מוח-כל פילוח וניתוח נקודת השינוי האנטומי במוח MRI – היישום ב- Premanifest של מחלת הנטינגטון
9 ביוני 2018
מאמר זה מתאר מודל סטטיסטי עבור נפח ניתוח נתונים MRI, אשר מזהה "השינוי-הצבע" ניוון המוח מתחיל ב premanifest מחלת הנטינגטון. מיפוי מוח-כל השינוי-נקודות מושגת המבוסס על המוח כרכים שהושג באמצעות צינור של פילוח המבוסס על האטלס של תמונות משוקלל T1.
המטרה הכוללת של צינור ניתוח תמונה זה היא לבצע ניתוח נפחי כמותי של תמונות MR משוקללות T1 ולזהות נקודות שינוי קריטיות כאשר מתחילה ניוון מוחי במחלות ניווניות. שיטה זו יכולה לעזור לענות על שאלות מפתח בניתוח כמותי של שינויים אנטומיים במוח במהלך מחלה ניוונית. למשל, הסדר והדפוס של ניוון המוח במחלת הנטינגטון.
היתרון העיקרי של טכניקה זו הוא שהשילוב של פילוח מבוסס אטלס וניתוח נקודות שינוי מביא מידע זמני מרחבי ייחודי על ניוון מוחי מאוכלוסייה גדולה של מחקרים. הניתוח הנפחי של MRI מוח הושג על ידי MRICloud, המספק פילוח וכימות תמונה אוטומטיים לחלוטין באמצעות חישוב מרחוק וממשק משתמש מבוסס אינטרנט. ניתוח נקודת שינוי של MRI המוח מספק לנו מבט שיטתי על התקדמות המחלה בכל המוח.
היישומים של טכניקה זו משתרעים על מגוון מחלות ניווניות עצביות. כדי להתחיל בהליך זה, המר תמונות משוקללות T1 תלת מימדיות מפורמט DICOM ספציפי לספק לפורמט מנותח. לחץ פעמיים כדי לפתוח Dcm2Analyze.exe.
ייפתח חלון קופץ. ציין את נתיב ספריית הנתונים של DICOM כקלט ואת הנתיב והשם של קובץ התמונה המנותח כפלט. לאחר מכן, לחץ על Go כדי להשלים את ההמרה.
לפילוח תמונות T1 מבוסס MultiAtlas באמצעות MRICloud, היכנס ל-BrainGPS ובחר כלי פילוח מהתפריט הראשי. ישנן שתי אפשרויות בסגמנטציה, ה-T1-MultiAtlas לפילוח תמונה T1 יחידה, ו-T1-MultiAtlas Batch לעיבוד אצווה. שלח עבודות ב-T1-MultiAtlas Batch API על ידי דחיסת מספר קבצי תמונה מנותחים לקובץ ZIP, ולאחר מכן לחץ על zip כדי להעלות את קובץ ה-ZIP.
כעת, מלא את השדות הנדרשים. עבור שרת עיבוד, בחר שער מדעי אנטומיה חישובית. לסוג פרוסה, בחרו מבין Sagittal, Axial או Sagittal שהומרו ל-Axial.
עבור ספריית MultiAtlas, בחר את ספריית Atlas עם טווח הגילאים הקרוב ביותר לנתוני המשתמש כדי לייעל את דיוק הפילוח. בדוק את סטטוס העבודה דרך סטטוס העבודה שלי. לאחר סיום העבודות, יופיע כפתור תוצאות הורדה המאפשר למשתמשים להוריד את תוצאות הפילוח כקובץ ZIP.
התוצאות יישמרו בתיקיות בודדות. הצג את התוצאות באופן חזותי על-ידי לחיצה על לחצן הצג תוצאות. דף האינטרנט יפנה לממשק ההדמיה.
התצוגות הציריות, סגיטליות וקורונליות של מפת הפילוח חופפות בתמונה האנטומית המשוקללת T1. עיבוד תלת-ממדי של מבני המוח המפולחים מוצג בחלון השמאלי העליון. צבע מפת הפילוח של הכיסוי מציין את ציון ה- z של הנפחים המבניים.
התאימו את אפשרויות התצוגה החזותית, כולל הפעלה/כיבוי של שכבת-על, אטימות שכבת-על, התקרבות והתרחקות ומיקומי פרוסות מהחלונית הימנית העליונה. כדי לבצע עיבוד אצווה להשגת נפחי מוח באוכלוסייה, השתמש בתוכנית MATLAB פנימית כדי לחלץ נפחי מוח בודדים ולשלב אותם בגיליון אלקטרוני. ב-MATLAB, הפעל ראשי.
m, וממשק משתמש גרפי יקפוץ החוצה. בחילוץ אמצעי האחסון T1 מלוח MRICloud, ציין את הכניסות, כולל ספריית המחקר שבה נשמרות תוצאות הפילוח שהורדת, ואת נתיב הקובץ ושם הקובץ של טבלת החיפוש מרובת הרמות. ציין את ספריית הפלט של קובץ הגיליון האלקטרוני שאליה ייכתבו נתוני אמצעי האחסון.
