Ревматоидные узлы фото: симптомы, диагностика, лечение ревматоидного артрита коленного сустава в СПб

1.

Введение

Ревматоидный артрит (РА), наиболее распространенная хроническая форма артрита, ¹ — это аутоиммунное заболевание, которым страдает до 1% населения. РА обычно поражает синовиальные оболочки суставов, вызывая накопление синовита в суставах, что приводит к повреждению хрящей и костей.Визуализация может играть значительную роль в ранней диагностике РА и мониторинге эффективности соответствующего лечения. ^{2 , 3} Традиционно для визуализации признаков ревматоидного артрита, таких как разрушение костей и суставов в результате воспаления, использовалась рентгенография. Однако этот подход ограничен эффектами визуализации из-за относительно выраженного воспаления с видимым повреждением кости. ⁴ Магнитно-резонансная томография (МРТ) и ультразвуковое исследование также используются в качестве альтернативы рентгеновскому снимку для визуализации раннего РА.Были показаны многообещающие результаты, делающие возможной раннюю диагностику. Ограничения включают высокую стоимость и длительное время исследования (для МРТ) или зависимость от оператора (для УЗИ). ⁵

Оптическая визуализация рассматривается как альтернативный метод визуализации РА, поскольку она обеспечивает быструю неинвазивную визуализацию. ^{6 – 14} Плоская трансиллюминация с использованием лазера с длиной волны 675 нм рассматривалась для оценки прогрессирования заболевания путем наблюдения за проксимальными межфаланговыми суставами пальцев человека и оценки особенностей оптических изображений, полученных с использованием алгоритмов классификации изображений. ⁸ Этот подход позволил разрешить воспаление в суставах PIP в группе из 72 суставов с чувствительностью 80% и специфичностью 89%, и было показано, что он лучше подходит для оценки воспалительных изменений в синовиальной оболочке. Также рассматривались подходы оптической томографии для трехмерного разрешения изменений оптических коэффициентов между ревматоидной синовиальной тканью в ревматоидных суставах PIP по сравнению со здоровыми суставами PIP. ^{7 , 11 , 13 , 9, , , 15 , 16 , 16} Эти методы нацеливаются на реконструкцию оптических коэффициентов поглощения и рассеяния в двумерных плоскостях или трехмерно в соединениях пальцев. и полагаются на увеличение оптического поглощения и рассеяния из-за помутнения синовиальной жидкости или воспаления мембраны ^{8 , 11} или измерения концентрации воды и уровней насыщения тканей кислородом ¹⁷ для дифференциации пораженных артритом и здоровых суставов.Об этом сообщается в исх. 11 видно, что оптическое поглощение и рассеяние синовиальной ткани может увеличиваться на порядок при воспалении, а диффузная оптическая томография в частотной области показала дифференциацию между здоровыми и суставами, пораженными артритом, с чувствительностью и специфичностью >85% в группе из 99 PIP. суставы с ревматоидным артритом и 120 здоровых суставов PIP. ¹⁵ В Ref.17 с использованием мультиспектральной техники под рентгеновским контролем. Следует отметить, что оптико-акустические методы также были предложены для визуализации воспалительного артрита и остеоартрита в суставах мелких животных и человека. ^{18 , 19} Вышеупомянутые оптические и оптоакустические планарные или томографические оптические методы визуализации были ограничены межфаланговыми суставами пальцев человека. Лазерная допплеровская визуализация также была предложена для визуализации карт перфузии микроциркуляторного русла в PIP и пястно-фаланговых (MCP) суставах рук человека. ^{20 , 21}

В дополнение к внутреннему контрасту было также предложено использовать флуоресцентные красители и зонды для предоставления диагностической информации о воспаленной синовиальной ткани на основе методов планарной и томографической молекулярной визуализации. ^{22 , 23} Оптическая визуализация с использованием индоцианина зеленого (ICG) рассматривалась, в частности, для визуализации РА в доклинических и клинических применениях. ^{9 , 12 , 24 – 26} ICG представляет собой синтетический органический флуоресцентный краситель, который рассматривался в различных клинических исследованиях, а также в исследованиях ретинографии и печени. интраоперационные применения, такие как хирургия головного мозга и гастроэнтерологическая хирургия. ^{27 – 31} Также рассматривались исследования для выявления рака молочной железы ^{32 , 33} и выявления атеросклероза ³⁴ . При внутривенном введении ICG распределяется в сосудистую систему, обычно связываясь с белками плазмы. ICG имеет период полураспада от 3 до 4 минут после инъекции и выводится через гепатобилиарный тракт. ICG имеет пик оптического поглощения при ~780  нм и пик флуоресценции при 830 нм в крови. ³⁵

Распространенным методом клинической визуализации ICG с использованием оптической визуализации является флуоресцентная визуализация эпи-освещения (EFI), т. е. фотографический подход, при котором освещение и детектирование располагаются на одной стороне ткани. ^{14 , 36 – 38} Однако также были продемонстрированы трансиллюминационные и оптические томографические изображения. ^{39 , 40} При выполнении EFI образец обычно подвергается плоскостному освещению, а сигнал флуоресценции измеряется с помощью ПЗС на соответствующей длине волны с использованием соответствующих оптических фильтров, которые подавляют возбуждающий свет и пропускают только испускаемый свет. быть обнаруженным.Такие камеры могут работать со скоростью видео, что позволяет динамически измерять биораспределение флуорофоров. И наоборот, подход взвешен по поверхности, что означает, что флуоресценция, исходящая от поверхности ткани, собирается более эффективно, чем более глубокая флуоресценция, которая вместо этого ослабляется в зависимости от глубины. Следует отметить, что, насколько нам известно, визуализация EFI на основе ICG, предложенная в Ref. 24 на сегодняшний день является единственным клиническим инструментом на основе флуоресценции для визуализации синовита в суставах кисти человека и в то же время единственным методом одновременной визуализации синовита во всех запястных, пястно-фаланговых и межфаланговых суставах руки человека.В работе Ref. 41, чтобы иметь чувствительность 39,6% и специфичность 85,2% в группе из 45 пациентов. В другом исследовании сообщалось о чувствительности 76% и специфичности 54% у 252 пациентов. ²⁶

Результатом визуализации EFI является количество кадров флуоресценции, полученных в последовательные моменты времени. Визуальная проверка этой информации и получение диагностической информации не являются простыми из-за большого количества собранных данных и, возможно, наличия тонких пространственно-временных изменений, которые нелегко уловить человеческим восприятием.Чтобы количественно изучить пространственно-временной профиль ICG, полученный из клинических измерений после внутривенной болюсной инъекции ICG пациентам, мы использовали анализ основных компонентов (PCA). ⁴² PCA обычно применяется при изучении динамических явлений и используется в таких приложениях, как дифференциация внутренних органов у мышей, ³⁷ спектральное разделение, ⁴³ и многоспектральная оптоакустическая томография в режиме реального времени. ⁴⁴ PCA был применен здесь для разложения сложных временных и пространственных зависимостей флуоресцентных сигналов после введения ICG и исследования, можем ли мы идентифицировать динамические или пространственные паттерны, связанные с РА.Второстепенной целью этой работы было дальнейшее понимание влияния глубины на записываемые сигналы. Цель пространственно-временной обработки заключалась в том, чтобы выяснить, доставляется ли ICG с более высокой концентрацией или с другой временной кинетикой в ​​синовиальную выстилку по сравнению с окружающей тканью, поскольку это можно использовать в качестве маркера характеристики РА. Численная модель фантома, построенная с использованием сегментированного вручную МРТ-скана пястно-фалангового сустава, использовалась для моделирования последовательностей флуоресцентных изображений на основе метода конечных элементов (МКЭ).Работоспособность предлагаемого метода была продемонстрирована на этом фантоме, а также на отдельных суставах 10 пациентов с диагнозом РА и 5 здоровых добровольцев. Также представлены подробные клинические исследования восьми суставов с различной степенью тяжести синовита.

2.

Методы

2.1.

Клиническая визуализация ревматоидного артрита

Методология и анализ, представленные в этой статье, были разработаны в контексте недавнего исследования, проведенного в клинике Rechts der Isar, Мюнхен, Германия, с целью оценки диагностики РА с помощью ICG. . ⁴¹ Пациенты с более чем одним чувствительным и/или опухшим суставом среди запястных, пястно-фаланговых, пястно-фаланговых или двуфаланговых суставов были набраны, когда продолжительность симптомов превышала 6 недель на срок до 24 месяцев. Пациенты были осмотрены двумя ревматологами посредством бимануальной пальпации, а затем им была проведена визуализация с использованием 3T MR аппарата (Verio, Siemens Erlangen, Germany). МР-сканирование проводилось на обеих руках одновременно в положении пациента лежа и с вытянутыми руками в молитвенной позе. В качестве контрастного вещества вводили гадопентетатадим глумин (Magnograf, Schering, Берлин, Германия) в дозе 0.02 мл на кг массы тела. В поперечной и коронарной проекциях были получены жиронасыщенные изображения без усиления протонной плотности и постконтрастные Т1-взвешенные изображения с насыщением жиром. Контрастное вещество показывает более высокую относительную концентрацию в воспаленной, чем в здоровой синовиальной оболочке сустава. ⁴¹ Три рентгенолога оценили степень синовита в общей сложности в 30 суставах обеих рук с помощью МРТ. Оценки синовита по 4-балльной шкале ординат (0: нет воспаления, 1: легкая, 2: умеренная, 3: тяжелая) были присвоены каждому суставу в соответствии с системой полуколичественной оценки, предложенной группой OMERACT MRI. ⁴⁵ Эти показатели МРТ представляют собой диагностическую информацию для нашей работы.

