Articolo metodologico

Modellazione tridimensionale delle forme e analisi delle strutture cerebrali

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)

In questo articolo

Sommario

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

Introduciamo un protocollo semi-automatico per l'analisi delle forme sulle strutture cerebrali, inclusa la segmentazione delle immagini utilizzando software aperto, e un'ulteriore analisi della forma per senso di gruppo utilizzando un pacchetto di modellazione automatizzata. Qui, dimostriamo ogni fase del protocollo di analisi della forma 3D con la segmentazione ippocampale dalle immagini MR del cervello.

Abstract

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

L'analisi statistica delle forme delle strutture cerebrali è stata utilizzata per studiare l'associazione tra i loro cambiamenti strutturali e i processi patologici. Abbiamo sviluppato un pacchetto software per una modellazione accurata e robusta delle forme e l'analisi group-wise. Qui viene introdotta una pipeline per l'analisi della forma, dalla modellazione delle forme 3D all'analisi quantitativa delle forme di gruppo. Descriviamo anche le fasi di pre-elaborazione e segmentazione utilizzando pacchetti software aperti. Questa guida pratica aiuterebbe i ricercatori a risparmiare tempo e fatica nell'analisi della forma 3D sulle strutture cerebrali.

Introduzione

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

L'analisi della forma delle strutture cerebrali è emersa come lo strumento preferito per studiare i loro cambiamenti morfologici sotto processi patologici, come le malattie neurodegenerative e l'invecchiamento1. Sono necessari vari metodi computazionali per 1) delineare con precisione i confini delle strutture bersaglio da immagini mediche, 2) ricostruire la forma di destinazione sotto forma di mesh di superficie 3D, 3) costruire corrispondenza inter-soggetti attraverso i singoli modelli di forma tramite la parametrizzazione della forma o la registrazione della superficie, e 4) valutare quantitativamente le differenze di forma regionali tra individui o gruppi. Nel corso degli ultimi anni, molti metodi sono stati introdotti negli studi di neuroimaging per ciascuno di questi passaggi. Tuttavia, nonostante i notevoli sviluppi nel settore, non ci sono molti quadri immediatamente applicabili alla ricerca. In questo articolo viene descritto ogni passaggio dell'analisi delle forme delle strutture cerebrali utilizzando i nostri strumenti personalizzati di modellazione delle forme e gli strumenti di segmentazione delle immagini disponibili pubblicamente.

Qui, dimostriamo il quadro di analisi della forma per le strutture cerebrali attraverso l'analisi della forma degli ippocampi sinistro e destro utilizzando un set di dati di controlli per adulti e pazienti affetti da malattia di Alzheimer. L'atrofia degli ippocampi è riconosciuta come un biomarcatore di imaging critico nelle malattie neurodegenerative2,3,4. Nel nostro framework di analisi delle forme, utilizziamo il modello di modello della struttura di destinazione e la registrazione deformabile da modello a immagine nel processo di modellazione delle forme. Il modello modello codifica le caratteristiche generali della forma della struttura di destinazione in una popolazione e fornisce anche una linea di base per quantificare le differenze di forma tra i singoli modelli tramite la loro relazione transitiva con il modello modello. Nella registrazione da modello a immagine, abbiamo sviluppato un metodo di deformazione della superficie Laplacian per adattare il modello del modello alla struttura di destinazione in singole immagini riducendo al minimo la distorsione della distribuzione dei punti nel modellomodello 5,6,7. La fattibilità e la robustezza del quadro proposto sono state convalidate nei recenti studi di neuroimaging dell'invecchiamento cognitivo8, diagnosi precoce di lieve danno cognitivo9, e per esplorare le associazioni tra i cambiamenti strutturali cerebrali e i livelli di cortisolo10. Questo approccio renderebbe più facile l'utilizzo dei metodi di modellazione e analisi delle forme in ulteriori studi di neuroimaging.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

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

Le immagini Brain MR sono state acquisite in base al protocollo approvato dal comitato di revisione istituzionale locale e dal comitato etico.

NOT: Gli strumenti per la modellazione e l'analisi delle forme possono essere scaricati dal repository NITRC: https://www.nitrc.org/projects/dtmframework/. Il software GUI (DTMModeling.exe) può essere eseguito dopo l'estrazione. Vedere La Figura 1.

