方法文章

病灶探查者:一种基于视频指导的标准化方案,用于阿尔茨海默病及正常老年人群中准确可靠的磁共振成像衍生体积测量

DOI:

10.3791/50887

2014年4月14日

本文内容

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

病灶探查器(Lesion Explorer,LE)是一种半自动化的图像处理流程,旨在从阿尔茨海默病患者及正常老年人的结构磁共振成像(MRI)中获取区域性脑组织和皮层下高信号病灶的体积测量数据。为确保高度的准确性和可靠性,以下提供一套配有视频指导的标准化操作流程,用于指导LE的手动操作步骤。

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

获取 体内 由MRI获取的人脑组织体积测量数据常因多种技术和生物学因素而变得复杂。当存在显著的脑萎缩和年龄相关的白质改变时,这些挑战尤为突出。例如 白质疏松症)存在。病变探查器(Lesion Explorer,LE)是一种准确且可靠的神经影像学分析流程,专门用于解决在阿尔茨海默病及正常老年人群的MRI中常见的一系列问题。该流程由一系列经过半自动化的操作步骤组成,此前已在多项内部与外部的信度测试中得到验证。1,2然而,LE 的准确性和可靠性在很大程度上依赖于经过适当培训的手动操作人员来执行指令、识别明确的解剖标志,并手动编辑和验证各种计算机生成的分割结果。

LE 可分为三个主要组成部分,每个部分都需要一组命令和手动操作:1)Brain-Sizer,2)SABRE,以及 3)Lesion-Seg。Brain-Sizer 的手动操作包括对自动去颅骨的全颅腔(TIV)提取掩膜进行编辑、脑室脑脊液(vCSF)的标定,以及后颅窝结构的去除。SABRE 部分需要检查图像在前连合-后连合(ACPC)平面上的对齐情况,并识别区域分割所需的多个解剖标志点。最后,Lesion-Seg 部分涉及对皮层下高信号(SH)自动病灶分割结果进行人工核查,以发现假阳性错误。

尽管现场培训LE流程更为理想,但使用现成的、配有交互式培训图像的可视化教学工具也是一种可行的替代方案。为确保高度的准确性和可靠性,以下是LE手动操作的逐步标准化视频指导方案。

引言

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

脑影像分析是一个新兴的神经科学领域,需要具备高水平计算能力和神经解剖学知识的熟练操作人员。为了从磁共振成像(MRI)中获取定量信息,通常需要经过培训的操作人员来实施、监控和编辑由原始MRI数据生成的计算机成像结果。尽管许多“全自动”成像工具可通过互联网免费获取,但当缺乏相关知识、培训经历以及对所下载工具不熟悉的初学者使用时,其准确性和可靠性值得怀疑。虽然现场培训是最理想的授课方式,但提供视频指导的标准化操作流程是一种可行的替代方案,特别是当配有配套的训练图像集时。此外,该训练图像集还可用于质量控制,例如进行异地的评估者间信度测试。

在开发图像处理流程时面临的挑战,尤其是在研究衰老和阿尔茨海默病(AD)时,涉及广泛的技术和生物学问题。尽管部分技术问题可通过后处理校正算法加以解决3,但个体差异和病理过程所导致的变异性仍带来更为复杂的障碍。脑萎缩和脑室扩大可能降低图像配准形变和模板匹配方法的可行性。与年龄相关的白质改变4和小血管病5,6在影像上表现为皮层下高信号(SH)7,8、囊性液性填充的腔隙样梗死9,10以及扩大的血管周围间隙11,12,这些均进一步增加了分割算法的复杂性。在白质病变较显著的情况下,仅基于T1加权图像的单一分割可能导致灰质(GM)体积的高估13,唯有通过质子密度(PD)、T2加权(T2)或液体衰减反转恢复(FLAIR)成像进行额外分割才能予以校正。鉴于上述挑战,病灶探查者(Lesion Explorer, LE)图像处理流程采用了一种半自动的三模态特征(T1、PD、T2)分析方法,并在某些特定阶段引入经培训的操作人员进行人工干预,以提高准确性1,2

脑提取(或称颅骨剥离)通常是神经影像学中首先执行的操作之一。因此,全脑颅腔容积(TIV)提取过程的准确性会显著影响后续分析流程中的各项操作。若出现明显的过度侵蚀,导致脑组织丢失,可能引起脑萎缩程度的高估;反之,若出现明显的侵蚀不足,导致硬脑膜及其他非脑组织被保留在内,则可能导致脑体积的膨胀。LE 的 Brain-Sizer 模块通过采用三模态(T1、T2 和 PD)方法生成 TIV 掩膜,有效解决了上述诸多问题,其效果优于单模态方法1。此外,自动生成的 TIV 掩膜会依据标准化协议进行人工核查与编辑,以识别易发生颅骨剥离错误的区域。在完成脑提取后,对去颅骨的 T1 图像进行分割处理,将每个脑体素分配至以下三类标签之一:灰质(GM)、白质(WM)或脑脊液(CSF)。该分割过程通过应用一种鲁棒的曲线拟合算法于全局与局部强度直方图上自动实现;该技术旨在应对强度不均匀伪影,以及阿尔茨海默病(AD)病例中灰质与白质强度幅值差异减小的问题14

Brain-Sizer 组件还包括手动标注脑室和去除幕下结构的操作步骤。脑室脑脊液(vCSF)的分割尤为重要,因为脑室大小是阿尔茨海默病痴呆常用的生物标志物15此外,准确勾画脑室和脉络丛对于正确识别脑室周围高信号(pvSH)至关重要,后者被认为反映了一种以静脉胶原病为特征的小血管病。5,16,17. 以T1为参考,在分割图像上通过手动泛洪填充操作将脑脊液(CSF)体素手动重标记为脑室脑脊液(vCSF)。通常,侧脑室较易与脑沟内的脑脊液区分开来。因此,建议在轴向切面上进行泛洪填充,从上方切片开始,逐步向下进行。脑室系统的内侧部分,尤其是第3rd 脑室更难以界定,需遵循基于解剖结构的特殊规则,这些规则在手册中有详细说明。Brain-Sizer 的最后一步包括使用另一套基于解剖结构的标准化方案中所述的手动追踪方法,去除脑干、小脑及其他幕下结构。

半自动脑区提取(SABRE)组件是该流程的分区处理步骤。此阶段需要经过培训的操作人员识别以下解剖标志:前连合和后连合(AC,PC);脑后缘;中央管;正中矢状面;枕前切迹;顶枕沟;中央沟;以及外侧裂。基于这些标志点的坐标,系统将自动生成类似Talairach18的网格,并完成区域分割19。这些标志点在AC-PC对齐的图像上易于识别,此类图像由系统自动生成,并在SABRE标志点标注流程开始前进行人工核查。

