Name: 全体脳セグメンテーションと解剖学的脳 MRI の変化点分析-Premanifest ハンチントン病のアプリケーション (動画) | JoVE Journal
Uploaded: 2018-06-09T13:00:00.000+00:00
Duration: 9 min 6 s
Description: 学ぶ、T1強調MRIの定量的体積解析とアトラスベースの脳セグメンテーションを用いた変化点分析により、ハンチントン病における脳萎縮の進行パターンを明らかにする方法。この手法は大規模集団研究における神経変性疾患の時空間的ダイナミクス理解に貢献する。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

予測 HD 調査官、特にハンス ・ ジョンソン博士とアイオワ大学から博士ジェーン s. Pauslen の寛大さを共有、MRI データとデータ解析と結果に関する建設的な議論に感謝いたします。
この作品は NIH 支え R21 NS098018、P50 NS16375、NS40068、R01 NS086888、R01 NS084957、P41 EB015909、P41 EB015909、R01 EB000975、R01 EB008171、u01 で NS082085 を付与します。

1. アトラス ベースの全脳領域分割
<ol><li>データの準備
	<ol>
<li>三次元 (3 D) T1 強調画像、通常分析形式にベンダー固有 (デジタル画像と通信) DICOM 形式からの MPRAGE (磁化準備高速グラディエント エコー) シーケンスに変換します。リモート クラスターに転送するユーザーのデータがクラウドの計算に必要とすることに注意してください。健康保険の携行性と責任に関する法律」(HIPPA) によると患者の個人識別情報を画像ファイルから削除します。 注: MRICloud では、ファイル形式の変換だけでなく、個人の健康情報の de 識別分析 DICOM コンバーター (https://braingps.mricloud.org/t1prep) をご利用いただけます。<ol>
<li>Dcm2Analyze.exe を開くをダブルクリックします。ポップアップ ウィンドウが表示されます (図 1 a)。</li>
			<li>入力と出力として分析されたイメージのパスとファイル名入力の DICOM データ ディレクトリのパスを指定します。</li>
			<li>変換を完了するために"Go"をクリックします。 注: 変換は、個々 の患者のために実行する必要がある、それはバッチ処理 (1.2.2.1) の 1 つの研究のフォルダーにすべての変換された画像を出力に有益となります。</li>
		</ol>
</li>
	</ol></li>
	<li>複数アトラス ベース T1 画像分割 MRICloud19を使用します。
	<ol>
<li>ログの"脳 GPS"(初めてユーザー登録) https://mricloud.org から。メイン メニュー (図 1 b) から「分割」ツールを選択します。「分割」下に 2 つのアプリケーション プログラミング インターフェイス (API) オプションがあります:"T1-MultiAtlas"単一の T1 画像分割と「T1 MultiAtlas バッチ」のバッチ処理のため。変更点の分析大規模な人口データを必要とし、これにより、バッチ処理が適している場合。</li>
		<li>「T1 MultiAtlas バッチ」API でジョブをを送信します。<ol>
<li>複数の解析画像ファイルを zip ファイルに圧縮します。クリックして「+ .zip」zip ファイルをアップロードする図 1 bで。 注: 現在のクラウド ポータル 30 各 zip フォルダー内の画像の数を制限します。大規模なデータセットを処理する複数の zip フォルダーに分けられます。Zip ファイルごとのより多くの画像を対応するために特別なリクエストが可能です。将来は、我々 可能性のある限られた数を増加、遠隔計算資源が利用可能になるときも制限を削除します。</li>
			<li>図 1 bの必須フィールドを入力します。<ol>
<li>処理サーバー:「計算解剖学科学ゲートウェイ」を選択します。</li>
				<li>スライスの種類: 選択「矢」、「軸」、または「矢状軸に変換」から。 注:「矢」は、矢状方向前後と頭足方向の平面のビューで取得した画像を指します。「軸」は、左右および前後方向の平面のビュー画像軸方向を指します。「矢状軸に変換」は、もともと軸配向に買収されなかった (それらが長い頸部を持つ通常の「軸」画像) 矢状断面画像に変換後の画像を指します。</li>
				<li>複数アトラス ライブラリ: 分割精度を最適化するためのユーザー データを最も近い年齢とアトラス ライブラリ」を選択します。我々 は「小児 4-8 歳」、"小児 8 12 yr"などの異なる年齢の範囲を構築済みのマルチ アトラス データセット18を提供"大人 22-50」と"大人 50-90」と同様に異なるアトラス バージョン。アトラスのバージョンに関する情報は、https://braingps.mricloud.org/atlasrepo で見つけることが。</li>
			</ol>
</li>
		</ol>
</li>
		<li>「私のジョブ ステータス」を通じてジョブの状況確認 (図 1)。ジョブが終了すると、ユーザーが .zip ファイルと領域分割結果をダウンロードすることができる「結果のダウンロード」ボタンが表示されます。</li>
		<li>結果を可視化します。単一の主題のための領域分割結果から得られるボリュームをオンラインに視覚化できること (バッチ処理結果のため不可能)。<ol>
<li>図 1の「結果を表示」ボタンををクリックしてします。Web ページは、可視化インタ フェース (図 1) に変わります。分割マップの軸、矢状、冠状ビューは、T1 強調の解剖学的画像に重なっています。セグメント化された脳構造の 3 D レンダリングは、上の左のウィンドウに表示されます。カラー オーバーレイするセグメンテーションのマップ構造のボリュームの z スコアを示します。</li>
			<li>オーバーレイのオン/オフ、オーバーレイの不透明度を含む可視化オプションを調整、ズームイン、ズームアウト、および図 1の右上のパネルから位置をスライスします。</li>
