Search

Osteoarthritis (OA) is the most common joint disease that causes disability in the adult population. While the etiology and pathogenesis of OA remain unclear, it is now commonly accepted that the entire joint is affected by OA. The deep zone of hyaline articular cartilage, calcified cartilage, and cortical subchondral bone plate form the osteochondral junction that is specially adapted to transferring loads during weight-bearing and joint motion. Although the OA-related changes in articular cartilage and subchondral trabecular bone have been extensively studied, the changes in the osteochondral junction, especially in the calcified cartilage, remain under explored. Calcified cartilage is a relatively thin tissue layer and has a similar mineral phase to the underlying bone. Hence, it is a major challenge to quantitively study calcified cartilage separately from the whole osteochondral junction, due to the limitations in spatial resolution and the contrast of current microscopic imaging modalities. Therefore, this doctoral dissertation aims to study the biochemical composition, mineral crystal structure, micromechanical and structural properties of calcified cartilage, and the subchondral bone plate in healthy and osteoarthritic knee joints in vitro. Raman microspectroscopy was used to investigate biochemical composition from unfixed and fully hydrated human osteochondral specimens. State-of-the-art micro-focus small-angle X-ray scattering (μSAXS) measurements were performed to map the mineral crystal thickness across the junction. Finally, a bovine patella model was utilized to explore the micromechanical changes in the junction as a function of degeneration and associate these changes with site-specific microstructure. Results show that calcified cartilage had a higher degree of mineralization, with thicker mineral crystals having greater stoichiometric perfection in a proteoglycan-rich matrix than underlying bone. The alterations in the degree of mineralization, type-B carbonate substitutions, mineral crystal thickness, tissue stiffness, and microstructure in both calcified cartilage and subchondral bone plate were observed during OA development. Some of these changes were found to occur at the very early stages of OA. In conclusion, this study shows that both mineralized tissues at the osteochondral junction undergo marked alterations during the evolution of OA, contributing to our current understanding of OA. Tiivistelmä Nivelrikko on aikuisväestön yleisin invalidoiva nivelsairaus. Nivelrikon tarkkaa syntytapaa ei edelleenkään tiedetä, mutta nykyisin on yleisesti hyväksytty, että nivelrikko vaikuttaa kaikkiin nivelen kudoksiin. Nivelessä sijaitseva luu-rustorajapinta muodostuu hyaliiniruston pohjakerroksen, kalkkeutuneen ruston ja rustonalaisen luun yhdistelmästä. Luu-rustorajapinnan rooli on välittää mekaanista kuormitusta rustosta luuhun nivelen liikkuessa. Nivelruston ja sen alaisen luun kudosmuutoksia nivelrikon eri vaiheissa on tutkittu laajasti, mutta luu-rustorajapinnan — erityisesti kalkkeutuneen ruston — kudosmuutoksia nivelrikon aikana on tutkittu vain vähän. Kalkkeutunut rusto on ohut kudoskerros, jossa on myös mineraalifaasi samoin kuin alla olevassa luukudoksessa. Tämä tekee kalkkeutuneen ruston kvantitatiivisesta tutkimisesta hankalaa, koska luun ja kalkkeutuneen ruston erottaminen on vaikeaa mikroskooppisten kuvantamismenetelmien rajoittuneen kontrastin ja erotuskyvyn vuoksi. Tässä väitöskirjassa tutkittiin nivelrikkoisen ja terveen kalkkeutuneen ruston biokemiallista koostumusta, mikrorakennetta sekä mikromekaanisia ominaisuuksia. Ihmisestä saatuja tuoreita ja käsittelemättömiä luu-rustonäytteitä tutkittiin aluksi Raman-mikroskopialla, jonka perusteella kartoitettiin niiden biokemiallista koostumusta eri kohdissa kudosta. Mineraalikristalleja analysoitiin pienkulmaröntgensironnan avulla, jolla pystyttiin kartoittamaan kristallien paksuutta koko luu-rustorajapinnan alueelta. Tutkimuksessa käytettiin myös naudan polvilumpiosta otettuja näytteitä, joiden avulla tutkittiin luu-rustorajapinnan mikromekaanisia muutoksia nivelrikon eri kehitysvaiheissa. Lisäksi tutkittiin mikromekaanisten muutoksien ja mikrorakenteen muutoksien välistä yhteyttä toisiinsa. Tulokset osoittavat, että kalkkeutuneessa rustossa on luuhun verrattuna korkeampi mineralisoitumisen aste, paksummat ja stoikiometrisesti täydellisemmät mineraalikristallit, sekä suurempi proteoglykaanipitoisuus. Lisäksi tutkimuksessa havaittiin selkeitä muutoksia mineralisaation määrässä, tyypin B karbonaattisubstituutiossa, mineraalikristallien paksuudessa, kudoksen jäykkyydessä sekä mikrorakenteessa nivelrikon kehittyessä. Osa muutoksista havaittiin hyvin varhaisessa nivelrikon kehitysvaiheessa. Tässä väitöskirjassa saatiin tärkeää uutta tietoa siitä, että luu-rustorajapinnnassa tapahtuu merkittäviä muutoksia nivelrikon kehittyessä. Tämä lisää nykyistä tietämystämme nivelrikon etiologiasta.

