Summary

Tredimensionell form modellering och analys av hjärnstrukturer

Published: November 14, 2019
doi:

Summary

Vi introducerar ett halvautomatiskt protokoll för form analys på hjärnstrukturer, inklusive bildsegmentering med öppen programvara, och ytterligare grupp vis form analys med hjälp av ett automatiserat modellerings paket. Här visar vi varje steg i 3D-form analysprotokoll med Hippocampus segmentering från Brain Mr images.

Abstract

Statistisk form analys av hjärnstrukturer har använts för att undersöka sambandet mellan deras strukturella förändringar och patologiska processer. Vi har utvecklat ett mjukvarupaket för noggrann och robust form modellering och grupp-Wise analys. Här introducerar vi en pipeline för form analys, från individuell 3D-form modellering till kvantitativ grupp form analys. Vi beskriver också förbehandling och segmentering steg med hjälp av öppna mjukvarupaket. Denna praktiska guide skulle hjälpa forskare att spara tid och ansträngning i 3D-form analys på hjärnans strukturer.

Introduction

Form analys av hjärnstrukturer har dykt upp som det föredragna verktyget för att undersöka deras morfologiska förändringar under patologiska processer, såsom neurodegenerativa sjukdomar och åldrande1. Olika beräkningsmetoder krävs för att 1) exakt avgränsa gränserna för målstrukturer från medicinska bilder, 2) rekonstruera målformen i form av 3D-yta mesh, 3) bygga Inter-ämnen korrespondens över enskilda form modeller via form Parameterisering eller yta registrering, och 4) kvantitativt bedöma de regionala form skillnader mellan individer eller grupper. Under de senaste åren har många metoder införts i neuroimaging studier för vart och ett av dessa steg. Men trots den anmärkningsvärda utvecklingen på området, det finns inte många ramar omedelbart tillämpas på forskning. I den här artikeln beskriver vi varje steg i form analysen av hjärnstrukturer med hjälp av våra anpassade form modelleringsverktyg och allmänt tillgängliga bildsegmenteringsverktyg.

Här visar vi formen analys ramverk för hjärnstrukturer genom form analys av vänster och höger hippocampi med hjälp av en uppsättning av vuxna kontroller och patienter med Alzheimers sjukdom. Atrofi av hippocampi är erkänd som en kritisk Imaging biomarkör i neurodegenerativa sjukdomar2,3,4. I vårt ramverk för form analys använder vi mallmodellen för målstrukturen och den deformerbara registreringen av mallen till bild i form modelleringsprocessen. Mallmodellen kodar allmänna formegenskaper för målstrukturen i en population, och den ger också en baslinje för att kvantifiera form skillnaderna mellan de enskilda modellerna via deras transitiva relation med mallmodellen. I mallen-till-bild-registrering har vi utvecklat en laplacian yta deformation metod för att passa mallen modell till målstrukturen i enskilda bilder och samtidigt minimera snedvridning av punkt fördelningen i mallen modell5,6,7. Genomförbarheten och robustheten i den föreslagna ramen har validerats i senaste neuroimaging studier av kognitiva åldrande8, tidig upptäckt av mild kognitiv svikt9, och att utforska föreningar mellan hjärnans strukturella förändringar och kortisolnivåer10. Detta tillvägagångssätt skulle göra det lättare att använda form modellering och analysmetoder i ytterligare neuroimaging studier.

Protocol

Brain MR-bilder förvärvades enligt det protokoll som godkänts av den lokala institutionella prövnings nämnden och etikkommittén. Anmärkning: Verktygen för form modellering och analys kan laddas ner från NITRC repository: https://www.nitrc.org/projects/dtmframework/. GUI-programvaran (DTMModeling. exe) kan köras efter extraktion. <!–The publication list on the shape modeling tools can be found…

Representative Results

Den form modellering process som beskrivs här har varit anställd för olika neuroimaging studier på åldrande6,8,10 och Alzheimers sjukdom5,9. Speciellt, denna form modelleringsmetod visade sin noggrannhet och känslighet i form analys på Hippocampus för en åldrande befolkning på 654 försökspersoner8. En k…

Discussion

Sammanfattnings, vi har beskrivit programvaran pipeline för form analys på hjärnans strukturer inklusive (1) MR image segmentering med hjälp av öppna verktyg (2) individuell form rekonstruktion med hjälp av en deformerbar mall modell, och (3) kvantitativ form skillnad mätning via transitiv form korrespondens med mallmodellen. Statistisk analys enligt false Discovery Rate (FDR) korrigering utförs med formen deformitet att undersöka betydelsen av morfologiska förändringar av hjärnans strukturer, i samband med n…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Arbetet finansierades av National Research Foundation i Korea (JP som PI). JK finansieras av Kyungpook nationella universitets forskningsfonden; och MCVH finansieras av Row Fogo välgörenhets förtroende och Royal Society of Edinburgh. Den Hippocampus segmentering anpassades från in-House riktlinjer skrivna av Dr Karen Ferguson, vid centrum för klinisk hjärn vetenskap, Edinburgh, Storbritannien.

