Magnit-rezonans tomografiya yordamida buyrak funktsiyasini baholash uchun asos

Xulosa maqsadi: Nefrologlarempirik tarzda bashorat qilganlarbuyrak funktsiyasidanbuyrak morfologiyasi. Noma'lum kursdagi buyrak disfunktsiyasi, o'tkir buyrak shikastlanishi va surunkali buyrak kasalligi holatini tashxislashda qon tahlillari va magnit-rezonans tomografiya (MRG) ni o'z ichiga olgan vizual tekshiruvdan so'ng tashxis qo'yiladi va tekshirish/davolash siyosati aniqlanadi. Dikson usuli yordamida olingan suv tasvirlaridan buyrak funktsiyasini baholash uchun asos klinisyenlarga to'g'ri baholash orqali tashxis qo'yishga yordam beradigan ma'lumotlarni taqdim etish uchun taklif etiladi.buyrak funktsiyasibuyrak MRI asosida.

BUYRAK FONKSIYASI UCHUN 25% EKINAKOSID VA 9% AKTEOSID BILAN TABIY ORGANIK SİSTANCHE EKSTRAKTINI OLISH UCHUN SHU YERGA BOSING

Yondashuv:Taklif etilayotgan sxema to'rt bosqichdan iborat. Birinchidan, buyrak maydoni chuqur o'rganish orqali U-to'r bilan Dixon usuli yordamida MRI orqali chiqariladi. Ikkinchidan, olingan buyrak hududi maqsadli niqob bilan ro'yxatga olinadi. Uchinchidan, buyraklar xususiyatlari mutaxassis tomonidan yaratilgan maqsadli niqob tasnifi ma'lumotlari asosida hisoblanadi. To'rtinchidan, taxminiyglomerulyar filtratsiya tezligi(eGFR) ni ifodalaydibuyrak funktsiyasiHisoblangan xususiyatlardan regressiyani qo'llab-quvvatlash vektor mashinasi yordamida baholanadi.

Natijalar:To'g'riligini baholash uchun biz taxmin qilish uchun tajriba o'tkazdikeGFRMRI o'tkazilganda vaeGFRnishab, bu eGFR ning yillik pasayish tezligi. 165 ta sub'ekt uchun aniqlik baholanganda, eGFR 11,99 o'rtacha kvadrat xatosi (RMSE) va korrelyatsiya koeffitsienti 0,83 deb baholandi. Bundan tashqari, eGFR qiyaligi RMSE 4,8 va korrelyatsiya koeffitsienti 0,5 deb taxmin qilingan.

Xulosa:Shuning uchun tavsiya etilgan usul Dikson usuli bilan olingan suv tasvirlari asosida buyrak funktsiyasining prognozini baholash imkoniyatini ko'rsatadi.

Kalit so‘zlar:miqdoriy hisoblanganglomerulyar filtratsiya tezligi; magnit-rezonans tomografiya;buyrak.

1.Kirish

Surunkali buyrak kasalligi(CKD) taxminiy qiymatning doimiy pasayishi sifatida aniqlanadiglomerulyar filtratsiya tezligi(eGFR) gacha<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 toaterosklerozvaimmunitet tanqisligi, shundayCKDo'limning bir qancha asosiy sabablari bilan bog'liqligini ko'rish mumkin.1,2 CKDBu butun dunyo aholisining 8% dan 16% gacha bo'lgan global tibbiy muammodir.3 KKD sabablarining xilma-xilligi tufayli maxsus terapevtik aralashuv mavjud emas va kasallikni erta aniqlash va xavf omillarini nazorat qilish zarur. buyrak shikastlanishi.