Medical imaging encompasses many imaging modalities with different background physics and technological aspects, but they are united under the same premise: measuring data that can be expressed in image format. Furthermore, imaging protocols are designed to measure features that are archetypical for certain diseases, based on which a diagnosis can be made. Indeed, medical images are far more than just pictures, they contain a substantial amount of information. Some features are not visible to the naked eye, and computational means must be used to analyze them. The extraction and analysis of those features to serve as complementary information for diagnostic decision-making is called radiomics. This doctoral dissertation focuses on applying algorithms in medical imaging use-tasks for an improved workflow. In the first use-case, iterative reconstruction (IR) algorithms were applied for micro-computed tomography (μCT) reconstruction using a limited amount of measured data. Doing so could facilitate the imaging workflow in μCT laboratories, as samples could be imaged more efficiently as less data are measured. The second use-case considered the interpretation of low back pain (LBP) from lumbar spine magnetic resonance imaging (MRI), which is a challenging task as subjects with degenerative features seen in MRI can be completely asymptomatic. To complement the MRI findings, a texture analysis (TA) pipeline employing radiomics methodology was developed for LBP classification. Finally, in the third use-case a deep learning (DL) -based image reconstruction method was developed for interior computed tomography (CT) angiography. CT is a major source of populational radiation strain, so reducing the dose by scanning only an internal region of the body has the potential to achieve dose-efficiency. The results showed that a quantitative feature analysis in a μCT study could be performed with much less projection data than measured with a scanner traditionally. In addition, the developed TA method was able to differentiate subjects suffering from LBP from those who were asymptomatic, and an anatomical correspondence to pain manifestation was found. Finally, the developed DL reconstruction network was able to produce excellent image quality, and even increase the reconstructed field-of-view. Tiivistelmä Lääketieteellinen kuvantaminen käsittää useita kuvantamismodaliteetteja, joiden taustalla oleva fysiikka ja teknologiset yksityiskohdat poikkeavat merkittävästi. Kuvantamisen lähtökohta on kuitenkin kaikilla menetelmillä sama: Ne mittaavat dataa potilaasta ja esittävät mittauksen kuvan muodossa. Kuvausprotokollat suunnitellaan siten, että niissä näkyvät piirteet paljastavat tietyille sairauksille tyypillisiä ominaisuuksia, joiden perusteella voidaan päätyä diagnoosiin. Visuaalisen sisällön lisäksi lääketieteelliset kuvat sisältävät valtavan määrän informaatiota, jota kaikkea ei voi prosessoida paljain silmin. Tällöin avuksi tarvitaan laskennallisia menetelmiä, kuten kvantitatiivisia piirteitä analysoivaa radiomiikkaa. Tämä väitöskirja käsittelee kuvarekonstruktio- ja koneoppimisalgoritmien soveltamista kolmeen kuvantamisen käyttötapaukseen. Ensimmäisessä käyttötapauksessa hyödynnettiin iteratiivisia kuvarekonstruktioalgoritmeja rekonstruoimaan harvasti näytteistettyä projektiodataa mikro-tietokonetomografiassa (μTT). Tämä voisi olla hyödyllistä μTT-kuvauksen optimoinnissa, koska kuvausaikojen ollessa pitkiä vain hyvin rajallinen määrä näytteitä on mahdollista kuvata prekliinisissä tutkimuksissa. Toinen käyttötapaus käsitteli lannerangan magneettikuvien (MRI) tulkintaa. Alaselkäkivun yhteydessä MRI-kuvissa voi näkyä degeneratiivisia muutoksia, mutta nämä muutokset ovat tyypillisiä myös oireettomilla potilailla. Tutkimuksessa kehitettiin tekstuurianalyysimenetelmä (TA) hyödyntäen radiomiikkaa, jonka avulla pystyttiin luokittelemaan aineistossa olleet koehenkilöt kivuliaisiin ja oireettomiin. Viimeisessä käyttötapauksessa kehitettiin syväoppiva