Sjálfvirk merkingargreining á nýrnablöðrum í MR myndum af sjúklingum sem verða fyrir áhrifum af fjölblöðru nýrnasjúkdómi

Tengiliður: Audrey Hu Whatsapp/hp: 0086 13880143964 Netfang:audrey.hu@wecistanche.com

Timothy L. Kline^1,2· Marie E. Edwards²· Jeffrey Fetzer¹· Adriana V. Gregory²· Deema Anaam¹· Andrew J. Metzger²· Bradley J. Erickson¹

Ágrip

TilgangurFyrir sjúklinga sem eru fyrir áhrifum af sjálfsfrumnaráðandi fjölblöðrunýrusjúkdómur(ADPKD), árangursrík aðgreining á blöðrum er gagnleg fyrir sjálfvirka flokkun á svipgerðum sjúklinga, klíníska ákvarðanatöku og framvindu sjúkdóms. Markmiðið var að þróa og meta fullkomlega sjálfvirka merkingargreiningaraðferð til að aðgreina og greina nýrnablöðrur hjá sjúklingum með ADPKD.

Aðferðir Sjálfvirk djúpnámsnálgun þar sem notuð var snúningstauganet var þjálfuð, staðfest og prófuð á setti af 60 MR T2-vegnum myndum. Þríþætt krossprófunaraðferð var notuð til að þjálfa þrjú líkön á mismunandi þjálfunar- og staðfestingarsettum (n=40). Samstæðulíkan var síðan smíðað og prófað á úthaldshylkjunum (n=20), þar sem hvert tilvikið var borið saman við handvirka skiptingu sem tveir lesendur framkvæma. Aðgreiningarsamkomulag milli lesenda og sjálfvirka aðferðin var metin.

NiðurstöðurÍ ljós kom að sjálfvirka nálgunin skilaði árangri á stigi breytileika milli áhorfenda. Sjálfvirka nálgunin var með teningsstuðul (meðaltal ± staðalfrávik) upp á {{0}}.86 ± 0.10 á móti Reader-1 og {{10}}.84 ± {{20}}.11 á móti lesanda-2. Interobserver teningar voru 0.86 ± 0,08. Hvað varðar heildar blöðrurúmmál (TCV), hafði sjálfvirka nálgunin prósenta munur upp á 3,9 ± 19,1 prósent á móti lesanda-1 og 8,0 ± 24,1 prósent á móti lesanda-2, en breytileiki millimælenda var − 2,0 ± 16,4 prósent .

Ályktun Þessi rannsókn þróaði og staðfesti fullkomlega sjálfvirka nálgun til að framkvæma merkingarlega skiptingu ánýrublöðrur í MR myndum af sjúklingum sem hafa áhrif á ADPKD. Þessi nálgun mun vera gagnleg til að kanna fleiri myndgreiningarlífmerki ADPKD og flokka svipgerðir sjálfkrafa.

LeitarorðAutosomal-dominant polycysticnýrusjúkdómur· Merkingarfræðileg blöðruhlutun · Djúpnám · Segulómun

Cistanche deserticola ávinningur: kemur í veg fyrirnýrusjúkdómur

Kynning

Autosomal-dominant polycysticnýrusjúkdómur(ADPKD) er algengasti arfgengi nýrnasjúkdómurinn, sem hefur áhrif á um 12 milljónir manna um allan heim, og er nú fjórða helsta orsök nýrnabilunar [1, 2]. Meinafræði þess er þannig að samfelldur vöxtur blaðra veldur stigvaxandi aukningu allsnýrubindi (TKV). Dæmigerður ADPKD sjúklingur sýnir versnandi skerðingu á nýrnastarfsemi og um það bil 70 prósent framfarir í lokastigs nýrnasjúkdóm á aldrinum 40 til 70 ára [3, 4].

