我们介绍一种针对脑结构的半自动形态分析方案，包括使用开源软件进行图像分割，以及利用自动化建模工具包进行群体形态分析。本文以脑部磁共振图像中的海马体分割为例，演示三维形态分析方案的各个步骤。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
本文内容
摘要
摘要
脑结构的统计形状分析已被用于研究其结构变化与病理过程之间的关联。我们开发了一套软件包，可实现精确且稳健的形状建模与群体分析。本文介绍了一套从个体三维形状建模到定量群体形状分析的完整形状分析流程。同时，我们还描述了使用开源软件包进行预处理和分割的步骤。这一实用指南将有助于研究人员在脑结构的三维形状分析中节省时间和精力。
引言
脑结构的形态分析已成为研究其在病理过程中（如神经退行性疾病和衰老）形态变化的首选工具1。为实现这一分析，需要多种计算方法：1）从医学图像中准确勾画出目标结构的边界；2）将目标形状重建为三维表面网格形式；3）通过形状参数化或表面配准，在不同个体的形状模型之间建立跨被试的对应关系；4）对个体或群体之间的局部形态差异进行定量评估。近年来，神经影像学研究已提出了大量针对上述各个步骤的方法。然而，尽管该领域已取得显著进展，但可直接应用于科研的完整框架仍不多见。本文将结合我们自定义的形态建模工具以及公开可用的图像分割工具，详细介绍脑结构形态分析的各个步骤。
本文通过成人对照组和阿尔茨海默病患者数据集中左右海马体的形态学分析，展示了脑结构形态分析框架。海马体萎缩被公认为神经退行性疾病中关键的影像学生物标志物2,3,4。在本形态分析框架中，我们采用目标结构的模板模型以及模板到图像的可变形配准方法进行形态建模。模板模型编码了目标结构在人群中的普遍形态特征，并通过个体模型与模板模型之间的传递关系，为量化个体间形态差异提供基准。在模板到图像的配准过程中，我们开发了一种拉普拉斯曲面变形方法，将模板模型拟合至个体图像中的目标结构，同时最小化模板模型中点分布的形变扭曲5,6,7。该框架的可行性与鲁棒性已在近期关于认知老化神经影像学研究8、轻度认知障碍早期检测9以及探索脑结构变化与皮质醇水平关联的研究中得到验证10。该方法将有助于在后续神经影像学研究中更便捷地应用形态建模与分析技术。
访问受限。请登录或开始试用以查看此内容。
方案
脑部MR图像的获取遵循当地机构审查委员会和伦理委员会批准的方案。
注意： 用于形态建模与分析的工具可从 NITRC 仓库下载： https://www.nitrc.org/projects/dtmframework/解压后即可运行图形用户界面软件（DTMModeling.exe）。 参见 图1.
1. 脑部磁共振图像分割
- 获取个体受试者的脑部MR图像及脑部分割掩膜。
注意：通常，我们采用T1加权MR图像进行脑结构分析。假设MR图像已使用N311、改进的N3方法12或FSL-FAST13进行了梯度非线性校正和强度不均匀性校正。一些可用于人脑结构自动分割的免费工具列于表1中。 - 手动校正分割结果。
注意：支持手动分割的GUI软件列于表2中。有关脑结构手动分割的方案可参见此处14,15,16。关于海马体手动分割的视频指南见此处17。下一节将详细描述海马体分割的操作流程。- 通过打开文件菜单打开T1加权MRI图像及自动分割结果。
- 点击窗口菜单 | 显示 | 分割，加载分割插件。
- 在分割插件中使用添加、减去和校正工具对分割掩膜进行修正。
- 通过保存菜单将校正后的分割掩膜以Nifti格式保存。
2. 海马体分割的手动编辑
注意：我们介绍一种基于 MITK 工作台（http://www.mitk.org/）的图形用户界面建模软件，用于手动编辑脑部分割的实验方案。MITK 工作台提供了多种用于手动和自动分割以及医学图像可视化的功能。本文以左右海马体为例，演示手动编辑过程。手动编辑自动海马体分割结果的步骤如下18。
- 使用 MITK 工作台软件打开 T1 加权 MR 图像及自动海马体分割结果。
- 通过点击菜单 窗口 | 显示视图 | 分割 在 MITK 工作台中加载分割插件。
- 点击 显示 窗口右上角出现的右侧图标，选择冠状面视图。
- 从海马头部至体部，在冠状面视图中逐一切片编辑每个海马体（即左侧和右侧）的二值掩膜，具体步骤如下：
- 滚动浏览整个体积，直至找到钩回。若钩回存在，则将其包含在海马体掩膜内。
- 当钩回消失后，使用 分割 插件中的 添加 和 减去 功能编辑海马体体部的掩膜。
- 持续编辑海马体掩膜，直至出现海马尾部。随着丘脑枕核在海马体上方逐渐消失，穹窿开始显现。
- 完成最后一个冠状切片的编辑，该切片中应完整显示穹窿全长，但尚未与胼胝体压部相连。
注意：脑脊液（CSF）空间可能存在于海马体区域内。可使用 MITK 工作台分割插件中的 减去 工具将脑脊液空间从海马体掩膜中去除。建议先完整定义海马体区域，再从海马头部至尾部逐一切片去除脑脊液空间，操作可能更为简便。 - 对左右两侧海马体的二值掩膜均采用相同流程进行编辑。