neuroverkko kardiologisen tietokonetomografian rekonstruktioon (TT) ns. sisätomografiaongelmassa, jossa katetaan vain potilaan sisäinen mielenkiintoalue röntgenkeilalla. TT:stä aiheutuu merkittävä osa populaation säteilyrasituksesta, joten annoksen vähentämiseen tähtäävillä menetelmillä on selkeä kansanterveydellinen hyöty. Tulosten pohjalta selvisi, että vaihtamalla rekonstruktioalgoritmia kvantitatiivista μTT:tä voitaisiin tehdä pienemmällä määrällä projektiodataa kuin yleensä mitataan. Lisäksi kehitetty TA-menetelmä pystyi erottelemaan kivuliaat koehenkilöt oireettomista, ja luokittelun onnistumisen havaittiin riippuvan käytetystä anatomisesta mielenkiintoalueesta. Lopuksi, kehitetyllä syväoppivalla rekonstruktiomenetelmällä saavutettiin selkeä kuvanlaadullinen parannus, ja rekonstruoitua aluetta voitiin jopa kasvattaa.

Osteoarthritis (OA) is the most common musculoskeletal disorder in the world, affecting hand, hip, and knee joints. At the final stage, OA leads to joint replacement, causing an immense burden at the individual and societal levels. Multiple risk factors that can lead to OA are known; however, the etiology of OA and the underlying mechanisms of OA progression are not currently known. OA is currently diagnosed by a clinical examination and, when necessary, confirmed by imaging — a radiographic evaluation. However, these conventional tools are not sensitive to detect the early stages of OA, which makes the development of preventive measures for further disease progression difficult. Therefore, there is a need for other methods that could allow for the early diagnosis of OA. As such, computer vision-based techniques provide quantitative biomarkers that allow for an automatic and systematic assessment of OA severity from images. In recent years, the rapid development of computer vision and machine learning methods have merged into a new field — deep learning (DL). DL allows for one to formulate the problems of computer vision and other fields in a machine learning fashion. In the medical field, DL has made a tremendous impact and allowed to approach for human-level decision-making accuracy in diagnostic and prognostic tasks compared with the traditional computer vision-based methods. The focus of this thesis is on the development of DL-based methods for fully automatic knee OA severity diagnosis and the prediction of its progression. Multiple new methods for localizing the region of interest, landmark localization, knee OA severity assessment, and OA progression prediction are proposed. The results exceeded the state-of-the-art or formed completely new benchmarks for the evaluation of diagnostic and predictive model performance in OA. The main conclusion is that DL yields excellent performance in the diagnostics of OA and in the prediction of its progression. All the source codes of all the developed methods and the annotations for some of the datasets have been made publicly available. Tiivistelmä Nivelrikko on maailman yleisin käden, lonkan ja polven niveliin vaikuttava liikuntaelinsairaus. Viimekädessä nivelrikko johtaa tekonivelleikkauksiin, aiheuttaen merkittävää rasitetta niin yksilö- kuin yhteiskunnallisella tasolla. Monia nivelrikolle altistavia tekijöitä on jo tunnistettu, mutta kaikkia nivelrikon syitä ja vaikutusmekanismeja nivelrikon etenemisessä ei tunneta. Nivelrikko diagnosoidaan kliinisellä tutkimuksella ja vahvistetaan/varmistetaan tarvittaessa tehtävällä kuvantamistutkimuksella — tekemällä radiografinen arviointi. Nämä perinteiset työkalut eivät kuitenkaan ole riittävän herkkiä nivelrikon varhaisten vaiheiden havaitsemiseen, ja tämä hankaloittaa sairauden kehittymistä ehkäisevien toimenpiteiden kehittämistä. Näistä syistä johtuen tarvitaan muita menetelmiä, jotka mahdollistavat nivelrikon varhaisen diagnosoinnin. Konenäkömenetelmät sellaisenaan tuottavat kvantitatiivisia biologisia indikaattoreita jotka mahdollistavat automaattisen ja järjestelmällisen nivelrikon vakavuusarvion tekemisen kuvamateriaalista. Viime