Sýnt hefur verið fram á að TKV í fjölda rannsókna sé gagnlegur spámaður um framvindu ADPKD [5-7]. Á sama hátt stuðlar hæfileikinn til að afmarka og mæla blöðrubyrði enn frekar við þekkingu okkar á framvindu sjúkdóms, uppbyggingu og arfgerðarfrávikum. Það er vel skilið að þróun og vöxtur blöðru er sterk fylgni við skerðingu á nýrnastarfsemi [6, 8]. Auk þess hefur verið sýnt fram á að bein fylgni er á milli TKV vaxtar og blöðruvaxtar; Hins vegar er hraðinn sem blöðrurnar vaxa og nýjar blöðrur myndast háð hverjum einstaklingi [9]. Ennfremur hafa langtímarannsóknir leitt í ljós að með tímanum upplifa sjúklingar með ADPKD aukningu á TKV og blöðrurúmmáli og minnkun á heildarmagni parenchyma sem bendir til þess aðnýruvefjumer verið að skipta út fyrir fleiri blöðrur og sífellt stækkandi blöðrur [10]. Athyglisvert er að blöðruvöxtur og blöðruvísitala (hlutfall blöðrurúmmáls og TKV) eru verulega mismunandi milli PKD1 og PKD2 arfgerða, þar sem sjúklingar innan PKD1 þýðisins hafa tilhneigingu til að þróa blöðrur fyrr [11, 12]. Viðbótargreining á blöðruálagi og vexti getur upplýst um þróun sjúkdóma og meðferðaraðferðir.

Þegar ný myndgreiningarlífmerki koma fram leita vísindamenn hraðvirkra og skilvirkra aðferða til að einangra blöðru og ekki blöðru.nýrusvæði fyrir ítarlegri, megindlega greiningu á eiginleikum vefja [13, 14]. Í fortíðinni hefur blöðru- og nýrnasvæðum verið skipt upp handvirkt, sem er mjög vinnufrekt og huglægt [15]. Ýmsar hálfsjálfvirkar aðferðir við blöðruskiptingu hafa verið lagðar fram með því að nota styrkleikamiðaða þröskuld sem frumstillingu [16, 17] sem og klassískri vélanámstækni eins og k-þýða þyrping [18], útlínuaðferðir [19] og móta fyrri líkur kort [20]. Hins vegar, fullkomlega sjálfvirk djúpnámsaðferð sem notar taugakerfi, hefur möguleika á að losa myndgreinandann við leiðindi handvirkrar rakningar og veita endurtakanlega og öfluga rúmmálsútreikninga og skiptingu. Djúpnám er einstakt fyrir ofangreindar skiptingaraðferðir að því leyti að líkanið er fær um að „læra“ mikilvæga myndeiginleika af gagnainntakunum sem gera því kleift að framkvæma fullkomið skiptingarverkefni sitt. Með þjálfun er líkanið fær um að greina mynstur, pixlastyrk og formupplýsingar sem ekki er auðvelt að greina fyrir mannsauga.

Convolutional tauganet (CNNs) sem byrja með því að draga úr staðbundinni upplausn fylgt eftir með endurheimt upplausnar skara fram úr í pixla/voxel-stigi læknisfræðilega myndskiptingarverkefna vegna einstakrar byggingarlistar þeirra. Í stuttu máli, fyrsti samdráttarhlutinn er röð af sveiflu- og upplausnarminnkandi lögum sem eru notuð til að draga úr flækjustig myndarinnar og seinni stækkunarhlutinn er í meginatriðum spegilmynd af fyrstu leiðinni sem notuð er til að sameina eiginleika og staðbundnar upplýsingar. U-Net arkitektúrinn [21] er eitt slíkt net sem hefur verið notað verulega í læknisfræðilegri myndgreiningu til að leysa skiptingarverkefni. Sérstakur ávinningur af þessum arkitektúr er að hann krefst ekki mikils þjálfunarsetts miðað við önnur net og skilar mjög nákvæmum skiptingarúttakum.