病灶分割(Lesion-Seg)组件是流程的最后阶段,用于实现微出血(SH)的识别与定量。初始的自动SH分割采用一种复杂算法,包括基于PD/T2的SH分割、模糊c均值掩模以及脑室扩张分析。这些操作生成一个自动的病灶分割掩模,随后需人工检查并修正假阳性结果及其他错误。由于MRI上的高信号可能来源于非病理因素(例如 运动伪影、正常生物学变异),因此需要经过适当培训,才能准确识别相关的微出血(SH)。

LE 流程的最终结果是一个包含 8 种不同组织和病灶体积测量值的综合性容积图谱,这些测量值被分割至 26 个 SABRE 脑区。为获得个体操作者在异地的评分者间可靠性检验结果,建议在软件提供的训练数据集上运行完整的 LE 流程(http://sabre.brainlab.ca)。基于容积测量结果,采用组内相关系数(ICC)20 可针对每个SABRE区域内的每种组织类别(GM/WM/CSF)计算统计量。利用分割图像,计算相似性指数(SI)21 可以计算统计量以评估空间一致性的程度。此外,在操作者完成第一次操作后经过一段短暂时间,可对其结果进行组内相关性分析,以评估同一操作者的重复测量信度。st 和 2nd 分割编辑。只要远程操作人员遵循LE手册中规定的文件命名规范,即可使用大多数基础统计软件包在远程进行可靠性统计计算。鉴于这些质量控制措施和视频引导的标准化流程,远程操作人员可以更有信心地确保LE流程被准确且可靠地执行。

方案

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. 脑部尺寸测量组件

1.1 全颅腔提取(TIV-E)

  1. 打开 ITK-SNAP_sb,加载 T1,点击:文件 -> 打开灰度图像 -> 浏览 -> 转到目录,单击 -> 图像 -> 开放> 下一步 -> 完成。
  2. 单击轴向视图旁边的加号以放大。
  3. 使用“x”键关闭(或打开)十字准线。
  4. 右键向上拖动鼠标以放大窗口中的大脑图像,直至画面完整显示且左下角无小框出现。
  5. 通过点击“工具”调整强度:-> 图像对比度,然后将中点向上并稍向左拖动,直至图像亮度达到适当水平,关闭。
  6. 通过点击“分割”加载TIV-E叠加图像:分割 -> 从图像加载 -> 浏览 -> 选择 TIVauto -> 开放> 下一步 -> 完成。
  7. 开始编辑 TIVauto…
  8. 点击画笔工具 -> 选择圆形 -> 根据需要调整大小。
  9. 为补充TIVauto未计算的脑区,选择“主动绘制标签”为“标签1”,并选择“覆盖绘制”为“所有标签”。
  10. 使用画笔重新绘制TIV掩膜,以重新捕获彩色TIV区域,或仔细重新捕获非彩色区域。
  11. 要撤销画笔笔触,请使用 <CTRL+Z> 或单击左侧的“撤销”按钮。
  12. 通过按“s”键开启或关闭TIVauto,以确认脑组织被适当捕获。
  13. 若TIVauto掩膜过度捕获了非脑组织,可使用“画笔工具”右键单击以移除。
  14. 使用画笔并单击鼠标左键重新绘制 TIVauto 掩膜。
  15. 仔细检查每一张切片,确保只有脑组织被标记为1(绿色),所有非脑组织被标记为除1以外的其他标签(或未着色)。
  16. 根据需要重新捕获TIV,并根据需要删除TIV。
  17. 为获得更优质的切片,务必保留硬脑膜下方的所有结构,以考虑脑脊液(CSF)的存在。
  18. 如果难以绘制,可使用闭合多边形工具:单击左键在多边形上添加顶点,单击右键闭合多边形,从而将多边形内部的所有区域作为待修改部分,然后单击底部的“Accept”(接受);若轮廓 tracing 不正确,则单击“Delete”(删除)。可通过单击“undo”(撤销)来撤回多边形的修改。 <CTRL+z>。参见 图1.
  19. 当对TIV修改满意后,点击:分割 -> 保存为图片> 并将文件名后缀从“TIVauto”修改为“TIVedit”,以表示该文件已处理完毕,然后点击“Save”(例如. <名称>_TIVedit)

1.2 心室重新分配

  1. 加载 T1_IHC。
  2. 调节强度。
  3. 关闭十字准线(x)。
  4. 单击轴向窗口旁边的加号,仅选择轴向图像进行查看。
  5. 放大(右键单击并拖动)。
  6. 加载 <名称>通过选择分割将 _seg 图像叠加到 T1 上> 从图像加载 -> 浏览 -> <名称>_seg -> 下一步 -> 完成。
  7. 通过标签编辑器将绘图标签调整为适当的颜色。
  8. 将颜色更改为:5 为紫色,7 为品红色,3 & 4 是与其他明显可区分的例如 图2 显示3=白质变为蓝色,4=灰质变为黄色)。注意:颜色为任意设定。
  9. 使用洪泛填充工具重新分配 vCSF。参见 图2.
  10. 向上逐层切取脑组织切片,确定含有脑室的最背侧切片,并从此处开始。
  11. 单击填充工具,选择“活动绘图标签”=7 和“绘制覆盖”=5。
  12. 通过按空格键在“洪泛填充”和绘制边界之间来回切换。设定边界可用于防止洪泛填充扩散至心室周围被视为黑洞区域或白质高信号部分的特定区域。
  13. 填充时可见绿色箭头尖端,准备绘制边界时则可见红色箭头尖端。
  14. 填充时只需左键单击。向下移动切片,根据需要重复操作。根据需要使用边界限制,以防止非脑室区域的扩散填充。
  15. 如果填充操作有误,只需点击“撤销”,或调换“活动绘制标签”和“绘制覆盖”颜色。
  16. 填充所有与脑室相连的体素,了解不应填充的内容与了解应填充的内容同样重要。
  17. 继续向下移动,直到第3个rd 第三脑室通向四叠体池,并在四叠体池后缘形成界限,直至后连合将第三脑室与四叠体池分开。
  18. 如果后连合未完全可见且未形成封闭空间,则需要设定界限。一旦后连合形成封闭空间,即停止重新标记四叠体池。
  19. 如果前连合未能完全包绕3,则可能也需要设定界限。rd 心室
  20. 停止填充 3rd 一旦在T1像上清晰可见大脑脚且中央管呈圆形时,即为脑室。
  21. 如果侧脑室前部靠近脑干的区域似乎与脑沟内的脑脊液相连,也可能需要设定界限。
  22. 以T1图像为参考,确定颞叶侧脑室的填充区域(通过按“s”键切换分割显示的开启与关闭)。
  23. 完成后,将分割结果保存为“<名称>通过点击“分割”来执行 _seg_vcsf:分割 -> 保存为图片 > 然后添加 _vcsf <名称>_seg -> 保存。