vuosina konenäkö- ja koneoppimismenetelmien nopea kehitys on synnyttänyt uuden syväoppimisen haaran. Syväoppiminen mahdollistaa konenäkö- ja muiden ongelmien määrittelyn koneoppimisongelman tavoin. Verrattuna perinteisiin lääketieteessä käytettyihin tietokonenäkömenetelmiin, syväoppiminen on mahdollistanut ihmisen suorituskykyä lähestyvät toteutukset lääketieteen diagnostisissa ja prognostisissa tehtävissä ja niiden vaikutus alan kehitykselle on ollut merkittävä. Tämän väitöskirja keskittyy kehittämään syväoppimismenetelmiä täysautomaattiseen polven nivelrikon vakavuuden diagnosointiin ja taudin kehittymisen ennustamiseen. Työssä ehdotetaan/esitetään useita uusia menetelmiä kohdealueen paikallistamiseen, maamerkkien paikallistamiseen, polven nivelrikon vakavuuden arviointiin ja nivelrikon etenemisen ennustamiseen. Työn tulokset ylittävät viimeisintä tekniikkaa edustavat ratkaisut tai muodostavat täysin uuden mittarin diagnostisten ja ennustavien menetelmien suorituskyvyn evaluoinnille nivelrikon kontekstissa. Työn keskeisimpänä johtopäätöksenä esitetään, että syväoppimisella on mahdollista saavuttaa erittäin hyvä suorituskyky nivelrikon diagnosoinnissa ja sen etenemisen ennustamisessa. Kaikki työssä kehitetyt menetelmät lähdekoodeineen sekä annotoinnit osalle tutkimuksessa käytetyistä aineistoista on saatettu avoimesti saataville.

Osteoarthritis (OA) is a heterogenic joint disease significantly affecting the quality of life of a patient, causing pain and disability. OA causes degenerative changes to the structure and composition of articular cartilage and subchondral bone. Currently, effective treatments for OA are limited, partly due to limitations in defining the imaging biomarkers of early OA. Improvement of imaging modalities in OA research and clinical setup is a requirement for quantitating early OA-related tissue features. In the clinical and preclinical setup, computed tomography (CT) enables imaging of bone and, using specific contrast agents, articular cartilage. The aim of this study is to create and validate novel micro-computed tomography (μCT) methods to quantify OA-related features and modifications in articular cartilage and subchondral bone. Contrast-enhanced μCT methods for imaging the collagen (phosphotungstic acid (PTA) and phosphomolybdic acid (PMA)) and GAG (CA4+) content of the articular cartilage in vitro were validated against various reference methods measuring the biochemical composition of articular cartilage. To improve the μCT imaging of subchondral bone, grey-level co-occurrence matrix (GLCM) based analysis of sub-resolution features of subchondral bone was introduced. In addition, to test the translatability of the GLCM-based analysis to clinical resolution, sub-resolution features extracted from clinical cone-beam CT were validated against the subchondral bone morphometrics from the μCT. PTA showed stronger association with the collagen content of the articular cartilage compared to PMA. PTA was also associated with collagen content even in degraded articular cartilage. CA4+ distribution was found to accumulate in chondrons and surrounding areas, suggesting that it is a prominent contrast agent for high-resolution μCT studies of chondrocytes. The GLCM-based analysis of subchondral bone provided information on cellular structure from μCT images and trabecular bone micro-structures from clinical CT images. In conclusion, μCT imaging can provide quantitative information on the collagen content and chondrons of articular cartilage, as well as on osteocytes in subchondral bone. The methods presented here extend the tools for researchers to quantify osteochondral tissue modifications in OA. Furthermore, the developed image processing tools could be translatable to the clinical CT. Tiivistelmä Nivelrikko on heterogeeninen niveltauti, joka huonontaa yksilön elämän laatua aiheuttaen kipua ja liikuntakyvyttömyyttä. Nivelrikko aiheuttaa nivelkudosten rappeumaa vaikuttaen mm. ruston ja rustonalaisen