			<li>最高級の分割区画を異なる粒度にグループ化します。私たちのアトラス 2 種類オントロジー関係18,30粒度の 5 つのレベルを定義しました。左下のパネル (図 1) では、階層の複数レベルの解剖学的定義のツリー ビューが表示されます。オントロジー レベルの対応する構造体を展開するレベルの番号をクリックします。分割マップは対応するオントロジー レベルに同時に切り替わります。 注: 隔月 MRICloud ワーク ショップ、ジョンズ ・ ホプキンス大学医学上記オンライン操作のチュートリアルを提供するためにヘルプ。ワーク ショップ情報は、https://braingps.mricloud.org/workshops から見つけることができます。</li>
		</ol>
</li>
		<li>その後の分析の結果をダウンロードします。例えばユーザー スタディ ディレクトリに結果を解凍して、1 つのスタディ ディレクトリを個々 の主題のフォルダーにそれぞれのすべての被験者からセグメンテーション結果をまとめます。 注: 結果が含まれます</li>
	</ol>
<ul style="margin-left: 40px;">
<li>example.img: 軸方向に元の T1 画像。</li>
		<li>example_MNI.img: MNI スペース ・ タライラッハ座標を次の T1 画像。</li>
		<li>example_7Labels.img と example_7Labels_MNI.img: ネイティブ 7 区画 (灰白質、白質、脳脊髄液、側脳室、頭蓋骨と背景) と粗いセグメンテーション MNI スペース、それぞれ。</li>
		<li>example_283Labels_M2.img と example_283Labels_M2_MNI.img: 283 区画 (アトラス版 V9B) ネイティブと MNI 空間における領域分割をそれぞれ罰金します。ラベルの正確な数は、アトラスのバージョンによって異なります。</li>
		<li>example_corrected_MNI_stats.txt と example_MNI_stats.txt: ネイティブと MNI 空間で区画のそれぞれの脳のボリュームの統計情報。</li>
		<li>multilevel_lookup_table.txt: 脳区画のマルチレベルのオントロジーの定義。</li>
	</ul></li>
	<li>人口の脳のボリュームを取得するバッチ処理を実行します。スプレッドシートに社内の Matlab (www.mathworks.com) バッチ スクリプトを個々 の結果フォルダーから脳容積を抽出し、すべてですべての科目のボリューム データを結合を処理粒度のレベルを使用します。グラフィック ユーザー インターフェイス (GUI) を使用して、入力と出力を指定します。
	<ol>
<li>オープン Matlab.exe、Main.fig、および GUI を実行 (図 2 a) が飛び出します。</li>
		<li>「MRICloud から T1 ボリューム抽出」でパネル (図 2 aの上部パネル)、指定スタディ ディレクトリを含む入力ここでダウンロードしたセグメンテーション結果 (1.2.5 参照) 保存されます。マルチレベルのルックアップ テーブルのファイル パスとファイル名。</li>
		<li>出力スプレッドシート ファイルのパスとファイル名データ ボリュームを書き込む場所を指定します。</li>
		<li>解析を実行する「ボリュームを抽出する」ボタンをクリックします。ユーザー定義のスプレッドシートで結果を確認できます。 注: また、R パッケージは、プロセス、MRICloud 出力し、さらに博士ブライアン Caffo31によって提供される統計分析を実行する開発です。パッケージは、https://github.com/bcaffo/MRIcloudT1volumetrics からダウンロードすることができます。</li>
	</ol></li>
</ol>2. 変更ポイント ボリューム データの分析
注: では、私たち以前の出版物21,24,23に、理論とチェンジ ポイント モデルの数学的な詳細をご覧ください。簡単に言えば、HD データの回帰モデルが確立されるポイントを定義する重要な変更-(キャップ スコア) の面で、開始キャップとボリュームの線形回帰なる統計患者の年齢の影響を補正しながら、重要な性別、および頭蓋内のボリューム。(図 2 a、下部のパネル)、GUI とともに、社内の Matlab スクリプトは、個別の構造物の変化点を計算し、統計分析を実行する開発されました。スクリプトがリクエスト ユーザーが利用できます。
<ol><li>
個々 の脳構造の変化点を計算します。
	<ol>
<li>図 2 aで「変更点分析」パネル ファイルのパスと 1.3 に従って生成されるマルチレベル ボリューム スプレッドシート名前を指定します。</li>
		<li>ファイル パスと変更点の結果に書き込まれる出力のテキスト ファイルの名前を指定します。</li>
		<li>変更点の分析が可能でレベルの粒度とドロップ ダウン ボックス (レベル 1-5)、オントロジーの定義の種類を選択します。</li>
		<li>変更点分析参照23、および結果として生じる変化点で説明したように「計算ポイントの変更」ボタン クリックは、出力テキスト ファイルに保存されます。</li>
	</ol>
</li>
	<li>
変化点の統計的評価。
	<ol>
<li>Matlab gui (図 2 a、下部のパネル) では、(後で FDR 補正、デフォルト 0.05) 順列 (デフォルト 10,000) の数、(10,000)、デフォルトのブートス トラップの数と p 値のしきい値を含む、統計テストのパラメーターを指定します。</li>
		<li>テストを実行する「統計テスト」ボタンをクリックします。この手順の後 (によって順列テスト)、p 値 false 発見率 (FDR) 補正と同様、標準偏差および変化点の (ブートス トラップ) で 95% 信頼区間の前後として記述される出力テキスト ファイルに余分な列.23,24の統計的なテスト手順の詳細を参照してください。</li>
	</ol>
</li>
	<li>(省略可能) 変更ポイント マップを生成します。(図 2 a、下部のパネル) の Matlab の gui の変更ポイント マップを生成する「マップ ポイントの変更」ボタンをクリックします。統計的に有意な変更ポイント値は、空間パターンを視覚化する MNI 空間の解剖学的画像にマップされます。このマッピングは、2.1 で指定された解剖学的レベルに応じて、異なる粒度のレベルで行うことができます。変更ポイント マップは、MRIcro (図 2 b) (http://www.cabi.gatech.edu/mricro/mricro/) を用いた T1 強調画像に重ねることができます。</li>
</ol>