1. Segmentazione dell'immagine MR cerebrale

  1. Acquisire immagini MR cervello di singoli soggetti e maschere di segmentazione del cervello.
    NOT: Di solito, acquisiamo immagini MR ponderate t1 per l'analisi delle strutture cerebrali. Si presuppone che le immagini MR siano pre-elaborate per la correzione non linearità graduale e la correzione dell'omogeneità dell'intensità utilizzando N311, i metodi N3 migliorati12o FSL-FAST13. Alcuni strumenti liberamente disponibili per la segmentazione automatica delle strutture cerebrali umane sono elencati nella Tabella 1.
  2. Correggere manualmente i risultati della segmentazione.
    NOT: Il software Open GUI che supporta la segmentazione manuale è elencato nella tabella 2. I protocolli di segmentazione manuale per le strutture cerebrali possono essere trovati qui14,15,16. Una video guida sulla segmentazione manuale per l'ippocampo è qui17. Descriviamo il protocollo per la segmentazione dell'ippocampo nella prossima sezione.
    1. Aprire la risonanza magnetica ponderata T1 e i risultati della segmentazione automatica utilizzando il menu Apri file.
    2. Caricare il plug-in Segmentazione facendo clic su Menu Finestra Proprietà Show . Segmentazione.
    3. Correggere la maschera di segmentazione utilizzando gli strumenti Aggiungi, Sottraie Correzione nel plug-in Segmentazione.
    4. Salvate la maschera di segmentazione corretta nel formato Nifti utilizzando il menu Salva.

2. Modifica manuale della segmentazione ippocampale

NOT: Introduciamo un protocollo per la modifica manuale della segmentazione del cervello utilizzando il software di modellazione GUI basato sul workbench MITK (http://www.mitk.org/). Il workbench MITK offre varie funzioni per la segmentazione manuale e automatica e la visualizzazione delle immagini mediche. Dimostriamo il processo di editing manuale per gli ippocampi sinistro e destro. I passaggi per modificare manualmente18 il risultato della segmentazione automatica dell'ippocampo sono i seguenti.

  1. Aprire l'immagine MR ponderata T1 e i risultati della segmentazione ippocampale automatica utilizzando il software workbench MITK.
  2. Caricare il plugin di segmentazione nel workbench MITK facendo clic sul menu Finestra Show View (Mostra vista) Segmentazione.
  3. Selezionare la vista coronale facendo clic sull'icona del lato destro visualizzata nell'angolo in alto a destra della finestra Schermo.
  4. Modificare la maschera binaria di ogni ippocampo (cioè, a sinistra e a destra) nella vista coronale, a partire dalla testa dell'ippocampo al corpo come segue.
    1. Scorrere il volume fino a trovare l'uncus. Includere l'uncus nella maschera ippocampale dove è presente.
    2. Modificare la maschera del corpo ippocampale dopo che l'uncus si è ritirato utilizzando la funzione Aggiungi e Sottrai nel plugin Segmentazione.
    3. Continuare a modificare la maschera ippocampale fino a trovare la coda dell'ippocampo. Mentre il nucleo polviale del talamo si allontana superiore all'ippocampo, emerge il fornix.
    4. Terminare la modifica dell'ultima fetta coronale dell'ippocampo in cui l'intera lunghezza del fornix è visibile ma non ancora continua con lo splenium del corpo calloso.
      NOT: Gli spazi del liquido cerebrospinale (CSF) possono essere contenuti all'interno delle regioni ippocampali. Gli spazi CSF possono essere rimossi dalle maschere ippocampali utilizzando lo strumento Sottrai nel plugin di segmentazione del banco di lavoro MITK. può essere più facile definire completamente le regioni dell'ippocampo e poi passare attraverso tutte le fette coronali dalla testa dell'ippocampo alla coda per la rimozione degli spazi CSF.
    5. Seguire la stessa procedura per la modifica delle maschere binarie di entrambi gli ippocampi.
      NOT: Gli strumenti Add, Subtracte Correction del plug-in Segmentation nel workbench MITK possono essere utilizzati per la modifica manuale. Lo strumento Correzione è facile da gestire piccoli errori nella maschera di segmentazione eseguendo l'addizione e la sottrazione in base all'input dell'utente e alla maschera di segmentazione senza ulteriore selezione dello strumento.
  5. Salvare le maschere binarie per ippocampi sinistro e destro in formato Nifti (nii o nii.gz) utilizzando il menu Salva nel software di workbench MITK.
    NOT: Le maschere binarie degli ippocampi sinistro e destro devono essere salvate separatamente per i successivi passaggi del modello di forma ippocampale.

3. Costruzione del modello di gruppo

NOT: Dopo la segmentazione e la modifica manuale per tutti i soggetti, la modellazione delle singole forme richiede il modello di modello della struttura di destinazione. Costruiamo il modello di modello dalla maschera binaria media per una popolazione, acquisita utilizzando il plugin "ShapeModeling" nel MITK Workbench. I passaggi della costruzione del modello utilizzando il software GUI sono i seguenti.