На рис. 1 показаны характерные изображения пациента с артритом легкой степени (1 балл по шкале МРТ) в третьем пястно-фаланговом суставе левой руки. Яркая область вокруг области третьего пястно-фалангового сустава, отмеченная на рис. 1(b), указывает на относительно высокое накопление ICG в синовиальной оболочке этого сустава. Соответствующее поперечное МР-изображение показано на рис. 1(c), где синовит виден как гиперинтенсивное изменение сигнала на Т1-взвешенных, насыщенных жиром, контрастных МР-изображениях из-за более высокой концентрации МР-контрастного вещества.Области интереса (ROI), обозначенные белыми линиями на рис. 1 (c), указываются вручную для каждого пациента и используются в предлагаемом методе, представленном в разд. 2.2.

Рис. 1

(а) Образец флуоресцентного изображения левой руки через 40 с после инъекции индоцианина зеленого (ICG). У пациента имеется легкий синовит в третьем пястно-фаланговом суставе левой руки, о чем свидетельствует относительное усиление сигнала в очерченной области. (b) Названия суставов указаны на флуоресцентном изображении (MCP, пястно-фаланговый, PIP, проксимальный межфаланговый и DIP, дистальный межфаланговый).Белые кривые изображают области интереса (ROI), указанные для целей обработки. (c) Соответствующее контрастное, насыщенное жиром, Т1-взвешенное магнитно-резонансное (МР) изображение области пястно-фалангового сустава, где синовит в третьем пястно-фаланговом суставе выделен из-за более высокой относительной концентрации МР-контрастного вещества.

Флуоресцентную визуализацию выполняли с помощью системы флуоресцентной визуализации в ближнем инфракрасном диапазоне (Xiralite X4, Mivenion GmbH, Берлин, Германия), которая позволяет получать изображения в реальном времени на длине волны флуоресценции ICG от рук человека после возбуждения эпи-освещением. ^{24 , 26 , 41} В устройстве используется охлаждаемая ПЗС-камера, оснащенная длиннопроходным оптическим фильтром с длиной волны 800 нм. продолжительность 360 с. Для оптической визуализации пациент поместил руки внутрь устройства на шаблон, предназначенный для разведения пальцев. На обе руки применяли непрерывное освещение светодиодами с длиной волны 740 нм. Пациенты получали болюсную инъекцию в дозе 0.1 мг на кг массы тела. ICG вводили внутривенно примерно через 10 с после начала получения изображения, чтобы всегда были доступны базовые измерения до введения ICG.

2.2.

Анализ флуоресцентного изображения

Для анализа собранных флуоресцентных данных был использован PCA для разделения последовательности флуоресцентного изображения на различные временные и пространственные компоненты. PCA — это метод преобразования набора реализаций группы случайных величин в меньший набор значений, которые можно рассматривать как реализации соответствующей группы некоррелированных случайных величин, известных как главные компоненты. ⁴² PCA применяли к временной и пространственной подпоследовательности исходной необработанной последовательности флуоресцентных изображений, измеренной на руках пациентов, как описано в разд. 2.1. Полученные основные компоненты в каждой подпоследовательности затем объединялись для формирования другой последовательности. Эта новая последовательность была эффективно визуализирована как последовательность цветных изображений, где каждый цвет соответствует главному компоненту. Сигнал, вызванный синовитом, может оказаться одним из таких компонентов, если его динамическое поведение отличается от поведения обычной ткани.

Предлагаемый метод обработки обеспечивает разделение сигналов за счет многоуровневой локализации во времени и пространстве. На первом этапе изображение руки делится на различные области интереса, как показано на рис. 1(b). Существует семь ROI для разных областей руки. Этот шаг необходим, так как сигналы имеют разные временные и пространственные характеристики в разных областях кисти из-за различных сосудистых и анатомических структур и, следовательно, гемодинамики. Например, в пальцевом суставе имеется более плотная дорсальная венозная сеть (состоящая из областей интереса PIP и DIP) по сравнению с запястными суставами, что способствует большей интерференции сигнала в межфаланговых суставах.Точно так же области синовиальной ткани в пястно-фаланговых суставах мельче и меньше, чем синовиальная оболочка запястья, и поэтому на флуоресцентных изображениях выглядят как более четкие, но меньшие пятна по сравнению с сигналом, исходящим от воспаленных запястных суставов. Эти наблюдения требуют локализованной обработки, поскольку метод обработки направлен на разделение компонентов за счет минимизации пространственных и временных корреляций. Обработка лучше всего сосредоточена на областях с похожей динамикой сигнала. Следовательно, суставы с похожим поведением сигнала обрабатываются в одной области интереса.

Чтобы кратко объяснить применение PCA здесь, мы можем предположить {Ip}, p = 1⋯P, как набор P флуоресцентных изображений размером M1×M2  пикселей, полученных соответственно в P временных точках. В нашем исследовании P был равен 360, что соответствует 360 изображениям, полученным за 360 с. Затем для данного сустава пусть {Jp}, p=1⋯P обозначает последовательность обрезанных изображений в соответствующей области интереса, как показано на рис. 1(b). Средняя интенсивность в пределах каждой ROI была вычтена из этой последовательности изображений, так как каждое Jp имело среднее значение, равное нулю.Точно так же, как пространственное окно посредством применения окон ROI способствует лучшей производительности, окно во временной области также приводит к лучшему разделению сигнала из-за изменений гемодинамических характеристик после инъекции. В частности, L последовательных изображений были взяты из подпоследовательности Jp и взвешены с использованием временного окна, которое сужалось к границам этой подпоследовательности. Предполагая, что этой подпоследовательностью является Hik, где i находится в диапазоне от 1 до L, а k находится в диапазоне от 1 до P-L, мы записываем

Для реализации PCA на Hik каждое изображение в последовательности Hik было сначала векторизовано путем пометки всех столбцов, т. е.

Eq. (2)

. Преобразование PCA для этой матрицы основывалось на анализе сингулярных значений корреляционной матрицы L × L. Ck определяется как

2.3.

Моделирование и анализ с использованием метода конечных элементов

Чтобы обосновать использование поверхностных измерений для восстановления диагностической информации из более глубокой активности, а также для изучения эффективности предлагаемого метода PCA, мы смоделировали сигналы флуоресценции, зарегистрированные как функция предполагаемые физические и геометрические факторы, которые относятся к изучаемой здесь проблеме визуализации.Смоделированные факторы включают глубину и оценки относительного коэффициента поглощения ICG синовиальной оболочкой. Кроме того, мы исследовали видимость целевого флуоресцентного сигнала на различных временных этапах, когда ICG распределяется по области рук и суставов.

На рис. 2 показана численная модель фантома, которая была разработана и использовалась для вышеуказанных целей. Геометрия фантома была разработана с помощью ручной сегментации поперечных МР-изображений пястно-фалангового сустава пациента с тяжелым синовитом во втором пястно-фаланговом суставе.При сегментации были идентифицированы три элемента: кость, вены и синовиальная оболочка, как показано разными цветами на рис. 2(а). Предполагалось, что ICG накапливается как в фоновой ткани (объем вне костей), так и в синовиальной оболочке в различных концентрациях. В частности, предполагалось, что концентрация флуорофоров во включении и фоне, т. е. в остальной части плиты, составляет коэффициент поглощения N∶1. Чтобы оценить динамический диапазон коэффициента поглощения N, мы измерили интенсивность флуоресценции, наблюдаемую в нескольких воспаленных суставах, по отношению к сигналу в прилегающих несуставных тканях.В измеренных образцах отношение совместной флуоресценции к несвязанной колебалось от 2,5 до 6,0. Хотя эти измеренные отношения зависят от многих физических факторов, таких как момент времени визуализации или местоположение, извлеченный динамический диапазон служит оценкой основного коэффициента поглощения. Из-за более высокого ослабления сигнала глубокого воспаления из-за эффектов глубины эта оценка, вероятно, будет консервативной. Интересно, что интенсивность воспаленной синовиальной оболочки на МРТ-изображениях, в зависимости от тяжести воспаления, была в два-семь раз больше, чем в окружающей ткани.Это оправдано, поскольку МР-контрастный агент на основе гадолиния и ICG являются агентами, объединяющими кровь, и ожидается, что соответствующие интенсивности сигналов будут коррелировать с концентрацией в крови, даже если они имеют разные модели распределения из-за их разной молекулярной массы. Этот эффект также наблюдался в маммографии на основе ICG. ⁴⁶

Рис. 2

Численный фантом ткани, построенный с использованием сегментации поперечных МР-изображений ПФС сустава пальца: (а) фантом содержит общую ткань, две дорсальные вены (желтые изоповерхности), кости (серая изоповерхность) и синовиальной оболочки (красная изоповерхность), а ICG, накопленный в синовиальной оболочке, показан зеленым оттенком.(b) Тетраэдрическая сетка, созданная для числового фантома, с красными точками, обозначающими освещение на поверхности. (c) Образец смоделированного флуоресцентного изображения (видимого камерой, расположенной над рукой и видящей тыльную сторону) для синовиальной оболочки, расположенной на глубине 2 мм, с коэффициентом поглощения 3 по отношению к общей ткани, с черной кривой, очерчивающей совместная область. Единицы в (c) – это количество пикселей.