1.3 去除脑干、小脑及幕下结构

  1. 从左上角菜单中选择“多边形工具”。
  2. 关闭分割功能。
  3. 滚动至小脑开始出现的第一个切片(如果脑干在小脑开始之前已分离,请参见规则例外情况)。
  4. 设置“活动绘制标签”为“清除标签”,“绘制覆盖”为“所有标签”。
  5. 这些活动绘制标签实质上会从分割图像中删除数据,因此操作时需谨慎。撤销(CTRL+Z)功能仍然可用,但仅支持有限的回退步数。
  6. 左键单击以在围绕小脑的硬脑膜以及沿脑干基底部穿过四叠体的区域绘制多边形,右键单击以闭合多边形。
  7. 点击“接受”以“删除”该区域的分割内容,此时下方T1图像将显示出来,表明该区域已不再包含在分割结果中。
  8. 转至下一个切片并重复上述操作。始终在T1图像上进行描记,切勿在分割图像(seg)上操作。
  9. 一旦大脑脚分离,开始同时移除脑干和脊髓部分。
  10. 在前部区域,直接横跨间隙进行描记。当眶额叶前端出现清晰的硬脑膜线时(通常位于垂体下方),开始沿该硬脑膜线向外描记一个弧形。
  11. 当枕叶与颞叶分离后,确保描记从中心区域引出,以清除该区域中任何残留的无关结构。参见图3
  12. 在某些情况下,可改用“反向绘制”选项,通过仅保留所需部分而非删除不需要部分的方式来绘制多边形(同时参考分割图像以辅助描记)。
  13. 如果仅剩颞叶部分,可直接在小脑周围绘制一个较大的多边形并将其删除。
  14. 如果可以确定后续下方切片中的多边形将仅包含小脑,则可使用“粘贴”按钮粘贴上一个描记结果,并用其删除小脑。
  15. 当图像中仅剩小脑时,将该大范围描记逐一切片粘贴并点击“接受”以删除小脑,直至图像中不再存在小脑。
  16. 完成操作后,逐一切片向上滚动,检查并确认分割结果中仅保留幕上部分。
  17. 完成后,通过以下方式将分割结果保存为'<name>_seg_vcsf_st':点击“分割” -> 另存为图像 - > 在“_seg”后添加“_vcsf_st” -> 保存。

2. SABRE 组分

2.1 ACPC 对齐

  1. 打开 ITK-SNAP_sb。
  2. 按照 Brain-Sizer 手册中的说明加载“T1_IHCpre_iso”。
  3. 按照 Brain-Sizer 手册中的说明调整强度。
  4. 从左上角菜单中选择“Navigation tool”(导航工具)。
  5. 然后点击“ACPC alignment tool”(ACPC 对齐工具)。
  6. 使用左下角的加载选项加载“T1_IHCpre_toACPC.mat”矩阵文件。
  7. 通过在轴向视图上右键单击并向上拖动鼠标来放大图像。
  8. 通过左键单击图像并移动鼠标来调整窗口中大脑的位置(与缩放操作分开),以更好地居中显示放大的视图。同时调整矢状面和冠状面视图。确保矢状面接近正中矢状面。
  9. 点击“ACPC tool”(ACPC 工具)按钮。
  10. 将步长调整为 1。
  11. 检查由 T1_IHCpre_toACPC.mat 矩阵文件确定的俯仰角(Pitch)、滚动角(Roll)和偏航角(Yaw),必要时进行修改。
  12. 为找到 ACPC 平面,可能需要使用导航工具进行密切放大。在任何时候,可在导航工具和 ACPC 工具之间来回切换(以调整视图),ACPC 工具将保持位置并返回到之前的位置。在切换这些视图时,图像会来回变化,但这是正常现象。
  13. 通过使用俯仰(pitch up/down)和升降(elevate up/down)功能,调整轴向视图,使前连合(AC)达到最厚处(呈现清晰的 U 形白质纤维),后连合(PC)呈水平直线,最终形成一个良好的“钥匙孔”形状。
  14. 在正中矢状面视图中,AC-PC 也应可见,十字线应直接穿过前连合和后连合。
  15. 一旦确定了该切片,不要再进一步调整俯仰角。但可以使用“elevate”(升降)功能在图像中上下移动,而不会丢失 ACPC 切片。
  16. 现在通过在轴向视图中平衡眼球来调整滚动角(Roll)。使用导航工具重新调整视图,将眼球带入视野,然后切换回“ACPC”工具。
  17. 使用“Roll”(滚动)向左或向右调整,确保在使用“Elevate”逐层滚动图像时,眼球看起来对称平衡(两侧大小相同),必要时持续调整滚动角。参见图4
  18. 当对平衡满意后,不要再进一步调整“Roll”(滚动角)。
  19. 现在在轴向视图中移动到 ventricles(脑室)和 corpus callosum(胼胝体)上方的一个切片(通过使用“Elevate”功能,或使用“Navigation”工具在该层面点击十字线),并将十字线置于轴向视图中大脑的近中心位置。
  20. 通过确保垂直十字线在轴向视图中直接(或尽可能接近)穿过正中矢状面来调整“Yaw”(偏航角)。由于大脑极区的自然曲率,有时可能难以使平面完全对齐——应尽可能创建最佳拟合。
  21. 当对位置满意后,不要再进一步调整“Yaw”(偏航角)。
  22. 现在放置十字线,使轴向切片刚好位于脑室上方。
  23. 这应大致与上一步中的位置相同。
  24. 现在点击:Save(保存)(确保文件名为“T1_IHCpre_toACPC.mat”) -> OK(确定)。
  25. 注意:如果“T1_IHCpre_toACPC.mat”矩阵文件无需修改,请直接关闭而不保存。
  26. 如果对矩阵文件进行了修改,请覆盖保存为“T1_IHCpre_toACPC.mat”矩阵文件,或保存为新的矩阵文件并删除原有的“T1_IHCpre_toACPC.mat”矩阵文件。如果存在多个矩阵文件,下一步命令将无法正确执行。

