Quantitative bone radiomics using Ultra-High Resolution CT

使用超高分辨率 CT 进行定量骨放射组学

基本信息

  • 批准号:
    10211363
  • 负责人:
  • 金额:
    $ 47.4万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
  • 财政年份:
    2021
  • 资助国家:
    美国
  • 起止时间:
    2021-07-01 至 2025-03-31
  • 项目状态:
    未结题

项目摘要

PROJECT SUMMARY / ABSTRACT Osteoporosis (OP) and osteoarthritis (OA) cumulatively affect more than 40 million Americans. Both OP and OA are underdiagnosed and undertreated because of the limited accuracy of existing tools for diagnosis and treatment monitoring. The need for improved biomarkers of OP and OA spurred interest in quantitative evaluation of texture features of cancellous bone derived from radiography, CT, and MRI. In such “bone radiomics”, image texture provides an indirect assessment of the trabecular geometry (≤100 µm detail size) that is better suited to the limited resolution of diagnostic imaging modalities than the direct measurements used in e.g. micro-CT. Initial clinical validation of textural bone biomarkers showed promising performance in prediction of vertebral failure and progression of OA. However, rigorous investigation of how the image formation process affects textural biomarkers is essential to establish standardized protocols for imaging and analysis in bone radiomics – especially in light of emerging technologies for high-resolution imaging. Recently, new CT scanners with ~2x improved spatial resolution compared to conventional CT have been introduced by major manufacturers, including the Canon Precision system that will be used in this project. This new generation of ultra-high resolution CT (UHR CT) is capable of visualizing ~150 µm details, approaching the trabecular thickness and thus potentially enabling a breakthrough in in-vivo evaluation of bone micorarchitecture. We hypothesize that the improved spatial resolution of UHR CT will lead to better quantitative performance of bone radiomics than normal resolution CT (NR CT) or x-ray absorptiometry (DXA). To establish the clinical utility of bone radiomics using UHR-CT, the following Aims will be pursued: 1) Perform the first comprehensive assessment of the sensitivity of CT-based texture features of bone to key components of the CT imaging chain (e.g., scan and reconstruction protocol) using a high-fidelity CT simulator and experimental studies in bone core samples. We will establish UHR and NR CT features that are correlated to trabecular geometry and reproducible with respect to body size and dose. 2) Demonstrate improved prediction of trabecular stiffness using UHR CT texture features. Multivariate regression between stiffness and texture bone features investigated in Aim 1 will be performed for ~300 bone cores using UHR CT and NR CT. We will demonstrate improved stiffness estimates with UHR CT compared to NR CT. 3) Perform a clinical pilot of UHR CT-based texture features in longitudinal monitoring of OP treatment. We will acquire longitudinal UHR CT and DXA of 20 spine fusion patients being treated with OP drug to optimize their bone quality. We will demonstrate that radiomic features from UHR CT detect changes in bone quality earlier than DXA. We will also investigate the feasibility of bone radiomics in prediction of fusion outcomes. Successful completion of the Aims will establish quantitative UHR CT-based bone radiomics as a novel tool for in-vivo assessment of bone health in OA and OP, with downstream reduction of patient morbidity and mortality.
项目概要/摘要 骨质疏松症 (OP) 和骨关节炎 (OA) 累计影响超过 4000 万美国人。 由于现有诊断和治疗工具的准确性有限,导致诊断不足和治疗不足 对改善 OP 和 OA 生物标志物的需求激发了人们对定量评估的兴趣。 松质骨的纹理特征源自放射线照相、CT 和 MRI 在这种“骨放射组学”中,图像。 纹理提供了对小梁几何形状(≤100 µm 细节尺寸)的间接评估,更适合 与初始显微 CT 等直接测量相比,诊断成像方式的分辨率有限。 纹理骨生物标志物的临床验证在预测椎体衰竭方面显示出良好的性能 然而,对图像形成过程如何影响纹理的严格研究。 生物标志物对于建立骨放射组学成像和分析的标准化方案至关重要 – 特别是鉴于高分辨率成像的新兴技术,最近出现了约 2 倍的新型 CT 扫描仪。 与传统 CT 相比,主要制造商推出了更高的空间分辨率, 包括该项目中将使用的新一代超高分辨率系统。 CT (UHR CT) 能够可视化约 150 µm 的细节,接近小梁厚度,因此有可能 使骨微结构的体内评估取得突破。 UHR CT 的空间分辨率将比正常分辨率带来更好的骨放射组学定量性能 CT (NR CT) 或 X 射线吸收测定法 (DXA) 为了建立使用 UHR-CT 进行骨放射组学的临床实用性, 将追求以下目标: 1) 对基于 CT 的敏感性进行首次全面评估 骨骼的纹理特征到 CT 成像链的关键组成部分(例如扫描和重建协议) 我们将使用高保真 CT 模拟器和骨芯样本进行实验研究。 NR CT 特征与小梁几何形状相关,并且在身体尺寸和剂量方面可重复。 2) 展示使用 UHR CT 多元纹理特征对小梁刚度的改进预测。 目标 1 中研究的刚度和纹理骨骼特征之间的回归将针对约 300 个骨骼进行 与使用 UHR CT 和 NR CT 的核心相比,我们将展示使用 UHR CT 改进的刚度估计。 NR CT。3) 在 OP 治疗的纵向监测中进行基于 UHR CT 纹理特征的临床试验。 我们将获取 20 名接受 OP 药物治疗的脊柱融合患者的纵向 UHR CT 和 DXA,以优化 我们将证明 UHR CT 的放射组学特征可检测骨质量的变化。 我们还将研究骨放射组学预测融合结果的可行性。 目标的成功完成将建立基于 UHR CT 的定量骨放射组学作为一种新工具 对 OA 和 OP 的骨骼健康进行体内评估,从而降低患者的发病率和死亡率。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Wojciech Bartosz Zbijewski其他文献

