Automatiseret segmentering af kortikale grå materie fra T1-vægtet Mr billeder

Summary

Denne protokol beskriver processen med at ansøge syv forskellige automatiseret segmentering værktøjer til strukturelle T1-vægtet Mr-scanninger til at afgrænse grå materie regioner, der kan bruges til kvantificering af grå materie volumen.

Abstract

Inden for neuroradiologisk forskning, har en række nylige undersøgelser drøftet virkningen af mellem undersøgelse forskelle i volumetriske undersøgelsesresultater, der menes at skyldes anvendelsen af forskellige segmentering værktøjer til at generere hjernen diskenheder. Her præsenteres forarbejdning rørledninger til syv automatiske værktøjer, der kan bruges til at segmentere grå materie i hjernen. Protokollen indeholder et indledende skridt til forskere med henblik på at finde den mest nøjagtige metode til generering af grå materie diskenheder fra T1-vægtet Mr-scanninger. Skridt til at gennemføre detaljerede visuel kvalitetskontrol er også inkluderet i håndskriftet. Denne protokol dækker en række potentielle segmentering værktøjer og opmuntrer brugernes hen til sammenligne arbejdsindsats i disse værktøjer inden for et undersæt af deres data, før du vælger en gælde for en fuld kohorte. Derudover kan protokollen yderligere generaliseret til segmentering af andre områder af hjernen.

Introduction

Neuroimaging er udbredt i både klinisk og forskning indstillinger. Der er en nuværende skridt til at forbedre reproducerbarhed af undersøgelser, at kvantificere hjernen volumen fra magnetisk resonans imaging (MR) scanninger; Det er således vigtigt, at efterforskere dele erfaringer med hjælp af tilgængelige Mr værktøjer for segmentering af Mr-scanninger i regionale bind, for at forbedre standardiseringen og optimering af metoder¹. Denne protokol indeholder en trinvis vejledning til brug af syv forskellige værktøjer til at opdele det kortikale grå materie (CGM, grå materie, der udelukker subkortikale områder) fra T1-vægtet Mr-scanninger. Disse værktøjer blev tidligere brugt i en metodologisk sammenligning af segmentering metoder², som viste variabel ydelse mellem værktøjer på en Huntington’s chorea kohorte. Da udførelsen af disse værktøjer er troede at variere mellem forskellige DataSet, er det vigtigt for forskerne at teste en række værktøjer, før du vælger kun én til at anvende deres DataSet.

Grå materie (GM) volumen bruges regelmæssigt som en foranstaltning af hjernens morfologi. Volumetriske foranstaltninger er generelt pålidelige og i stand til at skelne mellem raske kontrolpersoner og kliniske grupper³. Mængden af forskellige vævstyper af hjerneregioner beregnes oftest ved hjælp af automatiserede software-værktøjer, der identificerer disse vævstyper. Således, for at skabe høj kvalitet afgrænsninger (segmenter) af GM, præcis afgrænsning af den hvide substans (WM) og cerebrospinalvæske (CSF) er kritiske for opnåelsen af nøjagtigheden af GM-regionen. Der er en række automatiserede værktøjer, der kan bruges til at udføre GM segmentering, og hver kræver forskellige behandlingstrin og resulterer i en anden output. En række studier har anvendt værktøjerne til forskellige datasæt til at sammenligne dem med hinanden, og nogle har optimeret specifikke værktøjer^{1,4,5,6,7,8 ,9,10,11}. Tidligere arbejde har vist, at variabiliteten mellem volumetriske værktøjer kan resultere i uoverensstemmelser inden for litteratur, når man studerer hjernen volumen, og disse forskelle er blevet foreslået som kørsel faktorer for falsk konklusioner om neurologiske tilstande¹.

For nylig, en sammenligning af forskellige segmentering værktøjer i en kohorte, der omfattede både sund kontrol deltagere og deltagere med Huntingtons sygdom blev udført. Huntingtons sygdom er en genetisk neurodegenerativ sygdom med en typisk symptomdebut i voksenalderen. Gradvis atrofi af subkortikale og CGM er et fremtrædende og velundersøgte neuropatologiske kendetegn ved sygdommen. Resultaterne viste variabel ydelse af syv segmentering værktøjer, der blev anvendt til kohorte, støtte til tidligere arbejde, der demonstrerede variation i resultaterne afhængigt af den software, der bruges til at beregne hjernen diskenheder fra Mr-scanninger. Denne protokol indeholder oplysninger om behandling anvendes i Johnson et al. (2017) ² der tilskynder omhyggelig metodologiske udvælgelse af de mest hensigtsmæssige værktøjer til brug i neuroimaging. Denne håndbog dækker segmenteringen af GM volumen men dækker ikke segmenteringen af læsioner, som dem, set i dissemineret sklerose.

Protocol

Bemærk: Sikre, at alle billederne i NifTI format. Konvertering til NifTI er ikke dækket her. 1. segmentering via SPM 8: Unified Segment Bemærk: Denne procedure er udført via SPM8 GUI, der opererer inden for Matlab. SPM8 guide giver yderligere detaljer og kan findes på: http://www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf. Kontroller, at SPM8 er installeret og indstillet i stien software. SPM segmentering udføres ved hjælp af et GU…

Representative Results

Gennemsnitlige hjernen diskenheder for 20 deltagere, kontrol, sammen med demografiske oplysninger, er vist i tabel 1. Dette fungerer som en guide for forventede værdier, når du bruger disse værktøjer. Resultaterne skal ses i sammenhæng med det oprindelige T1.nii billede. Alle GM regioner skal inspiceres efter de trin, der beskrives i afsnit 8. Når du udfører visuel QC, er det vigtigt at direkte sammenligne GM regioner til T1 scanningen ved at vise dem overlejret p?…

Discussion

For nylig, forskning har vist, at brugen af forskellige volumetriske metoder kan have vigtige konsekvenser for neuroimaging undersøgelser^1,2. Publishing protokoller, der hjælpe med at guide nybegyndere i hvordan man kan anvende forskellige neuroimaging værktøjer, samt hvordan du kan udføre QC på resultater output af disse værktøjer, kan forskere vælge den bedste metode til at anvende deres DataSet.

Mens de fleste trin i denne …