luun rakenteeseen ja koostumukseen. Nivelrikon kudosmuutosten kuvantamisen kehittäminen ja määrällinen tutkiminen taudin alkuvaiheissa tukisivat nykyisten nivelrikon hoitomenetelmien kehittämistä. Kliinisessä käytössä ja perustutkimuksessa, tietokonetomografia (TT) mahdollistaa luukuvantamisen ja varjoaineita käytettäessä myös rustokuvantamisen. Tämän väitöskirjan tavoitteena on esitellä ja validoida uusia mikrotietokonetomografia-menetelmiä (μTT) nivelrikon rusto- ja luumuutosten määrälliseen tutkimukseen. Varjoaineavusteisia μTT in vitro menetelmiä ruston kollageenin (fosfovolframihappoa (PTA) ja fosfomolybdeenihappoa (PMA)) ja GAG (CA4+) jakauman määrälliseen tutkimukseen validoitiin useilla eri ruston biokemiallista koostumusta mittaavilla vertailumenetelmillä. Rustonalaisen luun kuvantamista kehitettiin soveltamalla harmaasävyjen tekstuurianalyysiä, jolla pyrittiin tunnistamaan kuva-alkiota pienempiä luurakenteita. Rustonalaisen luun μTT-kuvien analyysien tulokset validoitiin synkrotronisäteilyyn perustuvan μTT:n avulla. Lisäksi tekstuurianalyysin soveltuvuutta testattiin kliinisen resoluution kartiokeilan TT-kuville. Kuvista analysoituja tekstuuriparametrejä verrattiin μTT:lla mitattuun todelliseen rustonalaisen luun rakenteeseen. Väitöskirjan tulokset osoittavat, että PTA on spesifimpi kollageenille testatuista varjoaineista ja sen jakauma on verrannollinen kollageenijakaumaan jopa rappeutuneessa nivelrustossa. GAG-spesifisen varjoaineen CA4+:n todettiin kerääntyvän myös kondroneihin, mikä viittaa siihen, että kyseinen varjoaine soveltuisi potentiaalisesti rustosolujen korkean resoluution μTT-tutkimuksiin. Rustonalaisen luun μTT-kuvista analysoitujen tekstuuriparametrien havaittiin olevan verrannollisia osteosyyttien tilavuusfraktion kanssa. Väitöskirjassa esitettyjen tulosten perusteella μTT-kuvantaminen tarjoaa kvantitatiivisen menetelmän nivelruston kollageenijakauman ja rustosolujen sekä rustonalaisen luun osteosyyttien tutkimuksiin. Väitöskirjassa esitetyt menetelmät laajentavat jo olemassa olevaa tutkimusmenetelmien kirjoa nivelrikon aiheuttamien nivelrusto- ja luumuutosten tutkimuksessa. Lisäksi kehitetyt kuva-analyysimenetelmät voivat tarjota tarkempaa tietoa kliinisestä TT:sta.

Primary hallmark of osteoarthritis (OA) is the progressive degeneration of articular cartilage. An accurate estimation of cartilage mechanics is important when analyzing the subject-specific function of the knee joint and risks for the onset and development of OA due to cartilage damage. Finite element (FE) modeling can help to estimate peak joint stresses and strains and explain how they could lead to OA. FE models of the knee joint during simplified gait were developed to define the level of material complexity required for 3D FE modeling of the knee joint in estimation of reliable tissue stresses and strains within articular cartilage of the knee joint; and to investigate the predictive value of FE modeling of the knee joint on the development and progression of radiographic OA within obese and normal weight subjects. It was found that maximum principal stresses and strains within articular cartilage in the knee joint during walking are highly sensitive to the material parameters of cartilage. It was not possible to match simultaneously stresses, strains and contact pressures between simplified (non-fibrillar) and advanced (fibrillar) models. Though, it was possible to find parameters for transversely isotropic models that enable the estimation of stresses and strains throughout the depth of cartilage similarly to more advanced fibril reinforced models. Locations of peak cumulative stresses in obese subjects at the baseline without radiographic OA showed a good agreement with the locations of cartilage loss and magnetic resonance imaging (MRI) based scoring in four year follow-up when they had developed OA. Simulated weight loss in obese subjects significantly reduced the highest cumulative stresses in cartilage to the level of normal weight