MONICA: A Web Application for Automated Whole Optic Nerve Contour Extraction and Morphometric Analysis Validated Across Taxonomic Orders and Image Quality Levels

De auteurs hebben MONICA ontwikkeld, een webapplicatie die geautomatiseerde contourextractie en morfometrische analyse van het hele optische zenuwdoorsnede mogelijk maakt met hoge nauwkeurigheid over verschillende taxonomische orden en beeldkwaliteitsniveaus, zonder dat lokale software-installatie vereist is.

De kern

Stel je voor dat je oogzenuw een enorme, drukke stad is. In deze stad wonen miljoenen kleine boodschappers (de zenuwvezels) die beelden van je ogen naar je hersenen sturen. Om te weten of deze stad gezond is, kijken artsen en onderzoekers vaak alleen naar het aantal boodschappers. Maar dat is alsof je de gezondheid van een stad alleen beoordeelt door te tellen hoeveel mensen er wonen, zonder te kijken hoe groot de stad is of hoe vol de straten staan.

Als de stad (de zenuw) krimpt, maar het aantal mensen hetzelfde blijft, is de drukte (de dichtheid) veel groter. Dat is belangrijk voor de gezondheid! Ook is het belangrijk om te weten hoeveel ruimte er wordt ingenomen door de "onderhoudspersoneel" (de glia-cellen), want als dat personeel te veel ruimte inneemt, kan dat een teken zijn van ziekte, zoals glaucoom.

Het probleem:
Tot nu toe waren er slimme computers die wel goed konden tellen hoeveel boodschappers er waren, maar ze konden niet zien waar de grens van de stad lag. Ze wisten niet waar de zenuw ophield en waar de achtergrond begon. Om de grootte van de stad te meten, moesten onderzoekers dit handmatig doen met een liniaal op hun scherm. Dat was tijdrovend, saai en niet altijd precies.

De oplossing: MONICA
De onderzoekers hebben MONICA bedacht. Je kunt MONICA zien als een super-slimme, digitale architect die in je webbrowser werkt. Je hoeft geen dure software te installeren of een computerexpert te zijn.

Hier is hoe MONICA werkt, in een simpele analogie:

1. De Snelweg (AxonDeepSeg): MONICA gebruikt een bestaande, zeer slimme technologie (AxonDeepSeg) die als een super-snelheidscamera werkt. Deze camera fotografeert de zenuw en herkent precies wie de boodschappers zijn (de axonen) en wie de beschermende mantels zijn (de myeline).
2. De Omheining (Contour Extractie): Dit is het nieuwe, magische deel. MONICA kijkt naar al die geïdentificeerde boodschappers en zegt: "Oké, als ik al deze mensen bij elkaar pak, vormt dat een grote cirkel. Die cirkel is de grens van de stad!" Het trekt automatisch een perfecte lijn om de hele zenuw heen, zelfs als de foto wat vervaagd is of als de zenuw van een muis of een konijn is.
3. De Berekening: Zodra de grens getrokken is, kan MONICA direct berekenen:
   • Hoe groot is de stad? (Oppervlakte)
   • Hoeveel mensen wonen er per vierkante meter? (Dichtheid)
   • Hoeveel ruimte nemen de onderhoudspersoneel in? (Glia-bedekking)

Waarom is dit zo cool?

• Voor iedereen: Het werkt gewoon in je internetbrowser. Geen ingewikkelde installaties.
• Snelheid: Je kunt honderden foto's in één keer uploaden (batch processing), alsof je een hele berg post in één keer sorteren in plaats van één voor één.
• Betrouwbaarheid: De onderzoekers hebben getest of MONICA het goed doet met foto's van muizen, konijnen, oude archieffoto's en nieuwe, scherpe foto's. Het resultaat was bijna perfect: de computer trok bijna exact dezelfde lijnen als de beste menselijke experts.
• Toekomst: Omdat het zo goed werkt bij dieren met verschillende zenuwgroottes, hopen ze dat het in de toekomst ook helpt bij het analyseren van menselijke zenuwen om glaucoom eerder te ontdekken.

Kortom:
MONICA is als een slimme, automatische landmeter die niet alleen telt hoeveel huizen er in een wijk staan, maar ook direct de grenzen van de wijk trekt en berekent hoe vol de wijk is. Hierdoor krijgen onderzoekers een completer en eerlijker beeld van de gezondheid van de oogzenuw, zonder urenlang met de hand te hoeven meten.

Technische samenvatting

Probleemstelling

De kwantitatieve beoordeling van de gezondheid van de oogzenuw is cruciaal voor het begrijpen van ziekten zoals glaucoom, de belangrijkste oorzaak van onomkeerbare blindheid wereldwijd. Hoewel bestaande geautomatiseerde tools (zoals AxonDeepSeg, AxoNet 2.0 en AxonJ) hoogwaardige segmentatie van individuele axonen en myeline mogelijk maken, missen ze een kritieke component: de automatische extractie van de volledige grens van de oogzenuw (de piale grens).

Zonder deze grens kunnen onderzoekers geen nauwkeurige berekeningen uitvoeren van:

1. Axondichtheid: Het aantal axonen per oppervlakte-eenheid, wat essentieel is voor vergelijkingen tussen proefpersonen met verschillende zenuwgroottes.
2. Gliale dekking: Het percentage van het zenuwweefsel dat bestaat uit niet-axonaal weefsel (zoals astrocyten), wat een belangrijke rol speelt in neurodegeneratie.

Bestaande methoden vereisen vaak handmatige metingen van het zenuwoppervlak, wat arbeidsintensief is en leidt tot inconsistenties. Bovendien hebben veel bestaande tools een hoge technische drempel (vereisten voor lokale installatie, commando-regelvaardigheden of GPU-hardware), wat hun adoptie beperkt.

