Summary

Tredimensjonal form modellering og analyse av hjernens strukturer

Published: November 14, 2019
doi:

Summary

Vi introduserer en halvautomatisk protokoll for figur analyse på hjernens strukturer, inkludert bilde segmentering ved hjelp av åpen programvare, og ytterligere gruppe-klok form analyse ved hjelp av en automatisert modellering pakke. Her viser vi hvert trinn i 3D form analyse protokoll med hippocampus segmentering fra hjernen MR bilder.

Abstract

Statistisk form analyse av hjernens strukturer har blitt brukt til å undersøke tilknytningen mellom deres strukturelle endringer og patologiske prosesser. Vi har utviklet en programvarepakke for nøyaktig og robust form modellering og gruppe-klok analyse. Her introduserer vi en rørledning for figur analysen, fra individuelle 3D-former modellering til kvantitativ gruppe figur analyse. Vi beskriver også fremgangsmåten før prosessering og segmentering ved hjelp av åpne programvarepakker. Denne praktiske guiden vil hjelpe forskerne å spare tid og krefter i 3D-form analyse på hjernens strukturer.

Introduction

Form analyse av hjernens strukturer har dukket opp som det foretrukne verktøyet for å undersøke deres morfologiske endringer under patologiske prosesser, slik som nevrodegenerative sykdommer og aldring1. Ulike beregningsorientert metoder er nødvendig for å 1) nøyaktig avgrense grensene av målet strukturer fra medisinske bilder, 2) rekonstruere målet form i form av 3D-overflate mesh, 3) bygge Inter-fag korrespondanse på tvers av individuelle form modeller via form parametrisering eller overflate registrering, og 4) kvantitativt vurdere den regionale formen forskjellene mellom individer eller grupper. I løpet av de siste årene har mange metoder blitt innført i neuroimaging studier for hvert av disse trinnene. Men til tross for den bemerkelsesverdige utviklingen i feltet, er det ikke mange rammeverk umiddelbart gjeldende for forskning. I denne artikkelen beskriver vi hvert trinn i formen analyse av hjernens strukturer ved hjelp av vår egendefinerte form modellering verktøy og offentlig tilgjengelig bilde segmentering verktøy.

Her viser vi formen analyse rammeverk for hjernen strukturer gjennom formen analyse av venstre og høyre hippocampi ved hjelp av et datasett av voksne kontroller og Alzheimers sykdom pasienter. Atrofi av hippocampi er anerkjent som en kritisk Imaging biomarkør i nevrodegenerative sykdommer2,3,4. I vår form analyse rammeverk, benytter vi malen modell av mål strukturen og mal-til-bilde deformerbare registrering i form modellering prosessen. Mal modellen koder generelle figur karakteristikker for mål strukturen i en populasjon, og den gir også en opprinnelig plan for kvantifisere av figur forskjellene mellom de enkelte modellene via deres Transitive relasjon med mal modellen. I mal til bilde registrering, har vi utviklet en Laplacian overflate deformasjon metode for å passe malen modellen til mål strukturen i individuelle bilder samtidig minimere forvrengningen av punkt fordelingen i malen modell5,6,7. Gjennomførbarhet og robusthet av de foreslåtte rammeverket har blitt validert i nyere neuroimaging studier av kognitiv aldring8, tidlig påvisning av mild kognitiv svikt9, og å utforske assosiasjoner mellom hjernens strukturelle endringer og kortisol nivåer10. Denne tilnærmingen vil gjøre det enklere å bruke formen modellering og analysemetoder i ytterligere neuroimaging studier.

Protocol

Brain MR bilder ble kjøpt i henhold til protokollen godkjent av den lokale institusjonelle anmeldelsen styret og etikk komiteen. Merk: Verktøyene for form modellering og analyse kan lastes ned fra NITRC depotet: https://www.nitrc.org/projects/dtmframework/. Det GUI programvare (DTMModeling. exe) kan henrettet etter trekking. <!–The publication list on the shape modeling tools can be found in the proj…

Representative Results

Figuren modellering prosessen beskrevet her har vært ansatt for ulike neuroimaging studier på aldring6,8,10 og Alzheimers sykdom5,9. Spesielt viste denne formen modellering metoden sin nøyaktighet og følsomhet i form analyse på hippocampus for en aldrende befolkning på 6548. En kvantitativ analyse av programv…

Discussion

Oppsummert har vi beskrevet programvare rørledningen for figuren analyse på hjernens strukturer inkludert (1) MR bilde segmentering med åpne verktøy (2) individuell form rekonstruksjon ved hjelp av en deformerbare mal modell, og (3) kvantitativ form forskjell måling via Transitive form korrespondanse med malen modellen. Statistisk analyse under korreksjon av falsk oppdagelses rate (FDR) utføres med formen misdannelse for å undersøke betydningen av morfologiske endringer av hjernens strukturer, forbundet med neuro…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Arbeidet ble finansiert av National Research Foundation of Korea (JP som PI). JK er finansiert av Kyungpook National University Research Fund; og MCVH er finansiert av Row Fogo veldedige Trust og Royal Society of Edinburgh. Den hippocampus segmentering ble tilpasset fra interne retningslinjer skrevet av Dr. Karen Ferguson, ved Senter for Clinical Brain Sciences, Edinburgh, UK.

References

  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/kr/59172?article_type=t

Play Video

Cite This Article
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