ICG, накопившийся в синовиальной оболочке, показан на рис.2(а) и соответствующее N-кратное увеличение концентрации флуорофора в ткани-мишени (синовиальной оболочке) по отношению к фону, как описано выше. Модель FEM использовалась для имитации распространения падающего света и расчета интенсивности света, излучаемого флуорофорами для заданного распределения ICG. Сетка состояла из 48 880 узлов и 278 832 элементов со средней длиной ребра 1,3 мм и была создана с использованием методов, описанных в ссылках. 47 и 48. Распространение света в ткани было смоделировано с использованием дискретизации диффузионного приближения (DA) на основе FEM. ⁴⁹ DA как приближение первого порядка более общего уравнения переноса излучения (RTE) подходит для моделирования распространения света в мутных тканях, где коэффициент рассеяния намного больше, чем коэффициент поглощения. В тканях это оптическое состояние обычно не соблюдается в областях, содержащих прозрачную жидкость, например в синовиальной оболочке, или в воздухе, например в легких, или в областях с очень высоким поглощением, например в крупных кровеносных сосудах. Тем не менее, световое моделирование на основе DA широко используется для доклинических приложений (таких как локализация опухоли в мышиных моделях рака легкого ⁵⁰ ) и клинических приложений, включая томографию межфаланговых суставов пальцев человека ^{17 , 51 , 52} , а также для моделирования распространения света в стыках. ⁷ Используются RTE и его аппроксимации более высокого порядка, а также более точная модель для томографического изображения суставов пальцев, но особенности вычислений также накладывают ряд аппроксимаций и допущений. ^{15 , 53} Недавнее исследование показало, что при наличии априорной анатомической информации, полученной с помощью рентгеновских изображений, моделирование распространения света на основе DA приводит к погрешности томографической реконструкции суставов человека <4%, в по сравнению с аппроксимацией RTE более высокого порядка, в то время как без такой априорной информации ошибка реконструкции может быть значительно больше. ⁵³ Коэффициенты оптического поглощения и рассеяния ткани были установлены на типичные значения 0,05  мм–1 и 1,0  мм–1, типичные для ткани. На рис. 2(b) показана тетраэдрическая сетка, созданная для фантома, а красными точками отмечена поверхность освещения. На рисунке 2(c) показано изображение флуоресценции образца, полученное с помощью моделирования методом конечных элементов.

Динамические флуоресцентные изображения моделировались в течение 360 с путем присвоения зависимых от времени концентраций ICG различным сегментам ткани. В частности, кровоток имитировали путем взвешивания концентрации ICG на заднем плане, в венах и синовиальной оболочке в соответствии с временными характеристиками, экспериментально полученными из измерений флуоресценции у пациента, чье МРТ-сканирование использовалось для создания фантома.Три временные кривые были измерены в трех разных местах, то есть в дорсальной вене, общей ткани и воспаленных суставах. Окончательная смоделированная последовательность изображений содержит сигнал флуоресценции, исходящий от различных объектов в фантоме, и добавленный шум измерения Гаусса с 1,5% энергии сигнала флуоресценции.

2.4.

Метрика локализации для оценки изображения

В этом разделе мы создаем основу для количественной оценки результатов и сравнения необработанных и обработанных последовательностей изображений компонентов.Эта структура затем используется для оценки эффективности предлагаемого метода при локализации желаемых компонентов сигнала как в смоделированных на основе FEM, так и в последовательностях клинических флуоресцентных изображений. Идея такой структуры состоит в том, чтобы количественно определить присутствие компонента на изображении, которое потенциально можно отнести к целевому источнику флуоресценции, то есть, в нашем случае, к сигналу синовита. Это достигается сегментацией изображения и последующей оценкой бинарных сегментов по сравнению с эталонным бинарным изображением.Эталонное бинарное изображение вручную устанавливается в область, где ожидается наличие сустава (для клинических изображений эта область задавалась с помощью МРТ-коронарных изображений). Если сегмент изображения локализован в области, обозначенной эталонным бинарным изображением, он может быть потенциально связан с флуоресцентным сигналом, исходящим от суставного синовита.

В частности, для последовательности изображений, необработанных или обработанных, и ROI, где ожидается расположение сустава, была разработана метрика локализации, значение которой указывает, предполагает ли последовательность изображений наличие локализованного компонента сигнала в области сустава.Этот показатель имеет значение от 0 до 100, где значение 100 предполагает наличие компонента сигнала, ограниченного и охватывающего область сустава, а 0 предполагает отсутствие локализованного компонента сигнала в области сустава. Эта метрика применяется к каждому изображению в последовательности, а метрика, связанная с последовательностью изображений, определяется как максимальная из всех метрик для изображений в последовательности. Следовательно, изображение с максимальным значением метрики считается изображением, содержащим лучший компонент-кандидат сигнала.Для пояснения пример представлен на рис. 3. Синий эллипс, очерченный на рис. 3, обозначает приблизительное расположение второго сустава MCP, определяемое как «область интереса сустава». Ожидается, что флуоресцентный сигнал, исходящий от ICG, накопленного в воспаленной синовиальной оболочке, будет проявляться как различимый и локализованный сигнальный компонент, по крайней мере, частично в области интереса сустава. Изображение флуоресценции на рис. 3 содержит такую ​​составляющую, обведенную красной кривой. Этот компонент был сегментирован с использованием подхода сегментации метрической структуры, предложенной в разделе.

Рис. 3

Флуоресцентное изображение в области пястно-фалангового сустава у пациента с умеренным синовитом во втором правом пястно-фаланговом суставе. Синий эллипс показывает область, в которой расположен сустав, т. е. эталонную область сустава, а красная кривая обозначает сегментированную область, которая лучше всего перекрывает эталонную область сустава.

В частности, пусть R обозначает бинарное изображение, которое равно 1 внутри суставной области и 0 снаружи. Для данного изображения I размера N×M бинарное изображение J строится следующим образом:

Сходство между эталонными бинарными изображениями R и сегментированным бинарным изображением K дает меру вероятности того, что компонент сигнала, обозначенный бинарной областью в K, возник из-за флуоресценции в области, обозначенной R.Чтобы количественно оценить сходство между R и K, мы используем расстояние Жаккара ⁵⁴ в качестве меры на основе перекрытия и расстояние Хаусдорфа ⁵⁵ в качестве меры на основе границы и энергии сигнала. Применение расстояний Хаусдорфа и Жаккара в качестве типичных метрик локализации на основе границ и перекрытий является распространенным подходом для целей оценки сегментации и поиска изображений. ^{56 – 60} Обзор и сравнение нескольких метрик локализации с целью оценки систем интерпретации изображений представлено в Ref.61.

В частности, в этой работе метрика локализации для бинарного изображения K, заданного эталонного бинарного изображения R и исходного полутонового изображения I определяется как

Eq. (8)

Метрика для данной последовательности изображений Ii определяется как

Ур. (9)

Предложенная здесь метрика используется в гл. 3 для двух целей. Во-первых, он используется для сравнения последовательностей обработанных компонентов с последовательностью отрисовываемых изображений для различных суставов с разной степенью тяжести синовита. Во-вторых, метрика используется для изучения эффективности метода по сравнению с различными физическими факторами, такими как глубина поражения и коэффициент поглощения, с использованием числового фантома, представленного выше в разделе.2.3.

3.

Результаты

3.1.

Обработка последовательностей смоделированных изображений на основе FEM и влияние физических факторов

В этом разделе мы устанавливаем влияние физических и геометрических параметров, таких как глубина синовиальной оболочки или концентрация ICG в синовиальной оболочке, на сигнал флуоресценции полученное для геометрического расположения, представленного в гл. 2.3. На рисунке 4(а) показаны результаты численного исследования фантома. Модель на основе FEM, обсуждавшаяся в разд.2.3 использовали для имитации распространения падающего плоского освещения в ткани и результирующего флуоресцентного сигнала, исходящего от синовиального включения, фоновой ткани и вен. Ось z на рис. 4(а) обозначает относительный контраст между сигналом флуоресценции в области сустава, как показано на рис. 2(с), и фоновым сигналом на смоделированных изображениях для разных глубин от 2 до 7 мм и коэффициенты поглощения от 1 до 10, при этом коэффициент поглощения обозначает отношение концентрации ICG в синовиальной оболочке к фону.Рисунок 4(b) иллюстрирует результаты, полученные в результате моделирования продольного измерения. В частности, для каждой глубины и коэффициента поглощения предложенный метод на основе PCA был применен к последовательности необработанных изображений флуоресценции, сгенерированных с использованием числового фантома, где разные кадры обозначают смоделированные изображения интенсивности сигнала флуоресценции за 360 с, как подробно описано в разд. 2.4. Затем были найдены значения метрик локализации для смоделированных последовательностей необработанных изображений, а также соответствующих обработанных последовательностей, как показано в уравнении.(9). Метрика локализации была рассчитана для отдельных смоделированных изображений на основе подхода, описанного в разд. 2.4 и уравнение. (8). Ось z на рис. 4(b) обозначает значение метрики локализации, рассчитанное для разных глубин и коэффициентов поглощения как для необработанных последовательностей изображений (поверхность, отмеченная сплошными линиями), так и для обработанных последовательностей (поверхность, отмеченная пунктирными линиями). Высокое значение показателя локализации указывает на наличие сигнального компонента, связанного с флуоресценцией синовиальной оболочки.