<ol><li>Paulsen, J. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+and+Biomarker+Changes+in+Premanifest+Huntington+Disease+Show+Trial+Feasibility%3A+A+Decade+of+the+PREDICT-HD+Study%5BTitle%5D)+AND+%22Front+Aging+Neurosci%22%5BJournal%5D)">Clinical and Biomarker Changes in Premanifest Huntington Disease Show Trial Feasibility: A Decade of the PREDICT-HD Study.</a> Front Aging Neurosci. 6, 78(2014).</li>
<li>Jack, C. R. Jr, et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hypothetical+model+of+dynamic+biomarkers+of+the+Alzheimer%27s+pathological+cascade%5BTitle%5D)+AND+%22Lancet+Neurol%22%5BJournal%5D)">Hypothetical model of dynamic biomarkers of the Alzheimer's pathological cascade.</a> Lancet Neurol. 9 (1), 119-128 (2010).</li>
<li>Laakso, M. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hippocampal+volumes+in+Alzheimer%27s+disease%2C+Parkinson%27s+disease+with+and+without+dementia%2C+and+in+vascular+dementia%3A+An+MRI+study%5BTitle%5D)+AND+%22Neurology%22%5BJournal%5D)">Hippocampal volumes in Alzheimer's disease, Parkinson's disease with and without dementia, and in vascular dementia: An MRI study.</a> Neurology. 46 (3), 678-681 (1996).</li>
<li>Miller, M. I., Faria, A. V., Oishi, K., Mori, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High-throughput+neuro-imaging+informatics%5BTitle%5D)+AND+%22Front+Neuroinform%22%5BJournal%5D)">High-throughput neuro-imaging informatics.</a> Front Neuroinform. 7, 31(2013).</li>
<li>Mori, S., Oishi, K., Faria, A. V., Miller, M. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Atlas-based+neuroinformatics+via+MRI%3A+harnessing+information+from+past+clinical+cases+and+quantitative+image+analysis+for+patient+care%5BTitle%5D)+AND+%22Annu+Rev+Biomed+Eng%22%5BJournal%5D)">Atlas-based neuroinformatics via MRI: harnessing information from past clinical cases and quantitative image analysis for patient care.</a> Annu Rev Biomed Eng. 15, 71-92 (2013).</li>
<li>Klein, A., Mensh, B., Ghosh, S., Tourville, J., Hirsch, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mindboggle%3A+automated+brain+labeling+with+multiple+atlases%5BTitle%5D)+AND+%22BMC+Med+Imaging%22%5BJournal%5D)">Mindboggle: automated brain labeling with multiple atlases.</a> BMC Med Imaging. 5, 7(2005).</li>
<li>Heckemann, R. A., Hajnal, J. V., Aljabar, P., Rueckert, D., Hammers, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+anatomical+brain+MRI+segmentation+combining+label+propagation+and+decision+fusion%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Automatic anatomical brain MRI segmentation combining label propagation and decision fusion.</a> Neuroimage. 33 (1), 115-126 (2006).</li>
<li>Artaechevarria, X., Munoz-Barrutia, A., Ortiz-de-Solorzano, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Combination+strategies+in+multi-atlas+image+segmentation%3A+application+to+brain+MR+data%5BTitle%5D)+AND+%22IEEE+Trans+Med+Imaging%22%5BJournal%5D)">Combination strategies in multi-atlas image segmentation: application to brain MR data.</a> IEEE Trans Med Imaging. 28 (8), 1266-1277 (2009).</li>
<li>Lotjonen, J. M. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast+and+robust+multi-atlas+segmentation+of+brain+magnetic+resonance+images%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Fast and robust multi-atlas segmentation of brain magnetic resonance images.</a> Neuroimage. 49 (3), 2352-2365 (2010).</li>
<li>Rohlfing, T., Brandt, R., Menzel, R., Maurer, C. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+atlas+selection+strategies+for+atlas-based+image+segmentation+with+application+to+confocol+microscopy+images+of+bee+brains%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Evaluation of atlas selection strategies for atlas-based image segmentation with application to confocol microscopy images of bee brains.</a> Neuroimage. 21 (4), 1428-1442 (2004).</li>
<li>Fischl, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Whole+brain+segmentation%3A+Automated+labeling+of+neuroanatomical+structures+in+the+human+brain%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Whole brain segmentation: Automated labeling of neuroanatomical structures in the human brain.</a> Neuron. 33 (3), 341-355 (2002).</li>