2.2 SABRE 标志物识别

第一部分 - 网格文件坐标

  1. 加载“<name>__T1_IHC_inACPC”。
  2. 调整强度。
  3. 关闭十字准线(x)。
  4. 放大图像,直至其充满每个窗口(使用十字准线工具右键单击并拖动)。
  5. 如有必要,使用导航工具调整轴向视图的中心(在操作过程中可能需要多次调整)。
  6. 点击“2D-sabre land-marking”工具。
  7. 在轴向视图中,向上滚动图像/脑组织,直到找到ACPC层面。
  8. 点击左侧的“AC”单选按钮以选择该标志点进行定义,然后在轴向视图中点击AC位置。
  9. 您点击的位置将出现一个小点,相应的标志点坐标将显示在左侧“AC”按钮旁。
  10. 如果定位不理想,可再次点击,该点将更新(此操作适用于创建网格文件过程中的任意点)。
  11. 点击左侧的“PC”单选按钮,然后在轴向图像上点击PC位置。
  12. 点击“PE”单选按钮以定义该层面脑组织的后缘,然后点击脑组织最靠后的部分(左侧或右侧均可)——这将填充“冠状层面”的数值,稍后将使用。参见图5
  13. 点击“CA”单选按钮以定义中央管。从当前轴向视图向下滚动10个层面,点击中央管的中心位置。这将填充“矢状层面”的数值,将作为当前寻找正中矢状面的起始点。
  14. 点击“M”单选按钮以定义正中矢状面。
  15. 在矢状视图中,左右滚动几个层面,确定脑组织最少且大脑镰显示最清晰的层面。该层面应与通过中央管点确定的数值相差2至3个层面之内。
  16. 在正中矢状面上任意位置点击,该层面编号将显示在左侧“M”按钮旁。
  17. 点击“LPRON”单选按钮以定义左侧枕前切迹。在冠状视图中,滚动至“冠状层面”旁指示的层面。
  18. 点击左侧半球脑组织最下缘部分,该部分在图像上显示于右侧(遵循放射学惯例)。
  19. 点击“RPRON”单选按钮以定义右侧半球,并点击图像左侧最下缘部分(遵循放射学惯例)。
  20. 此时,“LPRON”和“RPRON”旁的数值应已填入,且两者应相差不大(在几个点范围内)。
  21. 网格文件现已准备就绪,可进行保存。点击:保存 -> _T1_IHC_inACPC_lobgrid.txt。

第2部分 - 对象图创建

  1. 创建网格文件后,下一步是生成脑区图的前4条描记。这4条描记均在矢状面进行。用于描记的切片已预先确定,基于此前步骤中选定的中线切片。
  2. 点击“RSC”单选按钮以定义右侧中央上沟。转至“右侧矢状切片”旁所示的切片位置。描记将在中线两侧各7个近矢状切片上进行。
  3. 在中央沟中心正上方的硬脑膜处点击一点。该切片上的中央沟通常表现为一个小凹陷,最常见的是位于扣带沟边缘支(上行支)前方的第一个脑沟。可左右滚动以确认解剖标志的位置,但描记必须始终在正确的矢状切片上进行。重新点击可调整标志点位置。
  4. 点击“ROP”单选按钮以定义右侧枕顶沟。该脑沟/描记从硬脑膜延伸至小脑幕。
  5. 此时将启用样条工具进行脑沟描记。沿脑沟左键点击以添加新点,右键点击以锁定描记,然后点击“接受”。在描记过程中若出现错误,无法使用修改或“撤销”功能。但一旦通过右键点击完成描记,可选择“删除”以重新进行描记。
  6. 描记完成后,选择“接受”以锁定该描记。
  7. 在相应切片上对左侧进行相同操作,定义“LSC”和“LOP”。
  8. 点击:保存(在脑区图下方) -> _T1_IHC_inACPC_lobtrace.obj。

第3部分 - 表面渲染追踪

  1. 卸载之前的图像(或关闭并重新打开 ITK-SNAP_sb),然后加载 <name>_T1_IHC_erode_inACPC 图像。
  2. 点击 3D SABRE 标记工具(窗口应放大至仅显示一个窗格)。
  3. 在 3D 视角下点击“LEFT”,以显示左侧渲染视图(按照放射学惯例,左右是反转的,因此看起来像是右半球)。
  4. 通过点击“Load -> Select”来加载上一步的对象追踪:<name>_T1_IHC_inACPC_lobtrace.obj(注意:程序存在一个缺陷,会自动尝试预判加载所需文件,但错误地在 obj 文件名中加入了“erode”。请手动点击浏览,然后选择 <name>_T1_IHC_inACPC_lobtrace.obj 进行加载,否则将显示错误信息:“Error loading object map tracing: File cannot be opened for reading”)。
  5. 如需调整渲染质量,请点击“Guess”,让程序自动推测最佳参数。
  6. 点击“LSF”单选按钮,准备追踪左侧外侧裂(Left Sylvian Fissure)。
  7. 现在点击 3D 渲染窗口底部的“Landmark”按钮,开始标记/追踪(可通过“x”键切换开启和关闭状态)。
  8. 当“Landmark”按钮呈绿色高亮时,可向追踪线中添加额外的点。
  9. 当“Landmark”未被选中时,任何鼠标操作都将用于旋转大脑,以便从不同角度观察。警告:仅在通过重新点击左侧或右侧 3D 视角按钮进入正“LEFT”或“RIGHT”方向时,才可进行标记/追踪。
  10. 当“Landmark”未被选中时,通过右键点击并拖动来放大或缩小图像。
  11. 每次点击将在曲线上添加一个点。
  12. 从外侧裂的上端向后端开始追踪,起始点为其分叉为小的上升支和下降支的位置。
  13. 继续沿颞叶上部追踪外侧裂,直至其逐渐消失。
  14. 若出现错误,只需点击“Undo”按钮逐步撤销(或按 CTRL+Z)。
  15. 完成追踪并确认无误后,点击“Accept”以锁定该追踪结果。参见图5
  16. 重要提示:如果需要重做某一条追踪线,首先选择左侧对应的错误追踪的单选按钮,然后点击顶部菜单栏中的“SABRE3D”,并选择“Delete CURRENT Accepted Tracing”。如果所有追踪均需删除,可从此下拉菜单中选择“Delete ALL accepted tracings”。
  17. 现在点击“LC”单选按钮,以追踪左侧中央沟(Left Central Sulcus)。
  18. 从外侧裂下方、沟回终止处的下端开始追踪。
  19. 该线条仅允许向上和向后移动,即程序会阻止放置位于先前任意点前方的点。
  20. 在沟回的上端结束追踪,直至难以继续跟随脑表面的曲率为止。
  21. 完成后,点击“Accept”以锁定该追踪。
  22. 现在点击“3D Viewpoint”下的“RIGHT”按钮,并对右侧外侧裂和中央沟重复上述步骤。
  23. 请记住,使用“RSF”单选按钮追踪右侧外侧裂,使用“RC”单选按钮追踪右侧中央沟,每次完成追踪后均需点击“Accept”。
  24. 所有追踪完成后,点击:Save -> Browse -> 选择 '<name>_T1_IHC_erode_inACPC_lobtrace.obj'。
  25. 关闭 ITK-SNAP_sb。

3. 病变分割组件

3.1 适用于PD/T2扫描(无FLAIR)