Í þessari rannsókn notum við gagnasafn af MR myndum af PKDnýrumeð blöðrumekja eftir tvo lesendur sem þjóna sem grunnsannleikur. Sjálfvirk nálgun er þróuð (breytt U-Net gerð arkitektúr) og ensemble líkan er komið á og prófað á prófunargagnagrunni. Djúptaugakerfislíkanið sem lýst er í þessari rannsókn gerir ráð fyrir merkingarfræðilegri skiptingu ánýrublöðrur til að ákvarða heildar blöðrurúmmál (TCV) og geta reynst gagnlegar við frekara mat á svipgerðum sjúkdóma.

cistanche tubolosa kostir

efni og aðferðir

MR myndgögn

Þessi afturskyggna rannsókn fékk samþykki frá endurskoðunarnefnd stofnana á https://github.com/TLKline/ AutoKidneyCyst. MR-skannanir á 60 einstökum sjúklingum með ADPKD af mismunandi alvarleika voru teknar úr PKD myndagagnagrunni okkar. T2-vegin fitu (N=42) og fitulaus (N=18) skannar voru notuð í þessari greiningu. MR myndirnar voru kórónu-einskota hraðsnúnings-echo (SSFSE) T2 raðir, fengnar með GE skanna, með fylkisstærð 256 × 256xZ (með Z nógu stórt til að hylja allt umfang nýrna innan myndrúmmálsins). Myndvoxel stærðir voru af stærðargráðunni 1,5 mm í plani með venjulega 3,0 mm sneiðþykkt.

Handvirkar skiptingar

Tveir myndgreiningaraðilar (https://github.com/TLKline/AutoK idneyCyst) gerðu handvirkt að rekja nýra og blöðrur með margra ára reynslu við að framkvæma þessar rakningar. Þjálfunar-/staðfestingarsettið var rakið af einum lesanda og prófunarsettið var rakið af báðum til að meta breytileika milli áheyrnarfulltrúa. Myndgreiningaraðferðin útilokar mjaðmagrind og æðakerfi. Út frá rakningunum voru TKV og TCV reiknuð út sem fjöldi voxels margfaldað með voxel rúmmálinu. Hver sérfræðingur var blindaður af rekstri hins. Þessar rakningar voru fluttar út sem NIfTI skrár.

Lagskipting gagna

Úr TKV skiptingunum sem voru búnar til fyrir hverja skönnun voru skannanir flokkaðar í 40 þjálfunar/fullgildingartilvik og 20 tilvik fyrir úthaldsprófunarsettið. Þjálfunar-/staðfestingargagnagrunnurinn hafði 28 tilfelli sem voru mettuð með fitu og 12 tilfelli sem voru ekki fitulaus (70 prósent mettuð af fitu). Í úthaldsprófinu voru 14 fitumettuð tilfelli og 6 fitumettuð tilfelli (70 prósent fitumettað).

Forvinnsla

Líkanið var þjálfað sem tveggja rása nálgun með MR-myndarsneiðinni sem annarri rás og nýrnaskiptingu sem hina. Athugaðu að með þessari tveggja rása nálgun lærir tauganetið að bera kennsl á blöðrur í nýrum. Myndirnar voru endurskalaðar í 256 × 256 fylkisstærð með því að nota millikubíska víxlun fyrir MR myndirnar, og næstu nágrannainnskot fyrir nýrna- og blöðruhlutunargrímurnar. Styrkur hverrar MR-skönnun var fyrst staðlaður þannig að allir hefðu sama 95. hundraðshlutastig og síðan var beitt staðlaðri stigstærðstöðu (núll meðaltal, einingastaðalfrávik).

