エジプト人集団サンプルの年齢および性別と相関するグレーレベル共起マトリックス特徴に基づく下顎骨梁の組織解析: コーンビーム CT を使用した断面研究

科学的背景

高齢者の骨の健康は、世界中で高齢者の人口が増加しているため、最近大きな注目を集めている大きな健康上の懸念事項です(Vijayamar and Büsselberg、2016)。 特にエジプトでは、2050 年までに人口が 1 億 3,000 万人に達し、そのうち 30% が 50 歳以上になると予想されています (Chen et al., 2013; Gheita and Hammam, 2018)。 老化は一般に、骨のリモデリングで起こる障害の結果として、骨粗鬆症や変形性関節症などの筋骨格系の障害を伴います（Gheno et al.、2012）。 これらの疾患は股関節骨折や椎骨骨折などの骨折のリスクを大幅に高め、したがってこれらの患者の生活の質を損なうことになります(Gheno et al., 2012)。 これらの筋骨格系疾患の有病率は性別にも影響され、研究では男性よりも女性の方が骨粗鬆症や変形性関節症になりやすいと主張されています(骨粗鬆症と予防、2001; Gheno et al.、2012)。

二重 X 線吸収測定 (DXA) によって測定される骨ミネラル密度は、長い間、骨の健康を評価するためのゴールドスタンダードと考えられてきました (Link および Heilmeier、2016)。 しかし、国立保健研究所は、骨粗鬆症コンセンサス会議において、骨の強度は密度だけでなく質にも依存すると指摘しました（骨粗鬆症と予防について、2001年）。 したがって、個々の骨折リスクの予測を改善するには、骨の質を評価するための補完的な診断方法が必要です(Link and Heilmeier、2016)。

それ以来、骨の質を評価する満足のいく方法を開発するために研究者によってさまざまな試みがなされてきましたが、骨梁スコア (TBS) は最も成功した試験の 1 つです。 TBS は骨の微細構造に関連するテクスチャ パラメータであり、腰椎の従来の DXA 画像を使用してグレーレベルのテクスチャ特徴を抽出し、標準的な BMD 測定からは取得できない骨格情報を提供します。 これは DXA の補助として使用されて成功しており、骨折リスクを予測するためにその使用を独立して調査するさらなる研究が試みられています。(Martineau、 シルバとレスリー、2017年。 Shevroja et al., 2017) TBS の成功により、研究コミュニティは、さまざまなイメージングモダリティで骨の微細構造を評価するためのテクスチャパラメーターの使用の可能性を検討するようになりました(Shevroja et al., 2017)。 テクスチャは、人間が画像内のオブジェクトや対象領域を識別するために使用する主要な視覚パターン認識技術の 1 つです。 これは各物体の固有の特性であり、その表面の構造配置および周囲との関係に関する重要な情報が含まれています (Haralick、Shanmugam、Dinstein、1973)。 テクスチャ分析は、ピクセル強度間の関係に基づく定量的画像評価の一種です。 さまざまな診断用途での組織の特徴付けに有益であるため、現在、生物医学イメージングの分野で幅広い注目を集めています(Gebejes and Huertas、2013; Summers、2017)。

テクスチャ分析にはさまざまな方法がありますが、グレー レベル共起行列 (GLCM) は、テクスチャ特徴の抽出に最も一般的に使用されている人気のある方法の 1 つです (Gebejes および Huertas、2013)。 これは、ピクセルのグレー値ペアの発生頻度とその空間的関係を考慮して画像のテクスチャを特徴付ける二次統計手法です (Haralick、Shanmugam、Dinstein、1973; Gebejes と Huertas、2013)。

コーンビームコンピュータ断層撮影法 (CBCT) は、現在では複数の診断手順に日常的に使用されており、CT よりも使用する放射線量が大幅に低く、空間分解能が高く、コストも低いことが知られているため、骨の質のスクリーニングツールとして適切な候補となる可能性があります(Scarfe) 、ファーマンとスコビッチ、2006年;スカーフとファーマン、2008年）。 ここで我々は、骨密度を測定するための議論の余地のあるグレーレベルの使用（多くの研究で校正済みの骨密度と比較して不十分であることが証明されている）の代わりに、骨の質を評価するためのグレーレベル共起マトリックス由来のテクスチャ特徴の使用が CBCT スキャンに適用できるという仮説を立てます。マルチ検出器 CT の Hounsfield ユニット (Pauwels et al., 2013; De Rosa et al., 2020; Gonçalves et al., 2020)。

したがって、この研究の目的は、GLCM テクスチャーの特徴が、下顎の CBCT スキャン上のさまざまな関心領域における年齢性別の骨梁の変化と相関しているかどうかを調査することです。 この相関関係は、年齢と性別に関連する骨格疾患の潜在的なスクリーニング方法の開発に適した組織的特徴と解剖学的領域の将来の選択を導くのに役立ちます。

ペコの質問:

P: 成人エジプト人の下顎骨梁 E: 女性 (18 ～ 40 歳または 40 歳以上) C: 男性 (18 ～ 40 歳または 40 歳以上) O: グレー レベルの共起マトリックス テクスチャ特徴

研究の質問:

エジプト人口の年齢と性別とGLCM由来の下顎骨梁の組織特徴との間の相関関係は何ですか?