subjects. The cartilage degeneration algorithm was able to predict subject-specific progression of OA similarly with MRI follow-up data and separate subjects with radiographic OA from healthy subjects. The computational FE models developed in this thesis represent useful tools to identify possible risk locations within the knee joint and how they relate to OA onset and progression. The presented methods have clinical potential in the diagnostics of knee joint OA in a subject-specific manner and in simulating the effect of interventions on the progression of OA thus helping with an effective treatment planning. Tiivistelmä Nivelrikon tunnusomaisin piirre on nivelrustokudoksen rappeutuminen ja kuluminen. Nivelruston tehtävänä on tasata niveliin kohdistuvaa kuormitusta. Rustokudoksen mekaanisten ominaisuuksien määrittäminen on tärkeässä roolissa, kun halutaan arvioida tarkemmin polvinivelen toimintakykyä sekä rustokudoksen rappeutumista. Magneettikuvantamisen pohjalta tehtävä polvinivelen biomekaaninen tietokonemallinnus mahdollistaa rustokudoksen jännitys- ja puristusjakauman arvioinnin simuloidun kuormituksen aikana, mikä edelleen voi antaa vastauksia siihen, kehittyykö niveleen tulevaisuudessa nivelrikko, tai miten tietyn nivelrikkopotilaan sairaus etenee. Tämän tutkimuksen päätavoitteena oli kehittää kolmiulotteisia polvinivelen biomekaanisia tietokonemalleja, joiden perusteella simuloitiin normaalia kävelyä. Polvinivelen kolmiulotteinen geometria luotiin terveiden koehenkilöiden sekä nivelrikkopotilaiden magneettikuvista. Malleilla selvitettiin aluksi, miten monimutkaisena materiaalina nivelrusto tulee mallintaa, jotta mallin ennustama jännitys- ja puristusjakauma on silti realistinen. Tämän jälkeen tutkittiin, miten hyvin tietokonemallinnus ennustaa polvinivelrikon kehittymistä ja etenemistä sekä nivelruston rappeutumista ylipainoisilla potilailla. Tutkimuksessa havaittiin, että tietokonemallin ennustamat jännitys- ja puristusjakaumat nivelrustossa kävelyn aikana riippuvat merkittävästi nivelrustolle valitusta materiaalimallista ja sen parametreista. Tietokonemallien ennustamat nivelruston jännityskeskittymien sekä ruston rappeutumisen sijainnit vastasivat erittäin hyvin nivelrustokudoksen todellisen kulumisen sijainteja magneettikuvasta arvioituna neljän vuoden seuranta-ajan jälkeen. Tietokonemalleilla oli myös mahdollista simuloida painon pudotuksen vaikutusta, jolloin nivelrustokudoksen jännitys- ja puristusjakaumat palautuivat normaalien koehenkilöiden tasolle. Tässä tutkimuksessa kehitetyt polvinivelen tietokonemallit tarjoavat tutkijoille uuden työkalun paikallistaa sellaiset kohdat nivelpinnalta, joissa kuormituksen aiheuttama mekaaninen jännitys on suurta; nämä kohdat ovat kaikista riskialtteimpia nivelrikon kehittymiselle. Kehitettyjä malleja voidaan perustutkimuksen lisäksi jatkokehittää edelleen kohti kliinistä sovellusta, jolloin niitä voitaisiin hyödyntää esimerkiksi simuloitaessa erilaisten hoitojen vaikutusta kuormitusjakaumiin ja rustokudoksen rappeutumiseen.

Osteoarthritis (OA) is a common chronic condition that reduces the quality of life of millions of individuals worldwilde. In OA, the progressive degradation of articular cartilage (AC) and bone can cause joint pain and disability. Currently there is no effective treatment available for OA besides gross joint replacement surgery. This is largely due to the lack of accurate biomarkers to test potential drugs and treatments that could stop or reverse the disease progression. The primary tools in use for OA diagnostics are inadequate in the early stage of the disease and merely allow its late manifestations to be visualized. Quantitative MRI (qMRI) has demonstrated the ability to distinguish degenerated from intact AC prior to radiographic changes. Moreover, so-colled rotating frame relaxation time parameters are sensitive to the slow molecular motion domain, relevant for clinical applications. T1ρ and T2ρ relaxation time measurements using adiabatic spin-lock