Merkingarfræðilegt skiptingarlíkan

Netarkitektúrinn var svipaður fyrri verkum okkar [22, 23]. Snúningsblokkirnar samanstanda af tvívíddarsnúningum, fylgt eftir með brottfalli (brottfalli=0.1), stöðlun lotu, tvívíddarsnúningum og hámarkssöfnun (safnstærð=2 ×2). Lögin með hærri upplausn eru með stærri kjarna (fara frá 7 × 7 til 5 × 5 til 3 × 3 í blokkum niður um kóðara leiðina og öfugt upp afkóðaraleiðinni) til að læra stærri og flóknari síugerðir. Slepptu tengingarnar eru útfærðar sem viðbótarlög (Resnet-eins [24]). Fínstillingin er Adam [25] með upphafsnámshraða 1e-3 og hrörnun 1e-5. Tapsmælingin er Dice-líkindamæligildið. Líkanið er þjálfað í 200 tímabil með lotustærð=8 og líkanið með bestu löggildingarmælinguna er vistað meðan á þjálfun stendur. Líkanið var útfært í Keras með TensorFlow sem bakenda. Líkanið var þjálfað á Nvidia Tesla P40 GPU (24 GB minni). Inntakið í líkanið er tveggja rása fylki (256× 256 × 2). Fyrsta rásin er MR-myndasneið og sú seinni er samsvarandi nýrnamaski. Úttakið er spá fyrir skiptingu blöðru. Alls voru þrjú líkön þjálfuð á þremur mismunandi þjálfunar-/prófunarbrotum og síðan var gerð samspilslíkan með meirihluta atkvæða og beitt á holdout prófunarsettið. Kóðinn er gerður aðgengilegur á:

Mat

Eins og lýst er í líkanahlutanum var þjálfunar-/staðfestingarsettinu skipt upp í þrennt til að þjálfa á mismunandi hlutmengi gagnanna. Fyrir hverja fold voru búnar til þjálfunar- og staðfestingarferlar á námsferlinu og besta líkanið úr hverri fold var vistað. Þá var búið til meirihlutasamstæðulíkan og beitt á gagnasettið fyrir úthaldspróf. Samanburður á blöðrurúmmáli og blöðruvísi var gerður með línulegri afturhvarfi og blöðruvísitalan var einnig metin með Bland–Altman greiningu til að meta hlutdrægni og nákvæmni mælinga. Að auki voru gerðar sjónrænar yfirlögn til að eigindlega meta sjálfvirku aðferðina og líktunarmælingar voru búnar til fyrir megindlegt mat. Í hverju tilviki voru lesendaskiptingarnar tvær bornar saman til að meta breytileika milli mælenda og sjálfvirka nálgunin borin saman fyrir sig við hvern lesanda.

Desert cistanche kostir: bæta nýrnastarfsemi

Niðurstöður

Enginn marktækur munur var á gagnasettum þjálfunar, staðfestingar og prófunar hvað varðar alvarleika sjúkdómsins (þ.e. TKV). Sýnd á mynd 1 eru rúmmálsdreifingarnar sýndar sem kjarnaþéttleiki. Þetta eru sýndar fyrir þrennuna, svo og heildardreifinguna milli þjálfunar/prófunar og prófunarsettsins. Þessi heildardreifing er dæmigerð fyrir þann mikla breytileika sem sést í ADPKD sjúklingahópnum.

Sjálfvirka aðferðin hafði svipaða frammistöðuþjálfun á þremur mismunandi fellingum. Mynd 2 sýnir lærdómsferlana fyrir hinar þrjár mismunandi fellingar, þar á meðal bæði þjálfun og staðfestingargildi teninga meðan á líkanþjálfun stendur. Líkanið er uppfært á þjálfunarsettinu og metið í lok hvers tímabils á sérstöku löggildingarsettinu. Líkanið með besta staðfestingarframmistöðu er vistað í þjálfunarferlinu og notað til að þróa lokalíkanið.

