Article de méthode

Modélisation et analyse tridimensionnelles de la forme des structures cérébrales

DOI :

10.3791/59172

⸱

14 novembre 2019

 ,  , 
1School of Computer Science and Engineering, Kyungpook National University, 2Centre for Clinical Brain Sciences, University of Edinburgh, 3School of Computing and KI for Health Science and Technology (KIHST), Korea Advanced Institute of Science and Technology (KAIST)

Dans cet article

Résumé

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

Nous introduisons un protocole semi-automatique pour l'analyse de la forme sur les structures cérébrales, y compris la segmentation des images à l'aide d'un logiciel ouvert, et d'autres analyses de forme au niveau du groupe à l'aide d'un paquet de modélisation automatisé. Ici, nous démontrons chaque étape du protocole d'analyse de forme 3D avec la segmentation hippocampal des images de MR de cerveau.

Résumé

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

L'analyse statistique de la forme des structures cérébrales a été utilisée pour étudier l'association entre leurs changements structurels et les processus pathologiques. Nous avons développé un logiciel pour une modélisation de forme précise et robuste et une analyse axée sur le groupe. Ici, nous introduisons un pipeline pour l'analyse de forme, de la modélisation de forme 3D individuelle à l'analyse quantitative de la forme de groupe. Nous décrivons également les étapes de prétraitement et de segmentation à l'aide de progiciels ouverts. Ce guide pratique aiderait les chercheurs à économiser du temps et des efforts dans l'analyse de la forme 3D sur les structures du cerveau.

Introduction

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

L'analyse de la forme des structures cérébrales est apparue comme l'outil préféré pour étudier leurs changements morphologiques dans le cadre de processus pathologiques, tels que les maladies neurodégénératives et le vieillissement1. Diverses méthodes de calcul sont nécessaires pour 1) délimiter avec précision les limites des structures cibles à partir d'images médicales, 2) reconstruire la forme cible sous forme de maillage de surface 3D, 3) construire la correspondance entre les sujets entre les modèles de forme individuels par la biais de la paramétrisation de forme ou de l'enregistrement de surface, et 4) évaluer quantitativement les différences de forme régionales entre les individus ou les groupes. Au cours des dernières années, de nombreuses méthodes ont été introduites dans les études de neuroimagerie pour chacune de ces étapes. Cependant, malgré les développements remarquables dans le domaine, il n'existe pas beaucoup de cadres immédiatement applicables à la recherche. Dans cet article, nous décrivons chaque étape de l'analyse de forme des structures cérébrales à l'aide de nos outils personnalisés de modélisation de forme et d'outils de segmentation d'image accessibles au public.

Ici, nous démontrons le cadre d'analyse de forme pour des structures de cerveau par l'analyse de forme de l'hippocampi gauche et droit utilisant un ensemble de données des contrôles adultes et des patients de la maladie d'Alzheimer. L'atrophie de l'hippocampe est reconnue comme un biomarqueur d'imagerie critique dans les maladies neurodégénératives2,3,4. Dans notre cadre d'analyse de forme, nous utilisons le modèle de modèle de la structure cible et l'enregistrement déformable de modèle à image dans le processus de modélisation de forme. Le modèle code les caractéristiques générales de forme de la structure cible dans une population, et il fournit également une base de référence pour quantifier les différences de forme entre les modèles individuels via leur relation transitoire avec le modèle de modèle. Dans l'enregistrement de modèle à image, nous avons développé une méthode de déformation de surface laplacienne pour adapter le modèle de modèle à la structure cible dans les images individuelles tout en minimisant la distorsion de la distribution de points dans le modèle de modèle5,6,7. La faisabilité et la robustesse du cadre proposé ont été validées dans des études récentes de neuroimagerie du vieillissement cognitif8, détection précoce de l'affaiblissement cognitif doux9, et d'explorer les associations entre les changements structurels du cerveau et les niveaux de cortisol10. Cette approche faciliterait l'utilisation des méthodes de modélisation et d'analyse de la forme dans d'autres études de neuroimagerie.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

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

Les images de M. cerveau ont été acquises selon le protocole approuvé par le comité d'examen institutionnel local et le comité d'éthique.

