Summary

Modelagem e análise tridimensional da forma de estruturas do cérebro

Published: November 14, 2019
doi:

Summary

Introduzimos um protocolo semiautomático para análise de forma em estruturas cerebrais, incluindo segmentação de imagem usando software aberto e uma análise de forma mais em termos de grupo usando um pacote de modelagem automatizado. Aqui, demonstramos cada etapa do protocolo de análise de forma 3D com segmentação hipocampal a partir de imagens de MR cerebrais.

Abstract

A análise estatística da forma de estruturas do cérebro foi usada para investigar a associação entre suas mudanças estruturais e processos patológicos. Desenvolvemos um pacote de software para modelagem de forma precisa e robusta e análise em termos de grupo. Aqui, introduzimos um pipeline para a análise de forma, desde modelagem de forma 3D individual até análise quantitativa de forma de grupo. Também descrevemos as etapas de pré-processamento e segmentação usando pacotes de software aberto. Este guia prático ajudaria os pesquisadores a economizar tempo e esforço na análise de forma 3D em estruturas cerebrais.

Introduction

A análise da forma de estruturas cerebrais emergiu como a ferramenta preferida para investigar suas mudanças morfológicas em processos patológicos, como doenças neurodegenerativas e envelhecimento1. Vários métodos computacionais são necessários para 1) delineam com precisão os limites das estruturas alvo de imagens médicas, 2) reconstruir a forma de alvo na forma de malha de superfície 3D, 3) construir correspondência inter-sujeitos em todos os modelos de forma individual através de parametrização de forma ou registro de superfície, e 4) avaliar quantitativamente as diferenças de forma regional entre indivíduos ou grupos. Ao longo dos últimos anos, muitos métodos foram introduzidos em estudos de neuroimagem para cada uma dessas etapas. No entanto, apesar dos desenvolvimentos notáveis no campo, não há muitos quadros imediatamente aplicáveis à pesquisa. Neste artigo, descrevemos cada etapa da análise de forma das estruturas cerebrais usando nossas ferramentas de modelagem de forma personalizada e ferramentas de segmentação de imagem disponíveis publicamente.

Aqui, demonstramos a estrutura de análise de forma para estruturas cerebrais através da análise de forma dos hipocampi esquerdo e direito usando um conjunto de dados de controles adultos e pacientes com doença de Alzheimer. A atrofia do hipocampi é reconhecida como um biomarcador crítico de imagem em doenças neurodegenerativas2,3,4. Em nossa estrutura de análise de forma, empregamos o modelo modelo da estrutura alvo e o registro deformável modelo-a-imagem no processo de modelagem de forma. O modelo de modelo codifica características gerais de forma da estrutura alvo em uma população, e também fornece uma linha de base para quantificar as diferenças de forma entre os modelos individuais através de sua relação transitiva com o modelo modelo. No registro modelo-a-imagem, desenvolvemos um método de deformação da superfície laplácina para ajustar o modelo modelo à estrutura alvo em imagens individuais, minimizando a distorção da distribuição de pontos no modelomodelo modelo 5,6,7. A viabilidade e robustez do quadro proposto foram validados em estudos recentes de neuroimagem do envelhecimento cognitivo8, detecção precoce do comprometimento cognitivo leve9,e para explorar associações entre as alterações estruturais cerebrais e os níveis de cortisol10. Essa abordagem facilitaria o uso dos métodos de modelagem e análise de forma em estudos de neuroimagem adicionais.

Protocol

As imagens de MR do cérebro foram adquiridas de acordo com o protocolo aprovado pelo conselho de revisão institucional local e pelo comitê de ética. Nota: As ferramentas para modelagem e análise de forma podem ser baixadas do repositório nitrc: https://www.nitrc.org/projects/dtmframework/. O software GUI (DTMModeling.exe) pode ser executado após a extração. <!–The publication list on the shape…

Representative Results

O processo de modelagem de forma descrito aqui tem sido empregado para vários estudos de neuroimagem sobre o envelhecimento6,8,10 e a doença de Alzheimer5,9. Especialmente, este método de modelagem de forma mostrou sua precisão e sensibilidade na análise de forma no hipocampo para uma população envelhecida de 654 indivíduos<sup cl…

Discussion

Em resumo, descrevimos o pipeline de software para a análise de forma em estruturas cerebrais, incluindo (1) segmentação de imagem de RM usando ferramentas abertas (2) reconstrução de forma individual usando um modelo de modelo deformado e (3) diferença de forma quantitativa medição via correspondência de forma transitiva com o modelo modelo. A análise estatística a correção da falsa taxa de descoberta (FDR) é realizada com a deformidade da forma para investigar o significado das alterações morfológicas …

Disclosures

The authors have nothing to disclose.

Acknowledgements

O trabalho foi financiado pela National Research Foundation of Korea (JP as the PI). JK é financiado pelo Kyungpook National University Research Fund; e o MCVH é financiado pelo Row Fogo Charitable Trust e pela Royal Society of Edinburgh. A segmentação hipocampal foi adaptada das diretrizes in-house escritas pela Dra.

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