Wojciech Bartosz Zbijewski的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Wojciech Bartosz Zbijewski', 18)}}的其他基金

Quantitative bone radiomics using Ultra-High Resolution CT
使用超高分辨率 CT 进行定量骨放射组学
  • 批准号:
    10609522
  • 财政年份:
    2021
  • 资助金额:
    $ 47.4万
  • 项目类别:
Quantitative bone radiomics using Ultra-High Resolution CT
使用超高分辨率 CT 进行定量骨放射组学
  • 批准号:
    10442522
  • 财政年份:
    2021
  • 资助金额:
    $ 47.4万
  • 项目类别:
Quantitative high resolution cone beam CT for assessment of bone and joint health
用于评估骨和关节健康的定量高分辨率锥形束 CT
  • 批准号:
    8751463
  • 财政年份:
    2014
  • 资助金额:
    $ 47.4万
  • 项目类别:
Quantitative high resolution cone beam CT for assessment of bone and joint health
用于评估骨和关节健康的定量高分辨率锥形束 CT
  • 批准号:
    9342891
  • 财政年份:
    2014
  • 资助金额:
    $ 47.4万
  • 项目类别:
Cerbral Perfusion Imaging using Cone Beam Computed Tomography
使用锥形束计算机断层扫描进行脑灌注成像
  • 批准号:
    7537917
  • 财政年份:
    2008
  • 资助金额:
    $ 47.4万
  • 项目类别:

相似国自然基金

基于肿瘤病理图片的靶向药物敏感生物标志物识别及统计算法的研究
  • 批准号:
    82304250
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
多模态高层语义驱动的深度伪造检测算法研究
  • 批准号:
    62306090
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
高精度海表反照率遥感算法研究
  • 批准号:
    42376173
  • 批准年份:
    2023
  • 资助金额:
    51 万元
  • 项目类别:
    面上项目
基于新型深度学习算法和多组学研究策略鉴定非编码区剪接突变在肌萎缩侧索硬化症中的分子机制
  • 批准号:
    82371878
  • 批准年份:
    2023
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目
基于深度学习与水平集方法的心脏MR图像精准分割算法研究
  • 批准号:
    62371156
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目

相似海外基金

Assessing Racial Bias in Pulmonary Medicine from the Interpretation of Pulmonary Function Tests
从肺功能测试的解释评估肺医学的种族偏见
  • 批准号:
    10677310
  • 财政年份:
    2023
  • 资助金额:
    $ 47.4万
  • 项目类别:
Bayesian approaches to identify persons with osteoarthritis in electronic health records and administrative health data in the absence of a perfect reference standard
在缺乏完美参考标准的情况下,贝叶斯方法在电子健康记录和管理健康数据中识别骨关节炎患者
  • 批准号:
    10665905
  • 财政年份:
    2023
  • 资助金额:
    $ 47.4万
  • 项目类别:
Noninvasive prediction of skin precancer severity using in vivo cellular imaging and deep learning algorithms.
使用体内细胞成像和深度学习算法无创预测皮肤癌前病变的严重程度。
  • 批准号:
    10761578
  • 财政年份:
    2023
  • 资助金额:
    $ 47.4万
  • 项目类别:
ARISE (Achieving Routine Intervention and Screening for Emotional health)
ARISE(实现情绪健康的常规干预和筛查)
  • 批准号:
    10655877
  • 财政年份:
    2023
  • 资助金额:
    $ 47.4万
  • 项目类别:
Minimally-invasive technology for personalized nutritional monitoring
用于个性化营养监测的微创技术
  • 批准号:
    10693521
  • 财政年份:
    2023
  • 资助金额:
    $ 47.4万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了