問題の声明：

高齢者の骨の健康は公衆衛生上の大きな懸念事項です。 骨の健康に影響を与える疾患の診断には骨の質と密度を評価する必要がありますが、かなり低い放射線量と低コストで骨の質をうまく検査できる診断技術がまだ不足しています。

具体的な目標:

個人の年齢性別と、成人エジプト人集団のサンプルにおけるグレーレベル共起マトリックスから得られる下顎骨梁の質感特徴との間の相関関係の存在を検出する。

仮説：

ヌル: 異なる年齢グループ間または 2 つの性別間で小柱の組織的特徴に差はない 代替: 異なる年齢グループ間または 2 つの性別間で小柱の組織的特徴に差がある

方法論の変数

独立変数:

1. 年齢（18～40歳または40歳以上）
2. 性別 (男性または女性)

従属変数:

ハラリックの研究 (Haralick、Shanmugam、Dinstein、1973) から派生した 11 のテクスチャ特徴 特徴 説明 コントラスト グレー シェードの局所的な変化量を表す 逆差分モーメント 画像上のグレー シェードの分布の均一性 角度 2 次モーメント 画像の均一性の測定 相関 線形隣接するピクセル間のグレー シェードの依存性を測定します 平方和 グレー シェード分布の分散 (平均に関連する) の測定 エントロピー 画像内のピクセル間の乱れの程度 平均値の合計 グレー シェードの合計の分布の平均 分散の合計 分散濃淡の和の分布の平均値付近 エントロピーの和 濃淡の和の分布の乱れ 分散の差 濃淡の差の分散 エントロピーの差 濃淡の差の乱れ

データソース\測定値

CBCT画像取得:

下顎の CBCT スキャンは、カイロ大学歯学部口腔顎顔面放射線科のデータベース レジストリから遡って検索されます。 含まれる CBCT 画像は、Planmeca ProMax® 3D Mid CBCT マシンを使用し、解像度 0.4 ボクセル、20*10 cm FOV (単一下顎弓)、8 mA および 90 Kvp で動作して取得されます。

すべての CBCT 画像は DICOM 形式 (Digital Imaging Communication in Medicine) で取得され、上級口腔放射線科医による分析のために Romexis ソフトウェアで表示されます。 ビーム硬化アーティファクト、部分ボリューム効果、エイリアシング アーティファクト、リング アーティファクト、スキャン中の患者の動きに起因する鮮明度の低い画像など、アーティファクトや画質の悪い画像は除外されます。

適格な CBCT スキャンは、患者の年齢と性別に応じて 4 つのグループに分けられます (40 歳未満の男性、40 歳以上の男性、40 歳未満の女性、40 歳以上の女性)。 グループにはランダムな順序で文字 A、B、C、または D が割り当てられます。そのため、各グループの人口統計データは副監督者だけが知っていますが、テクスチャ分析を実行する主任研究者には隠されています。

対象となる 3 つの領域 (前歯、小臼歯、大臼歯) の修正された矢状カットが適格なスキャンから準備され、画像が BMP 形式で保存されます。

セグメンテーションとテクスチャ分析:

症例の補正された矢状断面の BMP 画像は、MaZda ソフトウェア (ウッチ工科大学、ポーランド電子研究所) にインポートされます。 円形の関心領域は、歯の根尖側で手動で切り取られ、そのサイズは、非小柱組織がまったく存在しないか、またはほとんど存在せず、存在する最大の小柱骨を含むのに十分な大きさになります。

GLCM テクスチャ特徴はソフトウェアによって計算されます。 すべてのパラメータは、ピクセル間の 2 つの距離 (d1 = 1、d2 = 2) と、(φ = 0°、45°、90°、135°) に対応する 4 つのスイープ方向 (水平、対角、垂直、反対角) に対して計算されます。 、それぞれ）。異なる位置での値の平均は、対象領域のテクスチャ特徴値を表す単一の読み取り値として取得されます。

量的変数の処理:

対象となる各 CBCT スキャンの 3 つの関心領域に対して 11 のテクスチャ特徴が計算されます。 テクスチャ値は平均値と標準偏差として処理され、異なる年齢/性別グループ間の比較が重要な特徴の選択のために行われます。 相関分析は、年齢、性別、および選択された質感の特徴の間の相関をテストするために実行されます。