Nefrolog bemorni davolashdabuyrak funktsiyasining buzilishinoma'lum klinik kurs bilan, nefrolog ko'pincha laboratoriya ma'lumotlari va kasallik tarixiga qo'shimcha ravishda buyraklar uchun ko'rish natijalariga murojaat qiladi. Shu maqsadda buyrak ultratovush tekshiruvi, qorin bo'shlig'ining rentgenogrammasi va buyrak magnit-rezonans tomografiyasi (MRI) foydalidir. Nefrolog morfologiya tomonidan tavsiya etilgan potentsial buyrak funktsiyasini bashorat qiladi va bu potentsialni davolashni rejalashtirishda aks ettiradi. MRI yumshoq to'qimalarning kontrasti nuqtai nazaridan ayniqsa yaxshi rezolyutsiyaga ega va tegishli tasvirlash usullaridan foydalangan holda buyrakning ichki tuzilishi, masalan, kortikomedulyar chegara haqida batafsil ma'lumot olish mumkin.4 Bundan tashqari, MRI ham mumkin. buyrakning fiziologik jihatlari haqida ma'lumot berish. Qonning kislorod bilan ta'minlanishining T2 * qiymatidarajasiga bog'liq(BOLD) usuli - ishemiya/gipoksiya ko'rsatkichi bo'lib, u CKD ning rivojlanishiga olib kelishi mumkin va CKD ning yomonlashuv tezligi bilan sezilarli darajada bog'liqdir.5,6 Diffuziya vaznli tasvirning ko'rinadigan diffuziya koeffitsienti qiymati indeksdir. buyrak fibrozi bilan bog'liq va buyrak biopsiyasining patologik topilmalari bilan sezilarli darajada bog'liqdir.7 Yuqorida ta'riflanganidek, buyrakni invaziv bo'lmagan va ko'p qirrali baholash usuli sifatida MRIga nisbatan katta umidlar mavjud, biroq MRIning bir kamchiligi bor, u har tomonlama miqdoriy aniqlash uchun hech qanday usul mavjud emas. tasvirlar.

An'anaga ko'ra, tibbiy tasvirlar qiziqish mintaqasi (ROI) usuli bilan o'lchanadi. ROI usulida to'rtburchak yoki aylana shaklidagi maydon tanlanadi va vakillik qiymati sifatida mintaqadagi signal intensivliklarining o'rtacha qiymati qo'llaniladi. Ushbu usul bilan bog'liq muammolar orasida kuzatuvchi tomonidan qabul qilingan o'zboshimchalik bilan qarorlar joylashuv ma'lumotlarini kiritishda qiyinchiliklar va tasvirning faqat bir qismini o'lchash mumkinligi bilan bog'liq bo'lishi mumkin. Pruijm va boshq.5 buyrak mintaqasini 12 qatlamga bo'lish orqali tahlil qilish uchun 12-qatlam konsentrik ob'ektlari (TLCO) usulini taklif qildi. TLCO usuli buyrak mintaqasining ichki va tashqi qismini belgilash va 12 qatlamga asoslangan butun maydonni tahlil qilish usulidir. Buyrakning tashqi (korteks) va ichki (medullar) hududlari turli xil tuzilish va funktsiyalarga ega va TLCO usuli buyrakning o'ziga xos tuzilishini ko'rib chiqadi. Bundan tashqari, TLCO usuli ROI usuliga qaraganda barqarorroq ekanligi xabar qilingan, chunki butun buyrak hududi tabaqalanadi va oddiygina tashqi va ichki hududlarni ko'rsatish orqali tahlil qilinadi.8 Biroq, klinik jihatdan olingan tasvirlar atrofiyaga uchraganida yoki deformatsiyalanishi mumkin. buyrak shikastlangan va individual farqlarni ko'rsatishi yoki kistlarni o'z ichiga olishi mumkin. Shunday qilib, buyraklarni bir necha qatlamlarga teng ravishda ajratish har doim ham mumkin emas, bu esa beqaror topilmalarga olib keladi. Shu sababli, buyrakni tahlil qilishning to'liq avtomatik va barqaror usuliga bo'lgan xohish bor.