לחץ על כפתור חילוץ עוצמת הקול כדי להפעיל את הניתוח. הודעה תופיע לאחר השלמה מוצלחת. ניתן לבדוק את התוצאות בגיליון האלקטרוני, שבו השורות מכילות נתוני נושא בודדים והעמודות מכילות את הנפחים המבניים של אנשים אלה המוגדרים במספר גרעיניות אנטומיות.
כדי לחשב נקודות שינוי עבור מבני מוח בודדים, השתמש באותו ממשק משתמש גרפי של MATLAB. בלוח ניתוח נקודת השינוי, ציין את הגיליונות האלקטרוניים המכילים את נתוני אמצעי האחסון מרובי הרמות ואת מידע האבחון המשויך. לאחר מכן, ציין את הספרייה של קובץ הטקסט הפלט, שאליה ייכתבו תוצאות נקודת השינוי.
לאחר מכן, בחר את רמת הפירוט וסוג ההגדרה האונטולוגית בתיבה הנפתחת, בה יבוצע ניתוח נקודת השינוי. כמו כן, בחר את המדכא העיקרי שישמש בניתוח נקודת השינוי, למשל, ציון CAP למחלת הנטינגטון. לחץ על כפתור חישוב נקודת השינוי כדי לבצע את הניתוח ונקודות השינוי המתקבלות יישמרו בקובץ האקסל הפלט המוגדר על ידי המשתמש.
כדי לבצע הערכות סטטיסטיות של נקודות השינוי בממשק המשתמש הגרפי של MATLAB, ציין את הפרמטרים לבדיקות סטטיסטיות, כולל מספר התמורות ומספר האתחול. לחץ על כפתור הבדיקה הסטטיסטית כדי להפעיל את הבדיקות. לאחר שלב זה, ערכי ה-p ממבחן התמורה, כמו גם הממוצע וסטיית התקן מפעולת האתחול ייכתבו לקובץ טקסט הפלט כעמודות נוספות.
לחלופין, כדי למפות את נקודות השינוי למוח ולמרחב התלת-ממדי, לחצו על מיפוי נקודת שינוי. לאחר שלב זה, ומפת נקודת השינוי תיווצר ותוצג באופן חזותי על ידי כיסוי על התמונה המשוקללת T1. מוצגות כאן התוצאות המייצגות של פילוח המוח השלם המבוסס על אטלס ברמות פירוט מרובות.
תצוגות ציריות ועטרה של מפות פילוח מרובות רמות מונחות על תמונות אנטומיות משוקללות T1. היחסים האנטומיים ההיררכיים בין חצי הכדור, גרעיני המוח, גרעיני הבסיס של גרעיני המוח, הסטריאטום והגלובוס פלידוס של גרעיני הבסיס, ופוטמן וזנב של הסטריאטום מודגמים בתלת מימד. כאן, עלילות הפיזור מדגימות את ניתוח נקודת השינוי של מבנים אלה, כאשר הנקודות הכחולות מציינות את ציוני ה-z של נתונים נפחיים לאחר תיקון לגיל, מין ונפח בין-גולגולתי.
העקומות השחורות הן ציוני ה-z המותאמים, עם רגרסיה לציוני ה-CAP התלויים בנקודת השינוי, והקווים האדומים מציינים את מיקומי נקודות השינוי. להלן מפות נקודות השינוי של המוח כולו ברמות פירוט מרובות. האזורים המציגים נקודות שינוי משמעותיות ממופים על גבי תמונה משוקללת T1, והצבעים מציינים את ערכי נקודת השינוי ביחידת ניקוד CAP.
לאחר השליטה, ניתן לבצע הליך זה תוך מספר שעות עבור חלק פילוח התמונה, בהתאם לזמינות משאב הענן. ועוד כמה שעות לניתוח נקודת השינוי, בהתאם לרמת הפירוט האנטומית המוגדרת על ידי המשתמש. בעת ניסיון הליך זה, חשוב לבדוק תמיד את איכות התמונה המקורית ואת הדיוק של פילוח התמונה לפני שתמשיך לניתוח נקודת השינוי.