Methodologie

De auteurs hebben MONICA (Morphometrics from Optic Nerve Imaging Contour Analysis) ontwikkeld, een webapplicatie die diep leren combineert met een nieuw morfologie-gebaseerd algoritme voor contourextractie.

Kerncomponenten van het systeem:

1. Integratie met AxonDeepSeg: MONICA gebruikt het bestaande AxonDeepSeg-model (versie 5.3.0) voor semantische segmentatie van microscopie-afbeeldingen. Dit model classificeert pixels in drie klassen: axon, myelineschede en achtergrond.
2. Nieuw Contour-Extraction Algoritme:
   • Masker Consolidatie: De binaire maskers voor axonen en myeline worden samengevoegd tot één enkel masker van zenuwweefsel.
   • Morfologische Operaties: Het geconsolideerde masker ondergaat een "sluiting" (closing) met een rechthoekig structurerend element om gaten tussen aangrenzende eenheden te vullen, gevolgd door een "opening" om geïsoleerde pixels te verwijderen.
   • Grensdetectie: De buitenste contour wordt geëxtraheerd met behulp van OpenCV's findContours. Bij meerdere contouren wordt de grootste geselecteerd.
   • Verzaking: De contour wordt gladgestreken via spline-interpolatie voor een anatomisch plausibele vorm.
   • Filtering: Segmentaties buiten de afgeleide zenuwgrens worden verwijderd om valse detecties in de achtergrond te elimineren.
3. Web-Interface en Implementatie:
   • De applicatie draait volledig in de browser en vereist geen lokale software-installatie.
   • Het maakt gebruik van server-side GPU-hardware (NVIDIA RTX 3070) voor inferentie.
   • Het ondersteunt batch-verwerking, interactieve visualisatie, en biedt een REST API met een Python-client voor geautomatiseerde workflows.
   • Er zijn vijf vooraf ingestelde parameters (Default, Aggressive, Conservative, Scattered, Dense) voor verschillende weefselkwaliteiten.

Validatie-ontwerp:
Het algoritme werd getest op 15 cross-sectionele beelden van de oogzenuw, verdeeld over drie groepen:

• BXD51 Muizen (Archief): Variabele kwaliteit, oude preparaten (n=5).
• BXD29 Muizen (Contemporair): Hoge kwaliteit, recente preparaten (n=5).
• Konijnen (Dutch Belted): Grotere zenuwdoorsneden voor taxonomische validatie (n=5).
  De resultaten werden vergeleken met handmatige "ground truth" annotaties gemaakt door een expert.

Belangrijkste Bijdragen

1. Eerste Geautomatiseerde Tool voor Volledige Zenuwcontour: MONICA is de eerste tool die niet alleen axonen telt, maar ook automatisch de volledige grens van de oogzenuw extrahert, waardoor directe berekening van axondichtheid en gliale dekking mogelijk wordt.
2. Toegankelijkheid: Door het te hosten als een webapplicatie zonder lokale installatie, wordt geavanceerde morfometrie toegankelijk gemaakt voor onderzoekers zonder programmeerkennis.
3. Robuustheid: Het systeem is getest op verschillende taxonomische orden (Muizen en Konijnen), verschillende stammen en variërende beeldkwaliteiten (van archief tot modern), wat de generaliseerbaarheid aantoont.
4. Uitgebreide Metrieken: Naast totale axontellingen levert het een volledige suite van morfometrische data op, inclusief gliale dekking, axondichtheid, g-ratio en per-axon statistieken.

Resultaten

De validatie toonde een uitstekende overeenkomst tussen de geautomatiseerde en handmatige annotaties:

• Dice Similarity Coefficient (DSC): De gemiddelde DSC was 0,987 ± 0,009, met een bereik van 0,967 tot 0,996.
• Intersection over Union (IoU): Gemiddeld 0,975 ± 0,017.
• Precisie en Recall: De waarden waren zeer gebalanceerd (Precisie: 0,985; Recall: 0,989), wat aangeeft dat het algoritme noch systematisch over- noch onderschat.
• Groepsprestaties:
  • Konijnen: DSC 0,994 ± 0,003.
  • BXD29 Muizen: DSC 0,981 ± 0,009.
  • BXD51 Muizen (Archief): DSC 0,987 ± 0,009.
• Visuele Validatie: Visuele inspectie bevestigde dat de algoritmen succesvol de piale grens identificeerden, zelfs bij elliptische doorsneden, variërende kleuring en randartefacten.

Betekenis en Impact

Deze studie vult een langdurig gemis in het veld van geautomatiseerde analyse van zenuwdoorsneden in. Door de mogelijkheid te bieden om axondichtheid en gliale dekking te berekenen, biedt MONICA inzicht in pathologische mechanismen die verder gaan dan alleen axonverlies. Dit is van groot belang voor glaucomastudie, waar gliale activatie en weefselhermodellering steeds belangrijker worden geacht.

MONICA stelt onderzoekers in staat om:

• Hoge doorvoer (High-throughput) fenotypering uit te voeren, essentieel voor genetische studies van glaucoom.
• Standaardisatie te bereiken tussen laboratoria, wat vergelijkbaarheid van data verbetert.
• Bestaande archieven van lage kwaliteit of oude preparaten opnieuw te analyseren zonder extra handmatige inspanning.

De tool is vrij beschikbaar via monica.jablonskilab.org en biedt zowel een gebruiksvriendelijke interface als een programmeerbare API, wat het een waardevol instrument maakt voor zowel klinische onderzoekers als bio-informatici.