Рис. 4

Результаты моделирования и обработки числового фантома представлены на рис. 2, п. 2. 2.3. (а) Соотношение между интенсивностью сигнала в области интереса сустава и фоном для различной глубины синовиальной оболочки и коэффициентом поглощения ICG в синовиальной оболочке, рассчитанное для смоделированной необработанной флуоресцентной последовательности изображений (контрастность обозначает максимум этого отношения по всему последовательность). (b) Метрика локализации для необработанных смоделированных последовательностей флуоресценции (поверхность, отмеченная сплошными линиями) и для трех последовательностей обработанных изображений, соответствующих трем компонентам (поверхность, отмеченная пунктирными линиями) в зависимости от глубины и коэффициентов поглощения.Более высокое значение показателя локализации указывает на наличие локализованного компонента в суставной области в соответствующей последовательности изображений.

Результаты показывают, что сигналы флуоресценции могут быть извлечены для глубины, где синовит может возникнуть для различных суставов. Кроме того, анализ PCA показывает наличие компонента сигнала, локализованного в области сустава, для большего диапазона коэффициентов поглощения и заданной глубины, и наоборот. На сигнал флуоресценции в суставах пальцев также влияет влияние кровотока на распределение ИКГ.После внутривенной инъекции ICG циркулирует к рукам через лучевую и локтевую артерии, а затем возвращается обратно через ладонные и венозные вены, в результате чего флуоресцентный сигнал, исходящий из дорсальных вен и общей ткани, мешает сигналу синовита. Моделирование МКЭ, представленное на рис. 4(а), предполагает, что даже при синовите до 3 мм под кожей интерференция, возникающая при коэффициентах поглощения <3, может усложнить обнаружение сигнала. Однако, как видно на рис. 4(b), метод на основе PCA может отделить сигналы флуоресценции от вены и фонового сигнала для моделирования временных рядов на основе FEM для поражений глубиной до 5 мм для коэффициентов поглощения <5, в то время как целевой сигнал можно было различить на необработанных флуоресцентных изображениях только до глубины 2 мм.

3.2.

Пространственно-временной анализ изображений пораженных артритом суставов кистей рук

После анализа смоделированных данных мы применили метод PCA в исследовании пациентов с РА. На рисунке 5 показаны необработанные и обработанные результаты для последовательности флуоресцентных изображений, полученных от 64-летней пациентки с тяжелым артритом левого запястья и синовитом средней и тяжелой степени соответственно в левом четвертом и втором ПМФ суставах. ROI этих трех суставов левой руки показаны на рис.5(а). На рис. 5(r)-5(t) соответственно. Необработанные изображения флуоресценции, измеренные в моменты времени 37, 43, 53 и 89 с, показаны соответственно на рис. 5(b)-5(e) в области интереса, соответствующей запястному суставу. На рисунках 5(f)–5(i) показаны соответствующие обработанные изображения в эти моменты времени, где три компонента отображаются в соответствии с возрастающей величиной соответствующих сингулярных значений на зеленый, красный и синий каналы изображенных цветных изображений. .Значения цвета в обработанных изображениях находятся в диапазоне от 0 до 1. Заметный сигнал флуоресценции появляется на необработанных изображениях запястья, в частности, в момент времени 37 с. Соответственно, на рис. с 5(f) по 5(i), совпадающее с местом, где появляется сигнал флуоресценции в необработанных данных. Интересно, что компонент № 1 появляется во все моменты времени последовательности, в отличие от необработанного сигнала флуоресценции, который практически исчезает в более поздние моменты времени, как показано на рис.5(г) и 5(д). Необработанные и обработанные кадры изображения для левого второго соединения PIP показаны на рис. 5(j) и 5(k) и фиг. 5(n) и 5(o) соответственно, и фиг. 5(l) и 5(m) и фиг. 5(p) и 5(q) представлены соответствующие результаты для левого четвертого сустава PIP для моментов времени 30 и 42 с после инъекции. Как и в запястье, в первом компоненте появляется сильно локализованный сигнальный компонент, видимый на двух дисплеях временной точки для обоих суставов.

Рис. 5

Клинический случай 64-летней пациентки с тяжелым синовитом в левом запястье и тяжелым и умеренным синовитом во втором и четвертом левых межфаланговых суставах соответственно.(а) Образец флуоресцентного изображения через 100 с с соответствующими тремя областями интереса, обозначенными белыми кривыми. (b)–(e) Необработанные флуоресцентные изображения (от 0 до 65 535 отсчетов интенсивности с черным цветом, обозначающим 0), соответствующие временным точкам 37, 43, 53 и 89 с после инъекции соответственно; (f)–(i) Соответствующие обработанные цветные изображения в те же четыре момента времени. (j)–(k) и (n) и (o) – необработанные и обработанные изображения для левой второй PIP, а (l) и (m) и (p) и (q) соответствуют результатам для левой четвертой Соединение PIP для моментов времени 30 и 42 с после инъекции.Воспаленные синовиальные оболочки, характеризующиеся более высоким относительным накоплением МР-контрастного вещества, отмечены на поперечных Т1-взвешенных МРТ-изображениях с контрастным усилением на (r)–(t) для левого запястного сустава и второго и четвертого ПМФ суставов соответственно. Три основных компонента сопоставляются с красными, зелеными и синими каналами в (f)–(i) и (n)–(q). Во всех показанных случаях и временных точках сигнал в синем канале указывает на синовит, в то время как сигналы зеленого и красного каналов могут быть в основном связаны с флуоресценцией, исходящей из дорсальных вен на (f)–(i) и густой сосудистой сети кончиков пальцев на ( п) до (д).

В синем канале обработанных изображений хорошо виден тяжелый синовит левого запястного и второго межфаланговых суставов, а также умеренный синовит четвертого межфалангового сустава. Этот пример демонстрирует достоинства предлагаемого метода во временной и пространственной развязке различных компонентов сигнала, вносящих вклад в флуоресцентное изображение. В частности, сигнал от вен и синовита четко разделен на три цветовых канала (соответствующих трем основным компонентам) на рис.5(g) для запястья в момент времени 24 с. Сигнал синовита является наиболее стойким во времени компонентом (по сравнению, например, с сигналами вены). Таким образом, он преобразуется в синий канал, который является наиболее доминирующим каналом, т. е. с наибольшим сингулярным значением. С другой стороны, сигнал вены проходит по зеленому и красному каналам в разные моменты времени. Часть сигнала синовита также просочилась в красный канал, как показано на рис. 5(f). Метрика локализации, рассчитанная для необработанных и обработанных последовательностей изображений, была рассчитана в соответствии с уравнением.(9). Эталонные области интереса для трех суставов в этом и следующем случаях были установлены с использованием флуоресцентных изображений и соответствующих МРТ-коронарных изображений в качестве анатомического эталона. Значения метрик для этих и других соединений, изученных в этом разделе, представлены в таблице 1. Метрика для обработанной последовательности представляет собой максимум из трех последовательностей, соответствующих трем компонентам. Как видно, первый компонент (сопоставленный с синим каналом) в обработанной последовательности достигает максимальной метрики 83 для запястья, в то время как соответствующее значение для необработанных последовательностей равно 35.Для второго и четвертого суставов PIP левой руки для обработанных последовательностей были рассчитаны значения метрик, соответственно, 66 и 46, в то время как в необработанных изображениях не было обнаружено локализованных компонентов, что привело к значению метрики, равному 0. Это, вероятно, за счет сильной связи сигнала синовита с сигналом от неспецифического фона и тыльной венозной сети пальцев.

Таблица 1

Значения метрик локализации, рассчитанные для необработанных и обработанных последовательностей изображений для случаев, представленных на рис.5 до 8.

Другая презентация сустава с выраженным артритом, представленная на рис. 6, дополнительно демонстрирует способность предложенного метода разделять. В данном случае представлена ​​пациентка 46 лет с тяжелым синовитом в третьем правом пястно-фаланговом суставе.Необработанные флуоресцентные изображения в области MCP, как показано на рис. 6 (a), показаны на рис. 6(b)–6(e) в моменты времени 35, 57, 67 и 91 с после инъекции ICG. Соответствующие обработанные изображения представлены на рис. 6(f)-6(i). Как и в предыдущем случае, сильный флуоресцентный сигнал появился и в этом случае на необработанных флуоресцентных изображениях во второй области МКП. Этот сигнал сильнее в более ранние моменты времени и позже ослабевает. Соответственно, первый компонент PCA показал сильный сигнал, который также уменьшался со временем.Поперечное МР-изображение правых пястно-фаланговых суставов этого пациента показано на рис. 6(j), на котором подтверждается область с выраженным тяжелым синовитом в третьем правом пястно-фаланговом суставе. Из-за своей силы и временной постоянства сигнал синовита также проявляется здесь в синем канале, а сигнал вены — в основном в красном канале. В зеленом канале очень мало вклада. Как и в предыдущем случае, сигнал воспаления хорошо отделен от фона в последний момент времени, хотя на необработанном флуоресцентном изображении он довольно нечеткий.Значения метрик для этого случая, как видно из таблицы 1, составляют 31 и 60 соответственно для исходного и синего каналов обработанной последовательности.

