Name: 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 (動画) | JoVE Journal
Uploaded: 2019-01-07T14:00:00.000+00:00
Duration: 6 min 48 s
Description: 学ぶ T1強調MRIからの皮質灰白質自動セグメンテーション手法。SPMソフトウェアを用いて複数ツールの精度を比較し、視覚的品質管理で信頼性を確保する神経画像解析の基礎を習得できます。

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

CHDI/高 Q 財団トラック HD 研究; の責任ですべての人に感謝したいです。特に、ベス Borowsky、アラン ・ トービン、ダニエル ・ ヴァン ・ Kammen、イーサンの署名者、シェリー古参。著者はまたトラック HD 研究参加者とその家族に感謝の意を拡張したいです。この作業は、内診療/UCL、健康研究生物医学研究センターの資金調達スキームの保健省の国立研究所から資金調達の割合を受信で行われました。S.J.T. には、認知症と神経変性研究ネットワーク、デンドロンによる健康研究所のサポートが認めています。
トラック HD 捜査官: C. キャンベル、・ キャンベル、I. Labuschagne、c. Milchman、j. スタウト、モナシュ大学、メルボルン、VIC、オーストラリア;A. コールマン、R. ダール サントス、j. Decolongon、b. r. レビット、A. Sturrock、ブリティッシュ コロンビア大学、バンクーバー、BC、カナダ;A. Durr、C. Jauffret、D. フスト、s. Lehericy、C. マレリ、k. Nigaud、r. Valabrègue、ICM 研究所、パリ, フランス;(名) ベクテル、s. ボーレン、r. Reilmann、ミュンスター大学、ミュンスター、ドイツ;B. Landwehrmeyer、ウルム大学ウルム、ドイツ;S. j. A. · ヴァン · デン Bogaard、e. m. デュマ j. ヴァン der 変数、E. P. ' t、ライデン、オランダのライデン大学医療センター、R. A. ルース ハート(名) アラン、j. キャラハン、D. Craufurd、C. Stopford、マンチェスターの大学、マンチェスター, イギリス;D. M. 現金、IXICO、ロンドン、イギリス;・ クロウフォード、n. c. フォックス、s. グレゴリー、g. オーウェン、n. Z. ホッブズ、N. Lahiri、I. マローン、j. 読み取り、m. j. と言う、d. ホワイト ヘッド、大腸菌ワイルド、大学大学ロンドン, ロンドン, イギリス;C. 霜、r. ジョーンズ、ロンドン大学衛生熱帯医学、ロンドン, イギリス;E. Axelson、H. J. ジョンソン、D. Langbehn、アイオワの大学, アイオワ, アメリカ合衆国;s. Queller、c. キャンベル、インディアナ大学、米国で。