REMARQUE: Les outils de modélisation et d'analyse de la forme peuvent être téléchargés à partir du référentiel du NITRC : https://www.nitrc.org/projects/dtmframework/. Le logiciel GUI (DTMModeling.exe) peut être exécuté après extraction. Voir figure 1.

1. Segmentation d'image de cerveau mM

  1. Acquérir des images de M. du cerveau de sujets individuels et des masques de segmentation du cerveau.
    REMARQUE: Habituellement, nous acquérons des images MMR pondérées par T1 pour l'analyse des structures cérébrales. Nous supposons que les images MR sont pré-traitées pour la correction de non-linéarité de gradient et la correction d'inhomogénéité d'intensité utilisant N311, méthodes améliorées n312, ou FSL-FAST13. Certains outils disponibles gratuitement pour la segmentation automatique des structures cérébrales humaines sont énumérés dans le tableau 1.
  2. Corriger manuellement les résultats de segmentation.
    REMARQUE: Le logiciel open GUI supportant la segmentation manuelle est répertorié dans le tableau 2. Les protocoles manuels de segmentation pour les structures cérébrales peuvent être trouvés ici14,15,16. Un guide vidéo sur la segmentation manuelle pour l'hippocampe est ici17. Nous décrivons le protocole pour la segmentation hippocampal dans la section suivante.
    1. Ouvrez l'IRM pondérée par T1 et les résultats de segmentation automatique à l'aide du menu Fichier ouvert.
    2. Chargez le plugin de segmentation en cliquant sur menu fenêtre Afficher (en anglais) Segmentation.
    3. Corriger le masque de segmentation à l'aide des outils Add, Subtract, et Correction dans le plugin de segmentation.
    4. Enregistrez le masque de segmentation corrigé dans le format Nifti à l'aide du menu Enregistrer.

2. Montage manuel de la segmentation hippocampale

REMARQUE: Nous introduisons un protocole pour l'édition manuelle de la segmentation du cerveau à l'aide du logiciel de modélisation GUI basé sur l'établi MITK (http://www.mitk.org/). L'établi MITK fournit diverses fonctions pour la segmentation manuelle et automatique et la visualisation d'image médicale. Nous démontrons le processus d'édition manuel pour l'hippocampi gauche et droit. Étapes pour l'édition manuelle18 le résultat de la segmentation hippocampal automatique sont comme suit.

  1. Ouvrez l'image MR pondérée par T1 et les résultats de la segmentation hippocampal automatique à l'aide du logiciel de l'établi MITK.
  2. Chargez le plugin de segmentation dans l'établi MITK en cliquant sur la fenêtre du menu . Afficher la vue d'exposition Segmentation.
  3. Sélectionnez la vue coronale en cliquant sur l'icône côté droit qui apparaît dans le coin supérieur droit de la fenêtre Display.
  4. Modifier le masque binaire de chaque hippocampe (c'est-à-dire, à gauche et à droite) dans la vue coronale, à partir de la tête hippocampique au corps comme suit.
    1. Faites défiler tout le volume jusqu'à ce que l'uncus soit trouvé. Inclure l'uncus dans le masque hippocampique où il est présent.
    2. Modifier le masque du corps hippocampique après que l'uncus a reculé à l'aide de la fonction Add and Subtract dans le plugin de segmentation.
    3. Continuer à modifier le masque hippocampal jusqu'à ce que la queue hippocampal soit trouvée. Comme le noyau pulvinaire du thalamus recule supérieur à l'hippocampe, le fornix émerge.
    4. Terminer l'édition de la dernière tranche coronale de l'hippocampe dans laquelle toute la longueur du fornix est visible mais pas encore continue avec le splenium du corpus callosum.
      REMARQUE: Les espaces de fluide céphalo-rachidien (CSF) peuvent être contenus dans les régions hippocampales. Les espaces CSF peuvent être retirés des masques hippocampiques à l'aide de l'outil Soustraction dans le plugin de segmentation de l'établi MITK. il peut être plus facile de définir les régions hippocampiques entièrement et ensuite passer par toutes les tranches coronales de la tête hippocampal à la queue pour l'enlèvement des espaces CSF.
    5. Suivez le même processus pour l'édition des masques binaires des deux hippocampi.
      REMARQUE: Les outils Add, Subtract, et Correction du plugin de segmentation dans l'établi MITK peuvent être utilisés pour l'édition manuelle. L'outil de correction est facile à gérer les petites erreurs dans le masque de segmentation en effectuant l'addition et la soustraction en fonction de l'entrée de l'utilisateur et le masque de segmentation sans sélection d'outils supplémentaires.
  5. Enregistrer les masques binaires pour hippocampi gauche et droite en format Nifti (nii ou nii.gz) en utilisant le menu Enregistrer dans le logiciel de l'établi MITK.
    REMARQUE: Les masques binaires de l'hippocampi gauche et droit doivent être sauvegardés séparément pour les étapes ultérieures de modèle de forme hippocampal.

