Textuuranalyse van mandibulair trabeculair bot op basis van grijsniveau-matrixkenmerken in correlatie met leeftijd en geslacht van een Egyptisch populatiemonster: een dwarsdoorsnedeonderzoek met behulp van Cone Beam CT

Wetenschappelijke achtergrond

Botgezondheid van ouderen is een belangrijk gezondheidsprobleem dat de laatste tijd veel aandacht heeft gekregen, aangezien de oudere bevolking wereldwijd groeit (Vijayakumar en Büsselberg, 2016). Verwacht wordt dat met name Egypte in 2050 130 miljoen inwoners zal hebben, waarvan 30% ouder zal zijn dan 50 jaar (Chen et al., 2013; Gheita en Hammam, 2018). Veroudering gaat vaak gepaard met musculoskeletale aandoeningen zoals osteoporose en artrose als gevolg van stoornissen die optreden bij de botremodellering (Gheno et al., 2012). Deze aandoeningen verhogen het risico op botbreuken, zoals heup- en wervelfracturen, aanzienlijk en brengen zo de levenskwaliteit van deze patiënten in gevaar (Gheno et al., 2012). De prevalentie van deze musculoskeletale aandoeningen wordt ook beïnvloed door het geslacht. Studies beweren dat vrouwen vatbaarder zijn voor osteoporose en artrose dan mannen (over Osteoporose en Preventie, 2001; Gheno et al., 2012).

Botmineraaldichtheid gemeten met dubbele röntgenabsorptiometrie (DXA) wordt lange tijd beschouwd als de gouden standaard voor het beoordelen van de botgezondheid (Link en Heilmeier, 2016). Het National Institute of Health wees er op zijn consensusconferentie over osteoporose echter op dat de botsterkte niet alleen afhangt van de dichtheid, maar ook van de kwaliteit (over Osteoporose en Preventie, 2001). Daarom zijn aanvullende diagnostische methoden voor het beoordelen van de botkwaliteit nodig om de voorspelling van het individuele fractuurrisico te verbeteren (Link en Heilmeier, 2016).

Sindsdien hebben onderzoekers verschillende pogingen ondernomen om een ​​bevredigende methode te ontwikkelen om de botkwaliteit te beoordelen. De trabeculaire botscore (TBS) is een van de meest succesvolle onderzoeken. TBS is een textuurparameter gerelateerd aan botmicroarchitectuur die conventionele DXA-beelden van de lumbale wervelkolom gebruikt om de grijsniveau-textuurkenmerken te extraheren die skeletinformatie verschaffen die niet wordt vastgelegd uit de standaard BMD-meting. Het is met succes gebruikt als aanvulling op DXA en er zijn verdere onderzoekspogingen gedaan om het gebruik ervan onafhankelijk te onderzoeken om het fractuurrisico te voorspellen. (Martineau, Silva en Leslie, 2017; Shevroja et al., 2017) Het succes van TBS heeft de onderzoeksgemeenschap ertoe gebracht het mogelijke gebruik van textuurparameters te onderzoeken om de botmicroarchitectuur in verschillende beeldvormingsmodaliteiten te beoordelen (Shevroja et al., 2017). Textuur is een van de belangrijkste visuele patroonherkenningstechnieken die door mensen worden gebruikt om objecten of interessegebieden in een afbeelding te identificeren. Het is een aangeboren eigenschap van elk object en bevat belangrijke informatie over de structurele opstelling van het oppervlak en de relatie met de omgeving (Haralick, Shanmugam en Dinstein, 1973). Textuuranalyse is een soort kwantitatieve beeldbeoordeling op basis van relaties tussen pixelintensiteiten. Het krijgt tegenwoordig veel aandacht op het gebied van biomedische beeldvorming, omdat het nuttig kan zijn bij weefselkarakterisering met verschillende diagnostische toepassingen (Gebejes en Huertas, 2013; Summers, 2017).

