Gesamte Gehirn Segmentierung und Change-Point-Analyse der anatomischen Gehirn MRI-Anwendung in Prämanifesten Huntington-Krankheit

Das übergeordnete Ziel dieser Bildanalyse-Pipeline ist es, eine quantitative volumetrische Analyse von T1-gewichteten MRT-Bildern durchzuführen und kritische Veränderungspunkte zu identifizieren, wenn die Hirnatrophie bei neurodegenerativen Erkrankungen beginnt. Diese Methode kann helfen, Schlüsselfragen in der quantitativen Analyse von anatomischen Veränderungen des Gehirns im Verlauf neurodegenerativer Erkrankungen zu beantworten. Zum Beispiel die Reihenfolge und das Muster der Hirnatrophie bei der Huntington-Krankheit.

Der Hauptvorteil dieser Technik besteht darin, dass die Kombination aus Atlas-basierter Segmentierung und Change-Point-Analyse einzigartige räumlich-zeitliche Informationen über die Degeneration des Gehirns aus einer großen Population von Studien liefert. Die volumetrische Analyse der Hirn-MRT wurde mit MRICloud durchgeführt, das eine vollautomatische Bildsegmentierung und -quantifizierung durch Fernberechnung und eine webbasierte Benutzeroberfläche ermöglicht. Die Change-Point-Analyse der Hirn-MRT ermöglicht uns einen systematischen Überblick über den Krankheitsverlauf im gesamten Gehirn.

Die Anwendungen dieser Technik erstrecken sich auf eine Reihe von neuronalen degenerativen Erkrankungen. Um dieses Verfahren zu starten, konvertieren Sie dreidimensionale T1-gewichtete Bilder aus dem herstellerspezifischen DICOM-Format in das analysierte Format. Doppelklicken Sie, um Dcm2Analyze.exe zu öffnen.

Es öffnet sich ein Pop-up-Fenster. Geben Sie den Pfad des DICOM-Datenverzeichnisses als Eingabe und den Pfad und den Namen der analysierten Bilddatei als Ausgabe an. Klicken Sie dann auf Los, um die Konvertierung abzuschließen.

Für eine MultiAtlas-basierte T1-Bildsegmentierung mit MRICloud melden Sie sich bei BrainGPS an und wählen Sie das Segmentierungstool aus dem Hauptmenü aus. Bei der Segmentierung gibt es zwei Optionen: den T1-MultiAtlas für die Segmentierung einzelner T1-Bilder und den T1-MultiAtlas Batch für die Stapelverarbeitung. Übermitteln Sie Aufträge in der T1-MultiAtlas Batch API, indem Sie mehrere analysierte Bilddateien in eine ZIP-Datei komprimieren, und klicken Sie dann auf ZIP, um die ZIP-Datei hochzuladen.

Füllen Sie nun die erforderlichen Felder aus. Wählen Sie für Verarbeitungsserver Computational Anatomy Science Gateway aus. Wählen Sie für den Slice-Typ zwischen Sagittal, Axial oder Sagittal, konvertiert in Axial.

Wählen Sie für MultiAtlas-Bibliothek die Atlas-Bibliothek aus, die den Benutzerdaten am nächsten kommt, um die Segmentierungsgenauigkeit zu optimieren. Überprüfen Sie den Jobstatus über meinen Jobstatus. Sobald die Aufträge abgeschlossen sind, wird eine Schaltfläche zum Herunterladen der Ergebnisse angezeigt, mit der Benutzer die Segmentierungsergebnisse als ZIP-Datei herunterladen können.

Die Ergebnisse werden in einzelnen Ordnern gespeichert. Visualisieren Sie die Ergebnisse, indem Sie auf die Schaltfläche Ergebnisse anzeigen klicken. Die Webseite wechselt zur Visualisierungsoberfläche.

Die axiale, sagittale und koronale Ansicht der Segmentierungskarte überlappen sich auf dem gewichteten anatomischen Bild T1. Die 3D-Darstellung der segmentierten Gehirnstrukturen wird im oberen linken Fenster angezeigt. Die Farbe der überlagernden Segmentierungskarte zeigt den Z-Wert der strukturellen Volumina an.

Passen Sie die Visualisierungsoptionen an, z. B. das Ein-/Ausschalten der Überlagerung, die Deckkraft der Überlagerung, das Vergrößern und Verkleinern sowie die Slice-Positionen im oberen rechten Bereich. Um eine Stapelverarbeitung durchzuführen, um Gehirnvolumina in einer Population zu erhalten, verwenden Sie ein hauseigenes MATLAB-Programm, um einzelne Gehirnvolumina zu extrahieren und in einer Tabelle zu kombinieren. Führen Sie in MATLAB main aus.

m und eine GUI wird angezeigt. Geben Sie im Bereich T1-Volumenextraktion aus MRICloud die Eingaben an, einschließlich des Studienverzeichnisses, in dem die heruntergeladenen Segmentierungsergebnisse gespeichert werden, sowie des Dateipfads und des Dateinamens der mehrstufigen Nachschlagetabelle. Geben Sie das Ausgabeverzeichnis der Tabellenkalkulationsdatei an, in das die Volume-Daten geschrieben werden.