<ol><li>Katuwal, G. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Inter-Method+Discrepancies+in+Brain+Volume+Estimation+May+Drive+Inconsistent+Findings+in+Autism%5BTitle%5D)+AND+%22Frontiers+in+Neuroscience%22%5BJournal%5D)">Inter-Method Discrepancies in Brain Volume Estimation May Drive Inconsistent Findings in Autism.</a> Frontiers in Neuroscience. 10, 439(2016).</li>
<li>Johnson, E. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recommendations+for+the+Use+of+Automated+Gray+Matter+Segmentation+Tools%3A+Evidence+from+Huntington%27s+disease%5BTitle%5D)+AND+%22Frontiers+in+Neurology%22%5BJournal%5D)">Recommendations for the Use of Automated Gray Matter Segmentation Tools: Evidence from Huntington's disease.</a> Frontiers in Neurology. 8, 519(2017).</li>
<li>Schwarz, C. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+large-scale+comparison+of+cortical+thickness+and+volume+methods+for+measuring+Alzheimer%27s+disease+severity%5BTitle%5D)+AND+%22NeuroImage%3A+Clinical%22%5BJournal%5D)">A large-scale comparison of cortical thickness and volume methods for measuring Alzheimer's disease severity.</a> NeuroImage: Clinical. 11, 802-812 (2016).</li>
<li>Clarkson, M. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+of+voxel+and+surface+based+cortical+thickness+estimation+methods%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">A comparison of voxel and surface based cortical thickness estimation methods.</a> NeuroImage. 57 (3), 856-865 (2011).</li>
<li>Eggert, L. D., Sommer, J., Jansen, A., Kircher, T., Konrad, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Accuracy+and+reliability+of+automated+gray+matter+segmentation+pathways+on+real+and+simulated+structural+magnetic+resonance+images+of+the+human+brain%5BTitle%5D)+AND+%22Public+Library+of+Science+One%22%5BJournal%5D)">Accuracy and reliability of automated gray matter segmentation pathways on real and simulated structural magnetic resonance images of the human brain.</a> Public Library of Science One. 7 (9), 45081(2012).</li>
<li>Fellhauer, I., et al. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/26211622">Comparison of automated brain segmentation using a brain phantom and patients with early Alzheimer's dementia or mild cognitive impairment.</a> Psychiatry Research. 233 (3), 299-305 (2015).</li>
<li>Gronenschild, E. H. B. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+effects+of+FreeSurfer+version%2C+workstation+type%2C+and+Macintosh+operating+system+version+on+anatomical+volume+and+cortical+thickness+measurements%5BTitle%5D)+AND+%22Public+Library+of+Science+One%22%5BJournal%5D)">The effects of FreeSurfer version, workstation type, and Macintosh operating system version on anatomical volume and cortical thickness measurements.</a> Public Library of Science One. 7 (6), 38234(2012).</li>
<li>Iscan, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Test-retest+reliability+of+freesurfer+measurements+within+and+between+sites%3A+Effects+of+visual+approval+process%5BTitle%5D)+AND+%22Human+Brain+Mapping%22%5BJournal%5D)">Test-retest reliability of freesurfer measurements within and between sites: Effects of visual approval process.</a> Human Brain Mapping. 36 (9), 3472-3485 (2015).</li>
<li>Kazemi, K., Noorizadeh, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+Comparison+of+SPM%2C+FSL%2C+and+Brainsuite+for+Brain+MR+Image+Segmentation%5BTitle%5D)+AND+%22Journal+of+Biomedical+Physics+%26+Engineering%22%5BJournal%5D)">Quantitative Comparison of SPM, FSL, and Brainsuite for Brain MR Image Segmentation.</a> Journal of Biomedical Physics & Engineering. 4 (1), 13-26 (2014).</li>
<li>Klauschen, F., Goldman, A., Barra, V., Meyer-Lindenberg, A., Lundervold, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+automated+brain+MR+image+segmentation+and+volumetry+methods%5BTitle%5D)+AND+%22Human+Brain+Mapping%22%5BJournal%5D)">Evaluation of automated brain MR image segmentation and volumetry methods.</a> Human Brain Mapping. 30 (4), 1310-1327 (2009).</li>
<li>McCarthy, C. S., Ramprashad, A., Thompson, C., Botti, J. A., Coman, I. L., Kates, W. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+of+FreeSurfer-generated+data+with+and+without+manual+intervention%5BTitle%5D)+AND+%22Frontiers+in+Neuroscience%22%5BJournal%5D)">A comparison of FreeSurfer-generated data with and without manual intervention.</a> Frontiers in Neuroscience. 9, (2015).</li>
<li>Tohka, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Partial+volume+effect+modeling+for+segmentation+and+tissue+classification+of+brain+magnetic+resonance+images%3A+A+review%5BTitle%5D)+AND+%22World+Journal+of+Radiology%22%5BJournal%5D)">Partial volume effect modeling for segmentation and tissue classification of brain magnetic resonance images: A review.</a> World Journal of Radiology. 6 (11), 855-864 (2014).</li>
<li>Sled, J. G., Zijdenbos, A. P., Evans, A. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+nonparametric+method+for+automatic+correction+of+intensity+nonuniformity+in+MRI+data%5BTitle%5D)+AND+%22IEEE+Transactions+on+Medical+Imaging%22%5BJournal%5D)">A nonparametric method for automatic correction of intensity nonuniformity in MRI data.</a> IEEE Transactions on Medical Imaging. 17, 87-97 (1998).</li>
<li>Ashburner, J., Friston, K. J. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/15955494">Unified segmentation.</a> NeuroImage. 26 (3), 839-851 (2005).</li>
<li>Jenkinson, M., Beckmann, C., Behrens, T. E., Woolrich, M. W., Smith, S. M. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/21979382">FSL.</a> NeuroImage. 62, 782-790 (2012).</li>
<li>Dale, A. M., Fischl, B., Sereno, M. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+surface-based+analysis.+I.+Segmentation+and+surface+reconstruction%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Cortical surface-based analysis. I. Segmentation and surface reconstruction.</a> NeuroImage. 9, 179-194 (1999).</li>
<li>Fischl, B., Sereno, M. I., Dale, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+surface-based+analysis.+II%3A+Inflation%2C+flattening%2C+and+a+surface-based+coordinate+system%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system.</a> NeuroImage. 9, 195-207 (1999).</li>
<li>Avants, B. B., Tustison, N. J., Wu, J., Cook, P. A., Gee, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+open+source+multivariate+framework+for+n-tissue+segmentation+with+evaluation+on+public+data%5BTitle%5D)+AND+%22Neuroinformatics%22%5BJournal%5D)">An open source multivariate framework for n-tissue segmentation with evaluation on public data.</a> Neuroinformatics. 9 (4), 381-400 (2011).</li>
<li>Ledig, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Robust+whole-brain+segmentation%3A+application+to+traumatic+brain+injury%5BTitle%5D)+AND+%22Medical+Image+Analysis%22%5BJournal%5D)">Robust whole-brain segmentation: application to traumatic brain injury.</a> Medical Image Analysis. 21 (1), 40-58 (2015).</li>
</ol>