Buyrak tasvirlari uchun keng qamrovli miqdorni aniqlash usuli sifatida Kuo va boshq.9 chuqur o'rganish va ultratovushli tasvirlar yordamida tekshirish vaqtida eGFRni baholash usulini taklif qildi. Farqli o'laroq,kompyuter yordamida diagnostika(SAPR) buyrak MRI bo'yicha tadqiqotlar va transplantatsiya qilingan buyraklar bo'yicha tadqiqotlar haqida xabar berilgan. Xalifa va boshq.10 vaqtli ketma-ket dinamik kontrastli magnit-rezonans tomografiya (DCE-MRI) usuli yordamida transplantatsiya qilingan buyraklarni rad etishni taxmin qiladigan tizimni taklif qildi. Ushbu usulda vaqt seriyali DCE-MRI tomonidan olingan tasvirlar tekislanadi va buyrak mintaqasi darajali usul yordamida chiqariladi. Keyin hizalama tuzatiladi va korteks olinadigan buyrak mintaqasidan yorqinlik asosida hisoblab chiqiladi va tahlil qilinadi. Shehata va boshq.11 chuqur o'rganish yordamida transplantatsiya qilingan buyraklarning rad etilishini baholash usulini taklif qildi. DCE-MRI usuli kontrastli vositani talab qiladi va uni qo'llash mumkin emasCKD holatlari. Bundan tashqari, buzilgan buyraklardagi yorqinlik asosida korteksni chiqarib olish qiyin.

Ushbu tadqiqotda biz yuqoridagi muammolarni hal qilishga va klinik sinov sifatida qo'llanilishi mumkin bo'lgan buyrak MRG uchun keng qamrovli baholash usulini ishlab chiqishga harakat qildik. Buyrak morfologiyasi va buyrak funktsiyasi o'rtasidagi yaqin bog'liqlikdan foydalanib, maqsadni baholash uchun buyrakning ichki tuzilishini baholash uchun Dixon usulida qo'llaniladigan suv tasvirlari ishlatilgan va to'g'ri belgi buyrak indeksi bo'lgan eGFR edi. funktsiyasi. Dikson texnikasi yog 'va suv o'rtasidagi rezonans chastotasi farqiga tayanadi va shuning uchun faqat yog', faqat suv, faza ichidagi va fazadan tashqari tasvirlar olinadi.12 Buyrakda suvga boy. organ parenximasi yog 'bilan o'ralgan, Dikson yoki shunga o'xshash yog' bilan bostirilgan tasvirlar buyrak parenximasini atrofdagi tuzilishdan aniq ajratib turadi. Biz magnit-rezonansli tasvirlardan buyrak hududini U-to‘r bilan ajratib olish, olingan buyrak hududini maqsadli niqobdagi qattiq bo‘lmagan tanaga aylantirish va so‘ngra ushbu hududni tahlil qilish usulini taklif qilamiz.TLCOmaqsadli niqob.

1-rasm Dikson usulidan foydalangan holda MRIdan glomerulyar filtratsiya tezligining nishabligini baholash uchun taklif qilingan SAPR tizimi.

2 Material va usullar

Taklif etilayotgan avtomatlashtirilgan ramka 1-rasmda ko'rsatilgan. Taklif etilayotgan tizim Dikson usulining MRIni qayta ishlash uchun quyidagi to'rt bosqichdan foydalanadi:

1. Atrofdagi qorin bo'shlig'i tuzilmalaridan U-to'r orqali buyrak hududining segmentatsiyasi.

2. Shovqinni uch o'lchamli (3D) yorliqlash orqali olib tashlash. 3. Buyrak maydonini va maqsadli niqobni qattiq bo'lmagan ro'yxatga olish. 4. TLCO ni hisoblash. 5. Regressiyani qo'llab-quvvatlovchi vektor mashinasi (SVM) orqali buyrak funktsiyasini (eGFR) baholash.

Ushbu maqolada tavsiya etilgan usul avtomatik TLCO (A-TLCO) usuli bo'lib, ilgari xabar qilingan TLCO usulining zaif tomonlarini qoplaydi va o'lchash jarayonini avtomatlashtiradi. Taklif etilgan usulni an'anaviy qo'lda qo'llaniladigan TLCO usulidan farqlash uchun usulning tafsilotlari quyida tavsiflanadi.

