altman平均偏差极小,但若干T
2*测量置信区间因样本量有限而较宽。
讨论部分指出,研究人员开发并验证了OpenMSK,一种模块化、全自动、开源流程,用于全面多组织膝关节分割和定量MRI及PET分析。三个基于U-Net的深度学习模型中,自动分割的骨、软骨和半月板性能与读者间一致性相当,并产生与手动分割密切匹配的下游定量生物标志物。定量测量在三个模型间高度一致,表明OpenMSK框架对所评估分割模型产生可重复的生物标志物估计。整体分割性能高度相似,组织间DSC仅轻微差异。由于结果相当且篇幅限制,2D-CNN结果作为代表在主文展示,所有三个模型完整结果在补充材料中。所评估模型中,2D-CNN获得最高整体分割精度,因此推荐作为多数应用默认模型;两个3D nnU-Net实现产生相当定量测量,作为不同计算资源或工作流偏好用户的替代实现。所有训练模型公开,允许研究人员选择最适合其应用的实现。OpenMSK以开源平台形式提供图形界面和GitHub仓库,旨在提高先进定量成像工具可及性并促进更广泛研究和未来临床转化。自动分割性能与读者间变异相当,DSC、ASSD和体积差异落在既往膝骨、软骨和半月板分割基准范围内。与IWOAI膝分割挑战结果一致,表明多个深度学习架构在可比数据集训练时可达到相似分割性能。软骨、半月板、骨形状和PET自动输出总体与手动值中度至优秀一致,Bland-Altman显示最小系统偏差。尽管若干ICC置信区间因样本量适中而较宽,方法间平均差异仍小,一致性界限相对各生物标志物生理范围通常较窄,提示分歧主要来自测量变异而非自动分割一致高估或低估。具体而言,软骨厚度和T
2差异在已建立重测重复性限度内,厚度RMSE<0.25mm,T
2 RMSE<2.5ms。骨形状评分相对队列范围显示小绝对误差,RMSE为0.23–0.32,范围为-0.97–2.64。自动软骨下骨区域提取的PET SUV和动力学参数K
1、K
i与手动分析高度一致,ICC>0.96,这可能也反映PET相对低空间分辨率降低了对分割边界小差异的敏感性。所有组织和模态中,三个分割架构产生等效定量输出,表明衍生指标大体不依赖架构。该工作的中心贡献是开发模块化、开源、端到端框架,整合MRI和PET成像中的分割、区域定义和定量分析。平台免费可用、用户友好且设计可扩展,允许替换分割模型或适应其他MRI序列和PET示踪剂。与现有专有、实验室特定或主要关注分割而缺乏标准化下游生物标志物提取的工作流不同,OpenMSK提供统一基础设施,从分割到多组织和多成像模态定量分析验证。生物标志物在三个不同深度学习模型中高度一致,表明流程对所测试分割模型大体不可知,允许研究人员整合自有模型同时利用同一标准化框架生成可重复定量成像结局。局限性包括:内部验证队列较小,所有数据来自单一扫描仪,若干ICC置信区间宽,应解释为精度有限而非对点估计的不确定;验证由两个手动标注和所有主要膝组织纳入加强;发布模型在多个3T扫描仪和厂商脂肪抑制DESS图像上训练和评价,但仅在这些成像环境验证,因此不应假定可泛化至其他序列如FSPGR或场强如1.5T;模块化架构便于训练和整合针对其他MRI序列和成像协议优化的模型;混合PET-MRI系统可用性仍有限,可能限制多模态PET分析组件即时应用;为充分利用这些新兴成像平台、提取科学潜力、推进对关节疾病代谢基础理解并实现临床转化,标准化且经验证的分析工具如OpenMSK是必要的。研究结论翻译:OpenMSK提供标准化、自动化且开放可及的框架,用于多组织膝MRI和PET分析。分割性能落在手动变异范围内,下游定量生物标志物在本研究评估的三个基于U-Net的分割模型中稳健。OpenMSK的模块化、模型无关设计能够整合新分割方法,同时支持可重复定量成像以及可扩展研究和临床应用。