Sjálfvirka nálgunin var frábær við að skipta blöðrunum nákvæmlega. Sýnt á myndum. 3 og 4 eru línuleg aðhvarfssamanburður fyrir breytileika millimælenda, sjálfvirka aðferðin á móti Reader-1 og sjálfvirka aðferðin á móti Reader-2 fyrir blöðrumagn (mynd 3), sem og blöðruvísitölu (Mynd 4). Að auki, sjálfvirka aðferðin virkaði á svipuðu stigi og mannlegir lesendur. Sýnd á mynd 5 eru Bland-Altman samanburður fyrir blöðruvísitölu. Athugið að sjúklingarnir ná yfir margvíslegan alvarleika sjúkdóma, allt frá tilfellum með mjög fáar blöðrur, til tilfella sem munu næstum ljúka skiptingu nýrnakúlu fyrir blöðrur. Blöðruvísitalan var á bilinu ~ 0 til > 90 prósent.

Sjónrænt var einstakt samræmi milli sjálfvirku skiptingaraðferðarinnar og handvirku lesenda. Mynd 6 sýnir sjónrænan samanburð fyrir eitt af betri tilfellunum (efri röð, teningar=0.98), versta fallið (miðröð, teningar=0.50) og meðalfall (neðri röð , Teningar=0.86).

Almennt séð var sjálfvirka nálgunin óaðskiljanleg frá breytileikanum sem tveir mismunandi lesendur sáu við að framkvæma rakningar. Sýnd í töflu 1 eru líkindistölfræði sem bera saman breytileika á milli mælenda við þann sem fæst á milli sjálfvirku nálgunarinnar og Reader-1, sem og sjálfvirku nálgunarinnar og Reader-2.

cistanche tubolosa þykkni: akteósíð

Umræða

Djúpnám á sviði gervigreindar hefur veitt vísindamönnum ótal verkfæri til að meta gögn á skilvirkan og ítarlegan hátt, sérstaklega í læknisfræðilegri myndgreiningu. Reikniritið sem þróað var í þessari rannsókn greindi nýrnablöðrur nákvæmlega úr nýrnavef án afskipta notenda. Áður en þetta líkan var komið á voru aðferðir til að afmarka blöðrubyggingar úr líffæravef innleiddar hálfsjálfvirkar styrktartengdar þröskuldartækni [16, 17, 20]. Ein takmörkun á styrkleikatengdum aðferðum er að ólíkt CT, geta MR pixlagildi verið mjög breytileg milli öflunar og jafnvel á milli sneiða innan einni töku, sem krefst víðtækrar forvinnslutækni til að staðla gögnin á viðeigandi hátt [26]. Ennfremur mun þessi tækni við styrkleikamiðaða þröskuld alveg missa af flóknum blöðrum sem hafa lægri merkistyrk [16].

Líkanið sem kynnt var í þessari rannsókn náði 85 prósenta meðaltalsstigi teninga fyrir skiptingu blöðru, þessi niðurstaða er sambærileg við aðrar nýjustu tækni sem notaðar eru við líffæraskiptingu. Í ADPKD hafa allar sjálfvirkar aðferðir þar sem notaðar eru djúpt nám sem greint er frá í bókmenntum beinst að líffæraskiptingu, aðallega fyrir nýrnaskiptingu. Sumar þessara aðferða fela í sér sérsniðið VGG-16 net sem Sharma et. al [27] til að skipta nýrum í tölvusneiðmyndir. Meðaltal Dice stig úr þessari rannsókn var 86 prósent. Keshwani et. al, [28] á svipaðan hátt notaði tölvusneiðmyndatökur til að spá fyrir um nýrnaskiptingu, fjölverkefna þrívíddarsnúningataugakerfi var innleitt og náði meðaltalsstigi teninga upp á 95 prósent. Mu o.fl. [29] notaði aftur á móti MR myndir til að mynda nýrnaskiptingu sjálfkrafa með því að nota V-Net líkan og tilkynnt Dice skor var 95 prósent.