לאחר פיתוחה, טכניקה זו סללה את הדרך לחוקרים בתחום ניתוח תמונות רפואיות לחקור את השינוי האנטומי של המוח השלם ואת הדפוס הטמפורלי המרחבי שלו במחקרי MRI גדולים של מחלות ניווניות עצביות. לאחר צפייה בסרטון זה, אתה אמור להבין היטב כיצד לבצע פילוח אוטומטי של תמונות משוקללות T1 וכיצד להשתמש בממשק המשתמש הגרפי של MATLAB כדי להפעיל ניתוח נקודת שינוי של נתונים פוטומטריים.
צפו בתמליל המלא וקבלו גישה לאלפי סרטונים מדעיים
סקירה כללית
מחקר זה מציג מודל סטטיסטי לניתוח נתוני MRI וולומטריים לצורך זיהוי תחילתה של ניוון מוחי במחלת הניוון השרירי-עצבי (Huntington's disease) בשלב הפרה-מניפסט. השיטה משתמשת בקו תהליך של סגמנטציה מבוססת-אטלס כדי להשיג מיפוי של נקודות שינוי בנפחי המוח בכל רחבי המוח.
מרכיבי מפתח של המחקר
תחום מדעי
- מדעי המוח
- דימות מוחי
- מחלות ניווניות של מערכת העצבים
רקע
- ניתוח כמותי של שינויים אנטומיים במוח הוא קריטי להבנת מחלות ניווניות של מערכת העצבים.
- זיהוי נקודות שינוי בניוון מוחי יכול לספק תובנות לגבי התקדמות המחלה.
- מחלת הטינגטון משמשת כמודל לחקר דפוסי ניוון מוחי.
- סגמנטציה מבוססת-אטלס משפרת את הדיוק של ניתוח נפחי.
מטרת המחקר
- פיתוח שיטה לזיהוי נקודות שינוי קריטיות בניוון מוחי.
- מתן מבט שיטתי על התקדמות המחלה ברחבי המוח.
- שימוש בסגמנטציה אוטומטית של תמונות לצורך ניתוח יעיל.
שיטות שנעשה בהן שימוש
- ניתוח נפחי של תמונות MRI המשוקללות ל-T1.
- תהליך סגמנטציה מבוסס-אטלס למדידת נפח המוח.
- ניתוח נקודות שינוי (Change-point analysis) לזיהוי תחילת ניוון.
- שימוש ב-MRICloud לעיבוד תמונות אוטומטי.
תוצאות עיקריות
- זיהוי מוצלח של נקודות שינוי (change-points) בניוון מוחי.
- מיפוי של דפוסי ניוון לאורך המוח כולו.
- הדגמה של יעילות השיטה במחקרי אוכלוסייה רחבים.
- אספקת מידע מרחבי-זמני ייחודי בנוגע לניוון מוחי.
מסקנות
- השיטה המוצעת מציעה גישה חסונה לחקר מחלות נוירודגנרטיביות.
- היא משפרת את ההבנה של דינמיקת ניוון המוח במחלת Huntington.
- השילוב של סגמנטציה וניתוח נקודות שינוי הוא בעל ערך למחקרים עתידיים.
שאלות נפוצות
רלוונטיות תעשייתית למנהלים
שיטה זו מאפשרת לצוותי מחקר ופיתוח בביופארמה לזהות סממנים ביולוגיים מבניים מוקדמים במחלות נוירודגנרטיביות, על ידי זיהוי נקודות හැפכה בעלות מובהקות סטטיסטית בניוון מוחי אזורי. באמצעות מיפוי ההתקדמות הספציו-טמפורלית של הניוון תוך שימוש בסגמנטציה של המוח השלם ובניתוח נקודות שינוי, הגישה תומכת בתיקוף מטרות ובהפחתת סיכונים מנגנוניים בתוכניות פרה-קליניות. היא מספקת מדדים כמותיים וניתנים לשחזור שיכולים להנחות החלטות של go/no-go ותיעדוף פורטפוליו בגילוי תרופות למערכת העצבים המרכזית (CNS).
יישומים אסטרטגיים במחקר ופיתוח בביופארמה
גילוי מוקדם ותיקוף מטרה
- ערך מדעי: מאפשר בחינה של היפותזות טיפוליות על ידי חשיפת הסדר והדפוס של ניוון מבני באזורי מוח שונים.
- ערך תפעולי: תומך בהפחתת סיכונים ביולוגיים באמצעות סגמנטציה מבוססת-אטלס המספקת מדידות נפחיות סטנדרטיות וניתנות לשחזור.
