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

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

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。

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。