pulses (AdT1ρ and AdT2ρ) have shown superior sensitivity to cartilage degeneration in vitro over conventional qMRI parameters. This thesis aimed to compare the differences that exist between established qMRI methods for AC against arthroscopic evaluation as well as optimize and validate AdT1ρ and AdT2ρ mapping of cartilage in vivo. The findings showed that T1 and T2 relaxation time and delayed gadolinium enhanced MRI of cartilage (dGEMRIC) were able to discriminate among different arthroscopic grades of cartilage lesions. However, arthroscopic findings and qMRI parameters were not correlated, supporting the viewpoint that qMRI may be able to elicit more comprehensive information on the quality of remaining cartilage tissue as compared to diagnostic arthroscopy, which detects cartilage loss. AdT1ρ and AdT2ρ mapping of cartilage in vivo were successfully implemented and validated on a clinical MRI system. AdT1ρ and AdT2ρ were able to overcome limitations of the existing methods (continuous wave spin-lock approach), which are challenging to implement on clinical settings for their susceptibility to field inhomogeneity and relatively high power deposition in tissue. The association of AdT1ρ and AdT2ρ with cartilage and bone marrow lesions and osteophytes was demonstrated. The findings indicate the utility of AdT1ρ and AdT2ρ mapping as potential biomarkers for evaluation of early cartilage degeneration in OA research and clinical applications. Tiivistelmä Nivelrikko on tavallinen krooninen sairaus, joka huonontaa miljoonien ihmisten elämänlaatua ympäri maailman. Nivelrikossa nivelruston ja luun asteittain etenevä rappeuma voi aiheuttaa nivelkipua ja liikuntakyvyttömyyttä. Tällä hetkellä nivelrikkoon ei ole muuta tehokasta hoitokeinoa kuin tekonivelleikkaus. Tämä johtuu suuremmaksi osaksi tarkkojen biomarkkereiden puutteesta, joiden avulla voitaisiin kokeilla mahdollisia nivelrikon pysäyttäviä tai tautia parantavia lääkkeitä tai hoitokeinoja. Nykyisin nivelrikon diagnostiikassa käytetyimmät menetelmät ovat riittämättömiä sairauden alkuvaiheessa, ja ne tunnistavat vain sairauden loppuvaiheet. Kvantitatiivisilla magneettikuvausmenetelmillä pystytään erottamaan rappeutunut ja ehjä nivelrusto toisistaan ennen röntgenkuvissa havaittavia muutoksia. Nk. pyörivän koordinaatiston relaksaatioaikaparametrit ovat herkkiä havaitsemaan hidasta molekyyliliikettä, jolla on merkitystä kliinisissä sovelluksissa. Kokeellisissa olosuhteissa T1ρ- ja T2ρ-relaksaatioaikojen mittaaminen käyttäen adiabaattisia spin-lukkopulsseja (AdT1ρ ja AdT2ρ) on osoittautunut erityisen tarkaksi nivelruston rappeutumisen toteamiseksi verrattuna perinteisiin kvantitatiivisiin magneettikuvausmenetelmiin. Tämän väitöskirjan tavoitteena oli vertailla vakiintuneita nivelrikon kvantitatiivisia magneettikuvausmenetelmiä sekä optimoida ja validoida AdT1ρ- ja AdT2ρ-menetelmien käyttöä ihmisen ruston tutkimisessa. Tulokset osoittivat, että T1- ja T2-relaksaatioajat sekä varjoainetehosteinen nivelruston magneettikuvaus pystyivät erottelemaan niveltähystyksessä määritettyjä nivelrikon eri asteita. Kuitenkaan niveltähystyslöydökset ja kvantitatiiviset magneettikuvausparametrit eivät korreloineet viitaten kvantitatiivisen magneettikuvauksen kykyyn osoittaa tarkemmin jäljellä olevan ruston laatua verrattuna niveltähystykseen, jossa arvioidaan ruston puutosta. Nivelruston AdT1ρ- ja AdT2ρ-relaksaatioaikamittaukset onnistuttiin suorittamaan ja validoimaan vapaaehtoisilla koehenkilöillä kliinisellä magneettikuvauslaitteella. AdT1ρ ja AdT2ρ eivät kärsineet samoista puutteista kuin tavanomaiset jatkuva-aaltoiset spin-lukkomenetelmät, joka ovat herkkiä kenttäepähomogeenisuuksille ja aiheuttavat suuremman radiotaajuusaltistuksen. Tutkimuksessa osoitettiin AdT1ρ- ja AdT2ρ-mittausten ja luuödeemin sekä osteofyyttien välinen yhteys. Tulokset osoittivat, että AdT1ρ- ja AdT2ρ-mittaukset ovat potentiaalisia biomarkkereita varhaisen nivelruston rappeuman havaitsemiseksi tutkimus- ja kliinisessä käytössä.