2.1 Buyrak hududi

Atrofdagi qorin tuzilmalaridan U-net orqali ajratilgan. Ushbu tadqiqotda qo'llaniladigan Dikson usulidagi suv tasvirlari aniq buyrak hududiga ega. Bundan tashqari, ushbu bo'limda buyrak mintaqasining qo'pol ekstraktsiyasi tasvirlangan. Shuning uchun biz U-netdan foydalanishga qaror qildik, bu tibbiy tasvirlarni hududiy qazib olish uchun yaxshi natijalar berishi ma'lum.13 Dixon suv tasvirlarining koronal bo'limlari ishlatilgan. Har bir mavzu uchun uch-oltita kesilgan tasvir mavjud va tasvir hajmi 320 × 320. Biz 174 ta holatdan 1201 ta rasmdan foydalandik. Barcha tasvirlar mutaxassis tomonidan buyrak segmentatsiyasi tasviri sifatida yaratilgan. 2-rasmda buyrak mintaqasi ekstraktsiyasi uchun ishlatiladigan U-to'r ko'rsatilgan. Tarmoq uchta sinfni ajratadi: buyrak, buyrak chegaralari va boshqa to'qimalar. Shu bilan birga, buyrak chegaralari sinfida namunalarning boshqa to'qimalar sinflari bilan solishtirganda muvozanatsiz taqsimlanishi mavjud. Ushbu nomutanosiblikni qoplash va tarmoqni o'qitishda aniqroq o'rganishga erishish uchun biz og'irlikdagi o'zaro entropiya yo'qotilishidan foydalandik. Tarmoq chiqishi va haqiqiy yorliqlarni taqqoslash uchun biz og'irlashtirilgan o'zaro entropiya yo'qotilishi bilan softmax-dan foydalandik.

2-rasm. Ushbu tadqiqotda buyrak mintaqasini olish uchun ishlatiladigan U-to'r arxitekturasi.

3-rasm. Buyrak mintaqasini U-to'r orqali olish natijalari: (a) asl, (b) niqob va (c) natija.

50 davrdagi xarajatlarni minimallashtirish 0,0001 oʻrganish tezligiga ega boʻlgan adaptiv momentni baholash optimallashtiruvchisi yordamida amalga oshirildi. NVIDIA TITAN RTX GPU × 2 bo'lgan ish stantsiyasida ushbu tarmoq uchun o'qitish vaqti ~ 1 soat edi. Jami 1201 ta tasvir 600 va 601 tasvirga bo'lingan va buyrak mintaqasini ajratib olish uchun tasniflash amalga oshirilgan. Keyin barcha sub'ektlar uchun buyrak funktsiyasini baholash tajribasi o'tkazildi. 3-rasmda U-net tomonidan olingan ekstraktsiya natijalari ko'rsatilgan. 3(a)-rasm kirish tasviri, 3(b)-rasm esa o‘qituvchi tasviri. Shakl 3(c) ekstraktsiya natijasini ko'rsatadi. Bir nechta noto'g'ri pozitivlar mavjudligini va buyrak mintaqasiga yaqin hududni qazib olish mumkinligini tasdiqlash mumkin.

2.2 Noto'g'ri aniqlash

3D yorliqlash orqali olib tashlash U-net orqali aniqlangan buyrak hududi juda aniq bo'lsa-da, noto'g'ri aniqlash sodir bo'ldi. 4(b)-rasmda ko'rsatilganidek, noto'g'ri pozitivlar buyraklardan boshqa organlar uchun chiqariladi. Buning sababi, U-net 64 × 64 yamalar bilan o'qitilganda, yamoq o'lchamidan kattaroq fazoviy ma'lumot yo'qolishi mumkin. Ushbu muammoni yaxshilash uchun Faster R-CNN14 yoki YOLOv3,15 kabi ob'ektni aniqlash orqali buyrakning joylashishini aniqlash va tor mintaqada semantik segmentatsiyani qo'llash usullari ko'rib chiqiladi. Biroq, bu tadqiqotda U-net orqali buyrakning chegarasi yaxshi ajratilgan va boshqa organlar uchun noto'g'ri ijobiy holatlar kam, shuning uchun jarayonni murakkablashtirishga hojat yo'q. Shuning uchun biz har bir mavzu uchun 3D yorliqlashni amalga oshirishga qaror qildik va katta maydonga ega bo'lganlardan boshqa hududlarni istisno qildik. Qayta ishlangan natijalar rasmda ko'rsatilgan. Buyrak hududidan boshqa joylarda noto'g'ri pozitivlar paydo bo'lishini tasdiqlash mumkin. 4(d)–4(f) rasmlarda 3D yorliqlash va 3D maydoni 2500 piksel yoki undan kam boʻlgan maydonlarni istisno qilish natijalari koʻrsatilgan. Ushbu protsedura barcha 1201 ta rasmga qo'llanildi va buyrak mintaqasi tasodifiy bo'lgan holatlar yo'qligi tasdiqlandi.

