反復形状の平均化とアトラスベースの登録を使用した自動マイクロックベースの骨および関節軟骨分析

マイクロコンピュータ断層撮影（μCT）およびコントラスト強化μCTは、骨および関節軟骨（AC）の前臨床分析のための重要なツールです。これらのモダリティからの定量的データは、組織セグメンテーションの精度に大きく依存しており、これはしばしば時間のかかる手動の輪郭を介して得られ、観察者内および観察者内の変動を起こしやすくなります。自動セグメンテーション戦略はこれらの問題を軽減できますが、μCTのコンテキストではそのようなアプローチはほとんど説明されていません。ここでは、平均的な組織アトラスの登録に基づいて、骨およびACセグメンテーションのための完全に自動化された戦略を検証しました。健康および関節炎のラットの大腿骨はμCT走査を受け、骨端骨骨骨骨とAC容積は専門家によって手動で輪郭が描かれました。1、3、5、10、20の事前に染色されたトレーニング画像（n = 10アトラーゼ/グループ）で構成される平均組織アトラーゼは、反復形状の平均化を使用して生成され、アフィンと非剛性の登録を介して未知の画像に登録されました。骨とACのアトラスベースの専門家と定義されたボリュームは、形状ベースの類似性メトリック、ならびに形態計測および濃度のパラメーターの観点から比較されました。私たちの結果は、Atlasベースの登録が非常に正確で一貫したセグメンテーションが可能であることを示しています。わずか3つのトレーニング画像から構築されたアトラーゼは、不正登録の発生率がなく、正確な登録の発生率が改善され、1つのトレーニング画像のみから構築されたアトラーゼと比較してより高い感度と特異性を示しました。μCT画像からの骨とACのAtlasベースのセグメンテーションは、手動組織セグメンテーションに代わる堅牢で正確な代替品であり、臨床前のデータセットのより速く、より一貫したセグメンテーションを可能にします。

Micro-computed tomography (μCT) and contrast-enhanced μCT are important tools for preclinical analysis of bone and articular cartilage (AC). Quantitative data from these modalities is highly dependent on the accuracy of tissue segmentations, which are often obtained via time-consuming manual contouring and are prone to inter- and intra-observer variability. Automated segmentation strategies could mitigate these issues, but few such approaches have been described in the context of μCT. Here, we validated a fully-automated strategy for bone and AC segmentation based on registration of an average tissue atlas. Femora from healthy and arthritic rats underwent μCT scanning, and epiphyseal trabecular bone and AC volumes were manually contoured by an expert. Average tissue atlases composed of 1, 3, 5, 10 and 20 pre-contoured training images (n = 10 atlases/group) were generated using iterative shape averaging and registered onto unknown images via affine and non-rigid registration. Atlas-based and expert-defined volumes for bone and AC were compared in terms of shape-based similarity metrics, as well as morphometric and densitometric parameters. Our results demonstrate that atlas-based registrations were capable of highly accurate and consistent segmentation. Atlases built from as few as 3 training images had no incidence of mal-registration and exhibited improved incidence of accurate registration, and higher sensitivity and specificity compared to atlases built from only one training image. Atlas-based segmentation of bone and AC from μCT images is a robust and accurate alternative to manual tissue segmentation, enabling faster, more consistent segmentation of pre-clinical datasets.