<li>Collins, D. L., Holmes, C. J., Peters, T. M., Evans, A. C. <a target="_blank" href="http://onlinelibrary.wiley.com/doi/10.1002/hbm.460030304/abstract">Automatic 3-D model-based neuroanatomical segmentation.</a> Human Brain Mapping. 3 (3), 190-208 (1995).</li>
<li>Dawant, B. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+3-D+segmentation+of+internal+structures+of+the+head+in+MR+images+using+a+combination+of+similarity+and+free-form+transformations%3A+Part+I%2C+methodology+and+validation+on+normal+subjects%5BTitle%5D)+AND+%22Ieee+Transactions+on+Medical+Imaging%22%5BJournal%5D)">Automatic 3-D segmentation of internal structures of the head in MR images using a combination of similarity and free-form transformations: Part I, methodology and validation on normal subjects.</a> Ieee Transactions on Medical Imaging. 18 (10), 909-916 (1999).</li>
<li>Wu, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+generative+probability+model+of+joint+label+fusion+for+multi-atlas+based+brain+segmentation%5BTitle%5D)+AND+%22Med+Image+Anal%22%5BJournal%5D)">A generative probability model of joint label fusion for multi-atlas based brain segmentation.</a> Med Image Anal. 18 (6), 881-890 (2014).</li>
<li>Miller, M. I., Trouve, A., Younes, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Diffeomorphometry+and+geodesic+positioning+systems+for+human+anatomy%5BTitle%5D)+AND+%22Technology%22%5BJournal%5D)">Diffeomorphometry and geodesic positioning systems for human anatomy.</a> Technology. 2, (2013).</li>
<li>Tang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Bayesian+Parameter+Estimation+and+Segmentation+in+the+Multi-Atlas+Random+Orbit+Model%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Bayesian Parameter Estimation and Segmentation in the Multi-Atlas Random Orbit Model.</a> PLoS One. 8 (6), e65591(2013).</li>
<li>Wang, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multi-Atlas+Segmentation+with+Joint+Label+Fusion%5BTitle%5D)+AND+%22IEEE+Trans+Pattern+Anal+Mach+Intell%22%5BJournal%5D)">Multi-Atlas Segmentation with Joint Label Fusion.</a> IEEE Trans Pattern Anal Mach Intell. 35 (3), 611-623 (2013).</li>
<li>Wu, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Resource+atlases+for+multi-atlas+brain+segmentations+with+multiple+ontology+levels+based+on+T1-weighted+MRI%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Resource atlases for multi-atlas brain segmentations with multiple ontology levels based on T1-weighted MRI.</a> Neuroimage. 125, 120-130 (2015).</li>
<li>Mori, S., et al. <a target="_blank" href="http://ieeexplore.ieee.org/document/7548994/">MRICloud: Delivering High-Throughput MRI Neuroinformatics as Cloud-Based Software as a Service.</a> Computing in Science & Engineering. 18 (5), 21-35 (2016).</li>
<li>Wu, D., Ceritoglu, C., Miller, M. I., Mori, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Direct+estimation+of+patient+attributes+from+anatomical+MRI+based+on+multi-atlas+voting%5BTitle%5D)+AND+%22Neuroimage-Clinical%22%5BJournal%5D)">Direct estimation of patient attributes from anatomical MRI based on multi-atlas voting.</a> Neuroimage-Clinical. 12, 570-581 (2016).</li>
<li>Miller, M. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Network+Neurodegeneration+in+Alzheimer%27s+Disease+via+MRI+Based+Shape+Diffeomorphometry+and+High-Field+Atlasing%5BTitle%5D)+AND+%22Front+Bioeng+Biotechnol%22%5BJournal%5D)">Network Neurodegeneration in Alzheimer's Disease via MRI Based Shape Diffeomorphometry and High-Field Atlasing.</a> Front Bioeng Biotechnol. 3, 54(2015).</li>
<li>Faria, A. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Content-based+image+retrieval+for+brain+MRI%3A+an+image-searching+engine+and+population-based+analysis+to+utilize+past+clinical+data+for+future+diagnosis%5BTitle%5D)+AND+%22Neuroimage+Clin%22%5BJournal%5D)">Content-based image retrieval for brain MRI: an image-searching engine and population-based analysis to utilize past clinical data for future diagnosis.</a> Neuroimage Clin. 7, 367-376 (2015).</li>