Sjálfvirka nálgunin bar mjög náið saman við handvirkar rakningar í öllum mæligildum. Hvað varðar línuleg aðhvarf, bar sjálfvirka nálgunin mjög náið saman við báða lesendurna. Að auki hafði blöðruvísitalan svipaða hlutdrægni og nákvæmni og lesendur í mönnum. Betri nákvæmni stafar líklega af því að sjálfvirka nálgunin verður stöðugri en mannlegur lesandi. Í ljós kom að stærsti munurinn sást í Hausdorf fjarlægðinni, sem gæti verið afleiðing af smávægilegum fölskum jákvæðum áhrifum sem líklega væri hægt að meðhöndla með einfaldri eftirvinnslu (td margfalda framleiðslu blöðruþáttunargrímu líkansins með nýrnagrímunni ). Auk þess var sjónrænt samkomulag ótrúlega sterkt. Versta tilvikið, með tilliti til líkindamælinga, var fyrir mjög væga framsetningu sjúkdómsins. Í þessu tilviki gæti mannlegur lesandi fljótt lagt fram gæðamat til að ganga frá blöðruskiptingu. Almennt séð greinir nálgunin blöðrur af ýmsum stærðum nákvæmlega. Í þessari rannsókn voru blöðrur mældar niður í ~ 3-5 mm. Þetta er takmarkað af endurgerðri myndupplausn, sem er af stærðargráðunni ~ 1,5 mm í planinu. Auk þess var stærsta blaðran 118 mm í þvermál.

Að hafa getu til að meta blöðrubyrði sjálfkrafa opnar dyrnar að afturskyggnum rannsóknum sem beita tækninni sem hér er kynnt. Fyrri rannsóknir hafa beitt grunnaðferðum til að meta blöðruálag og hafa sýnt lofandi upplýsingagildi þessara myndbreyta. Fyrri skammtímarannsóknir hafa sýnt að tolvaptan minnkaði blöðrurúmmál hjá meðhöndluðum ADPKD sjúklingum þegar blöðrurúmmál var mælt á litlum hópi [30]. Ljúka ætti frekari greiningu til að meta hvort þessi áhrif halda áfram meðan á langtímagjöf lyfsins stendur. Sjálfvirka aðferðin sem kynnt er í þessari rannsókn mun gera kleift að greina stærra gagnasafn á fljótlegan og auðveldan hátt. Að fylgjast með vöxt blöðru getur einnig upplýst um sérstakar arfgerðir. Ein rannsókn leiddi í ljós að sjúklingar með PKD1 eru með fleiri blöðrur en sjúklingar með PKD2. Nánar tiltekið framfarir sjúklingar með PKD1 hraðar vegna þess að fleiri blöðrur myndast snemma, ekki vegna þess að þær vaxa hraðar [11].

Ein takmörkun þessarar rannsóknar er að hún metur tiltölulega lítinn hóp (n=60). Hins vegar tók það allt að 8 klst að búa til gullstöðluð blöðruskiptingu eftir alvarleika sjúkdómsins. Vegna þessarar takmörkunar þróuðum við þennan tiltekna hóp til að ná yfir allt umfang svipgerða sjúkdóma, allt frá nýrum sem samanstanda af fáum blöðrum (blöðruvísitölu=0,5 prósent ) upp í nýru þar sem nýrnahlíf er nánast algjörlega skipt út fyrir blöðrur (blöðruvísitala=90 prósent ). Að hafa komið á fót aðferð til að meta blöðrubyrði yfir öllu umfangi svipgerða sjúkdóma mun gera þessa nálgun mjög alhæfa. Önnur takmörkun er sú að við erum ekki að greina smásæjar blöðrur undir myndupplausninni. Hins vegar leggja þessar örblöðrur tiltölulega lítið magn af heildarmagni blöðru [31]

