《Neurocomputing》:Dynamic automated template generation in knee MRI for region-specific arthritis assessment
编辑推荐:
半定量评分系统(如KIMRISS)增强了膝关节骨关节炎(OA)评估的粒度并减少了阅片者间变异性。然而,它们仍受限于固定的、静态的模板,无法适应患者特异性解剖结构。它们对人工专家输入的依赖也使其耗时,并限制了在大规模影像数据集中的可扩展性。这些局限性凸显了对既解
半定量评分系统(如KIMRISS)增强了膝关节骨关节炎(OA)评估的粒度并减少了阅片者间变异性。然而,它们仍受限于固定的、静态的模板,无法适应患者特异性解剖结构。它们对人工专家输入的依赖也使其耗时,并限制了在大规模影像数据集中的可扩展性。这些局限性凸显了对既解剖自适应又自动化的评分框架的需求。为了解决这一问题,研究人员利用来自多受试者MRI数据的解剖变异性的数据驱动建模,以实现自动化、解剖自适应的评分。该方法通过整合分割导出的骨掩模与几何分析(包括用于股骨头定位的椭圆拟合、基于PCA的髁轴估计以及用于胫骨和髌骨的边界框分割),在矢状面膝关节MRI中生成动态的、符合解剖结构的评分模板。使用来自OAI和OKINADA队列(40名患者)的80个液体敏感MRI扫描,以及11位专家阅片者的参考输入,将性能与人类专家骨髓病变(BML)掩模进行比较。动态模板在股骨(0.91)、胫骨(0.95)和髌骨(0.91)上实现了与11位阅片者平均值相当的覆盖值。定性分析证实了模板放置的一致性和符合骨骼结构。这些结果表明,动态模板可以提供自动化、可扩展且解剖自适应的评分,具有减少阅片者变异性和增强OA评估的潜力。
膝骨关节炎(OA)是全球最常见的关节炎类型之一,截至2020年,全球约超过5.95亿人受其影响,尤其在40岁后发病率急剧上升。磁共振成像(MRI)凭借其优越的软组织对比度,能够直接显示软骨、骨髓病变(BML)、滑膜炎等早期OA特征,其中BML作为关键影像生物标志物,其大小和位置与软骨丢失、关节疼痛及结构进展密切相关。为提升评估客观性与可重复性,半定量评分系统如KIMRISS(膝关节炎症MRI评分系统)被引入,但此类系统依赖固定的静态模板和人工专家输入,不仅无法适应患者特异性解剖结构,而且耗时费力,难以在大规模影像数据集中扩展。因此,迫切需要开发兼具解剖自适应性和自动化特性的评分框架。
针对上述问题,研究人员提出了一种全自动框架,用于生成股骨、胫骨和髌骨的解剖自适应动态模板。该研究基于来自OAI(骨关节炎倡议)和OKINADA(膝关节骨关节炎、炎症及阿达木单抗效应)两个公开队列的40名OA患者,共80次液体敏感矢状面膝关节MRI扫描,由11位专家阅片者(8位肌肉骨骼放射科医师和3位风湿病专家)提供BML参考标记。通过整合深度学习分割与几何分析,研究人员实现了动态模板的自动化生成,并与静态模板在覆盖率和重叠率方面进行对比评估。结果显示,动态模板在胫骨覆盖率(0.95)和所有骨的重叠率(股骨0.12、胫骨0.09、髌骨0.16)方面均优于或等同于11位阅片者的平均值,定性分析也证实了其“骨贴合”行为。该研究发表在《Neurocomputing》上,展示了动态模板在减少阅片者变异性和提升OA评估一致性方面的潜力。
本研究采用的关键技术方法包括:1)深度学习分割:采用基于上下文学习(ICL)的Temporal框架,将MRI切片输入预训练的视频对象分割(VOS)模型,自动生成股骨、胫骨、髌骨及软骨的分割掩模,无需推理时用户输入;2)切片分类:基于股骨投影的一维信号分析,利用股骨和股骨头2D投影图的平滑信号识别外侧、内侧和髁间切片;3)几何模板生成:对股骨使用椭圆拟合定位股骨头中心,通过主成分分析(PCA)拟合髁轴,并基于软骨边界划分7个角扇区;对胫骨和髌骨使用边界框分割和等距偏移轮廓生成网格模板。数据来源为OAI和OKINADA队列的80次MRI检查。
结果部分:
**3.1 定量结果**:通过比较动态模板与11位阅片者静态模板的覆盖率和重叠率。动态模板在胫骨覆盖率(0.95)优于阅片者平均值(0.90),在股骨略低(0.91 vs 0.95),在髌骨相当(0.91 vs 0.92)。重叠率方面,动态模板在股骨(0.12 vs 0.08)、胫骨(0.09 vs 0.08)、髌骨(0.16 vs 0.11)均高于阅片者平均值。配对t检验显示,覆盖率差异在股骨(p=0.016)和胫骨(p=0.000012)显著,髌骨无显著性(p=0.515);重叠率差异在所有骨均显著(股骨p=0.0006、胫骨p=0.00046、髌骨p=0.000005)。重复测量ANOVA显示阅片者间在覆盖率和重叠率上存在微小但显著的数值差异(覆盖率:股骨p=0.012、胫骨p=0.000012、髌骨p=0.016;重叠率:股骨p≈1.1×10
-14、胫骨p=0.002、髌骨p≈1.5×10
-5),但反映的是像素级变异而非定性分歧。
**3.2 定性结果**:通过可视化比较,动态模板紧密贴合骨骼边界,在多个切片和病例中保持“骨贴合”行为,减少周围组织包含。在含有BML的切片中,动态模板提供一致、稳定的病变定位,而静态模板显示明显的阅片者间放置变异性。
讨论部分指出,动态模板更紧凑且贴合骨骼,导致覆盖率和重叠率之间出现权衡:股骨覆盖率略低是由于动态模板严格局限于软骨边界,而静态模板过度覆盖更广泛的区域。动态模板在股骨重叠率提升最明显,表明其精度更高。统计学分析支持了动态模板的稳健性,阅片者一致性虽然较高但存在微小数值差异,而动态模板提供了稳定的可重复性能。研究结论部分翻译如下:本研究提出了一个自动生成解剖自适应膝关节MRI模板的框架,解决了静态、阅片者定义方法的局限性。通过结合分割的切片分类和骨贴合几何构造,动态模板适应患者特异性解剖结构。该方法通过自动考虑跨患者和切片的解剖差异,减少了骨髓病变等特征评分中的阅片者变异性。该工具为膝关节构建,但类似方法可用于任何关节或骨区域。评估表明,覆盖率和重叠率提供互补见解;动态模板实现了比静态模板更高的重叠率,同时保持与静态模板相当的覆盖率,有效平衡了敏感性和精度。总体而言,动态模板提供了可扩展且解剖忠实的框架,产生可重复的病变定位。方法有望提高关节炎影像研究和定量病变评估的一致性,任何需要捕捉解剖位置的影像生物标志物均可受益于此类定位网格。未来工作将探索框架对分割不确定性的敏感性,并在更大规模数据集上评估其鲁棒性和泛化能力。