  1. 打开 ITK-SNAP_sb,加载 <name>T1_IHC、<name>_PD_inT1­_IHC 和 <name>_T2_inT1_IHC,点击:文件 -> 打开灰度图像 -> 浏览 -> 进入目录,点击 -> 图像 -> 打开 -> 下一步 -> 完成。
  2. 点击轴向视图旁边的加号以放大。
  3. 关闭十字准线(x)。
  4. 放大(右键点击并拖动)。
  5. 通过点击“工具 -> 图像对比度”调整强度,然后将中点向上并稍向左拖动,直到图像亮度达到合适水平,关闭。
  6. 通过点击“分割 -> 从图像加载 -> 浏览 -> 选择 <name>_LEauto -> 打开 -> 下一步 -> 完成”在 PD_inT1_IHC 上加载病灶分割结果。
  7. 按照 Brain-Sizer 手册中的说明调整全部三幅图像的强度。
  8. 点击画笔工具,选择“活动绘制标签”=2,“绘制覆盖”=可见标签。
  9. 利用 T1、PD 和 T2 图像判断应将哪些区域标记为病灶。
  10. 使用画笔工具将标签 2 涂在标签 1 上,表示病灶(阳性)(按“s”键可切换分割图层的显示与隐藏)。
  11. 使用画笔工具将标签 1 涂在标签 2 上,表示假阳性。参见图6
  12. 当对病灶分割的修改满意后,点击:分割 -> 另存为图像 -> 并将文件名末尾的“auto”替换为“edit”,以表明该文件已处理完毕,然后点击“保存”(即 <name>_LEedit)。

注意:标签2(默认颜色为红色)用于标记病灶。

3.2 采用FLAIR成像的扫描

  1. 打开 ITK-SNAP_sb,加载 <名称>_FL_inT1_IHC 点击:文件 -> 打开灰度图像 -> 浏览 -> 转到目录,单击 -> 图像 -> 开放 -> 下一步 -> 完成。
  2. 单击轴向视图旁边的加号以放大。
  3. 关闭十字准线(x)。
  4. 放大(右键单击并拖动)。
  5. 通过点击“工具”调整强度:-> 图像对比度,然后将中点向上并稍向左拖动,直至图像亮度达到适当水平,关闭。
  6. 点击“分割” - 在 FL_inT1_IHC 上加载病灶分割> 从图像加载 -> 浏览 -> 选择 <名称>FLEXauto> 开放 -> 下一步 -> 完成。
  7. 根据 Brain-Sizer 手册中的说明调节强度。
  8. 单击画笔工具,选择“活动绘图标签”=2 和“绘制覆盖”=可见标签。
  9. 使用 FL 序列(必要时使用 T1、PD、T2)来判断应将哪些病灶纳入分析。
  10. 使用画笔工具在标签1上绘制标签2,以标记病灶(阳性)(按“s”键可切换分割显示的开启与关闭)。
  11. 使用画笔工具在标签 2 上绘制标签 1,以表示假阳性。参见 图7.
  12. 当对病灶分割修改满意后,点击:分割 -> 保存为图片 -> 并将文件名中的“auto”更改为“edit”,以表明该文件已“完成”,然后点击“Save”(即 <名称>FLEXedit

注意:标签 2(默认颜色为红色)用于标记病灶。

结果

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

可使用多种指标来评估评分者间信度。利用在线提供的训练集(http://sabre.brainlab.ca),建议在完成LE后,按照以下步骤评估每个处理阶段的评分者间信度。

Brain-Sizer:
为评估脑提取操作的评分者间可靠性,对每个TIV-E掩膜生成体积测量数据, <名称>TIVedit,使用 <图像计数> 命令。将这些体积数据输入统计软件包(例如 SPSS),并结合为训练集提供的TIVedit容积数据(参见在线提供的Excel/csv文件),计算评分者间相关系数(ICC)。内部培训评分者获得的全脑容积测量结果报告ICC=0.99,p<0.0001 1,2此外,可使用SI评估TIV掩膜的空间一致性。21. 提供在线 MATLAB 代码用于计算两名评分者之间的 SI 值。

为评估心室重新分配,使用vCSF体积生成 <图像计数> 对每个重新分配了vCSF体素的分割文件执行命令,. <名称>_seg_vcsf。vCSF 体积为标题为“volume”的列中第“7”行旁边的数值。采用相同的流程评估TIV的评分者间信度,计算vCSF的组内相关系数(ICC)和SI。

可通过在 figure-results-1 命令上运行 _seg_vcsf_st 来类似地评估脑干、小脑及幕下结构的去除情况。用于此分割掩模的体积显示在“体积”部分倒数第二行标题为“非零体素总数:”的位置(最右侧最后一列)。采用与评估 TIV 和 vCSF 相同的方法,利用所提供的 Excel 文件中的体积数据以及 _seg_vcsf_st 文件,计算该掩模处理的 ICC 和 SI。

SABRE:
尽管 Brain-Sizer 的手动操作步骤可通过标准指标轻松评估,但 ACPC 对齐的评估稍显困难。因此,我们提供了矩阵文件,供异地操作人员通过视觉比对进行培训。完成 ACPC 对齐后,打开一个新的 ITK-SNAP_sb 窗口,加载 T1 图像,然后加载在线提供的训练案例矩阵文件 _T1_IHCpre_toACPC.mat,直观比较两幅图像之间的俯仰角(pitch)、滚动角(roll)、偏转角(yaw)以及 ACPC 切片。

为评估 SABRE 标志点标注流程,对每个训练样本的分割掩膜 figure-results-2 执行操作,即 _SABREparcel_inACPC。输入每个区域(3-28)的体积测量值。SABRE 区域编码可在线获取。采用相同流程评估 TIV 和 vCSF,计算每个 SABRE 脑区的组内相关系数(ICC)。本机构培训的评估者对 SABRE 分割后各脑区体积测量所得的平均 ICC 报告为 0.98,p<0.01,ICC 值范围为 0.91–0.991,2

病灶分割(Lesion-Seg):
由于该组件是LE流程的最后阶段,其可靠性和准确性将依赖于前面的各个阶段。

通过SH体积的区域ICC和SH掩模的空间一致性来实现SH分割的评估者间可靠性。为了评估区域SH体积,运行,输入T1成像空间中的lobmask文件_SABREparcel以及最终编辑后的病灶分割文件_LEedit。采用与评估SABRE体积相同的流程,计算每个SABRE脑区内的病灶体积ICC。采用与评估TIV掩模过程相同的空间一致性评估方法,计算最终编辑后的病灶掩模_LEedit(或FLEXedit)的SI。这些相同的可靠性检验可同时应用于基于PD/T2的分割和基于FLAIR的分割。

3D T1PD/T2
成像参数轴向容积饱和(S1)SPGR轴向自旋回波FC VEMP VB(交错)
脉冲时序
TE(毫秒)530/80
TR(毫秒)353,000
翻转角(°)3590
TI(毫秒)不适用不适用
扫描范围
视野(cm)2220
层厚(mm)1.2/03/0
层数12462
采集
矩阵大小256 × 192256 × 192
体素大小(mm)0.86 × 0.86 × 1.40.78 × 0.78 × 3
NEX10.5
总时间(分钟)11:0012:00