Framtíðarrannsóknir geta metið stærri árganga og hægt er að kanna sjálfvirkar aðferðir til að hluta og greina einstakar blöðrur. Þetta mun auðvelda sjálfkrafa talningu á fjölda blöðru og meta dreifingu blöðrustærðar. Þetta getur einnig gert kleift að flokka sjálfkrafa dæmigerða frá óhefðbundnum sjúklingum, sem upplýsir um hættuna á versnun og líkurnar á að þeir hagnist á lyfjameðferðum. Flest viðmiðin sem aðskilja óhefðbundið frá dæmigerðum tilfellum byggjast á blöðruvísitölu, fjölda og stærð. Til dæmis er sjúklingur talinn afbrigðilegur ef Minna en eða jafnt og 5 blöðrur eru meira en eða jafnt og 50 prósent TKV og það er væg endurnýjun nýrnavefs frá blöðrum [32]. Tól sem reiknar þetta sjálfkrafa myndi gera ráð fyrir mjög hröðum og hlutlægum flokkun á mikilvægum námsskráningarfasa.

Uppbygging og samsetning blöðru er einnig talin mjög upplýsandi þegar ADPKD er metið. Þegar blöðrusvæðin hafa verið afmörkuð frá nýrnahlífinni er hægt að framkvæma frekari styrkleika- og/eða áferðargreiningu til að ákvarða hlutfall eða dreifingu flókinna blaðra. Venjulega einkennast þessar flóknu blöðrur af „dekkri“ styrkleika í T2-veginni MR myndgreiningu. Að því er virðist er hægt að greina heilbrigt parenchyma vef á svipaðan hátt eftir að hafa verið einangraður frá stærri blöðrum. Önnur nálgun verður að fella inn margar myndatökur (td að sameina T1- og T2-vegnar MR myndir) til að hjálpa ekki aðeins við skiptingu blaðra heldur einnig til að flokka þær. Framlenging á öðrum myndgreiningaraðferðum (td CT) og líffærum (td lifur) mun einnig vera mikilvæg til að veita alhliða lýsingu á PKD svipgerðinni og framkvæma umfangsmiklar rannsóknir þar sem blönduð myndgreiningargögn (td ómskoðun, tölvusneiðmyndir og/ eða segulómun) eru fáanlegar fyrir mismunandi sjúklinga og einkenni utan nýrna (td PLD) eru til staðar.

Ályktanir

Við höfum þróað fullkomlega sjálfvirka aðferð til merkingargreiningar á nýrnablöðrum úr MR myndum af sjúklingum sem hafa áhrif á ADPKD. Aðferðin virkar á pari við lesendur manna og mun nýtast í framtíðar afturskyggnum og framsýnum rannsóknum til að meta svipgerðir sjúklinga og heildar blöðrubyrði.

Heimildir

1. PA Gabow, "Autosomal dominant polycystic kidney disease," N Engl J Med, bindi. 329, nr. 5, bls. 332-42, 29. júlí 1993,

2. PC Harris og VE Torres, "Polycystic kidney disease," Annu Rev Med, bindi. 60, bls. 321-37, 2009

3. AB Chapman o.fl., "Autosomal-dominant polycystic kidney disease (ADPKD): samantekt frá nýrnasjúkdómi: Improving Global Outcomes (KDIGO) Controversies Conference," Kidney Int, vol. 88, nr.

4. EM Spithoven o.fl., "Renal replacement therapy for autosomal dominant polycystic kidney disease (ADPKD) in Europe: prevalence and survival--an analysis of data from the ERA-EDTA Registry," Nephrol Dial Transplant, vol. 29 fylgiskjal 4, bls. iv15-25, sept. 2014,

5. RD Perrone o.fl., "Heildarmagn nýrna er forspár lífmerkis um skerðingu á nýrnastarfsemi og framvindu til lokastigs nýrnasjúkdóms hjá sjúklingum með sjálfstætt ríkjandi fjölblöðru nýrnasjúkdóm," Kidney Int Rep, vol. 2, nr. 3, bls. 442-450, maí 2017, DOI:

