Zielsetzung
Der Verlust des Gelenkknorpels ist pathogenetisches Hauptmerkmal der Arthrose und wird als quantitativer Parameter zur Beurteilung der Krankheitsprogression herangezogen. Aktuell fehlt jedoch ein methodischer Referenzstandard. Ziel war daher der Vergleich von fünf Methoden zur automatischen Bestimmung der Knorpeldicke auf Basis von manuellen Segmentierungen des Knorpels: 3D Mesh Normals (3D-MN), 3D Nearest Neighbors (3D-NN), 3D Ray Tracing (3D-RT), 2D Centerline Normals (2D-CN), and 2D Surface Normals (2D-SN).
Material und Methoden
Basierend auf manuell segmentiertem Femur- und Tibiaknorpel von 507 Kniegelenken der Osteoarthritis Initiative (publiziert als OAI-ZIB Datensatz, 262 m/ 245 w, 61.87±9.33 Jahre [Mittelwert±Standardabweichung], quasi-Kellgren Lawrencre Grad von 0, 1, 2, 3 und 4 bei 60, 77, 61, 151 und 158 Gelenken), die mittels DESS-Sequenz und bei 3,0 T untersucht worden waren, erfolgte die Bestimmung der mittleren Knorpeldicke im gesamten Gelenk, regional (medial und lateral jeweils femoral und tibial) und subregional (in 20 Subregionen) unter Nutzung der o.g. und in Python implementierten Methoden. Der Inter-Methoden-Vergleich hinsichtlich Knorpeldicke und Prozessierungszeit erfolgte mittels einfaktorieller ANOVA.
Ergebnisse
Zwischen den Methoden ließen sich für nahezu alle Knorpel(sub)regionen signifikante Unterschiede in der Knorpeldicke feststellen (p<0.001). Tendenziell waren die Unterschiede zwischen 3D-MN und 2D-SN am kleinsten. 3D-RT überschätzte die Knorpeldicke um bis zu 2.5 mm. 3D-MN, 3D-NN und 2D-SN waren am zeiteffektivsten mit Prozessierungszeiten von ≤5.3 sec pro Gelenk (p<0.001).
Schlussfolgerungen
In der longitudinalen MR-tomografischen Beurteilung der Knorpeldicke sind Genauigkeit und Rechenaufwand der automatisierten Bestimmung abhängig von der zugrundeliegenden Methode. Mesh-, Surface Normals- oder Nearest Neighbors-basierte Methoden sollten verwendet werden, da sie variable Geometrien abbilden und zeiteffizient sind.