表1. 通用电气1.5T结构MRI采集参数。

3D T1PD/T2FLAIR
成像参数轴向 3D FSPGR EDR IR Prep轴向 2D FSE-XL, EDR, FAST, 脂肪抑制轴向 T2Flair, EDR, FAST
脉冲时序

TE (ms)

3.211.1 / 90140
TR (msec)8.12,5009,700
翻转角 (°)90°90°
TI (msec)650不适用2,200
扫描范围
视野 (cm)222222
层厚 (mm)133
层数1864848
采集
矩阵大小256 x 192256 x 192256 x 192
体素大小 (mm)0.86 x 0.86 x 10.86 x 0.86 x 30.86 x 0.86 x 3
NEX111
总时间 (分钟)7:206:107:20

表2. 通用电气3T结构磁共振成像采集参数。

突出显示解剖结构的脑部 MRI 扫描;带有标注区域的结构分析,用于临床评估。
图 1. 轴向 T1 加权像,叠加未编辑的全颅腔容积(TIV)掩膜(绿色)。 本图示例展示了在 Brain-Sizer 的 TIV 提取过程中,通过手动编辑步骤,使用 ITK-SNAP_sb 中的闭合多边形工具去除非脑组织的方法。

脑部MRI分割结果;神经组织区分,解剖结构可视化。
图2. 带组织分割叠加的轴向T1图像。 注意标签颜色是任意的,可使用标签工具进行修改。左侧图像显示默认颜色。中间图像显示脑脊液(5=紫色)如何被重新分配为脑室脑脊液(7=洋红色)。右侧图像显示可在不更改组织类别标签的情况下修改白质(WM)的颜色, 标签3=WM保持不变,但颜色可修改为蓝色。

Brain MRI segmentation diagram showing tissue differentiation in coronal slices.
图3. 轴向T1加权像与组织分割叠加图(左图,GM=黄色,WM=橙色,CSF=紫色)(左)。图中显示的是使用闭合多边形手动去除幕下结构的示例。n 工具在 ITK-SNAP_sb 中的应用(中),以及去除后的最终组织分割结果(右)。如 图2,右图显示了如何在不改变组织类别标签的情况下修改白质(WM)的颜色, 标记3=WM仍然保留,但颜色可修改为蓝色。

脑部MRI扫描;轴向视图;神经影像;医学分析;比较;结构可视化
图4. 在执行AC-PC对齐之前(左)和之后(右)采集空间中的轴向T1图像。

大脑解剖 MRI 扫描,3D 可视化,脑区及表面映射示意图,神经通路。
图 5. 两个显示 SABRE 标记点定位过程的示例。 轴向 AC-PC 对齐的 T1 加权图像,显示前连合(黄色)、后连合(蓝色)和后缘(粉色)标记点的位置(左图)。右侧为三维表面重建的 T1 加权图像,显示外侧裂(紫色)和中央沟(粉色)的轮廓。

显示病灶检测分析的脑部MRI扫描图像,带有彩色编码标记,对比示意图。
图6. 轴向PD图像(左),自动生成的病灶叠加图像(中),以及手动编辑的病灶(红色)叠加图像(右)。

显示病灶定位的脑部MRI扫描,轴向视图,红色和绿色高亮区域。
图7. 轴向FLAIR图像(左),自动生成的病灶叠加图(中),以及手动编辑的病灶(红色)叠加图(右)。

讨论

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

LE分割与分区流程专门用于从阿尔茨海默病(AD)及正常老年人的磁共振成像(MRI)中获取区域性体积测量数据。尽管目前存在大量采用复杂计算算法的全自动分析流程来执行此类操作,但这些工具往往缺乏LE半自动流程所能提供的个体化准确性和精确性。半自动流程的权衡之处在于需要投入资源对操作人员进行充分培训,使其具备应用这一综合性流程所需的解剖学知识和计算技能。然而,个体化成像流程的主要优势之一在于,当全自动流程失效时,仍能够从中度至重度神经退行性病变病例中获得定量的体积测量数据。

由于LE流程此前已在多种老年人群和痴呆人群中得到评估和应用1,2,13,14,19,22,23,受过培训的操作人员通常会遇到的主要问题已有充分记录,总结如下。

手动检查和编辑 Brain-Sizer 组件所需的操作包括全脑体积提取掩模、脑室脑脊液(vCSF)重新分配,以及手动去除脑干、小脑和其他幕下结构。在脑提取过程中,只要原始的质子密度加权(PD)/T2 加权图像质量良好,自动生成的全脑体积(TIV)输出通常可提供较为理想的掩模。然而,由于靠近颈动脉区域的下颞极内侧血管和神经组织具有相对较高的信号强度,该区域通常需要进行一定的手动修正。此外,鼻腔内的黏液往往会影响局部强度直方图,导致前额叶区域的强度阈值发生偏移,因此通常需要对自动生成的 TIVauto 掩模进行额外的手动编辑。最后,在最上部的脑区通常也需要进一步的手动编辑,因为全局性脑萎缩往往会导致硬脑膜下方的蛛网膜下腔脑脊液(CSF)体积增加。相反,与脑室扩大相关的萎缩则倾向于减少在 vCSF 重新分配过程中所需的人工干预。采用三特征共配准方法的另一优势在于能够识别邻近脑室的囊性液化梗死灶,其成因可能与脑室周围静脉性血管病变有关。5,24-26,这些结构在PD和T1序列上因相对信号强度不同而可被识别(PD上呈高信号,T1上呈低信号)。在进行洪水填充操作之前,可借助ITK-SNAP_sb中手动绘制的边界将这些低信号区域与脑室脑脊液(vCSF)区分开来。由于vCSF的重新分配是在T1成像空间中进行的,因此在图像配准严重偏离ACPC平面的情况下,可能需要对3rd 脑室和四叠体池,如果小脑幕下结构显示不完全。尽管小脑幕是一个相对容易辨别的结构,但若干基于解剖学的规则有助于指导脑干及小脑幕下结构的手动分离,特别是在定位大脑脚与内侧颞叶的分界时。

SABRE 标记法是一种基于立体定位的方法,需在标准 ACPC 对齐的图像上进行,可实现对特定解剖标志位相对可预测的定位。但存在极端萎缩或因个体神经解剖差异导致正常变异的情况时例外。脑萎缩会导致实质组织整体丢失,使大脑镰周围中线处的脑脊液增多,从而增加选择合适点位放置标志的难度。因此需要制定基于规则的操作流程,以识别需偏离通用规则的特殊情况。解剖结构的正常变异,特别是中央沟和顶枕沟相对位置的差异,也会增加这些结构手动勾画的难度。然而,SABRE 所采用的图形用户界面支持对表面渲染图像进行实时旋转,显著有助于观察和判断这些特定标志位。最后,部分基于规则的操作流程已通过程序集成至软件中,以防止操作者违反规定操作 例如 中央沟的描记被强制向后移动(线条描记无法折返至自身)。