Riferimenti

  1. Costafreda, S. G., et al. Automated hippocampal shape analysis predicts the onset of dementia in mild cognitive impairment. NeuroImage. 56 (1), 212-219 (2011).
  2. Platero, C., Lin, L., Tobar, M. C. Longitudinal Neuroimaging Hippocampal Markers for Diagnosing Alzheimer’s Disease. Neuroinformatics. , 1-19 (2018).
  3. Valdés Hernández, M. D. C., et al. Rationale, design, and methodology of the image analysis protocol for studies of patients with cerebral small vessel disease and mild stroke. Brain and behavior. 5 (12), e00415 (2015).
  4. Kalmady, S. V., et al. Clinical correlates of hippocampus volume and shape in antipsychotic-naïve schizophrenia. Psychiatry Research: Neuroimaging. 263, 93-102 (2017).
  5. Kim, J., Valdés Hernández, M. D. C., Royle, N. A., Park, J. Hippocampal Shape Modeling Based on a Progressive Template Surface Deformation and its Verification. IEEE Transactions on Medical Imaging. 34 (6), 1242-1261 (2015).
  6. Kim, J., et al. 3D shape analysis of the brain’s third ventricle using a midplane encoded symmetric template model. Computer Methods and Programs in Biomedicine. 129, 51-62 (2016).
  7. Kim, J., Ryoo, H., Valdés Hernández, M. D. C., Royle, N. A., Park, J. Brain Ventricular Morphology Analysis Using a Set of Ventricular-Specific Feature Descriptors. International Symposium on Biomedical Simulation. , 141-149 (2014).
  8. Valdés Hernández, M. D. C., et al. Hippocampal morphology and cognitive functions in community-dwelling older people: the Lothian Birth Cohort 1936. Neurobiology of Aging. 52, 1-11 (2017).
  9. Lee, P., Ryoo, H., Park, J., Jeong, Y. Morphological and Microstructural Changes of the Hippocampus in Early MCI: A Study Utilizing the Alzheimer’s Disease Neuroimaging Initiative Database. Journal of Clinical Neurology. 13 (2), 144-154 (2017).
  10. Cox, S. R., et al. Associations between hippocampal morphology, diffusion characteristics, and salivary cortisol in older men. Psychoneuroendocrinology. 78, 151-158 (2017).
  11. Sled, J. G., Zijdenbos, A. P., Evans, A. C. A nonparametric method for automatic correction of intensity nonuniformity in MRI data. IEEE Transactions on Medical Imaging. 17 (1), 87-97 (1998).
  12. Tustison, N. J., et al. N4ITK: improved N3 bias correction. IEEE Transactions on Medical Imaging. 29 (6), 1310-1320 (2010).
  13. Zhang, Y., Brady, M., Smith, S. Segmentation of brain MR images through a hidden Markov random field model and the expectation-maximization algorithm. IEEE Transactions on Medical Imaging. 20 (1), 45-57 (2001).
  14. Wardlaw, J. M., et al. Brain aging, cognition in youth and old age and vascular disease in the Lothian Birth Cohort 1936: rationale, design and methodology of the imaging protocol. International Journal of Stroke. 6 (6), 547-559 (2011).
  15. Morey, R. A., et al. A comparison of automated segmentation and manual tracing for quantifying hippocampal and amygdala volumes. NeuroImage. 45 (3), 855-866 (2009).
  16. Boccardi, M., et al. Survey of protocols for the manual segmentation of the hippocampus: preparatory steps towards a joint EADC-ADNI harmonized protocol. Journal of Alzheimer’s Disease. 26 (s3), 61-75 (2011).
  17. Winterburn, J., et al. High-resolution In Vivo Manual Segmentation Protocol for Human Hippocampal Subfields Using 3T Magnetic Resonance Imaging. Journal of Visualized Experiments. (105), e51861 (2015).
  18. MacLullich, A., et al. Intracranial capacity and brain volumes are associated with cognition in healthy elderly men. Neurology. 59 (2), 169-174 (2002).
  19. Gower, J. C. Generalized Procrustes analysis. Psychometrika. 40 (1), 33-51 (1975).
  20. Lorensen, W. E., Cline, H. E. Marching cubes: A high resolution 3D surface construction algorithm. ACM Siggraph Computer Graphics. , 163-169 (1987).
check_url/it/59172?article_type=t

Play Video

Citazione di questo articolo
Kim, J., Valdés Hernández, M. d. C., Park, J. Three-Dimensional Shape Modeling and Analysis of Brain Structures. J. Vis. Exp. (153), e59172, doi:10.3791/59172 (2019).

View Video