Рис. 6

Клинический случай 46-летней пациентки с тяжелым синовитом в третьем правом пястно-фаланговом суставе. (а) Образец флуоресцентного изображения через 100 с с областью интереса MCP, обозначенной белой линией. (b)–(e) Необработанные флуоресцентные изображения, соответствующие временным точкам 35, 57, 67 и 91 с после инъекции соответственно. (f)–(i) Соответствующие обработанные цветные изображения в те же четыре момента времени.(j) Поперечное Т1-взвешенное, насыщенное жиром МРТ-изображение с контрастированием пястно-фаланговых суставов с красной стрелкой, изображающей воспаленную синовиальную оболочку, характеризующуюся более высоким относительным накоплением МР-контрастного вещества. Три основных компонента сопоставлены с красным, зеленым и синим каналами в пунктах (f)–(i). Сигнал в синем канале указывает на синовит в третьем ПФС во всех четырех временных точках. Сигналы зеленого и красного каналов можно отнести к фоновому сигналу и сигналу жилок соответственно.

Корпуса, представленные на рис.5 и 6 соответствовали запястным, пястно-фаланговым и пястно-фаланговым суставам с синовитом от умеренной до тяжелой степени. Предлагаемый способ применим также к суставам с синовитом легкой и средней степени тяжести. Как описано в гл. 2.1, суставы с легким и умеренным синовитом соответствуют 1 и 2 баллам синовита по шкале МРТ соответственно.

Результаты обработки для 49-летней пациентки с синовитом суставов легкой и средней степени тяжести представлены на рис. 7. Результаты обработки показаны для двух областей интереса — области запястья и области исследования MCP — как показано на рис.7(а). Поперечные изображения области MCP и изображение запястья, как показано на рис. 7(h) и 7(i) и фиг. 7(r) и 7(s), соответственно, представлены данные МРТ для этого пациента с красными стрелками, изображающими синовит. У больного умеренный синовит третьего правого пястно-фалангового сустава и левого запястного сустава и легкий синовит второго правого пястно-фалангового сустава.

Рис. 7

Клинический случай 49-летней пациентки с умеренным синовитом в левом запястном и втором пястно-фаланговых суставах и легким синовитом в третьем левом пястно-фаланговом суставе.(а) Образец флуоресцентного изображения через 100 с с MCP и ROI запястья, очерченными белыми линиями. (b)–(d) Необработанные флуоресцентные изображения, соответствующие моментам времени 37, 52 и 99 с соответственно. от (e) до (g) Соответствующие обработанные цветные изображения в те же три момента времени в левой области MCP. от (h) до (i) поперечные Т1-взвешенные МРТ-изображения с контрастным усилением пястно-фаланговых суставов с красными стрелками, изображающими воспаленную синовиальную оболочку во втором и третьем пястно-фаланговых суставах. Сигнал в красном канале, обозначенный пунктирными эллипсами на (f) и (g), может быть связан с синовитом.Изображения (j)–(m) и (n)–(q) соответствуют, соответственно, необработанным и обработанным изображениям запястья в моменты времени 37, 48, 72 и 99 с. (r) и (s) показывают два поперечных МР-изображения запястья. Сигнал красного канала на (q), обозначенный пунктирным эллипсом, может быть связан с умеренным синовитом запястья.

Рис. 7(b)–7(d) и Рис. 7(e)-7(g) демонстрируют необработанные флуоресцентные изображения и обработанные изображения, соответствующие моментам времени 37, 52 и 99 для области MCP.У этого пациента был легкий синовит в третьем пястно-фаланговом суставе и умеренный синовит во втором, четвертом и пятом пястно-фаланговых суставах. Хотя сигналы синовита почти невидимы и неразличимы на необработанных флуоресцентных изображениях, они четко видны в отмеченных местах на рис. 7(е) и 7(ж). Кроме того, на рис. 7(j)-7(m) и фиг. 7(n) и 7(q) соответственно. Сигнал от синовита запястья почти не виден на необработанных флуоресцентных изображениях, т.е.д., рис. с 7(к) по 7(м). Однако красный канал показывает переходный компонент сигнала на рис. 7(q) внутри отмеченной области, который потенциально может быть связан с воспалением в запястье. Сигнал жилок появляется в красном и зеленом каналах кратковременно на рис. с 7(n) по 7(q) и постоянно находится в синем канале во всех четырех временных точках. Как видно из таблицы 1, значения метрик локализации для второго и третьего суставов MCP достигают максимума, соответственно, 54 и 48 в красном канале и 0 в необработанной последовательности.Соответствующие значения метрик для запястья равны 32 и 0 для красного канала обработанной последовательности и необработанной последовательности соответственно. Следует отметить, что, хотя на основании МРТ у пациента был диагностирован умеренный синовит как в четвертом, так и в пятом левых пястно-фаланговых суставах, как необработанные, так и обработанные последовательности достигают очень низких (0 и 8 соответственно) метрических значений, что означает отсутствие воспаления. обнаруживаются в любой последовательности.

3.3.

Применение пространственно-временного анализа к изображениям здоровых суставов кисти

На рис. 8 показан контрольный случай 43-летнего мужчины без воспаления в правом запястье.Необработанные флуоресцентные и обработанные изображения показаны на рис. 8 для области интереса запястья, обозначенной на рис. 8 (а) для образца флуоресцентного изображения в момент времени 100 с. В частности, рис. 8(b)–8(d) представляют кадрированные необработанные флуоресцентные изображения, полученные в моменты времени 36, 42 и 61 с после инъекции, а на фиг. 8(e)-8(g) показывают соответствующие обработанные изображения, состоящие из трех компонентов PCA, сопоставленных с красным, зеленым и синим каналами. Кроме того, на рис. 8(h) представлены Т1-взвешенные результаты МРТ для этого пациента в виде коронарного изображения запястья.На рис. 8(h) не наблюдается значительного контраста из-за более высокого поглощения контрастного вещества для МР, и впоследствии группа рентгенологов присвоила синовиту 0 баллов (объяснение см. в разделе 2.1). Компоненты сигнала, появляющиеся в трех цветовых каналах, соответствующих трем компонентам PCA на рис. 8(b)–8(d) нехарактерны для синовита запястья и связаны с наличием вен или артефактов. В этом случае ни необработанная флуоресцентная последовательность, ни обработанные цветные изображения не показывают каких-либо компонентов сигнала, типичных для синовита запястья.Как видно из таблицы 1, значения метрик как для обработанных, так и для необработанных последовательностей в этом случае равны 0, то есть в объединенной области интереса не обнаружено локализованного компонента.

Рис. 8

Контрольный случай 43-летнего мужчины со здоровым правым запястным суставом. (а) Образец флуоресцентного изображения через 100 с с областью интереса запястья, обозначенной белой линией. (b)–(d) Необработанные флуоресцентные изображения, соответствующие моментам времени 36, 42 и 61 с соответственно. (e)–(g) Соответствующие обработанные цветные изображения в те же четыре момента времени.(h) Корональное Т1-взвешенное МРТ-изображение суставов запястья с контрастным усилением. Сигнал, появляющийся в красном, синем и зеленом каналах на (e)–(g), связан с наличием вен или иным образом изолированных пятен, как на (e), и нехарактерен для сигнала синовита запястья.

Обработка данных и моделирование, представленные здесь, были выполнены в 32-разрядной среде MATLAB на ПК с ОС Windows, процессором Intel с частотой 2:3 ГГц и 3,25 ГБ ОЗУ. Генерация сетки, МКЭ-моделирование и прямое решение задачи длились соответственно 60, 127 и 460 с.Обработка заданного набора данных, состоящего из 360 изображений, заняла 110 с для всех 30 суставов рук.

3.4.

Пространственно-временной анализ, примененный к 450 соединениям

Метод обработки на основе PCA, предложенный в гл. 2.2 применяли к последовательностям флуоресцентных изображений, полученных от группы из 10 пациентов (7 женщин и 3 мужчин, возраст 51±15 лет) и 5 ​​здоровых добровольцев (4 женщины и 1 мужчина, возраст 24±2 года). Пациентов и добровольцев отбирали, обследовали и визуализировали с помощью МРТ с контрастным усилением, и каждому из 450 суставов присваивали балльную оценку синовита от 0 до 3 (от здорового до тяжелого) на основе МРТ, как объяснено в разд.2.1. Распределение тяжести синовита среди различных групп суставов (запястный, пястно-фаланговый и межфаланговый) показано в таблице 2. Для каждого из 450 суставов была рассчитана метрика локализации как для исходной последовательности, так и для обработанной последовательности, как определено в разд. 2.4. Напомним, что метрика имеет значения в диапазоне от 0 до 100, где более высокое значение метрики указывает на присутствие компонента сигнала в соответствующей последовательности, локализованной вокруг соответствующего сустава. На рисунке 9 представлен график значений показателей для всех суставов, сгруппированных по степени тяжести синовита как для необработанных, так и для обработанных последовательностей.

Таблица 2

Распределение степени тяжести синовита среди 450 суставов кистей у 10 пациентов и 5 здоровых добровольцев.

