脑结构的三维形态建模与分析

摘要

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。

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

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

1. 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

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。

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 .......