<li>Wu, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mapping+the+order+and+pattern+of+brain+structural+MRI+changes+using+change-point+analysis+in+premanifest+Huntington%27s+disease%5BTitle%5D)+AND+%22Hum+Brain+Mapp%22%5BJournal%5D)">Mapping the order and pattern of brain structural MRI changes using change-point analysis in premanifest Huntington's disease.</a> Hum Brain Mapp. , (2017).</li>
<li>Younes, L., Albert, M., Miller, M. I., Team, B. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Inferring+changepoint+times+of+medial+temporal+lobe+morphometric+change+in+preclinical+Alzheimer%27s+disease%5BTitle%5D)+AND+%22Neuroimage+Clin%22%5BJournal%5D)">Inferring changepoint times of medial temporal lobe morphometric change in preclinical Alzheimer's disease.</a> Neuroimage Clin. 5, 178-187 (2014).</li>
<li>Wu, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mapping+the+critical+gestational+age+at+birth+that+alters+brain+development+in+preterm-born+infants+using+multi-modal+MRI%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Mapping the critical gestational age at birth that alters brain development in preterm-born infants using multi-modal MRI.</a> NeuroImage. 149, 33-43 (2017).</li>
<li>Zhang, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Indexing+disease+progression+at+study+entry+with+individuals+at-risk+for+Huntington+disease%5BTitle%5D)+AND+%22Am+J+Med+Genet+B+Neuropsychiatr+Genet%22%5BJournal%5D)">Indexing disease progression at study entry with individuals at-risk for Huntington disease.</a> Am J Med Genet B Neuropsychiatr Genet. 156b (7), 751-763 (2011).</li>
<li>Vonsattel, J. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuropathological+classification+of+Huntington%27s+disease%5BTitle%5D)+AND+%22J+Neuropathol+Exp+Neurol%22%5BJournal%5D)">Neuropathological classification of Huntington's disease.</a> J Neuropathol Exp Neurol. 44 (6), 559-577 (1985).</li>
<li>Paulsen, J. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Detection+of+Huntington%27s+disease+decades+before+diagnosis%3A+the+Predict-HD+study%5BTitle%5D)+AND+%22J+Neurol+Neurosurg+Psychiatry%22%5BJournal%5D)">Detection of Huntington's disease decades before diagnosis: the Predict-HD study.</a> J Neurol Neurosurg Psychiatry. 79 (8), 874-880 (2008).</li>
<li>Paulsen, J. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prediction+of+manifest+Huntington%27s+disease+with+clinical+and+imaging+measures%3A+a+prospective+observational+study%5BTitle%5D)+AND+%22Lancet+Neurol%22%5BJournal%5D)">Prediction of manifest Huntington's disease with clinical and imaging measures: a prospective observational study.</a> Lancet Neurol. 13 (12), 1193-1201 (2014).</li>
<li>Djamanakova, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tools+for+multiple+granularity+analysis+of+brain+MRI+data+for+individualized+image+analysis%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Tools for multiple granularity analysis of brain MRI data for individualized image analysis.</a> Neuroimage. 101, 168-176 (2014).</li>
<li>Caffo, B. A package for T1 volumetric analysis of MRIcloud output. R package version 0.0.1. , Available from:
 <a target="_blank" href="https://github.com/bcaffo/MRIcloudT1volumetrics">https://github.com/bcaffo/MRIcloudT1volumetrics</a> (2017).</li>
<li>Aljabar, P., Heckemann, R. A., Hammers, A., Hajnal, J. V., Rueckert, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multi-atlas+based+segmentation+of+brain+images%3A+atlas+selection+and+its+effect+on+accuracy%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Multi-atlas based segmentation of brain images: atlas selection and its effect on accuracy.</a> Neuroimage. 46 (3), 726-738 (2009).</li>
<li>Huntington Study Group. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Unified+Huntington%27s+Disease+Rating+Scale%3A+reliability+and+consistency%5BTitle%5D)+AND+%22Mov+Disord%22%5BJournal%5D)">Unified Huntington's Disease Rating Scale: reliability and consistency.</a> Mov Disord. 11 (2), 136-142 (1996).</li>
<li>Liang, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+Cross-Protocol+Stability+of+a+Fully+Automated+Brain+Multi-Atlas+Parcellation+Tool%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Evaluation of Cross-Protocol Stability of a Fully Automated Brain Multi-Atlas Parcellation Tool.</a> PLoS One. 10 (7), e0133533(2015).</li>
</ol>

