CT-based Subchondral Bone Microstructural Analysis in Knee Osteoarthritis via MR-Guided Distillation Learning

要約

背景: MR ベースの軟骨下骨は変形性膝関節症を効果的に予測します。
ただし、その臨床応用は MR のコストと時間によって制限されます。
目的: 我々は、簡単に取得できる CT 画像を使用した軟骨下骨の微細構造解析のための、SRRD と呼ばれる新しい蒸留学習ベースの手法を開発することを目指しています。これは、ペアの MR 画像を活用して、トレーニング中の CT ベースの解析モデルを強化します。
材料と方法: CT と MR の両方のモダリティの膝関節画像は、2020 年 10 月から 2021 年 5 月まで収集されました。まず、MR 画像を CT 画像に変換するための GAN ベースの生成モデルを開発しました。これは、膝関節間の解剖学的対応を確立するために使用されました。
2つのモダリティ。
次に、MR 画像の軟骨下骨領域の多数のパッチを、対応する CT 画像パッチから回帰によって小柱パラメータ (BV / TV、Tb. Th、Tb. Sp、Tb. N) とともに取得しました。
蒸留学習技術を使用して回帰モデルをトレーニングし、MR 構造情報を CT ベースのモデルに転送しました。
退行した小柱パラメータは、変形性膝関節症の分類にさらに使用されました。
結果: 合計 80 人の参加者が評価されました。
小柱パラメータの CT ベースの回帰結果では、BV / TV、Tb のクラス内相関係数 (ICC) が 0.804、0.773、0.711、および 0.622 でした。
Th、TB。
Sp、およびTb。
N、それぞれ。
蒸留学習の使用により、CNN アプローチを使用した CT ベースの変形性膝関節症分類法のパフォーマンスが大幅に向上し、AUC スコアが 0.658 (95% CI、0.574-0.742) ではなく 0.767 (95% CI、0.681-0.853) となりました。
(p<.001)。 結論：提案された SRRD 法は、MR-CT 登録、回帰、変形性膝関節症分類において高い信頼性と妥当性を示し、CT 画像に基づく軟骨下骨微細構造解析の実現可能性を示しました。

要約(オリジナル)

Background: MR-based subchondral bone effectively predicts knee osteoarthritis. However, its clinical application is limited by the cost and time of MR. Purpose: We aim to develop a novel distillation-learning-based method named SRRD for subchondral bone microstructural analysis using easily-acquired CT images, which leverages paired MR images to enhance the CT-based analysis model during training. Materials and Methods: Knee joint images of both CT and MR modalities were collected from October 2020 to May 2021. Firstly, we developed a GAN-based generative model to transform MR images into CT images, which was used to establish the anatomical correspondence between the two modalities. Next, we obtained numerous patches of subchondral bone regions of MR images, together with their trabecular parameters (BV / TV, Tb. Th, Tb. Sp, Tb. N) from the corresponding CT image patches via regression. The distillation-learning technique was used to train the regression model and transfer MR structural information to the CT-based model. The regressed trabecular parameters were further used for knee osteoarthritis classification. Results: A total of 80 participants were evaluated. CT-based regression results of trabecular parameters achieved intra-class correlation coefficients (ICCs) of 0.804, 0.773, 0.711, and 0.622 for BV / TV, Tb. Th, Tb. Sp, and Tb. N, respectively. The use of distillation learning significantly improved the performance of the CT-based knee osteoarthritis classification method using the CNN approach, yielding an AUC score of 0.767 (95% CI, 0.681-0.853) instead of 0.658 (95% CI, 0.574-0.742) (p<.001). Conclusions: The proposed SRRD method showed high reliability and validity in MR-CT registration, regression, and knee osteoarthritis classification, indicating the feasibility of subchondral bone microstructural analysis based on CT images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google