OAI Analysis 2

目录

• 安装
• 简介
• 开发
• 引用
• 致谢
• 许可

安装

pip install oai-analysis

简介

此存储库包含用于骨关节炎倡议（OAI）磁共振成像（MRI）数据的开源分析方法。分析代码主要使用Python编写，辅以ITK和VTK进行数据I/O和网格处理，以及PyTorch进行分割和配准的深度学习方法。此工作的初始开发由UNC教堂山以及Kitware领导。此工作也是开放和可重复的肌肉骨骼影像学研究社区（JC|MSK）内部对话的产物。展望未来，当然欢迎和鼓励更广泛社区的贡献。

目前支持以下功能

1. 深度学习分割：使用3D UNet自动进行软骨分割（股骨和胫骨软骨）。
2. 软骨厚度：提取股骨和胫骨软骨网格，并根据最近点厚度估计测量软骨厚度。
3. 深度学习配准图：通过深度注册网络将软骨网格及其相关软骨厚度配准到膝关节图谱空间。
4. 2D厚度映射：将厚度图映射到通用的二维图谱空间，提供完整的空间对应关系。这通过股骨软骨的展开（基于圆柱坐标系）和胫骨软骨的平面投影来实现。
5. 统计分析：[将很快添加纵向统计分析方法]

OAI分析和OAI分析2之间的区别

本仓库中的分析方法是基于我们最初的OAI分析工作。原始代码库的大部分功能已迁移到OAI分析2仓库。主要区别如下：

1. 重构：对代码进行重大重构，以便更好地使用ITK约定以及VTK来满足所有网格处理需求。
2. ICON配准：我们切换到新的ICON配准方法（见下述论文）。
3. 数据处理：通过更好地处理数据对象来改进数据处理。而之前的OAI分析管道主要依赖于读取和写入各种不同的文件，而OAI Analysis 2的重构使用ITK和VTK对象。
4. Jupyter笔记本：更好地支持在Jupyter笔记本中的分析。

我们目前正在开发以下功能，这些功能将在不久的将来可用：

1. 分布式处理：虽然OAI分析是通过简单的SLURM脚本来设置集群计算的，但OAI Analysis 2正在转向使用Dask来允许在集群和云中进行并行处理。
2. 工作流程管理：虽然OAI分析使用自定义代码来避免重新计算结果，但我们正在切换到Dagster来管理OAI Analysis 2中的数据依赖。
3. 分析结果分发：因为我们计划不仅分发代码，还分发分析结果（如分割、网格、厚度图），所以我们计划支持通过星际文件系统（IPFS）进行数据访问。

开发

欢迎并赞赏贡献。

git clone https://github.com/uncbiag/OAI_analysis_2
cd OAI_analysis_2
pip install -e .
pip install pytest
pytest

要查看演示笔记本

cd notebooks
jupyter notebook

将测试数据上传到https://data.kitware.com/#collection/6205586c4acac99f42957ac3/folder/620559344acac99f42957d63

引用

虽然我们使用以下在easyReg中可用的静态速度场配准方法为OAI分析进行[论文]

@InProceedings{Shen_2019_CVPR,
title={Networks for joint affine and non-parametric image registration},
author={Shen, Zhengyang and Han, Xu and Xu, Zhenlin and Niethammer, Marc},
booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
pages={4224--4233},
year={2019}
}

现在我们支持ICON配准方法，它提供了一个非常简单的配准接口，并使用ITK图像和转换：[论文]

@InProceedings{Greer_2021_ICCV,
author    = {Greer, Hastings and Kwitt, Roland and Vialard, Francois-Xavier and Niethammer, Marc},
title     = {ICON: Learning Regular Maps Through Inverse Consistency},
booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
month     = {October},
year      = {2021},
pages     = {3396-3405}
}

当前分析框架的概述将以QMSKI摘要的形式提供。

@InProceedings{Sahu_2022_QMSKI,
author    = {Sahu, Pranjal and Greer, Hastings and Xu, Zhenlin and Shen, Zhengyang and Bonaretti, Serena and McCormick, Matt and Niethammer, Marc},3
title     = {Reproducible Workflow for Visualization and Analysis of OsteoArthritis Abnormality Progression},
booktitle = {Proceedings of the International Workshop on Quantitative Musculoskeletal Imaging (QMSKI)},
year      = {2022}
}

OAI分析管道获得的结果可以在以下论文中找到：[论文]

@article{huang2022dadp,
  title={DADP: Dynamic abnormality detection and progression for longitudinal knee magnetic resonance images from the Osteoarthritis Initiative},
  author={Huang, Chao and Xu, Zhenlin and Shen, Zhengyang and Luo, Tianyou and Li, Tengfei and Nissman, Daniel and Nelson, Amanda and Golightly, Yvonne and Niethammer, Marc and Zhu, Hongtu},
  journal={Medical Image Analysis},
  pages={102343},
  year={2022},
  publisher={Elsevier}
}

致谢

本工作部分得到国家关节炎和肌肉骨骼及皮肤疾病研究所（NIAMS）的支持，资助编号为1R44AR074375和1R01AR072013。

许可

oai-analysis在Apache-2.0许可条款下分发。