CartiMorph: a framework for automated knee articular cartilage morphometrics

要約

自動膝関節軟骨形態計測のためのフレームワークである CartiMorph を紹介します。
画像を入力として受け取り、全層軟骨損失 (FCL) の割合、平均厚さ、表面積、体積など、軟骨サブ領域の定量的指標を生成します。
CartiMorph は、深層学習モデルの力を活用して、階層的な画像特徴を表現します。
深層学習モデルは、組織のセグメンテーション、テンプレートの構築、テンプレートと画像の位置合わせについてトレーニングおよび検証されました。
我々は、表面法線に基づいた軟骨厚さマッピング、FCL推定、およびルールベースの軟骨分割のための方法を確立しました。
私たちの軟骨厚さマップは、薄い領域と周辺領域で誤差が少ないことを示しました。
モデルセグメンテーションから得られた定量的指標と手動セグメンテーションから得られた定量的指標を比較することにより、採用されたセグメンテーションモデルの有効性を評価しました。
FCL 測定値の二乗平均平方根偏差は 8% 未満で、平均厚さ (ピアソンの相関係数 $\rho \in [0.82,0.97]$)、表面積 ($\rho \) について強い相関が観察されました。
in [0.82,0.98]$) と体積 ($\rho \in [0.89,0.98]$) の測定値。
FCL 測定値を以前の研究の測定値と比較したところ、測定値がグランド トゥルースからの逸脱が少ないことがわかりました。
アトラスベースのアプローチと比較して、提案されたルールベースの軟骨分割法の優れたパフォーマンスが観察されました。
CartiMorph には、変形性膝関節症の画像バイオマーカーの発見を促進する可能性があります。

要約(オリジナル)

We introduce CartiMorph, a framework for automated knee articular cartilage morphometrics. It takes an image as input and generates quantitative metrics for cartilage subregions, including the percentage of full-thickness cartilage loss (FCL), mean thickness, surface area, and volume. CartiMorph leverages the power of deep learning models for hierarchical image feature representation. Deep learning models were trained and validated for tissue segmentation, template construction, and template-to-image registration. We established methods for surface-normal-based cartilage thickness mapping, FCL estimation, and rule-based cartilage parcellation. Our cartilage thickness map showed less error in thin and peripheral regions. We evaluated the effectiveness of the adopted segmentation model by comparing the quantitative metrics obtained from model segmentation and those from manual segmentation. The root-mean-squared deviation of the FCL measurements was less than 8%, and strong correlations were observed for the mean thickness (Pearson’s correlation coefficient $\rho \in [0.82,0.97]$), surface area ($\rho \in [0.82,0.98]$) and volume ($\rho \in [0.89,0.98]$) measurements. We compared our FCL measurements with those from a previous study and found that our measurements deviated less from the ground truths. We observed superior performance of the proposed rule-based cartilage parcellation method compared with the atlas-based approach. CartiMorph has the potential to promote imaging biomarkers discovery for knee osteoarthritis.

arxiv情報

著者 Yongcheng Yao,Junru Zhong,Liping Zhang,Sheheryar Khan,Weitian Chen
発行日 2023-08-30 17:02:55+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.LG, eess.IV, physics.med-ph パーマリンク