Рис.9

Коробчатая диаграмма значений метрик локализации, присвоенных необработанным и обработанным последовательностям для отдельных 450 суставов 10 пациентов и 5 здоровых добровольцев. Суставы сгруппированы в соответствии с тяжестью синовита, где левые синие прямоугольники в каждой из четырех групп соответствуют обработанным последовательностям, а правые прямоугольники — необработанным последовательностям. Выбросы обозначены красными точками, сегмент красной линии указывает медиану, а нижний и верхний края прямоугольника соответствуют 25-му и 75-му процентилю. В группах «здоровая», «легкая», «умеренная» и «тяжелая» было 306, 112, 28 и 4 сустава соответственно.

Поскольку метрика локализации находится в диапазоне от 0 до 100, к метрике локализации можно применить пороговое значение, чтобы принять решение о тяжести синовита для данного сустава. Например, при заданном пороге r суставы со значениями метрик локализации больше r могут быть классифицированы как пораженные артритом (состоящие из всех трех уровней легкого, умеренного и тяжелого синовита), а суставы со значениями метрик меньше r могут быть классифицированы как здоровые. . Для классификатора, определенного как таковой, и для порогового значения r чувствительность и специфичность могут быть затем определены на основе показателей синовита MR в качестве золотого стандарта.Выполнение этого анализа для всех возможных пороговых значений приводит к кривой рабочей характеристики приемника (ROC), изображающей зависимость чувствительности от чувствительности = 1-специфичности. ⁶² Соответствующие ROC-кривые представлены на рис. 10 как для необработанных (синие сплошные и пунктирные кривые), так и для обработанных (красные сплошные и пунктирные кривые). Сплошные кривые ROC обозначают чувствительность по сравнению со специфичностью, когда порог применяется к метрике для принятия решения между «здоровым» и «легким, умеренным или тяжелым» синовитом, обозначенным здесь как классификация I.Пунктирные кривые ROC представляют чувствительность по сравнению со специфичностью, когда принимается решение между «здоровым или легким синовитом» и «умеренным или тяжелым синовитом», обозначенным здесь как классификация II.

Рис. 10

Кривые рабочих характеристик приемника (ROC) для значений метрик локализации, назначенных необработанным (синие кривые) и обработанным (красные кривые) последовательностям для 450 суставов 10 пациентов и 5 здоровых добровольцев. Сплошные и пунктирные кривые показывают эффективность классификации для дифференциации, соответственно, между здоровым и легким, умеренным или тяжелым синовитом, обозначенным как классификация I, и между здоровым или легким синовитом и умеренным и тяжелым синовитом, обозначенным как классификация II.Зеленая пунктирная линия представляет собой линию случайной классификации (чувствительность = 1-специфичность).

4.

Обсуждение

Флуоресцентные изображения пациентов с РА и здорового добровольца анализировали по их интенсивности и пространственно-временным характеристикам, а также по сравнению с МРТ-изображениями. Было обнаружено, что PCA, примененный к временным рядам флуоресцентных изображений руки, полученных после внутривенного введения ICG, может отделить флуоресцентные сигналы, связанные с воспалением, от фоновых сигналов и сигналов интерференции вен.Были представлены тематические исследования восьми запястных, пястно-фаланговых и межфаланговых суставов четырех пациентов с различной степенью синовита (от здоровой до тяжелой), представленных в разд. 3.2 и 3.3. У двух пациентов был тяжелый синовит (3 балла по шкале МРТ), а у одного был синовит от легкой до умеренной степени (1 и 2 балла по шкале МРТ соответственно) в запястном и пястно-фаланговом суставах. У одного из пациентов был синовит средней и легкой степени во втором и четвертом МФП суставах левой кисти. Было показано, что один пациент со здоровым запястным суставом, подтвержденным МРТ, визуально установил контрольный случай.Результат обработки вместе с соответствующими поперечными или корональными изображениями Т1-взвешенных МР-изображений с контрастным усилением представлены на рис. с 5 по 8.

Эти результаты были подтверждены численным моделированием на основе числового фантома, построенного с использованием сегментированного МР-скана, и использовались для лучшего понимания клинических результатов. Как и ожидалось, контраст между целевой и фоновой флуоресценцией быстро падает с увеличением глубины и коэффициента поглощения, как показано на рис. 4(а). Это снижает чувствительность обнаружения, что также наблюдалось на метрической поверхности локализации на рис.4(b), что свидетельствует об отсутствии локализованного компонента сигнала, различимого как желаемая флуоресценция в первичных измерениях флуоресценции. Было обнаружено, что локализованный компонент сигнала появляется в области сустава по крайней мере в одном из компонентов PCA для более низких коэффициентов глубины и поглощения, чем на исходных изображениях, как показано на пунктирной поверхности на рис. 4 (b), в более широком диапазоне. площадь в плоскости поглощения по глубине.

Влияние физических факторов на сигнал флуоресценции изучалось в гл. 3.1. Наблюдения за МРТ-изображениями разных пациентов выявили глубину синовиальной оболочки от 2 до 5 мм, от 3 до 8 мм и от 7 до 16 мм для межфаланговых, пястно-фаланговых и запястных суставов соответственно.На рис. 8(а) видно, что даже при относительно больших коэффициентах поглощения трудно обнаружить полезный сигнал в местах глубже ~5  мм из-за низкого относительного контраста. Эти наблюдения предполагают низкую обнаруживаемость целевого флуоресцентного сигнала на необработанных флуоресцентных изображениях для суставов, расположенных глубже 5 мм под кожей, что может относиться к некоторым пястно-фаланговым суставам и суставам запястья. Однако этот вывод не обязательно означает, что флуоресценция, возникающая при воспалении таких суставов, не может быть различима на необработанных изображениях.Причина в том, что числовой фантом, представленный в гл. 2.3 не дает полного описания ситуации с in vivo . Такие факторы, как неоднородная и изменяющаяся во времени фоновая флуоресценция или неоднородные оптические свойства ткани, могут ухудшить или улучшить качество сигнала по сравнению с предсказаниями численной модели.

Как уже отмечалось, низкое значение показателя локализации предполагает наличие компонента сигнала, локализованного в области сустава и, следовательно, потенциально связанного с сигналом воспаления.Хотя более высокое значение метрики обычно предполагает улучшенную производительность с точки зрения видимости сигнала, значение метрики нельзя интерпретировать как показатель значений статистической чувствительности или специфичности. Это наблюдение означает, что проявление локализованного сигнального компонента в области суставов, связанного с сигналом синовита, было более частым в обработанных последовательностях. Однако предложенный метод имеет более высокое значение показателя локализации для здоровых межфаланговых суставов.Это может быть связано с густой сетью дорсальных вен на пальцах, что способствует ложным срабатываниям и снижает чувствительность межфаланговых суставов.

Соответствующий анализ клинических данных показал, что контраст между синовиальной тканью и фоновой тканью обычно зависит от тяжести заболевания; однако со временем он уменьшался из-за фоновых неспецифических флуоресцентных сигналов. Подкожные дорсальные вены демонстрировали особенно высокие неспецифические сигналы; однако вся ткань неспецифически поглощает ICG и дает сильные фоновые сигналы.Это снижение контраста может привести к ложным положительным или отрицательным результатам, что отрицательно скажется на чувствительности. Точно так же флуоресценция, полученная от ICG, циркулирующего в относительно густой подкожной венозной сети в межфаланговых суставах, еще больше усложняет чтение необработанных изображений и может привести к снижению чувствительности и специфичности.

И наоборот, анализ PCA выявил компоненты, связанные с временными зависимостями циркуляции ICG. Были идентифицированы три компонента для выявления клинически значимых временных отношений.В частности, первый компонент продемонстрировал конгруэнтность с появлением повышенных сигналов флуоресценции в суставах. Другими словами, первый компонент PCA (т. е. синий канал на обработанных изображениях) демонстрирует последовательное увеличение сигнала флуоресценции в данных суставах. Это имело место для флуоресцентных сигналов, исходящих от суставов с умеренным и тяжелым синовитом, показанных на рис. 5 и 6. Сигналы от вен также сопоставляются с первым компонентом по той же причине на рис. 7.Вторая и третья компоненты PCA, отображаемые, соответственно, на красный и зеленый каналы в обработанных изображениях, обычно представляют собой сигнал переходного характера. Этот изменяющийся во времени сигнал может возникать из нескольких источников. Флуоресценция, исходящая от глубоких поражений, таких как синовиальная оболочка, из-за преходящего накопления ICG, или флуоресценция, быстро переносимая по венам, может способствовать развитию второго и третьего компонентов. Кратковременный, но сильный сигнал, исходящий от плотных сосудов кончиков пальцев, также часто вносит свой вклад в красный и зеленый компоненты, как видно на рис.5(n)-5(q). Поскольку третий компонент, представленный зеленым каналом, соответствует наименьшему сингулярному значению и, следовательно, сигналу с наименьшей временной корреляцией, обычно ожидается, что он представляет сильно переходные сигналы. Переходный характер и, следовательно, уровень информации в трех компонентах PCA более выражены в ранние моменты времени, например, от 20 до 100 с после инъекции. В более поздние моменты времени, например, через 120 с после инъекции, сигнал в основном состоит из первого компонента PCA, и вклад второго и третьего компонентов очень мал, поскольку ICG достигла относительно стабильного распределения в руках, а сигнал испытывает просто экспоненциальный спад.

Как объяснялось, временные характеристики сигнала флуоресценции в данном месте ткани влияют на связь флуоресценции с данным компонентом PCA. Эти временные характеристики в основном определяются распределением ICG по крови, как поясняется в разд. 3.1, и другие физиологические факторы, такие как проницаемость капилляров тканей. Однако невозможно связать флуоресценцию из-за присутствия ICG в определенной ткани с данным компонентом PCA.