病灶分割(Lesion-Seg)组件的手动核查过程需要操作者具备识别相关高信号病灶的视觉判读专业知识,这种视觉感知能力只有在接触不同程度脑白质高信号(SH)的影像扫描后才能获得。假阳性最小化算法有助于清除初始分割中的大部分错误。然而,在壳核区域扩大的血管周围间隙(Virchow-Robin腔:VRS)与外囊、屏状核、最外囊及岛下区域的相关SH之间进行区分仍可能存在困难,尤其在基底节区存在VRS的情况下更为棘手。近期一篇关于神经影像中血管改变报告标准(STandards for ReportIng Vascular changes on nEuroimaging, STRIVE)的论文建议采用大小标准来区分VRS与腔隙灶,并指出VRS在MRI上通常呈更线性的形态且信号强度与脑脊液(CSF)相似。为解决VRS识别中的这些问题,LE采用了以下策略:a)基于解剖结构的规则,禁止操作者选择位于壳核内的任何高信号病灶;b)设定大小标准,排除直径小于5 mm的高信号病灶;c)相对信号强度规则,依据PD、T2和T1加权像上与脑脊液相对应的信号强度进行进一步排除27。此外,在中线及大脑镰旁可观察到正常的高信号,尤其是在FLAIR成像上,此类信号可能难以与胼胝体周围的相关SH相区分。在出现此类重叠的情况下,将采用基于解剖结构的规则,仅接受延伸至脑室周围区域的SH病灶。

总之,需要明确的是,本文内容旨在补充 JoVE 上以视频指导形式发布的标准化方案出版物(http://www.jove.com)。尽管传统的静态图示有助于解释某些概念,但基于视频的教程在传达 Lesion Explorer 等综合性神经影像分析流程中所涉及的复杂方法学过程时更为高效。

披露

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者无任何利益冲突需要披露。

致谢

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者们衷心感谢以下来源提供的资金支持。各项神经影像分析的开发与测试工作得到了多项资助,尤其来自加拿大卫生研究院(MOP#13129)、加拿大阿尔茨海默病协会和美国阿尔茨海默病协会、加拿大心脏与中风基金会中风康复合作伙伴关系(HSFCPSR)以及LC坎贝尔基金会的支持。JR获得加拿大阿尔茨海默病协会的薪金资助;SEB获得桑尼布鲁克研究所及桑尼布鲁克和多伦多大学医学系(包括布里尔神经病学讲席)的薪金资助。作者们还获得了加拿大心脏与中风基金会中风康复合作伙伴关系(HSFCPSR)的薪金支持。