- ערך ניבוי: מסייע בזיהוי מולקולות מובילות (leads) על ידי קישור נקודות שינוי למדדי התקדמות המחלה, כגון מדד CAP, ובכך משפר את הביטחון במעורבות המטרה (target engagement).
סריקה ופיתוח בדיקה
- ערך מדעי: הכנת מערכות ביולוגיות מתוקפות לתהליכי עבודה המשכיים באמצעות אספקת נתונים מבניים כמותיים ברמות פירוט אנטומיות מרובות.
- ערך תפעולי: הבטחת סטנדרטיזציה ושחזור של הבדיקה באמצעות סגמנטציה אוטומטית ב-MRICloud והפקת נפחים מבוססת MATLAB.
- מוכנות לסריקה: מאפשר הערכה מהימנה של תרכובות על ידי יצירת מערכי נתונים נפחיים ניתנים להרחבה ולשימוש חוזר בפלטפורמה מתוך מחקרי אוכלוסייה גדולים.
מחקר תרגומי ופרה-קליני
- רציפות תרגומית: מקשר בין ממצאי הגילוי לתיקוף פרה-קליני באמצעות מיפוי דפוסי ניוון התואמים למערכות רלוונטיות למחלה.
- קידום מותאם סיכונים: תומך בקבלת החלטות על ידי זיהוי נקודות שינוי מוקדמות הקודמות להופעת התסמינים המוטוריים, מה שמאפשר אסטרטגיות התערבות פרואקטיביות.
- הפחתת סיכונים מכניסטית: מתמקד בביטחון חיזוי באמצעות חשיפת דפוסים מרחביים-זמניים של ניוון המנחים את התאמת הביומרקרים.
שילוב תהליכי עבודה וצינורות עיבוד
השיטה משתלבת ברצף הגילוי, החל מתיקוף ראשוני של המטרה ועד לפיתוח פרה-קליני, ומציעה גישה ניתנת להרחבה לניטור שינויים אנטומיים במודלים של מחלות נוירודגנרטיביות.
- ביולוגיה של הגילוי: תומך בבדיקת היפותזות ובבירור מסלולים ביולוגיים על ידי זיהוי תחילת ניוון ספציפית לאזור ביחס להתקדמות המחלה.
- סריקה: מספק מוכנות לבדיקה באמצעות סגמנטציה אוטומטית ופלטים וולומטריים כמותיים המתאימים לסריקה בעלת שחזוריות גבוהה.
- אנליטיקה: מספק פלטים סטטיסטיים הכוללים מיקומי נקודות שינוי וערכי p-values ממבחני פרמוטציה, המאפשרים השוואות בין תנאים שונים.
- מחקר תרגומי: מקשר לרציפות פרה-קלינית על ידי מיפוי דפוסי ניוון המשקפים את התקדמות המחלה בבני אדם, ובכך תומך בסנכרון של סממנים ביולוגיים.
- שימוש חוזר ארגוני: משמש כיכולת מבוססת ענן לשימוש חוזר עבור מחקרים אורך על פני מספר אינדיקציות של מחלות נוירודגנרטיביות.
השפעה תפעולית וארגונית
- ערך מדעי: מגביר את הביטחון החזוי על ידי הפחתת עמימות מכניסטית במודלים של ניוון עצבי.
- ערך תפעולי: משפר את הסטנדרטיזציה והיכולת להרחבה באמצעות עיבוד MRICloud אוטומטי ותהליכי עבודה של ניתוח באצוות.
- ערך אסטרטגי: משפר החלטות go/no-go על ידי אספקת סמנים ביולוגיים מוקדמים וכמותיים של מעורבות המטרה.
- השפעה על הפורטפוליו: מאפשר תעדוף מותאם סיכון באמצעות מעקב אורכי של סמנים ביולוגיים מבניים לאורך שלבי המחלה.
שיקולי יישום
- דורש מומחיות בניתוח הדמיה נוירולוגית, תכנות ב-MATLAB ומידול סטטיסטי של נקודות שינוי (change-point modeling).
- תלוי בגישה ל-MRICloud לצורך סגמנטציה ובתשתית חישובית לבדיקות פרמוטציה ובוטסטראפ (bootstrap).
- מחייב סטנדרטיזציה בין-צוותית של עיבוד מקדים של תמונות, פרמטרי סגמנטציה וספי נקודות שינוי.
- כולל שיקולי התאמה בעת יישום השיטה על מערכות מודלים או מינים שונים מעבר לנתוני HD אנושיים.
- כולל מגבלות מעשיות כגון תלות באיכות התמונה ובדיוק הסגמנטציה לפני שניתן יהיה לבצע ניתוח נקודות שינוי באופן מהימן.