3. Construction de modèle de groupe

REMARQUE: Après la segmentation et l'édition manuelle pour tous les sujets, la modélisation de forme individuelle nécessite le modèle de modèle de la structure cible. Nous construisons le modèle modèle à partir du masque binaire moyen pour une population, acquis à l'aide de plugin "ShapeModeling" dans le mitK Workbench. Les étapes de la construction du modèle de modèle à l'aide d'un logiciel GUI sont les suivantes.

  1. Chargez le plugin ShapeModeling à l'aide de la fonction de menu : Fenêtre Afficher la vue d'exposition Modélisation de forme.
  2. Ouvrez un répertoire contenant les masques binaires d'une population d'étude en cliquant sur le bouton Open Directory dans le plugin ShapeModeling.
  3. Cliquez sur le bouton Template Construction dans le plugin ShapeModeling.
  4. Vérifiez le maillage de forme moyenne et enregistrez-le dans le format stéréolithographie (STL) à l'aide du menu Enregistrer.

4. Reconstruction individuelle de forme

REMARQUE: À cette étape, nous effectuons la modélisation de forme pour des sujets individuels à l'aide du bouton Start Shape Modeling dans le plugin "ShapeModeling". Nous énumérons les paramètres logiciels de ce plugin dans le tableau 3. Une explication détaillée sur chaque paramètre peut être trouvée ici5. Les étapes de la reconstruction de forme individuelle à l'aide d'un logiciel GUI sont les suivantes.

  1. Chargez l'image MR pondérée par T1 et son masque de segmentation à l'aide du menu Fichier ouvert.
    REMARQUE: Nous utilisons l'image MR pondérée par T1 pour la validation visuelle.
  2. Vérifiez les paramètres de modélisation dans le plugin ShapeModeling et modifiez si nécessaire.
    REMARQUE: Si le modèle de modèle n'est pas déformé ou si la distance entre le modèle de modèle et la limite d'image est grande, il est recommandé d'augmenter la plage de recherche limite. Si certaines distorsions géométriques sont trouvées, l'augmentation maxAlpha et minAlpha avec l'étape 0.5 aiderait à résoudre le problème. Il est important de vérifier l'intensité du voxel pour l'objet cible dans le masque de segmentation. Si la valeur n'est pas 1, le paramètre d'intensité doit être modifié en conséquence.
  3. Cliquez sur le bouton Modélisation de la forme pour exécuter le processus de modélisation de forme et vérifier le résultat dans la vue 3D de l'établi MITK.
  4. Répétez les étapes 4.2 et 4.3, lorsque le modèle de modèle n'est pas ajusté à la limite d'image de près.
    REMARQUE: Le modèle de modèle est visualisé avec le masque de segmentation dans la vue sagittale, coronale, axiale et 3D de l'établi MITK. La surface du modèle n'est pas déformée lorsque la distance entre le modèle de modèle et la limite d'image est inférieure à un seuil qui est un dixième de la plus petite taille de voxel.
  5. Enregistrer le résultat de modélisation dans un format stéréolithographie (STL) à l'aide du menu Enregistrer dans le cadre MITK.