Производительность предлагаемого подхода также ограничена физическими факторами глубины и коэффициента поглощения. Как и в случае необработанных флуоресцентных изображений, интерпретация результатов обработки зависит от пользователя. Характеристика отдельных компонентов сигнала, локализованных вокруг суставных областей, должна выполняться осторожно, чтобы не снижать диагностической специфичности. Кроме того, наличие сильного переходного или постоянного компонента сигнала в данном суставе может ухудшить развязку целевых флуоресцентных сигналов, исходящих от других суставов.Пример можно увидеть в клиническом случае, показанном на рис. 7. Пациенту был поставлен диагноз на основании МРТ-изображений с умеренным синовитом в четвертом и пятом левых пястно-фаланговых суставах. Однако ни исходные данные, ни обработанная последовательность не могут указывать на синовит в этих суставах. Это может быть связано с недостаточным накоплением ICG в слизистой оболочке сустава или влиянием фоновой ткани.

В сек. 3.4 мы представили результаты визуализации 450 суставов 5 здоровых добровольцев и 10 пациентов. На рис.9. Как видно, значения показателей, рассчитанные для обработанных последовательностей, обычно коррелируют с тяжестью синовита и намного выше, чем соответствующие значения, рассчитанные с использованием необработанных данных для артритных суставов. Значения метрик для обработанных данных здоровых суставов также ниже для здоровых суставов, чем суставы, пораженные артритом.

Более строгий анализ эффективности был проведен с использованием кривых ROC, представленных на рис. 10. Можно видеть, что при различении «здорового» и «легкого, умеренного или тяжелого» синовита, обозначенного как классификация I и соответствующего солидному ROC кривые на рис.10, классификация с использованием необработанных данных относительно близка к случайной линии (специфичность = 1-чувствительность). Это связано с тем, что целевой сигнал воспаления почти всегда искажается помехами от вен и других тканей, что усложняет наблюдение локализованного компонента сигнала в областях суставов. Ситуация улучшается при разграничении «здорового или легкого синовита» и «умеренного или тяжелого синовита», обозначенного как классификация II, с использованием необработанных данных (соответствующих синим пунктирным кривым на рис.10). Фактически, для классификации II специфичность 90% и чувствительность 44% могут быть достигнуты с использованием необработанных данных. Это согласуется с результатами клинического исследования, представленными в Ref. 41, который сообщает об относительно низкой чувствительности (∼39%) при относительно высокой специфичности (∼85%) при дифференциации здоровых и воспаленных суставов (классификация I). Следует отметить, что при значениях специфичности >90% значения чувствительности при использовании необработанных данных несколько выше, чем при использовании обработанных данных, как в I, так и во II классификации, хотя во всех случаях чувствительность <45%.Это связано с тем, что для здоровых суставов в обработанных последовательностях было обнаружено больше локализованных компонентов, чем в необработанных данных, что также видно на рис. 9.

Значения площади под кривой (AUC) найдены для ROC-кривых представлено на рис. 10. Для данного классификатора, ранжирующего положительные образцы выше, чем отрицательные, AUC равна вероятности ранжирования случайного положительного образца выше, чем случайный отрицательный образец, и, следовательно, является мерой качества классификатора. ⁶³ Для классификации I значения AUC равны 0.57 и 0,67 были получены при использовании, соответственно, необработанных (пунктирная синяя кривая ROC) и обработанных (пунктирная красная кривая ROC) последовательностей. Для классификации II были рассчитаны значения AUC 0,69 и 0,83 при использовании, соответственно, исходных данных (сплошная синяя кривая ROC) и обработанных данных (сплошная красная кривая ROC). Для текущего набора данных и специфичности >60% достижимая чувствительность для любого порога при использовании необработанных данных ограничена 25 и 50% для классификаций I и II соответственно. Однако при использовании обработанных данных чувствительность ограничивается 65 и 94% для классификаций I и II соответственно.Эти наблюдения предполагают, что использование предложенного метода на основе PCA дает более высокие клинические результаты, чем использование необработанных данных для диагностики.

Важно отметить, что на практике последовательности флуоресцентных изображений анализируются и интерпретируются для постановки диагноза специально обученными людьми. ^{26 , 41} Значения специфичности и чувствительности, полученные из ROC-кривых на рис. 10, служат для сравнения диагностической ценности необработанных и обработанных данных. Хотя результаты демонстрируют улучшение производительности при использовании предложенного метода, ожидается, что чувствительность и специфичность диагностики, выполненной экспертом-человеком, будут выше, чем значения, полученные из представленных здесь кривых ROC.Кроме того, перекрестный анализ как необработанных, так и обработанных последовательностей, вероятно, улучшит производительность по сравнению с использованием только одной последовательности. Более полная клиническая оценка предлагаемого метода требует изучения обработанных последовательностей обученными читателями для клинически значимой группы пациентов и является предметом текущих исследований.

В заключение, предлагаемый метод позволяет различать компоненты сигнала, которые имеют различное временное поведение. Эта возможность потенциально позволяет разделить флуоресценцию, исходящую от частей ткани с различными временными и пространственными профилями поглощения ICG.Помехи от флуоресценции в венах и общей ткани могут быть особенно уменьшены, что делает анализ временных рядов потенциально более важным для улучшения обнаружения воспаленных суставов по сравнению с наблюдением за изображениями интенсивности. Результирующие последовательности цветных изображений при изучении вместе с исходным набором необработанных данных могут помочь лучше локализовать компоненты сигнала, вызванные синовитом, тем самым улучшая диагностические характеристики, как показал анализ результатов обработки данных изображений для 450 суставов.Результаты этой работы также могут быть использованы для разработки оптических систем и методов визуализации и обнаружения воспаления суставов нового поколения с использованием экзогенной флуоресценции. Понимание влияния физических и физиологических факторов на возможность обнаружения желаемого сигнала флуоресценции и предлагаемая численная модель могут быть использованы для оптимизации положения рук и пальцев во время визуализации. Более того, модель моделирования временных рядов на основе FEM может использоваться для анализа производительности других подходов к постобработке.

Ссылки

2. 

3. 

4. 

8.

12. 

18. 

21. 

24. 

25. 

29. 

30. 

31. 

36. 

41. 

42.

43. 

45. 

47. 

48. 

53.

61. 

Узлы Гебердена: являются ли они признаком ревматоидного артрита?

Узелки Гебердена представляют собой костные бугорки, которые развиваются на суставах на кончиках пальцев.Эти узлы обычно связаны с остеоартритом. Однако ревматоидный артрит (РА) может поражать те же суставы, что затрудняет различение остеоартрита и РА. Здесь мы более подробно рассмотрим признаки, симптомы и причины узлов Гебердена и рассмотрим их связь с РА.

Если у вас развились какие-либо костные разрастания при ревматоидном артрите, поговорите со своим врачом. Ревматолог сможет определить, есть ли у вас узлы Гебердена или другой тип новообразований. Они также смогут работать с вами, чтобы найти лучший способ справиться с этим симптомом.

Узелки Гебердена представляют собой костные выросты, возникающие на суставах, ближайших к кончикам пальцев. Узлы часто делают руки кривыми или узловатыми. Пораженный сустав может быть болезненным и тугоподвижным, но сам узел может быть или не быть болезненным на ощупь. Связки и другие мягкие ткани также могут иногда вовлекаться в узелки Гебердена.

Узлы Гербердена | Изображение предоставлено DermNet

Узелки Гебердена возникают, когда хрящ между пораженными суставами изнашивается и кости сустава начинают непосредственно тереться друг о друга.В дополнение к этим узлам вы можете испытывать:

• Потеря движения
• Снижение диапазона движений
• Скованность и слабость в руках

Узлы Гебердена похожи на другой тип костных разрастаний, известных как узлы Бушара. Однако узлы Бушара возникают на суставах среднего пальца, а не на суставах, ближайших к ногтю. Узелки Бушара также встречаются значительно реже, чем узлы Гебердена.

Узлы Гебердена чаще всего связаны с остеоартритом от умеренной до тяжелой степени, а не с ревматоидным артритом.

Однако исследователи обнаружили, что ревматоидный артрит может поражать те же суставы, что и остеоартрит, включая суставы, расположенные ближе всего к кончику пальца. Когда это происходит, РА может вызывать изменения в суставе, которые невозможно отличить от узлов Гебердена.

У человека одновременно могут быть остеоартроз и ревматоидный артрит, что может усложнить диагностику причины узлов Гебердена. На самом деле, многие участники myRAteam сообщают, что наряду с ревматоидным артритом страдают остеоартритом.Один участник, в частности, поделился, что наряду с диагнозом ревматоидный артрит у них есть эрозивный остеоартрит, узлы Бушара и узлы Гебердена.

Узелки Гебердена также не обязательно указывают на наличие остеоартрита. Хотя они являются убедительным признаком того, что у человека остеоартрит, у человека должны быть другие симптомы остеоартрита в дополнение к узлам, прежде чем ему будет поставлен диагноз.

У некоторых людей с диагнозом РА развиваются ревматоидные узелки.Хотя ревматоидные узелки могут возникать на любом участке тела, чаще всего они возникают на руках и локтях, а также вблизи суставов. Если у вас разовьется ревматоидный узелок возле концевого сустава одного из ваших пальцев, его можно легко спутать с узлами Гебердена. Тем не менее, есть несколько ключевых отличий, которые могут помочь вам отличить их друг от друга.

