Data-driven CT image harmonization and hierarchical modeling in multi-institutional databases for musculoskeletal disease analysis

多机构数据库中数据驱动的 CT 图像协调和分层建模，用于肌肉骨骼疾病分析

基本信息

批准号：
21K18080
负责人：
SOUFI MAZEN
金额：
$ 2.91万
依托单位：
Nara Institute of Science and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

2021年度に開発した，異なる患者の撮影肢位の間の空間的変動を考慮したデータ調和手法を，2022年度，新たに筋構造に拡張した．本手法は，2つのデータベース（大阪大学医学部附属病院の自然姿勢9例，奈良県立医科大学の疑似立位10例）において，14つの筋肉（9の外在筋，5の内在筋）の正解データを作成して検証した．また，慶応大学と共同研究で，歩行動態を含むデータベース（4DCT；1症例26フレーム）を新たに作成し，検証に使用した．本手法は，いくつかの構造において，従来手法と比較して有意な改善を示した．大阪大学医学部附属病院のデータセットでは，足根骨と中足骨でそれぞれ約8％，5％のDice係数（DC）が増加した．この成果は，医用画像研究会 (MI2022-86) で発表した．筋骨格系の疾患の進行を解析するために，筋骨格セグメンテーションモデルを開発した．CT装置の機種，メーカー，患者の病状が異なる4つのデータベースを用いて，モデルの臨床応用性を検証した．このモデルは，股関節と膝の間の3つの骨と19の筋肉に対して優れた性能を示し，平均の精度（DC）は0.946で，最先端の精度を達成した．開発したセグメンテーションモデルは，大阪大学医学部附属病院の2,512症例を含む大規模データベースに適用し，疾患進行のモデリングを行った．疾患の重症度は，自動グレーディングモデルを用いて取得した．重症度情報は，筋肉ごとの体積や平均筋肉量(HU)と組み合わせて，病気の進行傾向を観察した．この実験により，自動化された筋骨格セグメンテーションを用いて，骨や筋肉における疾患進行のモデリングの可能性が示された．本研究は国際会議（IFMIA2023）で発表し，アワードを受賞した．

2022 年，我们将 2021 年开发的数据协调方法扩展到肌肉结构，该方法考虑了不同患者的成像肢体位置之间的空间变化。该方法使用两个数据库（大阪大学医院的 9 例自然姿势，奈良医科大学的 10 例模拟站立姿势）中的 14 块肌肉（9 块外在肌肉，5 块内在肌肉）的正确答案数据进行创建和验证。此外，在与庆应义塾大学的联合研究中，我们创建了一个包含步态动力学的新数据库（4DCT；每个案例26帧）并用于验证。在某些结构中，所提出的方法比传统方法显示出显着的改进。在大阪大学医院数据集中，跗骨和跖骨的 Dice 系数 (DC) 分别增加了约 8% 和 5%。该结果已在医学影像研究组 (MI2022-86) 上发表。我们开发了肌肉骨骼分割模型来分析肌肉骨骼疾病的进展。使用具有不同 CT 设备型号、制造商和患者情况的四个数据库验证了该模型的临床适用性。该模型在髋部和膝部之间的 3 块骨头和 19 块肌肉上表现出了出色的性能，并达到了最先进的精度，平均精度 (DC) 为 0.946。开发的分割模型应用于大阪大学医院包含 2,512 例病例的大型数据库，以模拟疾病进展。使用自动分级模型获得疾病严重程度。严重程度信息与每块肌肉的体积和平均肌肉质量（HU）相结合，以观察疾病进展趋势。该实验证明了使用自动肌肉骨骼分割来模拟骨骼和肌肉疾病进展的潜力。该研究在国际会议（IFMIA2023）上发表并获奖。