注意： MITK 工作台中 分割 插件的 添加、减去 和 修正 工具可用于手动编辑。其中 修正 工具可根据用户输入及现有分割掩膜自动执行添加或减去操作，无需切换工具，便于处理分割掩膜中的微小误差。
- 使用 MITK 工作台软件中的 保存 菜单，将左侧和右侧海马体的二值掩膜分别保存为 Nifti 格式（nii 或 nii.gz）。
注意： 左侧和右侧海马体的二值掩膜需分别保存，以便用于后续的海马体形状模型分析步骤。
3. 群体模板构建
注意： 在完成所有受试者的分割和手动编辑后，个体形态建模需要目标结构的模板模型。我们利用 MITK Workbench 中的 "ShapeModeling" 插件获取人群的平均二值掩膜，由此构建模板模型。使用图形用户界面软件构建模板模型的步骤如下。
- 使用菜单功能加载 ShapeModeling 插件：窗口 | 显示视图 | 形状建模。
- 点击 ShapeModeling 插件中的 打开目录 按钮，打开包含研究群体二值掩膜的文件夹。
- 点击 ShapeModeling 插件中的 模板构建 按钮。
- 检查平均形状网格，并使用 保存 菜单将其以立体光刻（STL）格式保存。
4. 个体形态重建
注意：在此步骤中，我们使用 "ShapeModeling" 插件中的 开始形状建模（Start Shape Modeling） 按钮，对每个受试者进行个体化形状建模。该插件的软件参数列于 表3 中。各参数的详细说明可参见此处5。通过图形用户界面（GUI）软件进行个体形状重建的步骤如下。
- 使用打开文件菜单加载T1加权MR图像及其分割掩膜。
注意：我们使用T1加权MR图像进行可视化验证。 - 检查ShapeModeling插件中的建模参数，并在必要时进行修改。
注意：如果模板模型未发生形变，或模板模型与图像边界之间的距离较大，建议增加边界搜索范围。如果发现某些几何畸变，逐步增加maxAlpha和minAlpha（步长为0.5）有助于解决该问题。务必检查分割掩膜中目标对象的体素强度值。如果该值不为1，则应相应地调整强度参数。 - 点击形状建模按钮以运行形状建模过程，并在MITK工作台的3D视图中查看结果。
- 当模板模型未能紧密贴合图像边界时，重复步骤4.2和4.3。
注意：模板模型将在MITK工作台的矢状面、冠状面、轴状面及3D视图中与分割掩膜一同显示。当模板模型与图像边界之间的距离小于最小体素尺寸的十分之一时，模板表面将不会发生形变。 - 使用MITK框架中的保存菜单，将建模结果保存为立体光刻（STL）格式。
5. 分组形状归一化与形状差异测量
注意：在此步骤中，我们将各个形态模型与模板模型对齐，并计算模板模型与个体形态模型之间对应顶点的逐点形态变形。形态变形测量的步骤如下。
- 在 MITK 工作台的 数据管理器 中选择受试者的形状模型。
注意： 用户可选择多个模型进行畸形测量。 - 点击 形状建模 插件中的 测量 按钮，执行畸形测量。
访问受限。请登录或开始试用以查看此内容。
结果
本文所述的形态建模方法已应用于多种关于衰老6,8,10和阿尔茨海默病5,9的神经影像学研究。特别是，该形态建模方法在包含654名受试者的老年人群海马体形态分析中表现出较高的准确性与敏感性8。有关该软件以及公开可用的软件ShapeWork、LDDMM-TI和SPHARM-PDM的定量分析可参见文献5。我们在表1、表2和表4中描述了从磁共振图像预处理到脑部分割的多种开源工具。
访问受限。请登录或开始试用以查看此内容。
讨论
综上所述，我们介绍了针对脑结构的形态学分析软件流程，包括：（1）使用开源工具进行 MR 图像分割；（2）利用可变形模板模型重建个体形态；（3）通过与模板模型的传递性形态对应关系实现定量的形态差异测量。在错误发现率（FDR）校正下对形态异常进行统计分析，以探究与神经病理过程相关的脑结构形态变化的显著性。
我们的建模流程内部使用自主研发的工具，从受试者图像构建模板模型。模板构建的步骤如下：（i）通过将受试者图像迭代地与一幅在每次迭代中不断更新的平均图像对齐，计算群体平均掩膜；（ii）利用行进立方体方法（marching cubes method）20 从平均掩膜生成三维表面网格；（iii）使用 ACVD 工具（https://www.creatis.insa-lyon.fr/site/en/acvd.html）对表面网格进行重采样。模板模型的数量可在 ShapeModeling ...
访问受限。请登录或开始试用以查看此内容。
披露
作者声明不存在利益冲突。
致谢
本工作由韩国国家研究基金会资助（JP 作为项目负责人）。JK 由庆北国立大学研究基金资助；MCVH 由罗·福戈慈善信托基金和爱丁堡皇家学会资助。海马体分割方法改编自英国爱丁堡临床脑科学中心 Karen Ferguson 博士撰写的内部指南。
访问受限。请登录或开始试用以查看此内容。
参考文献
- 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).
访问受限。请登录或开始试用以查看此内容。
重印与许可