Klicken Sie auf die Schaltfläche Volume extrahieren, um die Analyse auszuführen. Nach erfolgreichem Abschluss wird eine Meldung angezeigt. Die Ergebnisse können in der Tabelle überprüft werden, wobei die Zeilen die Daten der einzelnen Probanden und die Spalten die strukturellen Volumina dieser Personen enthalten, die bei mehreren anatomischen Granularitäten definiert sind.

Um Änderungspunkte für einzelne Gehirnstrukturen zu berechnen, verwenden Sie dieselbe MATLAB-GUI. Geben Sie im Bereich "Änderungspunktanalyse" die Tabellenkalkulationen an, die die mehrstufigen Volume-Daten und die zugehörigen Diagnoseinformationen enthalten. Geben Sie dann das Verzeichnis der Ausgabetextdatei an, in das die Änderungspunktergebnisse geschrieben werden.

Wählen Sie anschließend im Dropdown-Feld die Granularitätsebene und den Typ der Ontologiedefinition aus, bei der die Änderungspunktanalyse durchgeführt werden soll. Wählen Sie auch den Hauptrepressor aus, der in der Change-Point-Analyse verwendet werden soll, z. B. den CAP-Score für die Huntington-Krankheit. Klicken Sie auf die Schaltfläche Änderungspunkt berechnen, um die Analyse durchzuführen, und die resultierenden Änderungspunkte werden in der benutzerdefinierten Excel-Ausgabedatei gespeichert.

Um statistische Auswertungen der Änderungspunkte in der MATLAB-GUI durchzuführen, geben Sie die Parameter für statistische Tests an, einschließlich der Anzahl der Permutationen und der Anzahl der Bootstraps. Klicken Sie auf die Schaltfläche Statistischer Test, um die Tests auszuführen. Nach diesem Schritt werden die p-Werte aus dem Permutationstest sowie der Mittelwert und die Standardabweichung aus der Bootstrap-Operation als zusätzliche Spalten in die Ausgabetextdatei geschrieben.

Um die Änderungspunkte dem Gehirn und dem 3D-Raum zuzuordnen, klicken Sie optional auf Änderungspunkt zuordnen. Nach diesem Schritt wird eine Änderungspunktkarte generiert und visualisiert, indem sie auf dem gewichteten T1-Bild überlagert wird. Hier sind die repräsentativen Ergebnisse der Atlas-basierten Segmentierung des gesamten Gehirns auf mehreren Granularitätsebenen dargestellt.

Axiale und koronale Ansichten von mehrstufigen Segmentierungskarten werden mit T1-gewichteten anatomischen Bildern überlagert. Die hierarchischen anatomischen Beziehungen zwischen der Hemisphäre, den Großhirnkernen, den Basalganglien der Hirnkerne, dem Striatum und dem Globus pallidus der Basalganglien sowie Putamen und Caudatus des Striatums sind in 3-D dargestellt. Hier zeigen die Streudiagramme die Änderungspunktanalyse dieser Strukturen, wobei die blauen Punkte die Z-Werte der volumetrischen Daten nach Korrektur von Alter, Geschlecht und interkraniellen Volumina darstellen.

Die schwarzen Kurven sind die angepassten Z-Werte mit einer Regression zu den vom Änderungspunkt abhängigen CAP-Werten, und die roten Linien zeigen die Positionen der Änderungspunkte an. Hier sind die Veränderungspunktkarten des gesamten Gehirns auf mehreren Granularitätsebenen. Die Regionen, die signifikante Änderungspunkte anzeigen, werden einem gewichteten T1-Bild zugeordnet, und die Farben geben die Änderungspunktwerte in der Einheit des CAP-Scores an.

Sobald dieses Verfahren gemeistert ist, kann es für den Bildsegmentierungsteil in mehreren Stunden durchgeführt werden, abhängig von der Verfügbarkeit der Cloud-Ressource. Und noch ein paar Stunden für die Change-Point-Analyse, abhängig von der benutzerdefinierten Stufe der anatomischen Granularität. Bei diesem Verfahren ist es wichtig, immer die Qualität des Originalbildes und die Genauigkeit der Bildsegmentierung zu überprüfen, bevor Sie mit der Änderungspunktanalyse fortfahren.

Nach ihrer Entwicklung ebnete diese Technik den Weg für Forscher auf dem Gebiet der medizinischen Bildanalyse, um die anatomische Veränderung des gesamten Gehirns und ihr räumliches zeitliches Muster in großen MRT-Studien von neuronalen degenerativen Erkrankungen zu untersuchen. Nachdem Sie sich dieses Video angesehen haben, sollten Sie ein gutes Verständnis dafür haben, wie Sie eine automatisierte Segmentierung von T1-gewichteten Bildern durchführen und wie Sie die MATLAB-GUI verwenden, um eine Änderungspunktanalyse photometrischer Daten durchzuführen.