Er zijn verschillende methoden voor textuuranalyse. Gray level co-occurrence matrix (GLCM) is een van de meest populaire en meest gebruikte methoden voor het extraheren van textuurkenmerken (Gebejes en Huertas, 2013). Het is een statistische methode van de tweede orde om de textuur van een afbeelding te karakteriseren door rekening te houden met de frequentie van voorkomen van pixelgrijswaardeparen en hun ruimtelijke relatie (Haralick, Shanmugam en Dinstein, 1973; Gebejes en Huertas, 2013).

Cone beam computertomografie (CBCT) wordt tegenwoordig routinematig gebruikt voor meerdere diagnostische procedures en het is bekend dat het een aanzienlijk lagere stralingsdosis gebruikt dan CT met een hogere ruimtelijke resolutie en tegen lagere kosten, en zou daarom een ​​geschikte kandidaat kunnen zijn als screeningsinstrument voor botkwaliteit (Scarfe , Farman en Sukovic, 2006; Scarfe en Farman, 2008). We veronderstellen hierbij dat het gebruik van grijsniveau-matrix afgeleide structuurkenmerken om de botkwaliteit te beoordelen van toepassing kan zijn op CBCT-scans, in plaats van het discutabele gebruik van grijswaarden om de botdichtheid te meten, wat in veel onderzoeken ontoereikend bleek te zijn in vergelijking met de gekalibreerde Hounsfield-eenheden van CT met meerdere detectoren (Pauwels et al., 2013; De Rosa et al., 2020; Gonçalves et al., 2020).

Daarom is het doel van deze studie om te onderzoeken of GLCM-textuurkenmerken gecorreleerd zijn met leeftijd-geslacht trabeculaire botvariaties in verschillende interessegebieden op mandibulaire CBCT-scans. Deze correlatie zal helpen bij het begeleiden van de toekomstige selectie van textuurkenmerken en anatomische regio's die geschikt zijn voor het ontwikkelen van een mogelijke screeningsmethode voor leeftijd- en geslachtsgerelateerde skeletaandoeningen.

PECO-vraag:

P: Mandibular trabecular bone van volwassen Egyptenaren E: Vrouwtjes (18-40 OF ouder dan 40) C: Mannetjes (18-40 OF ouder dan 40) O: Structuurkenmerken van de grijswaardenmatrix

Onderzoeksvraag:

Wat is de correlatie tussen de leeftijd en het geslacht van de Egyptische bevolking en van GLCM afgeleide structuurkenmerken van het trabeculaire bot in de onderkaak?

Verklaring van het probleem:

Botgezondheid van ouderen is een groot probleem voor de volksgezondheid. Hoewel voor de diagnose van aandoeningen die de botgezondheid aantasten, zowel de botkwaliteit als de botdichtheid moeten worden beoordeeld, is er nog steeds een tekort aan diagnostische technieken die de botkwaliteit met een aanzienlijk lage stralingsdosis en lage kosten met succes kunnen onderzoeken.

Specifieke doelen:

Detecteren van de aanwezigheid van een correlatie tussen leeftijd en geslacht van een individu en de textuurkenmerken van onderkaaktrabeculair bot, afgeleid van grijsniveau-matrix voor gelijktijdig voorkomen in een steekproef van volwassen Egyptische bevolking.

Hypothese:

Nul: er is geen verschil in trabeculaire textuurkenmerken tussen verschillende leeftijdsgroepen of tussen de twee geslachten Alternatief: er is een verschil in trabeculaire textuurkenmerken tussen verschillende leeftijdsgroepen of tussen de twee geslachten

Methodologie Variabelen

Onafhankelijke variabelen:

1. Leeftijd (18-40 OF ouder dan 40)
2. Geslacht (mannen OF vrouwen)

Afhankelijke variabelen:

Elf structuurkenmerken ontleend aan het werk van Haralick (Haralick, Shanmugam en Dinstein, 1973) Kenmerk Beschrijving Contrast Vertegenwoordigt de hoeveelheid lokale variatie van grijstinten Invers verschilmoment Homogeniteit van de verdeling van grijstinten op het beeld Hoekig Tweede moment Meting van beelduniformiteit Correlatie Lineair meet afhankelijkheid van grijstinten tussen naburige pixels Som van kwadraten Meting van de spreiding (gerelateerd aan gemiddelde) van grijstintverdeling Entropie Graad van wanorde tussen pixels in het beeld Som van het gemiddelde Gemiddelde van de verdeling van de som van grijstinten Som van variantie Dispersie rond het gemiddelde van de somverdeling van grijstinten Som van entropie Disorganisatie van de somverdeling van grijstinten Verschil in variantie Dispersie van het grijstintverschil Verschil in entropie Disorganisatie van het grijstintverschil

Gegevensbronnen\Metingen

CBCT-beeldacquisitie:

Mandibulaire CBCT-scans zullen met terugwerkende kracht worden opgehaald uit het databaseregister van de afdeling orale en maxillofaciale radiologie, faculteit tandheelkunde, Universiteit van Caïro. De meegeleverde CBCT-beelden worden verkregen met behulp van de Planmeca ProMax® 3D Mid CBCT-machine, met een resolutie van 0,4 voxel, 20*10 cm FOV (enkele mandibulaire boog), werkend op 8 mA en 90 Kvp.

Alle CBCT-beelden worden verkregen in DICOM-formaat (Digital Imaging Communication in Medicine) en bekeken door Romexis-software voor analyse door een senior orale radioloog. Afbeeldingen met artefacten en slechte visuele kwaliteit, zoals straalverhardende artefacten, gedeeltelijk volume-effect, aliasing-artefacten, ringartefacten, beelden met lage scherpte als gevolg van bewegingen van de patiënt tijdens het scannen, worden uitgesloten.

In aanmerking komende CBCT-scans worden verdeeld in 4 groepen op basis van leeftijd en geslacht van de patiënt (mannen jonger dan 40, mannen ouder dan 40, vrouwen jonger dan 40, vrouwen ouder dan 40). Groepen krijgen een letter A, B, C of D toegewezen in willekeurige volgorde, zodat alleen de assistent-supervisor op de hoogte is van de demografische gegevens van elke groep, maar verborgen blijft voor de hoofdonderzoeker die de textuuranalyse zal uitvoeren.

Gecorrigeerde sagittale sneden van de drie interessegebieden (anterieur, premolaar, kies) worden gemaakt van de in aanmerking komende scans, waarna de beelden worden opgeslagen in een BMP-indeling.

Segmentatie- en textuuranalyse:

De BMP-afbeeldingen van de gecorrigeerde sagittale sneden van de behuizingen worden geïmporteerd in MaZda-software (Technische Universiteit van Lodz, Instituut voor Elektronica, Polen). Een rond interessegebied zal handmatig apicaal van de tand worden bijgesneden, zodat de grootte ervan groot genoeg zal zijn om het maximaal aanwezige trabeculaire bot met geen of weinig niet-trabeculair weefsel te omvatten.

GLCM-textuurkenmerken worden door de software berekend. Alle parameters worden berekend voor twee afstanden tussen pixels (d1 = 1, d2 = 2) en vier veegrichtingen (horizontaal, diagonaal, verticaal en anti-diagonaal) overeenkomend met (φ = 0°,45°,90°, 135° , respectievelijk). Het gemiddelde van de waarden op verschillende posities wordt genomen als een enkele aflezing die de textuurkenmerkwaarde voor het interessegebied vertegenwoordigt.

Behandeling van kwantitatieve variabelen:

Elf textuurkenmerken worden berekend voor 3 interessegebieden op elke in aanmerking komende CBCT-scan. Textuurwaarden zullen worden behandeld als gemiddelde en standaarddeviatie, en vergelijking tussen verschillende leeftijds-/geslachtsgroepen zal worden gedaan voor de selectie van significante kenmerken. Er zal een correlatieanalyse worden uitgevoerd om de correlatie tussen leeftijd en geslacht en geselecteerde textuurkenmerken te testen.