5. Normalisation de forme axée sur le groupe et mesure de la différence de forme

REMARQUE: À cette étape, nous alignons les modèles de forme individuels sur le modèle de modèle et calculons la déformation de la forme pointée entre les vertices correspondantes entre le modèle de modèle et le modèle de forme individuel. Les étapes de la mesure de déformation de la forme sont les suivantes.

  1. Sélectionnez le modèle de forme d'un sujet dans le gestionnaire de données de l'établi MITK.
    REMARQUE: Les utilisateurs peuvent sélectionner plusieurs modèles pour la mesure de déformation.
  2. Effectuez la mesure de déformation en cliquant sur le bouton De mesure dans le plugin ShapeModeling.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

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

Le processus de modélisation de la forme décrit ici a été utilisé pour diverses études de neuroimagerie sur le vieillissement6,8,10 et la maladie d'Alzheimer5,9. Particulièrement, cette méthode de modélisation de forme a montré sa précision et sensibilité dans l'analyse de forme sur l'hippocampe pour une population vieillissante de 654 su...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

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

En résumé, nous avons décrit le pipeline logiciel pour l'analyse de forme sur les structures du cerveau, y compris (1) la segmentation de l'image MR à l'aide d'outils ouverts (2) la reconstruction de forme individuelle à l'aide d'un modèle de modèle déformable, et (3) la différence de forme quantitative mesure par correspondance de forme transitoire avec le modèle de modèle. L'analyse statistique sous la correction de faux taux de découverte (FDR) est exécutée avec la déformation de forme pour étudier l'importance des ch...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

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

Les auteurs déclarent qu'il n'y a pas de conflit d'intérêts.

Remerciements

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

Les travaux ont été financés par la National Research Foundation of Korea (JP comme PI). JK est financé par le Fonds national de recherche universitaire Kyungpook; et MCVH est financé par le Row Fogo Charitable Trust et la Royal Society of Edinburgh. La segmentation hippocampique a été adaptée à partir de lignes directrices internes écrites par la Dre Karen Ferguson, au Centre for Clinical Brain Sciences, Edimbourg, Royaume-Uni.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Références

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Costafreda, S. G., et al. Automated hippocampal shape analysis predicts the onset of dementia in mild cognitive impairment. NeuroImage. 56 (1), 212-219 (2011).
  2. Platero, C., Lin, L., Tobar, M. C. Longitudinal Neuroimaging Hippocampal Markers for Diagnosing Alzheimer's Disease. Neuroinformatics. , 1-19 (2018).
  3. 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).
  4. Kalmady, S. V., et al. Clinical correlates of hippocampus volume and shape in antipsychotic-naïve schizophrenia. Psychiatry Research: Neuroimaging. 263, 93-102 (2017).
  5. 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).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. Cox, S. R., et al. Associations between hippocampal morphology, diffusion characteristics, and salivary cortisol in older men. Psychoneuroendocrinology. 78, 151-158 (2017).
  11. 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).
  12. Tustison, N. J., et al. N4ITK: improved N3 bias correction. IEEE Transactions on Medical Imaging. 29 (6), 1310-1320 (2010).
  13. 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).
  14. 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).
  15. 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).
  16. 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).
  17. 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).
  18. MacLullich, A., et al. Intracranial capacity and brain volumes are associated with cognition in healthy elderly men. Neurology. 59 (2), 169-174 (2002).
  19. Gower, J. C. Generalized Procrustes analysis. Psychometrika. 40 (1), 33-51 (1975).
  20. Lorensen, W. E., Cline, H. E. Marching cubes: A high resolution 3D surface construction algorithm. ACM Siggraph Computer Graphics. , 163-169 (1987).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

Mod lisation de forme 3DAnalyse de la structure c r braleAnalyse statistique des formesConstruction de mod les de r f rence de groupedition de la segmentation hippocampiqueCalcul de la d formation des formesReconstruction de la forme individuelleConstruction de mod les de r f renceVecteurs de diff rence de formeAnalyse de code MATLAB

Articles connexes