Несмотря на то, что ревматоидные узелки могут быть твердыми, они не будут такими костными, как узлы Гебердена. Они могут больше напоминать кисту или опухший лимфатический узел.Даже когда они твердые, вы почти всегда сможете их немного вдавить. Вы не можете сделать это с костными наростами.

Ревматоидные узелки обычно не встроены в ткани под ними, поэтому их обычно можно перемещать под кожей. Они могут прикрепляться или внедряться в подлежащие ткани, но обычно они все равно немного скользят из стороны в сторону при надавливании. Узлы костного Хебердена этого не сделают.

Большинство узлов Гебердена маленькие, размером не больше горошины под кожей в непосредственной близости от пораженных суставов.Ревматоидные узелки могут быть такими маленькими, но могут достигать размеров лимона.

Наконец, узлы Гебердена возникают только на суставах, ближайших к концам пальцев. Если у вас есть узлы где-либо еще на руках, они не являются узлами Гебердена и будут диагностированы как что-то другое — возможно, но не обязательно ревматоидные узелки. Это могут быть кисты, инфекции или другие состояния. Из-за различных возможных причин важно поговорить со своим ревматологом, как только вы заметите какие-либо новообразования вблизи суставов или на них.

Подробнее о ревматоидных узелках.

Лучший способ определить, есть ли у вас узлы Гебердена, — это обратиться к врачу для визуализации ваших рук. Большинство врачей предпочтут использовать рентген, потому что это легко и минимально инвазивно. Эксперт изучит ваши рентгеновские снимки или другие изображения, чтобы определить, являются ли ваши наросты узлами Гебердена. Они также изучат аномалии на ваших пальцах, чтобы определить, почему они там.

После этого ваша медицинская бригада будет работать над определением причины узлов. Ваш врач проведет тщательный медицинский осмотр и задаст вам вопросы, которые помогут определить, следует ли вам диагностировать остеоартрит, ревматоидный артрит или и то, и другое. Ваш врач может также назначить анализы крови. Если у вас есть определенные маркеры крови для ревматоидного артрита, то это, скорее всего, будет правильным диагнозом для вас.

После того, как ваш врач ознакомится с вашими симптомами и историей болезни, а также увидит результаты анализов, он сможет поставить вам правильный диагноз.

Лучший способ управления узлами Хебердена — это лечение основного заболевания. Поскольку причиной чаще всего является остеоартрит, лечение может включать такие методы лечения остеоартрита, как физиотерапия, медикаментозное лечение или даже хирургическое вмешательство.

Если правильный диагноз для вашего состояния — ревматоидный артрит, у вас есть множество вариантов лечения. К ним относятся различные формы лекарств, в том числе:

• Биопрепараты
• Нестероидные противовоспалительные препараты (НПВП, такие как ибупрофен)
• Стероиды
• Болезнь-модифицирующие противоревматические препараты (БМАРП)

произошло повреждение сустава.

Если вам нужна поддержка людей, которые понимают, что значит жить с ревматоидным артритом каждый день, свяжитесь с myRAteam — социальной сетью для людей с диагнозом ревматоидный артрит и их близких. Здесь более 150 000 участников со всего мира собираются вместе, чтобы задать вопросы, предложить поддержку и совет, а также поделиться историями из жизни с RA.

Есть ли у вас симптомы узлов Гебердена или ревматоидных узелков? Поделитесь своим опытом в комментариях ниже или разместив сообщение на myRAteam.

Больше таких статей!

Подпишитесь, чтобы получать последние статьи о ревматоидном артрите.

Ты в деле! Спасибо за подписку!

Легко управляйте своей подпиской из самих писем.

Анамнез, физикальное обследование, ювенильный идиопатический артрит с системным началом

Ревматоидный артрит: симптомы и лечение

Ревматоидный артрит (РА) — это аутоиммунное заболевание, поражающее суставы. Он также классифицируется как воспалительное заболевание, поскольку ревматоидный артрит вызывает отек суставов.Он может возникнуть в любом возрасте, постепенно или быстро. Руки, запястья и ступни являются частыми мишенями, хотя более крупные суставы, такие как колени и бедра, могут поражаться позже, по мере прогрессирования заболевания. РА может вызвать у вас чувство усталости и слабости, а иногда он влияет на другие ткани и органы тела, вызывая проблемы с сердцем, легкими, кожей или глазами.

Лекарства от ревматоидного артрита не существует, но есть методы лечения, которые могут предотвратить дальнейшее повреждение суставов и облегчить боль от жизни с этим хроническим заболеванием.Вот почему ранняя диагностика и лечение так важны.

Ревматоидный артрит — это хроническое заболевание, вызывающее воспаление суставов или синовит. Собственная иммунная система организма по причинам, которые до сих пор в значительной степени неизвестны, атакует здоровые ткани, выстилающие суставы. Но не путайте ревматоидный артрит с остеоартритом (ОА), более распространенным типом артрита, возникающим из-за потери костной амортизирующей ткани, что может произойти с возрастом.

При ревматоидном артрите скованность, которую вы испытываете, обычно усиливается при пробуждении утром или после периода бездействия.Он может упрямо сохраняться в течение часа или дольше. Еще один признак того, что это ревматоидный артрит: по мере прогрессирования заболевания симптомы возникают симметрично. Если болят суставы в правой руке, можно поспорить, что со временем боль в левой руке будет имитировать боль в правой. Симптомы также могут выходить за пределы суставов. РА может подорвать ваш энергетический уровень и подавить ваш аппетит. Заболевание может привести к осложнениям, поражающим другие органы и ткани организма.

Не все случаи ревматоидного артрита выглядят или ведут себя одинаково.Естественно, ученые хотят знать, что стоит за различиями между людьми, которые они наблюдают в симптомах РА, прогрессировании заболевания и исходах. На данный момент они определили один ключевой отличительный фактор: наличие определенных аутоантител (или антител, атакующих организм) в крови пациентов.

Вы можете слышать, как врачи говорят об этих двух разных типах ревматоидного артрита:

Выявление таких различий может однажды привести к более целенаправленному лечению.

У людей с ревматоидным артритом симптомы могут развиваться медленно; другие испытывают быстрое начало болезни.

Могут поражаться другие ткани и органы, такие как сердце, легкие, кровь, нервы, глаза и кожа. Сухость глаз и рта, например, может быть вызвана синдромом Шегрена, аутоиммунным заболеванием, которое может быть осложнением РА. Узелки или шишки могут появляться под кожей или в других тканях или органах, таких как легкие. Если его не лечить или лечить неадекватно, РА может привести к инвалидности и даже вызвать деформации, в основном затрагивающие руки и ноги.

Когда у вас ревматоидный артрит, ваша иммунная система включается сама, атакуя здоровые клетки, вызывая сильное воспаление, которое вредит суставам.Эта ошибочная воспалительная реакция нацелена на синовиальную ткань, выстилку суставов. Чего ученые не знают, так это почему это происходит. Но есть генетические факторы, факторы окружающей среды и образ жизни, которые могут повысить риск:

Один потенциально защитный фактор: лактация. Имеются данные о том, что женщины, кормящие грудью, менее склонны к развитию ревматоидного артрита.

Люди с РА также часто испытывают обострения симптомов и другие периоды, когда симптомы стихают или наступают ремиссии. Некоторые рецидивы непредсказуемы, в то время как другие вызываются триггерами в вашем окружении, такими как:

Ни один тест не может подтвердить диагноз ревматоидного артрита.Поиски ответов обычно начинаются с физического осмотра и изучения истории болезни. Анализы крови ищут воспаление и антитела. Визуализирующие тесты, такие как рентген, могут не обнаруживать ранние изменения, но могут служить отправной точкой для оценки прогрессирования заболевания.

Если у вас диагностирован ревматоидный артрит, вполне вероятно, что в состав вашей медицинской бригады будет входить ревматолог, специализирующийся на лечении людей с артритом. Как и при многих хронических заболеваниях, чем раньше РА будет диагностирован и начато лечение, тем лучше.Лечение может замедлить или остановить повреждение РА, что предотвращает дальнейшее повреждение суставов.

Хотя ревматоидный артрит является прогрессирующим заболеванием, с ним часто можно справиться с помощью лекарств и стратегий самопомощи. Когда лекарства не помогают, возможно хирургическое вмешательство для восстановления или замены поврежденных суставов.

Обычно назначаемые лекарства от ревматоидного артрита:

Лекарства могут препятствовать ухудшению течения ревматоидного артрита, но в первую очередь не существует доказанных вмешательств для предотвращения этого потенциально изнурительного заболевания.StopRA, первое исследование по профилактике РА в США, предназначено для изучения того, может ли препарат гидроксихлорохин (уже используемый для лечения РА) предотвратить РА у людей с высоким уровнем анти-ЦЦП в крови, но без воспаления суставов (синовит). ) или отсутствие диагноза РА.

Пока наука не даст больше ответов, лучшее, что могут сделать люди, — это управлять потенциальными факторами риска РА.

Если у вас боли в суставах или другие симптомы ревматоидного артрита, не откладывайте визит к врачу. Если это РА, чем раньше вы начнете лечение, тем лучше.

, чтобы получить наши лучшие истории, доставленные в свой почтовый ящик, подписаться на Gooding Living Newsletter