著者が明らかに何もありません。

本稿で示されているように全体脳 mri 脳画像のセグメンテーション便利に実現できますオンライン ・ プラットフォーム MRICloud を使用します。T1 強調 MRI 体積マーカーは、堅牢で、神経変性疾患1,2,3の範囲に敏感に示しています。数理モデル化と特徴選択と分類の分析など、様々 な下流解析の臨床診断と予後を支援体積措置されます。脳容積の変化点解析では、病気の進行中に脳萎縮の定量的な特徴づけをことができます。この統計分析が発病指数、例えばほとんどの採用が従来のグループ分析ビジュアルエフェクトとの比較でキャップ スコアで脳萎縮の過程で変更点を定義するための非線形成分を使用して回帰モデルを採用しています既存の研究、チェンジ ポイント モデル脳萎縮の正確な開始点を求めるし、そのため、脳の退化のより具体的な情報を提供しています。すべて脳の自動セグメンテーション パイプラインと組み合わせることで、変化点の空間マップが得られます、HD で...

磁気共鳴画像 (MRI) は、脳の解剖学と神経変性疾患1,2,3の関数を調べることを大幅に強化します。T1 加重構造 MRI は最も広くの一つは、脳の解剖学と関連の病理学を評価する臨床現場におけるイメージング ツールを採用しました。高解像度の T1 強調画像の定量的解析は、脳の退化の間に解剖学的変化を測定する有用なマーカーを提供します。特に、ボクセル レベルからイメージ次元の減少に効果的にセグメンテーション定量化手法 (のために (106)) 解剖学的構造のレベルに ((102)) 高スループット ニューロインフォマティクス4,5. 患者の画像にアトラスから事前に定義された解剖学的ラベルをマップ アトラス ベースの方法6,7,8,9を使用して自動脳セグメンテーションを実現できます.アトラス ベースのメソッドの間でマルチ アトラス アルゴリズム10、11,12,13,14は、優れた精度と堅牢性を得られています。当社グループは、高度な特にイメージ登録アルゴリズム15、複数アトラス融合方法16,17、マルチ アトラスの豊富なライブラリとの完全に自動化された T1 マルチ アトラス セグメンテーション パイプラインを開発しました18. パイプライン クラウド コンピューティングのプラットフォーム、MRICloud192015 年から配布されている、それはアルツハイマー病 (AD)20,21, プライマリなどの神経変性疾患の研究に使用されています性進行性失語22、および23ハンチントン病。
高解像度の画像は、脳の構造に分割されます、一度、ボリュームなどの地域的特徴は神経解剖学的変化を特徴付けるための数理モデルを確立する使用できます。変更点の分析法最近で統計的に有意な脳の形態変化の発生、縦方向および横断の MRI データに基づく、時間順序を分析するために私たちのグループによって設立されました。この統計モデル最初の AD 患者21,24の年齢にわたる形状に基づく diffeomorphometry を定量化する開発されましたハンティントンの病気 (HD) も新生児脳25の脳発達的変化を記述する脳構造の変化を調査するため適応されました後。HD 患者における変更点はHTT 26で CAG 拡張の露出の程度の指標として CAG 年齢製品 (CAP) スコアに関しての定義されました。線条体の萎縮が淡蒼球27続いて HD で最古のマーカーの 1 つであることが知られています。まだ、不明のまま脳全体他の灰色および白い問題の構造に関連して線条体の変化。このような関係は、病気の進行を理解することが重要です。すべての脳構造の体積変化の変更点解析は多分 HD の premanifest 段階で脳萎縮の体系的な情報を提供します。
ここで我々 は premanifest HD 科目のボリューム データの変更点解析を実行する MRICloud (www.mricloud.org)、および手順を使用してすべての脳のセグメント化を行う手順を示します。大規模な人口多施設から収集された MRI データ予測 HD 研究28,29約 400 のコントロールと premanifest HD 科目。アトラスに基づくセグメンテーションと変更点分析の組み合わせは、脳で脳構造変化と疾患の進行パターンの時空間的順序に関する一意の情報をもたらします。テクニックは、脳の退化をマップするバイオ マーカーにより様々 な神経変性疾患の範囲に該当する可能性があります。

<table><tbody><tr><td>MATLAB</td><td>Mathworks</td><td>N/A</td><td>、バージョン2015b以降</td></tr><tr><td>、Dell Workstation</td>、<td>Dell</td><td></td><td>Dell Precision T5500(Intel Xeon、CPU)</td></tr></tbody></table>

全体脳セグメンテーションと解剖学的脳 mri の変化点分析-premanifest ハンチントン病のアプリケーション

Whole-brain Segmentation and Change-point Analysis of Anatomical Brain MRI&#8212;Application in Premanifest Huntington's Disease

MRI における最近の進歩は、様々 な神経変性疾患を識別するために有用なマーカーを提供しています。ハンチントン病 (HD)、脳萎縮が始まる (「premanifest」期間中)、モーターの発症する前に多くの年が地域の萎縮、脳全体の時空間パターン完全に特徴づけられていますいません。ここでクラウドコンピューティング オンライン プラットフォームと、"MRICloud"、複数の粒度レベルで T1 強調画像のアトラスに基づく全体脳領域分割を提供し、脳の解剖学の地域の機能にアクセスすることにより、可能を示します。[回帰モデル地域の脳の萎縮が顕著な起動時の統計的に有意な変曲点を検出するすなわち「変化点」病進行インデックスに関してについて述べる。CAG 年齢製品 (CAP) スコアを使って HD 患者の病気の進行をインデックスです。セグメンテーション パイプラインから体積測定の変更点解析は、したがって、脳全体順序および構造の萎縮のパターンの重要な情報を提供します。紙は、大規模な多施設共同予測 HD 研究から premanifest の HD 科目の T1 強調 MRI データをこれらのテクニックの使用方法を示します。このデザインは、潜在的、幅広い脳の解剖学の動的変化を調査する神経変性疾患の範囲で。

1.1-1.3 で説明する手順を使用して全脳領域分割マップは、MRICloud から入手できます。アトラス (V9B) の現在のバージョンで 283 区画に細かい粒度 (レベル 5)、例えば、粒度の異なるレベルに分類することができます分割されます。、半球小葉や特定のオントロジーの定義によると、小包から。図 3は、軸と冠状ビューで 5 レベルで複数レベルの区切りの 2 つのタイプを示します。たとえば、最も粗いレベルで入力-私分割タイプ II が行えたと臨床的に使用される定義中の終脳、間脳、中脳、小脳、および髄脳 (図 3 a)、古典的な脳領域を定義します半球、小脳および脳幹 (図 3 b) の規則。ここでは、タイプ II の定義は、次の分析と HD 病理学がない知られている左右左と右半球からボリュームを平均我々。
<p class="jove_content" fo:ke...

本稿では、「変更点」を識別する premanifest ハンチントン病で脳の萎縮が始まるとき、体積の MRI データ分析のための統計モデルについて説明します。T1 強調画像のアトラスに基づくセグメンテーション パイプラインを使用して得られた脳ボリュームに基づいて変更点の全体脳機能マッピングを実現します。

全体脳セグメンテーションと解剖学的脳 MRI の変化点分析-Premanifest ハンチントン病のアプリケーション

Recent advances in MRI offer a variety of useful markers to identify neurodegenerative diseases. In Huntington&#39;s disease (HD), regional brain atrophy ...

