Driedimensionale vorm modellering en analyse van Hersenstructuren
Summary
We introduceren een semi-automatisch protocol voor vorm analyse op hersenstructuren, inclusief beeldsegmentatie met behulp van open software, en verdere groepsgewijze vorm analyse met behulp van een geautomatiseerd modellerings pakket. Hier demonstreren we elke stap van het 3D-vorm analyse protocol met hippocampal segmentatie van Brain MR images.
Abstract
Analyse van de statistische vorm van hersenstructuren is gebruikt om de associatie tussen hun structurele veranderingen en pathologische processen te onderzoeken. We hebben een softwarepakket ontwikkeld voor nauwkeurige en robuuste vorm modellering en groepsgewijze analyse. Hier introduceren we een pijplijn voor de vorm analyse, van individuele 3D-vorm modellering tot kwantitatieve groepsvorm analyse. We beschrijven ook de pre-processing en segmentatie stappen met behulp van open softwarepakketten. Deze praktische gids zou onderzoekers helpen tijd en moeite te besparen in 3D-vorm analyse op hersenstructuren.
Introduction
Vorm analyse van hersenstructuren is ontstaan als het voorkeurs instrument om hun morfologische veranderingen onder pathologische processen te onderzoeken, zoals neurodegeneratieve ziekten en veroudering1. Er zijn verschillende computationele methodes nodig om 1) nauwkeurig de grenzen van doel structuren af te bakenen van medische beelden, 2) reconstrueren van de doel vorm in de vorm van 3D oppervlak gaas, 3) bouw Inter-subjecten over de individuele vorm modellen via vorm parametrering of oppervlakte registratie, en 4) kwantitatief beoordelen van de regionale vorm verschillen tussen individuen of groepen. In de afgelopen jaren zijn er veel methoden geïntroduceerd in neuroimaging-onderzoeken voor elk van deze stappen. Ondanks de opmerkelijke ontwikkelingen op dit gebied zijn er echter niet veel kaders die onmiddellijk van toepassing zijn op onderzoek. In dit artikel beschrijven we elke stap van de vorm analyse van hersenstructuren met behulp van onze aangepaste vorm modeling tools en publiek beschikbare beeldsegmentatie tools.
Hier demonstreren we de vorm analysekader voor hersenstructuren door middel van de vorm analyse van de linker en rechter hippocampi met behulp van een gegevensset van volwassen controles en de ziekte van Alzheimer patiënten. Atrofie van de hippocampi wordt erkend als een kritische beeldvormende biomarker in neurodegeneratieve ziekten2,3,4. In ons Framework voor vorm analyse maken we gebruik van het sjabloon model van de doel structuur en de vervormbare registratie van sjabloon-naar-afbeelding in het vormmodellerings proces. Het sjabloon model codeert algemene vormkenmerken van de doel structuur in een populatie en biedt ook een basislijn voor het kwantificeren van de vorm verschillen tussen de afzonderlijke modellen via hun transitieve relatie met het sjabloon model. In de registratie van de sjabloon-naar-Image hebben we een Laplacian oppervlak vervorming methode om te passen in het sjabloon model aan de doel structuur in afzonderlijke afbeeldingen, terwijl het minimaliseren van de vervorming van de punt verdeling in de sjabloon model5,6,7ontwikkeld. De haalbaarheid en robuustheid van het voorgestelde kader zijn gevalideerd in recente neuroimaging studies van cognitieve veroudering8, vroegtijdige opsporing van milde cognitieve stoornissen9, en om te verkennen associaties tussen structurele veranderingen van de hersenen en cortisol niveaus10. Deze aanpak zou het gemakkelijker maken om de vorm modellering en analysemethoden te gebruiken in verdere neuroimaging-onderzoeken.
Protocol
Representative Results
Discussion
Samenvattend hebben we de software pijplijn beschreven voor de vorm analyse van hersenstructuren, waaronder (1) MR-beeldsegmentatie met behulp van open tools (2) individuele vorm reconstructie met behulp van een vervormbare sjabloon model, en (3) kwantitatief vorm verschil meting via transitieve vorm correspondentie met het sjabloon model. Statistische analyse onder de False Discovery rate (FDR) correctie wordt uitgevoerd met de vorm vervorming te onderzoeken van de betekenis van morfologische veranderingen van hersenstr…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Het werk werd gefinancierd door de National Research Foundation of Korea (JP als de PI). JK wordt gefinancierd door het Kyungpook National University Research Fund; en MCVH wordt gefinancierd door de Row Fogo liefdadigheid Trust en de Royal Society of Edinburgh. De hippocampal segmentatie werd aangepast aan de in-House richtlijnen geschreven door Dr. Karen Ferguson, in het centrum voor klinische hersenen wetenschappen, Edinburgh, Verenigd Koninkrijk.
References
- Costafreda, S. G., et al. Automated hippocampal shape analysis predicts the onset of dementia in mild cognitive impairment. NeuroImage. 56 (1), 212-219 (2011).
- Platero, C., Lin, L., Tobar, M. C. Longitudinal Neuroimaging Hippocampal Markers for Diagnosing Alzheimer’s Disease. Neuroinformatics. , 1-19 (2018).
- 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).
- Kalmady, S. V., et al. Clinical correlates of hippocampus volume and shape in antipsychotic-naïve schizophrenia. Psychiatry Research: Neuroimaging. 263, 93-102 (2017).
- 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).
- 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).
- 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).
- 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).
- 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).
- Cox, S. R., et al. Associations between hippocampal morphology, diffusion characteristics, and salivary cortisol in older men. Psychoneuroendocrinology. 78, 151-158 (2017).
- 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).
- Tustison, N. J., et al. N4ITK: improved N3 bias correction. IEEE Transactions on Medical Imaging. 29 (6), 1310-1320 (2010).
- 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).
- 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).
- 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).
- 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).
- 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).
- MacLullich, A., et al. Intracranial capacity and brain volumes are associated with cognition in healthy elderly men. Neurology. 59 (2), 169-174 (2002).
- Gower, J. C. Generalized Procrustes analysis. Psychometrika. 40 (1), 33-51 (1975).
- Lorensen, W. E., Cline, H. E. Marching cubes: A high resolution 3D surface construction algorithm. ACM Siggraph Computer Graphics. , 163-169 (1987).