  1. Caricare il plugin ShapeModeling utilizzando la funzione di menu: Finestra Show View (Mostra vista) Modellazione forma.
  2. Aprire una directory contenente le maschere binarie di una popolazione di studio facendo clic sul pulsante Apri directory nel plug-in ShapeModeling.
  3. Fare clic sul pulsante Costruzione modello nel plug-in ShapeModeling.
  4. Controllare la mesh della forma media e salvarla in formato stereolitografia (STL) utilizzando il menu Salva.

4. Ricostruzione della forma individuale

NOT: In questo passaggio, eseguiamo la modellazione delle forme per i singoli soggetti utilizzando il pulsante Avvia modellazione forma nel plug-in "ShapeModeling". Elenchiamo i parametri software di questo plugin nella tabella 3. Una spiegazione dettagliata su ogni parametro può essere trovata qui5. I passi della ricostruzione della forma individuale utilizzando il software GUI sono i seguenti.

  1. Caricare l'immagine MR ponderata T1 e la relativa maschera di segmentazione utilizzando il menu Apri file.
    NOT: Usiamo l'immagine MR ponderata T1 per la convalida visiva.
  2. Controllare i parametri di modellazione nel plug-in ShapeModeling e modificarli se necessario.
    NOT: Se il modello modello non è deformato o la distanza tra il modello modello e il contorno dell'immagine è grande, si consiglia di aumentare l'intervallo di ricerca limite. Se vengono rilevate alcune distorsioni geometriche, l'aumento di maxAlpha e minAlpha con il passaggio 0.5 potrebbe aiutare a risolvere il problema. È importante controllare l'intensità voxel per l'oggetto di destinazione nella maschera di segmentazione. Se il valore è diverso da 1, il parametro intensity deve essere modificato di conseguenza.
  3. Fare clic sul pulsante Modellazione forma per eseguire il processo di modellazione delle forme e controllare il risultato nella vista 3D del workbench MITK.
  4. Ripetere i passaggi 4.2 e 4.3, quando il modello del modello non è adattato al contorno dell'immagine in modo simile.
    NOT: Il modello modello viene visualizzato con la maschera di segmentazione nella vista sagittale, coronale, assiale e 3D del workbench MITK. La superficie del modello non viene deformata quando la distanza tra il modello modello e il contorno dell'immagine è inferiore a una soglia che è un decimo della dimensione voxel più piccola.
  5. Salvare il risultato della modellazione in un formato di stereolitografia (STL) utilizzando il menu Salva nel framework MITK.

5. Normalizzazione delle forme per gruppo e misurazione delle differenze di forma

NOT: In questo passaggio, allineiamo i singoli modelli di forma al modello del modello e calcoliamo la deformità della forma in punto tra i vertici corrispondenti tra il modello di modello e il modello di forma individuale. I passaggi per la misurazione della deformità della forma sono i seguenti.

  1. Selezionare il modello di forma di un soggetto in Gestione dati del workbench MITK.
    NOT: Gli utenti possono selezionare più modelli per la misurazione della deformità.
  2. Eseguire la misurazione della deformità facendo clic sul pulsante Misurazione nel plug-in ShapeModeling.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

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

Il processo di modellazione della forma descritto qui è stato impiegato per vari studi di neuroimaging sull'invecchiamento6,8,10 e morbo di Alzheimer5,9. In particolare, questo metodo di modellazione della forma ha mostrato la sua precisione e sensibilità nell'analisi della forma sull'ippocampo per una popolazione di invecchiamento di 654...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

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

In sintesi, abbiamo descritto la pipeline software per l'analisi delle forme sulle strutture cerebrali, tra cui (1) la segmentazione dell'immagine MR utilizzando strumenti aperti (2) la ricostruzione di forme individuali utilizzando un modello deformabile e (3) la differenza di forma quantitativa misurazione tramite corrispondenza di forma transitiva con il modello modello. L'analisi statistica sotto il falso tasso di scoperta (FDR) viene eseguita con la deformità della forma per studiare il significato dei cambiamenti m...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

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

Gli autori dichiarano che non vi è alcun conflitto di interessi.

Ringraziamenti

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

Il lavoro è stato finanziato dalla National Research Foundation of Korea (JP as the PI). JK è finanziato dal Kyungpook National University Research Fund; e MCVH è finanziato dal Row Fogo Charitable Trust e dalla Royal Society di Edimburgo. La segmentazione dell'ippocampo è stata adattata dalle linee guida interne scritte dalla dott.ssa Karen Ferguson, presso il Centre for Clinical Brain Sciences, Edimburgo, Regno Unito.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Riferimenti

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

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

3D Shape ModelingBrain Structure AnalysisStatistical Shape AnalysisGroup wise Template ConstructionHippocampal Segmentation EditingShape Deformity ComputationIndividual Shape ReconstructionTemplate Model ConstructionShape Difference VectorsMATLAB Code Analysis

Articoli correlati