6. AB Chapman o.fl., "Nýrarúmmál og hagnýtur útkoma í sjálfsfrumna ríkjandi fjölblöðrunýrnasjúkdómi," Clin J Am Soc Nephrol, bindi. 7, nr. 3, bls. 479-86, mars 2012

7. JJ Grantham, AB Chapman og VE Torres, "Volume progression in autosomal dominant polycystic kidney disease: the aðalæð þáttur sem ákvarðar klínískar niðurstöður," Clin J Am

10. BF King, JE Reed, EJ Bergstralh, PF Sheedy, 2. og 1505-11, ágúst 2000. [Á netinu]. Í boði: https://www.ncbi.nlm.

11. PC Harris o.fl., "Blöðrufjöldi en ekki hraði blöðruvaxtar tengist stökkbreyttu geni í sjálfsfrumna ríkjandi fjölblöðru nýrnasjúkdómi," J Am Soc Nephrol, vol. 17, nr. 11, bls. 3013-9, nóvember 2006, https://doi.org/10.1681/ASN.2006080835.

12. JJ Grantham, "Mechanisms of progress in autosomal dominant polycystic kidney disease," Kidney Int Suppl, vol. 63, bls. S93-7, desember 1997. [Á netinu]. Í boði: https://www.ncbi.nlm.nih. gov/Pubmed/9407432.

13. TL Kline o.fl., "Eiginleikar myndaráferðar spá fyrir um skerðingu á nýrnastarfsemi hjá sjúklingum með sjálfhverfa ríkjandi fjölblöðru nýrnasjúkdóm," Kidney Int, vol. 92, nr. 5, bls. 1206-1216, nóvember 2017, https://doi.org/10.1016/j.kint.2017.03.02.

14. TL Kline o.fl., „Megindleg MRI nýrna við nýrnasjúkdóm,“ Abdom Radiol (NY), bindi. 43, nr. 3, bls. 629-638, mars 2018

15. KT Bae, PK Athugasemd og J. Lee, "Rúmmálsmæling á blöðrum í nýrum og blöðruhálskirtli með MRI: fantomum og sjúklingum með fjölblöðrunýrnasjúkdóm," J Comput Assist Tomogr, vol. 24, nr. 4, bls. 614-9, júlí-ágúst 2000

16. KT Bae o.fl., "Ný aðferðafræði til að meta nýrnablöðrur í fjölblöðru nýrnasjúkdómi," Am J Nephrol, bindi. 39, nr. 3, bls. 210- 7, 2014

17. AB Chapman o.fl., "Nýrauppbygging í snemma sjálfsæða-ráðandi fjölblöðru nýrnasjúkdómi (ADPKD): The Consortium for Radiologic Imaging Studies of Polycystic Kidney Disease (CRISP) hópi," Kidney Int, vol. 64, nr. 3, bls. 1035-45, september 2003,

18. K. Bae o.fl., "Segmenting of individual renal cysts from MR images in patients with autosomal dominant polycystic kidney disease," Clin J Am Soc Nephrol, vol. 8, nr. 7, bls. 1089-97, júlí 2013, DOI: https://doi.org/10.2215/CJN.10561012.

19. TL Kline, ME Edwards, P. Korfatis, Z. Akkus, VE Torres og BJ Erickson, "Semiautomated Segmentation of Polycystic Kidneys in T2-Weighted MR Images," AJR Am J Roentgenol, vol. 207, nr. 3, bls. 605-13, september 2016, https://doi.org/10.2214/ AJR.15.15875.

20. Y. Kim o.fl., "Sjálfvirk skipting lifrar og lifrarblöðrur frá afmörkuðum kviðarholsmyndum hjá sjúklingum með sjálfvirkan ríkjandi fjölblaðra nýrnasjúkdóm," Phys Med Biol, bindi. 61, nr. 22, bls. 7864-7880, nóv 21 2016, DOI:

cistanche heilsufarslegur ávinningur: bæta nýrnastarfsemi