この画像解析パイプラインの全体的な目標は、T1 強調 MR 画像の定量的体積解析を実行し、神経変性疾患で脳の萎縮が始まるときに重要な変化点を特定することです。この方法は、神経変性疾患の経過中の脳の解剖学的変化の定量的分析における重要な質問に答えるのに役立ちます。たとえば、ハンチントン病における脳萎縮の順序とパターン。この手法の主な利点は、Atlasベースのセグメンテーションと変化点分析の組み合わせにより、大規模な研究集団から脳の変性に関する独自の空間時間情報が得られることです。脳MRIの体積解析は、リモート計算とWebベースのユーザーインターフェースを通じて完全に自動化された画像のセグメンテーションと定量化を提供するMRICloudによって達成されました。脳MRIの変化点解析により、脳全体の疾患の進行を体系的に把握することができます。この技術の応用は、さまざまな神経変性疾患にまで及びます。この手順を開始するには、3 次元 T1 ウェイト イメージをベンダー固有の DICOM 形式から分析形式に変換します。ダブルクリックしてDcm2Analyze.exeを開きます。ポップアップウィンドウが開きます。入力DICOMデータディレクトリのパスを入力として指定し、解析された画像ファイルのパスと名前を出力として指定します。次に、[移動]をクリックして変換を完了します。MRICloudを使用したMultiAtlasベースのT1画像セグメンテーションの場合は、BrainGPSにログインし、メインメニューからセグメンテーションツールを選択します。セグメンテーションには、単一の T1 画像セグメンテーション用の T1-MultiAtlas とバッチ処理用の T1-MultiAtlas Batch の 2 つのオプションがあります。T1-MultiAtlas Batch API で複数の解析済み画像ファイルを ZIP ファイルに圧縮してジョブを送信し、[zip] をクリックして ZIP ファイルをアップロードします。次に、必須フィールドに入力します。処理サーバーには、Computational Anatomy Science Gatewayを選択します。スライスタイプとして、Sagittal、Axial、または Sagittal から Axial への変換から選択します。MultiAtlas ライブラリの場合は、セグメンテーションの精度を最適化するために、ユーザーデータに最も近い年齢範囲の Atlas ライブラリを選択します。ジョブステータスは、マイジョブステータスで確認してください。ジョブが完了すると、結果のダウンロード ボタンが表示され、ユーザーはセグメンテーション結果を ZIP ファイルとしてダウンロードできます。結果は個別のフォルダに保存されます。結果を視覚化するには、[結果の表示] ボタンをクリックします。Webページが視覚化インターフェイスに変わります。セグメンテーションマップの軸面、矢状面、冠状面のビューは、T1 重み付け解剖学的画像に重なって表示されます。セグメント化された脳構造の 3D レンダリングは、左上のウィンドウに表示されます。オーバーレイ セグメンテーション マップの色は、構造ボリュームの Z スコアを示します。オーバーレイのオン/オフ、オーバーレイの不透明度、ズームインとズームアウト、スライス位置などの視覚化オプションを右上のパネルから調整します。バッチ処理を実行して集団内の脳の体積を取得するには、社内の MATLAB プログラムを使用して個々の脳の体積を抽出し、それらをスプレッドシートで結合します。MATLAB で main を実行します。mで、GUIが飛び出します。[T1 volume extraction from MRICloud] パネルで、ダウンロードしたセグメンテーション結果が保存されるスタディ ディレクトリ、マルチレベル ルックアップ テーブル ファイルのパスとファイル名などの入力を指定します。ボリューム・データの書き込み先となるスプレッドシート・ファイルの出力ディレクトリを指定します。[ボリュームの抽出]ボタンをクリックして、解析を実行します。正常に完了すると、メッセージが表示されます。結果はスプレッドシートで確認でき、行には個々の被験者データが含まれ、列には複数の解剖学的粒度で定義されたこれらの個人の構造体積が含まれます。個々の脳構造の変化点を計算するには、同じ MATLAB GUI を使用します。変更点分析パネルで、マルチレベル・ボリューム・データと関連する診断情報を含むスプレッドシートを指定します。次に、変更点の結果が書き込まれる出力テキストファイルのディレクトリを指定します。その後、ドロップダウンボックスで、変化点分析が実行されるオントロジー定義の粒度とタイプを選択します。また、変化点解析で使用するメインリプレッサー(ハンチントン病のCAPスコアなど)を選択します。[変更点の計算]ボタンをクリックして解析を実行すると、結果の変化点がユーザー定義の出力Excelファイルに保存されます。MATLAB GUI で変化点の統計的評価を実行するには、順列の数やブートストラップの数など、統計的検定のパラメーターを指定します。「統計テスト」ボタンをクリックして、テストを実行します。このステップの後、順列検定からのp値、およびブートストラップ操作からの平均と標準偏差が、追加の列として出力テキストファイルに書き込まれます。必要に応じて、変化点を脳と 3-D 空間にマッピングするには、[変化点のマッピング] をクリックします。この手順の後、T1 重み付け画像に重ねて変化点マップが生成され、視覚化されます。ここに示されているのは、Atlasベースの全脳セグメンテーションの代表的な結果を複数の粒度レベルで示しています。マルチレベルセグメンテーションマップの軸方向ビューとコロナビューは、T1重み付け解剖学的画像に重ねて表示されます。半球、大脳核、大脳核の大脳基底核、大脳基底核の線条体と淡蒼球、線条体の被殻と尾状の間の階層的な解剖学的関係を3次元で示しています。ここで、散布図はこれらの構造の変化点分析を示しており、青い点は年齢、性別、頭蓋間容積を補正した後の体積データのzスコアを示しています。黒の曲線は適合したZスコアで、変化点に依存するCAPスコアへの回帰があり、赤の線は変化点の位置を示しています。これは、複数の粒度レベルでの全脳の変化点マップです。有意な変化点を示す領域をT1重み付け画像にマッピングし、色はCAPスコアを単位とした変化点値を示します。この手順を習得すると、クラウドリソースの可用性にもよりますが、画像セグメンテーション部分で数時間で完了できます。また、変化点分析にはさらに数時間かかりますが、これはユーザー定義の解剖学的粒度のレベルによって異なります。この手順を試行する際は、変化点解析に進む前に、必ず元の画像の品質と画像のセグメンテーションの精度を確認することが重要です。この技術は、その開発後、医用画像解析の分野の研究者が、神経変性疾患の大規模なMRI研究において、全脳の解剖学的変化とその空間的時間パターンを探求する道を開きました。このビデオを視聴すれば、T1 ウェイト付きイメージの自動セグメンテーションを実行する方法と、MATLAB GUI を使用して測光データの変化点解析を実行する方法について十分に理解できるはずです。

