Serebral Gliomlardaki İki Boyutlu Manyetik Rezonans Görüntüleme Yapısal Analizinin Güvenilirliği: Kesit Seçiminin Radyomik Özelliklerin Yeniden Üretilebilirliğine Etkisi

Reliability of 2D Magnetic Resonance Imaging Texture Analysis in Cerebral Gliomas: Influence of Slice Selection Bias on Reproducibility of Radiomic Features

Özet

Amaç: Bu çalışmadaki amacımız serebral gliomlardaki iki boyutlu (2D) manyetik rezonans görüntüleme (MRG) yapısal analizinde kesit seçiminin radyomik özelliklerin yeniden üretilebilirliğine etkisini ardışık kesitler kullanarak araştırmak. Yöntemler: Bu metodolojik çalışmaya halka açık bir veri bankasından düşük dereceli gliomu bulunan 25 hastanın T2 ağırlıklı MRG görüntüleri ve semi-otomatik segmentasyon verileri dahil edildi. Sadece iki ilgili bölge veya segmentasyon alanı kullanıldı: (i), en büyük kesitten elde edilen ve (ii), hemen komşuluğundaki kesitten elde edilen. Radyomik özellikler açık kaynak kodlu PyRadiomics yazılımı kullanılarak elde edildi. 6 farklı özellik sınıfından 3 farklı görüntü tipi kullanılarak toplamda 1116 yapısal özellik elde edildi. Güvenilirlik analizi %95 güven aralığı (GA) kullanılarak ve kullanılmadan sınıf içi katsayısı (SİK) ile yapıldı. Mükemmel yeniden üretilebilirlik için SİK eşik değeri 0,9 idi. Bulgular: %95 GA kullanılmadan yapılan güvenilirlik analizinde, yapısal özelliklerin %28’i mükemmel yeniden üretilebilirliğe sahipti. Bunun yanında, %95 GA kullanılarak yapılan güvenilirlik analizinde ise, yapısal özelliklerin sadece %10’u mükemmel yeniden üretilebilirliğe sahipti. Ardışık MRG kesitlerinde ne bir özellik sınıfı (aralık, %95 GA kullanılmadan %21,2-%34,4; kullanılarak, %2,1-%18,3) ne de bir görüntü tipi (aralık, %95 GA kullanılmadan, %22,3-%41,9; kullanılarak, %9,1-%14) önemli düzeyde yeniden üretilebilirliğe sahipti. Sonuç: Serebral gliomlardaki 2D T2 ağırlıklı MRG yapısal analizi kesit seçimine duyarlıdır. Bu durum dikkate alınmadığında radyomik çalışmalarda yeniden üretilebilirlik sorunlarına neden olabilir.

Abstract

Introduction: In this study, we aimed to investigate thereproducibility of two-dimensional (2D) texture featuresbetween adjacent magnetic resonance imaging (MRI) slices inpatients with cerebral gliomas.Methods: For this retrospective methodological study, T2-weighted MRI and semi-automatic segmentation data of 25patients with lower-grade gliomas were obtained from a publicdatabase. Only two regions of interests were used in this study:(i), the largest slice and (ii) one of the adjacent slices. UsingPyRadiomics, an open source software to extract radiomicfeatures from medical images, a total of 1116 texture featuresfrom six different feature classes were extracted from original,Laplacian of Gaussian-filtered, and wavelet-transformedimages. Intra-class correlation coefficient (ICC) values with andwithout 95% confidence interval (CI) were used for reliabilityanalysis. The ICC threshold for excellent reproducibility was 0.9.Results: In the reliability analysis without considering the 95%CI for the ICC values, 28% of the texture features had excellentreproducibility. On the other hand, considering the 95% CI,only 10% of the texture features had excellent reproducibility.Neither a feature class (range of excellent reproducibility rateswithout 95% CI, 21.2%-34.4%; with 95% CI, 2.1%-18.3%) nor animage type (range of excellent reproducibility rates without95% CI, 22.3%-41.9%; with 95% CI, 9.1%-14%) had considerablereliability in two adjacent MRI slices.Conclusion: 2D MRI texture analysis of gliomas using T2-weighted sequence is substantially sensitive to slice selectionbias, which may lead to non-reproducible results in radiomicworks.