4-rasm U-net orqali olingan buyrak maydoni: (a) 1-boʻlak, (b) 2-boʻlak va (c) 3-boʻlak. 3D yorliqlash orqali shovqin maydonini yoʻq qilish natijasi: (d) 1-boʻlak, (e) 2-bo'lak va (f) 3-bo'lak.

2.3 Buyrak maydoni va maqsadli niqobni qattiq bo'lmagan ro'yxatga olish

Buyrak funktsiyasini baholashning samarali usuli buyrakni anatomik jihatdan ko'rib chiqishda buyrak tuzilishini tahlil qilishdir.5,16 Biroq, buyrak mintaqasini qo'lda olib tashlash uchun mutaxassis uchun vaqt va kuch talab etiladi. Bundan tashqari, qo'lda o'lchovlar mutaxassisga qarab turli xil natijalarga olib keladi. Shuning uchun biz U-net orqali olingan barcha buyrak mintaqalarini bitta maqsadli niqobga ro'yxatdan o'tkazish orqali barcha tasvirlarning korteks va medulla pozitsiyalarini avtomatik ravishda aniqlash usulini taklif qilamiz. Ro'yxatga olish usuli MATLAB funktsiyasi yordamida ikki bosqichda amalga oshiriladi. Birinchi qadam - yorqinlikka asoslangan afin transformatsiyasi. Yorqinlikka asoslangan ro'yxatga olish usuli ikkita tasvir o'rtasidagi o'xshashlikni hisoblab chiqadi, o'xshashlik yuqori bo'lishi uchun afin transformatsiyani takrorlaydi va eng yuqori o'xshashlik bilan geometrik transformatsiyani (tarjima/aylanish/miqyoslash/kesish) baholaydi. Qayta ishlash natijalari 5-rasmda ko'rsatilgan. 5-rasm (a) - asl rasm. Shakl 5 (b) U-net orqali buyrak mintaqasini ekstraktsiyalash natijalarini ko'rsatadi. Shakl 5(c) maqsadli niqobdir. Shakl 5 (c) - bu mutaxassis tomonidan chiqarilgan oddiy buyrak tasvirining buyrak hududi. Oddiy bemorning ikkita buyragi bor. Ushbu tadqiqotda biz kattaroq maydon bilan buyrakni tahlil qilamiz. 5(b)-rasmda chap buyrak kattaroqdir. Shunday qilib, chap buyrak chiqariladi va maqsadli niqob bilan ro'yxatga olinadi. Shakl 5 (d) maqsadli niqobning psevdokolor tasvirini va chiqarilgan buyrakning dastlabki holatini ko'rsatadi. Pseudocolor rasmda maqsadli niqob yashil rangda, ajratilgan buyrak qizil rangda va ikkalasining bir-biriga yopishgan piksellari oq rangda ko'rsatilgan. Affin transformatsiyasining natijasi 5 (e) rasmda ko'rsatilgan. Keyinchalik, yorqinlikka asoslangan joy o'zgartirish maydoni yordamida ro'yxatga olish yo'li bilan shakl nozik tarzda o'zgartiriladi.9,10 Ushbu maqolada, ro'yxatga olish Thirionning jinlar algoritmiga asoslangan siljish maydoni yordamida amalga oshiriladi.1,2 Rasmda ko'rsatilgan o'zgartirish natijasi. O'zgartirish maydonidan foydalangan holda 5 (e) rasm 5 (f) rasmda ko'rsatilgan. Maqsadli niqobga yaqinlashish uchun nozik shakl o'zgartirildi. 5-rasm (g) rasmning yakuniy ro'yxatga olinishini ko'rsatadi.