材料

本文使用的材料清单
姓名公司目录编号评论
磁共振成像仪(1.5 特斯拉)通用电气参见表1获取参数
磁共振成像仪(3 特斯拉)通用电气参见表2获取参数

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Lesion Explorer: A comprehensive segmentation and parcellation package to obtain regional volumetrics for subcortical hyperintensities and intracranial tissue. Neuroimage. 54 (2), 963-973 (2011).">Ramirez, J., Gibson, E., Quddus, A., Lobaugh, N. J., Feinstein, A., Levine, B., Scott, C. J., Levy-Cooperman, N., Gao, F. Q., Black, S. E. Lesion Explorer: A comprehensive segmentation and parcellation package to obtain regional volumetrics for subcortical hyperintensities and intracranial tissue. Neuroimage. 54 (2), 963-973 (2011).
  2. A short-term scan-rescan reliability test measuring brain tissue and subcortical hyperintensity volumetrics obtained using the lesion explorer structural MRI processing pipeline. Brain Topogr. 26 (1), 35-38 (2013).">Ramirez, J., Scott, C. J., Black, S. E. A short-term scan-rescan reliability test measuring brain tissue and subcortical hyperintensity volumetrics obtained using the lesion explorer structural MRI processing pipeline. Brain Topogr. 26 (1), 35-38 (2013).
  3. A nonparametric method for automatic correction of intensity nonuniformity in MRI data. IEEE Trans. Med. Imaging. 17 (1), 87-97 (1998).">Sled, J. G., Zijdenbos, A. P., Evans, A. C. A nonparametric method for automatic correction of intensity nonuniformity in MRI data. IEEE Trans. Med. Imaging. 17 (1), 87-97 (1998).
  4. A new rating scale for age-related white matter changes applicable to MRI and. 32 (6), 1318-1322 (2001).">Wahlund, L. O., Barkhof, F., Fazekas, F., Bronge, L., Augustin, M., Sjogren, M., Wallin, A., Ader, H., Leys, D., Pantoni, L., Pasquier, F., Erkinjuntti, T., Scheltens, P. A new rating scale for age-related white matter changes applicable to MRI and. 32 (6), 1318-1322 (2001).
  5. Cerebral small vessel disease: from pathogenesis and clinical characteristics to therapeutic challenges. Lancet Neurol. 9 (7), 689-701 (2010).">Pantoni, L. Cerebral small vessel disease: from pathogenesis and clinical characteristics to therapeutic challenges. Lancet Neurol. 9 (7), 689-701 (2010).
  6. Understanding white matter disease: Imaging-pathological correlations in vascular cognitive impairment. Stroke. 40, (2009).">Black, S. E., Gao, F. Q., Bilbao, J. Understanding white matter disease: Imaging-pathological correlations in vascular cognitive impairment. Stroke. 40, (2009).
  7. Arch Neurol, 44, 21-23 (1987).
  8. Longitudinal changes in white matter disease and cognition in the first year of the Alzheimer disease neuroimaging initiative. Arch. Neurol. 67 (11), 1370-1378 (2010).">Carmichael, O., Schwarz, C., Drucker, D., Fletcher, E., Harvey, D., Beckett, L., Jack, C. R., Weiner, M., Decarli, C. Longitudinal changes in white matter disease and cognition in the first year of the Alzheimer disease neuroimaging initiative. Arch. Neurol. 67 (11), 1370-1378 (2010).
  9. What is a lacune. Stroke. 39 (11), 2921-2922 (2008).">Wardlaw, J. M. What is a lacune. Stroke. 39 (11), 2921-2922 (2008).
  10. Counting cavitating lacunes underestimates the burden of lacunar infarction. Stroke. 41 (2), 267-272 (2010).">Potter, G. M., Doubal, F. N., Jackson, C. A., Chappell, F. M., Sudlow, C. L., Dennis, M. S., Wardlaw, J. M. Counting cavitating lacunes underestimates the burden of lacunar infarction. Stroke. 41 (2), 267-272 (2010).
  11. Enlarged Virchow-Robin spaces: do they matter. J. Neurol. Neurosurg. Psychiatry. 75 (11), 1516-1517 (2004).">Barkhof, F. Enlarged Virchow-Robin spaces: do they matter. J. Neurol. Neurosurg. Psychiatry. 75 (11), 1516-1517 (2004).
  12. Tzourio C. High degree of dilated Virchow-Robin spaces on MRI is associated with increased risk of dementia. J. Alzheimers Dis. 22 (2), 663-672 (2010).">Zhu, Y. C., Dufouil, C., Soumare, A., Mazoyer, B., Chabriat, H. Tzourio C. High degree of dilated Virchow-Robin spaces on MRI is associated with increased risk of dementia. J. Alzheimers Dis. 22 (2), 663-672 (2010).
  13. Misclassified tissue volumes in Alzheimer disease patients with white matter hyperintensities: importance of lesion segmentation procedures for volumetric analysis. Stroke. 39 (4), 1134-1141 (2008).">Levy-Cooperman, N., Ramirez, J., Lobaugh, N. J., Black, S. E. Misclassified tissue volumes in Alzheimer disease patients with white matter hyperintensities: importance of lesion segmentation procedures for volumetric analysis. Stroke. 39 (4), 1134-1141 (2008).
  14. A robust method for extraction and automatic segmentation of brain images. Neuroimage. 17 (3), 1087-1100 (2002).">Kovacevic, N., Lobaugh, N. J., Bronskill, M. J., Levine, B., Feinstein, A., Black, S. E. A robust method for extraction and automatic segmentation of brain images. Neuroimage. 17 (3), 1087-1100 (2002).
  15. Ventricular enlargement as a possible measure of Alzheimer's disease progression validated using the Alzheimer's disease neuroimaging initiative database. Brain. 131, 2443-2454 (2008).">Nestor, S. M., Rupsingh, R., Borrie, M., Smith, M., Accomazzi, V., Wells, J. L., Fogarty, J., Bartha, R. Ventricular enlargement as a possible measure of Alzheimer's disease progression validated using the Alzheimer's disease neuroimaging initiative database. Brain. 131, 2443-2454 (2008).
  16. Periventricular venous collagenosis: association with leukoaraiosis. Radiology. (2), 469-476 Forthcoming.">Moody, D. M., Brown, W. R., Challa, V. R., Anderson, R. L. Periventricular venous collagenosis: association with leukoaraiosis. Radiology. (2), 469-476 Forthcoming.
  17. Venous collagenosis and arteriolar tortuosity in leukoaraiosis. J. Neurol. Sci. 15, 203-204 (2002).">Brown, W. R., Moody, D. M., Challa, V. R., Thore, C. R., Anstrom, J. A. Venous collagenosis and arteriolar tortuosity in leukoaraiosis. J. Neurol. Sci. 15, 203-204 (2002).
  18. Co-planar Stereotaxic Atlas of the Human Brain. , Thieme Medical Publishers. Stuttgart. (1988).">Talairach, J., Tournoux, P. Co-planar Stereotaxic Atlas of the Human Brain. , Thieme Medical Publishers. Stuttgart. (1988).
  19. Semiautomatic brain region extraction: a method of parcellating brain regions from structural magnetic resonance images. Neuroimage. 22 (4), 1492-1502 (2004).">Dade, L. A., Gao, F. Q., Kovacevic, N., Roy, P., Rockel, C., O'Toole, C. M., Lobaugh, N. J., Feinstein, A., Levine, B., Black, S. E. Semiautomatic brain region extraction: a method of parcellating brain regions from structural magnetic resonance images. Neuroimage. 22 (4), 1492-1502 (2004).
  20. Intraclass correlations: uses in assessing rater reliability. Psychol. Bull. 86, 420-428 (2008).">Shrout, P. E., Fleiss, J. L. Intraclass correlations: uses in assessing rater reliability. Psychol. Bull. 86, 420-428 (2008).
  21. Morphometric analysis of white matter lesions in MR images: method and validation. IEEE Trans. Med. Imaging. 13 (4), 716-724 (1994).">Zijdenbos, A. P., Dawant, B. M., Margolin, R. A., Palmer, A. C. Morphometric analysis of white matter lesions in MR images: method and validation. IEEE Trans. Med. Imaging. 13 (4), 716-724 (1994).
  22. BMC Nucl. Med. Comparison, S. tJ. acques,P. .L. .,K. usano,M. .L. .,C. aldwell,C. .B. .,R. amirez,J. .,B. lack,S. .,V. erhoeff,N. .P. . 7, (2007).">Chow, T. W., Takeshita, S., Honjo, K., Pataky, C. E. of manual and semi-automated delineation of regions of interest for radioligand PET imaging analysis. BMC Nucl. Med. Comparison, S. tJ. acques,P. .L. .,K. usano,M. .L. .,C. aldwell,C. .B. .,R. amirez,J. .,B. lack,S. .,V. erhoeff,N. .P. . 7, (2007).
  23. Retrieval of autobiographical memory in Alzheimer's disease: relation to volumes of medial temporal lobe and other structures. Hippocampus. 15 (4), 535-550 (2005).">Gilboa, A., Ramirez, J., Kohler, S., Westmacott, R., Black, S. E., Moscovitch, M. Retrieval of autobiographical memory in Alzheimer's disease: relation to volumes of medial temporal lobe and other structures. Hippocampus. 15 (4), 535-550 (2005).
  24. Vascular cognitive impairment: small vessels, big toll: introduction. Stroke. 40(3 Suppl), S38-S39. , (2009).">Black, S., Iadecola, C. Vascular cognitive impairment: small vessels, big toll: introduction. Stroke. 40(3 Suppl), S38-S39. , (2009).
  25. Cerebrovascular pathology in Alzheimer's disease and leukoaraiosis. , 903-939 (2000).">Brown, W. R., Moody, D. M., Thore, C. R., Challa, V. R. Cerebrovascular pathology in Alzheimer's disease and leukoaraiosis. , 903-939 (2000).
  26. Periventricular venous collagenosis: association with leukoaraiosis. Radiology. (2), 469-476 Forthcoming.">Moody, D. M., Brown, W. R., Challa, V. R., Anderson, R. L. Periventricular venous collagenosis: association with leukoaraiosis. Radiology. (2), 469-476 Forthcoming.
  27. Towards the automatic computational assessment of enlarged perivascular spaces on brain magnetic resonance images: A systematic review. J. Magn. Reson. Imaging. , (2013).">Hernandez, M. D., Piper, R. J., Wang, X., Deary, I. J., Wardlaw, J. M. Towards the automatic computational assessment of enlarged perivascular spaces on brain magnetic resonance images: A systematic review. J. Magn. Reson. Imaging. , (2013).

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

MRI Brain Sizer SABRE Lesion Seg ACPC

相关文章