whole-brain-segmentation-change-point-analysis-anatomical-brain

Research

JoVE Journal

Medicine

医学

現在の記事は、多変量解析の基本を説明し、一般的に使用されるボクセル単位の単変量解析に対照的です。分析の両方のタイプの臨床神経科学のデータセットに適用されます。補足折半のシミュレーションでは、独立したデータセットにおける多変量の結果のより良いレプリケーションを示しています。...

データを神経画像の多変量解析の基礎

主成分分析（PCA）を含む多変量技術は脳機能画像における地域変化のシグネチャパターンを識別するために使用されている。我々は、神経変性疾患の診断、疾患の進行の評価、および患者集団における治療効果を客観的に評価するための再現可能なネットワークバイオマーカーを同定するアルゴリズムを開発した。...

ニューロイメージングデータを用いた疾患関連空間共分散パターンの同定

拡散テンソル画像（DTI）は、基本的に識別するためのMRIベースのツールと​​して機能します...

神経変性疾患の分析における拡散テンソル磁気共鳴画像

病変エクスプローラ（LE）は、アルツハイマー病および正常高齢者の構造的MRIから局所脳組織及び皮質下高信号病変volumetricsを得るために開発された半自動、画像処理パイプラインである。精度と信頼性の高いレベルを確保するには、次のLEの手作業用ビデオガイド下、標準化されたプロトコルである。...

病変エクスプローラ：アルツハイマー病における正確で信頼性のMRI誘導Volumetrics用ビデオガイド下、標準化されたプロトコルおよび標準高齢者

この原稿の目標は、MRIを使用して海馬と海馬のサブフィールドを研究することです。この原稿では、海馬と5つの海馬下部構造(cornu ammonis(CA)1、CA2 / CA3、CA4 /dentate gyrus、strata...

高解像度インビボ 3T磁気共鳴画像を用いたヒト海馬サブフィールドのためのマニュアルセグメンテーションプロトコル

MRIスキャン(ヒト)、3Dイメージングソフトウェア、免疫組織学的分析を使用して、脳の側脳室の変化を記録します。次に、側脳室の体積変化の縦方向3Dマッピングと、加齢や病気によって人間の脳に発生する脳室周囲細胞の変化の特性評価をマウスでモデル化します。...

ヒトとマウスにおける脳室周囲の組織の側脳室および組織学的特性の3次元モデリング

本稿では、シードサーフェスを選択領域と脳の他の地域におけるボクセル間の機能的結合のタスク依存的変化を明らかにする生理心理学的相互作用解析を実装する方法について説明します。精神生理学的相互作用解析は、頭脳の結合性、伝統的な単変量活性化効果とは異なるタスクに及ぼす影響を調べる一般的な方法です。...

アルツハイマー病の遺伝的危険で個人の接続関連のメモリの一般化された精神生理学的相互作用 (PPI) 解析

休息状態機能的磁気共鳴イメージング ・ グレンジャー因果関係分析に基づき、後部帯状回皮質とアルツハイマー病 (AD) の患者は、軽度認知障害 (MCI)...

アルツハイマー病と軽度認知障害の監督機能接続のグレンジャー因果関係分析の応用

このプロトコルでは、灰白質の量の定量化のため使用することができます灰白質領域を線引きしたりする構造の T1 強調 MRI スキャンに 7 つの異なる自動セグメンテーション...

MRI の T1 強調画像からの皮質の灰白質の自動セグメンテーション

ここでは、病変症状マッピングを目的としたオープンアクセスの標準化された画像処理パイプラインの実用的なチュートリアルを提供します。CT/MRIの手動梗塞セグメンテーションから、その後の登録から標準スペースまで、各処理ステップのステップバイステップのチュートリアルが提供され、例示的なケースを含む実用的な推奨事項とイラストが提供されます。...

病変症状マッピングに対するMRIまたはCTに関する脳梗塞セグメンテーションと登録

脳における脈絡叢の重要な役割にもかかわらず、この構造の神経画像研究は、信頼性の高い自動セグメンテーションツールがないため、ほとんどありません。現在のプロトコルは、脈絡叢のゴールドスタンダードの手動セグメンテーションを確実にすることを目的としています 将来の神経画像研究に情報を提供できる。...

脳MRIを用いたヒト脈絡叢の手動セグメンテーション

学ぶ、T1強調MRIの定量的体積解析とアトラスベースの脳セグメンテーションを用いた変化点分析により、ハンチントン病における脳萎縮の進行パターンを明らかにする方法。この手法は大規模集団研究における神経変性疾患の時空間的ダイナミクス理解に貢献する。

全体脳セグメンテーションと解剖学的脳 MRI の変化点分析-Premanifest ハンチントン病のアプリケーション

さらに動画を探す