5-rasm. Qattiq konvertatsiya natijasi: (a) asl tasvir, (b) U-to‘r natijasi, (c) maqsadli niqob, (d) boshlang‘ich pozitsiyasi, (e) affin transformatsiyasi, (f) siljish maydoni va (g) ) ro'yxatga olish natijasi.

2.4 TLCO ni hisoblash

Ushbu tadqiqotda buyrak funktsiyasini tahlil qilish uchun TLCO usuli qo'llaniladi. TLCO usuli buyrak parenximasining ichki (medullar tomoni) va tashqi (kortikal tomoni) chegaralarini aniqlaydi va buyrak mintaqasini tashqaridan ichkariga qarab 12 qatlamga ajratadi. TLCO qog'ozida qatlamlash usuli tushuntirilmagan.8 Shuning uchun, biz ushbu tadqiqotda geodezik masofani konversiyalash yordamida TLCO ni hisoblab chiqdik.17 Geodezik masofani o'zgartirish buyrak mintaqasining ikkilik tasvirini va urug' tasvirini kiritganda, masofani o'zgartirish tasviri bo'ladi. urug' tasviri asosida yaratilgan. Shakl 6 (a)da mutaxassis tomonidan chiqarilgan buyrak mintaqasining ikkilik tasviri ko'rsatilgan. 6 (b)-rasmda mutaxassis tomonidan tayyorlangan urug' tasviri ko'rsatilgan. Shakl 6 (c) geodezik masofani konvertatsiya qilishning psevdocolor tasvirini ko'rsatadi. Biroq, 6 (c)-rasmda ko'rsatilgan rasm buyrak mintaqasini 12 qatlamga bo'lish yo'li bilan olinmadi. Shuning uchun geodezik masofani konvertatsiya qilish natijasi 12 qatlamga normallashtirildi. Xususan, qatlamlar soni maksimal qiymatga bo'linib, keyin 12 ga ko'paytirildi. Normallashtirilgan geodezik masofani konvertatsiya qilishning pseudocolor tasviri 6-rasmda ko'rsatilgan (d). Maqsadli niqob juda muhim, chunki u TLCO usulini hisoblashga bevosita ta'sir qiladi. Ushbu tadqiqotda biz ikki turdagi tasvirlardan foydalanishga qaror qildik, mutaxassis tomonidan tanlangan oddiy buyrak tasviri va eng katta hududga ega buyrak tasviri. TLCO usuli buyrakni 12 qatlamga bo'lganligi sababli, kichik atrofiyalangan buyrak bilan hisoblash qiyin. Shuning uchun, kichik maydonga ega bo'lgan buyrak tasvirini maqsadli niqob sifatida ishlatish mumkin emas. 7-rasmda bemorlarning MRI tasvirlariga TLCO usulini qo'llash natijalari ko'rsatilgan. Shakl 7 (a) - mutaxassis tomonidan tanlangan oddiy rasm. Shakl 7 (b) 7 (a) dan buyrak mintaqasining mutaxassis ekstraktsiyasining natijalarini ko'rsatadi. Shakl 7 (c) - TLCO usuli bilan 12 qatlamga bo'lingan soxta rangli tasvir. Shakl 7 (d) - eng katta maydonga ega bo'lgan buyrakning tasviri. Shakl 7 (e) rasm 7 (d) dan buyrak mintaqasini chiqaradigan mutaxassisning natijasini ko'rsatadi. 7-rasm (d) - TLCO usuli bilan 12 qatlamga bo'lingan soxta rangli tasvir.

Baholash uchun 2,5 eGFR ishlatiladi

RSVM bo'yicha buyrak funktsiyasi TLCO usulida biz quyidagi ta'riflar asosida MR signali intensivligining kortikomedulyar gradientini baholash uchun har bir qatlam uchun bittadan 12 ta o'lchovdan foydalandik: kortikal.

Wecistanche-ning qo'llab-quvvatlovchi xizmati - Xitoydagi eng yirik cistanche eksportchisi:

Email:wallence.suen@wecistanche.com

Whatsapp/Tel:+86 15292862950

Batafsil texnik xususiyatlar uchun xarid qiling:

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