त्रि-आयामी आकार मॉडलिंग और मस्तिष्क संरचनाओं का विश्लेषण
Summary
हम मस्तिष्क संरचनाओं पर आकार विश्लेषण के लिए एक अर्ध-स्वचालित प्रोटोकॉल पेश करते हैं, जिसमें खुले सॉफ़्टवेयर का उपयोग करके छवि विभाजन और स्वचालित मॉडलिंग पैकेज का उपयोग करके आगे समूह-वार आकार विश्लेषण शामिल है। यहां, हम मस्तिष्क एमआर छवियों से हिप्पोकैम्पस विभाजन के साथ 3 डी आकार विश्लेषण प्रोटोकॉल के प्रत्येक चरण को प्रदर्शित करते हैं।
Abstract
मस्तिष्क संरचनाओं के सांख्यिकीय आकार विश्लेषण का उपयोग उनके संरचनात्मक परिवर्तनों और रोग प्रक्रियाओं के बीच सहयोग की जांच करने के लिए किया गया है। हमने सटीक और मजबूत आकार मॉडलिंग और समूहवार विश्लेषण के लिए एक सॉफ्टवेयर पैकेज विकसित किया है। यहां, हम व्यक्तिगत 3 डी आकार मॉडलिंग से मात्रात्मक समूह आकार विश्लेषण तक आकार विश्लेषण के लिए एक पाइपलाइन पेश करते हैं। हम खुले सॉफ्टवेयर पैकेजों का उपयोग करके प्री-प्रोसेसिंग और सेगमेंटेशन चरणों का भी वर्णन करते हैं। यह व्यावहारिक गाइड शोधकर्ताओं को मस्तिष्क संरचनाओं पर 3 डी आकार विश्लेषण में समय और प्रयास को बचाने में मदद करेगा।
Introduction
मस्तिष्क संरचनाओं का आकार विश्लेषण रोग प्रक्रियाओं के तहत उनके रूपात्मक परिवर्तनों की जांच करने के लिए पसंदीदा उपकरण के रूप में उभरा है, जैसे न्यूरोडीजेनेरेटिव रोग और उम्र बढ़ने1। विभिन्न कम्प्यूटेशनल विधियों को 1) चिकित्सा छवियों से लक्षित संरचनाओं की सीमाओं को सटीक रूप से चित्रित करने की आवश्यकता होती है, 2) 3 डी सतह जाल के रूप में लक्ष्य आकार का पुनर्निर्माण, 3) आकार पैरामीटरेशन या सतह पंजीकरण के माध्यम से व्यक्तिगत आकार मॉडलों में अंतर-विषयों के पत्राचार का निर्माण करें, और 4) मात्रात्मक व्यक्तियों या समूहों के बीच क्षेत्रीय आकार के मतभेदों का आकलन करें। पिछले कई वर्षों में, इनमें से प्रत्येक चरण के लिए न्यूरोइमेजिंग अध्ययन में कई तरीके शुरू किए गए हैं। हालांकि, क्षेत्र में उल्लेखनीय घटनाओं के बावजूद, अनुसंधान पर तुरंत कई ढांचे लागू नहीं होते हैं। इस लेख में, हम अपने कस्टम आकार मॉडलिंग उपकरण और सार्वजनिक रूप से उपलब्ध छवि विभाजन उपकरणों का उपयोग कर मस्तिष्क संरचनाओं के आकार विश्लेषण के प्रत्येक चरण का वर्णन करते हैं।
यहां, हम वयस्क नियंत्रण और अल्जाइमर रोग रोगियों के डेटासेट का उपयोग करके बाएं और दाएं हिप्पोकैम्पी के आकार विश्लेषण के माध्यम से मस्तिष्क संरचनाओं के लिए आकार विश्लेषण ढांचे का प्रदर्शन करते हैं। हिप्पोकैम्पी की शोष न्यूरोडीजेनेरेटिव डिजीज2,3,4में एक क्रिटिकल इमेजिंग बायोमार्कर के रूप में पहचाना जाता है । हमारे आकार विश्लेषण ढांचे में, हम लक्ष्य संरचना के टेम्पलेट मॉडल और आकार मॉडलिंग प्रक्रिया में टेम्पलेट-टू-इमेज विकृत पंजीकरण को नियोजित करते हैं। टेम्पलेट मॉडल एक आबादी में लक्ष्य संरचना की सामान्य आकार विशेषताओं को एन्कोड करता है, और यह टेम्पलेट मॉडल के साथ अपने क्षणभंगुर संबंध के माध्यम से व्यक्तिगत मॉडलों के बीच आकार के अंतर को निर्धारित करने के लिए एक आधार रेखा भी प्रदान करता है। टेम्पलेट-टू-इमेज पंजीकरण में, हमने टेम्पलेट मॉडल5,6,7में बिंदु वितरण की विकृति को कम करते हुए व्यक्तिगत छवियों में लक्ष्य संरचना के लिए टेम्पलेट मॉडल को फिट करने के लिए एक लैलैशियन सतह विरूपण विधि विकसित की है। प्रस्तावित ढांचे की व्यवहार्यता और मजबूती को संज्ञानात्मक उम्र बढ़ने8के हाल के न्यूरोइमेजिंग अध्ययनों, हल्के संज्ञानात्मक हानि9का शीघ्र पता लगाने और मस्तिष्क संरचनात्मक परिवर्तनों और कोर्टिसोल स्तर10के बीच संघों का पता लगाने में मान्य किया गया है । इस दृष्टिकोण से आगे न्यूरोइमेजिंग अध्ययनों में आकार मॉडलिंग और विश्लेषण विधियों का उपयोग करना आसान हो जाएगा।
Protocol
Representative Results
Discussion
संक्षेप में, हमने मस्तिष्क संरचनाओं पर आकार विश्लेषण के लिए सॉफ्टवेयर पाइपलाइन का वर्णन किया है जिसमें (1) एमआर छवि विभाजन एक विकृत टेम्पलेट मॉडल का उपयोग करके खुले उपकरण (2) व्यक्तिगत आकार पुनर्निर्माण…
Disclosures
The authors have nothing to disclose.
Acknowledgements
इस काम को नेशनल रिसर्च फाउंडेशन ऑफ कोरिया (जेपी को पीआई के रूप में) ने फंड दिया था । जेके को क्यूंगपूक नेशनल यूनिवर्सिटी रिसर्च फंड द्वारा वित्त पोषित किया जाता है; और MCVH पंक्ति Fogo चैरिटेबल ट्रस्ट और एडिनबर्ग के रॉयल सोसायटी द्वारा वित्त पोषित है । हिप्पोकैम्पस विभाजन को ब्रिटेन के एडिनबर्ग के सेंटर फॉर क्लीनिकल ब्रेन साइंसेज में डॉ करेन फर्गगुसन द्वारा लिखे गए इन-हाउस दिशानिर्देशों से अनुकूलित किया गया था ।
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).