Osteoarthritis (OA) is the commonest joint disease in the world, and it has a major socioeconomic impact. OA causes progressive degenerative changes in the composition and structure of articular cartilage and subchondral bone. Clinical diagnosis of OA is based on physical examination and qualitative evaluation of changes on plain radiographs. Current clinical imaging methods are subjective or insensitive to early OA changes. Therefore, new methods are needed so as to quantify composition of the cartilage and characteristics of the subchondral bone. The aim of this thesis was to evaluate the potential of clinically applicable X-ray-based methods for the assessment of the cartilage proteoglycan content as well as the structure and density of subchondral bone in a knee joint. Subchondral bone density and structure (local binary patterns, Laplacian, and fractal-based algorithms) analysis methods for two-dimensional (2-D) plain radiographs were validated against three-dimensional (3-D) bone microarchitecture obtained from micro-computed tomography ex vivo and applied to plain radiographs in vivo. Furthermore, a method developed for the evaluation of articular cartilage proteoglycan content from computed tomography (CT) was validated against a delayed gadolinium-enhanced magnetic resonance imaging of cartilage (dGEMRIC), which is widely used as a proteoglycan sensitive method, in subjects referred for an arthroscopy of the knee joint. Subchondral bone density and structure evaluated from 2-D radiographs were significantly related to the bone volume fraction and true 3-D microarchitecture of bone, respectively. In addition, bone density- and structure-related parameters from radiographs were significantly different among subjects with different stages of OA. Cartilage proteoglycan content evaluated from CT was significantly related to dGEMRIC method. Furthermore, dGEMRIC was associated with bone structure from a 2-D radiograph. In conclusion, analysis of bone structure and density is feasible from clinically available 2-D radiographs. A novel CT method sensitive to proteoglycan content should be considered when a 3-D view of cartilage quality is needed. Tiivistelmä Nivelrikko on maailman yleisin nivelsairaus. Se aiheuttaa merkittävää kärsimystä potilaille, ja sillä on suuri taloudellinen vaikutus yhteiskuntaan. Nivelrikko aiheuttaa palautumattomia muutoksia nivelrustokudoksen ja rustonalaisen luun koostumukseen ja rakenteeseen. Nivelrikon diagnoosi perustuu kliiniseen tutkimukseen ja röntgenkuvien silmämääräiseen arviointiin. Nykyiset nivelrikon kliiniset kuvantamismenetelmät ovat subjektiivisia eivätkä riittävän tarkkoja nivelrikon varhaisten muutosten osoittamiseen, minkä vuoksi rustokudoksen koostumuksen ja rustonalaisen luun muutosten arviointiin tarvitaan uusia menetelmiä. Tämän väitöskirjantyön tarkoituksena oli tutkia uusien röntgensäteilyyn perustuvien menetelmien soveltuvuutta polvinivelen rustokudoksen proteoglykaanipitoisuuden sekä luun tiheyden ja rakenteen arviointiin. Rustonalaisen luun tiheyttä ja rakennetta arvioitiin digitaalisesta röntgenkuvasta tietokonepohjaisilla menetelmillä ja tuloksia verrattiin mikrotietokonetomografiassa nähtävään luun kolmiulotteiseen rakenteeseen. Röntgenkuvasta laskettavia muuttujia verrattiin myös eriasteisesta nivelrikosta kärsivien henkilöiden välillä. Rustokudoksen proteoglykaanipitoisuutta epäsuorasti mittaavaa tietokonetomografiamenetelmää verrattiin vastaavaan magneettikuvausmenetelmään henkilöillä, jotka olivat menossa polven niveltähystykseen. Röntgenkuvasta laskettu rustonalaisen luun tiheys ja rakenne olivat tilastollisesti selkeästi yhteydessä luun tilavuusmäärään ja mikrorakenteeseen, ja ne erosivat eriasteisesta nivelrikosta kärsivien henkilöiden välillä. Proteoglykaanipitoisuutta arvioivien tietokonetomografia- ja magneettikuvausmenetelmien välillä oli tilastollisesti merkitsevä korrelaatio. Ruston proteoglykaanipitoisuutta arvioivan magneettikuvausmenetelmän ja röntgenkuvasta laskettavan luun rakenteen välillä oli myös tilastollinen yhteys. Loppupäätelmänä voidaan todeta, että luun tiheyttä ja rakennetta on mahdollista arvioida kliinisesti saatavilla olevista röntgenkuvista. Tietokonetomografiamenetelmän käyttöä tulee harkita tutkimuksissa silloin, kun rustokudoksen tilasta halutaan kolmiulotteista tietoa.