著者が明らかに何もありません。

最近では、研究では、異なる容量法の使用がニューロ イメージング研究1,2のための重要な含意があるを実証してきました。異なるニューロ イメージング ツールを適用する方法だけでなく、これらのツールによって出力結果で QC を実行する方法のガイド初心者ユーザーを支援するプロトコルを公開、研究者のデータセットに適用する最善の方法を選択可能性があります。
この SOP で行う手順のほとんどは、データおよび研究員の要件に合わせて調整できる中ここに示す最も重要なプロセスの 1 つは詳細なビジュアル品質管理を記述する手順です。Visual の QC は、これらのツールですべての区切り出力で実行され、CGM の正確な測定に欠かせません。QC 手順は高品質の区切りは、CGM 領域の何千もの審査を経て開発されていることを確認します。目視検査でさまざまなツールを比較すると、最も正確な方法を各データセットを見つけることができます。
各ツ...

ニューロ イメージングは、両方の臨床で広く使用されて、設定を研究します。磁気共鳴画像 (MRI) スキャンから脳の容積を定量化研究の再現性を改善するために現在の動きがあります。したがって、捜査官が標準化と方法1の最適化を改善するために mri を分割、地域のボリュームの使用可能な mri 検査ツールを使用しての経験を共有することが重要です。このプロトコルでは、T1 強調 MRI スキャンから皮質の灰白質 (CGM; 除く皮質灰白質) をセグメント化する 7 つの異なるツールを使用するためのステップ バイ ステップ ガイドを提供します。これらのツールは、セグメンテーションの方法2ハンチントン病コホートのツール間の変数のパフォーマンスを実証の方法論的比較で以前使用されました。以来、これらのツールのパフォーマンスが異なるデータセット間で異なると考えられ、研究者のツールの数をデータセットに適用する 1 つだけを選択する前にテストすることが重要です。
灰白質 (GM) ボリュームは脳形態の測定として定期的に使用されます。体積測定は、一般的に信頼性が高く、健常者と臨床グループ3の間で区別することができます。脳領域の異なる組織型のボリュームは、よくこれらのティッシュのタイプを識別する自動化されたソフトウェア ツールを使用して計算されます。したがって、GM の高品質鮮明 (区切り) を作成する白質 (WM) と脳脊髄液 (CSF) の正確な描写は、GM 領域の精度を達成するために重要です。GM セグメンテーションを実行するために使用可能性があります、自動化されたツールの数がある、それぞれは別の処理手順を必要とし、異なる出力が得られます。多くの研究は、他の人にそれらを比較する異なるデータセットにツールを適用した、いくつかは特定のツール1,4,5,6,7,8 を最適化しています。 ,9,10,11。体積ツール間の可変性は文献内の不一致することが脳の容積を勉強するときは、これらの違いについて描かれている偽の結論の要因として示唆されている前の仕事を示しています。神経学的な条件1。
最近では、健常者の参加者とハンチントン病と参加者の両方含まれているコホート研究における異なるセグメンテーション ツールの比較を行った。ハンチントン病は、成人期の典型的な発症に遺伝的神経変性疾患です。皮質下の徐々 に萎縮と CGM は病気の顕著なよく研究神経病理学的機能です。結果は、コホート、mri からの脳の体積を計算するために使用するソフトウェアによって所見の変動を示した前の作業支援に適用された分割ツールは 7 種類の変数のパフォーマンスを実証しました。このプロトコルはジョンソンらで使用される処理に関する情報を提供します(2017)2神経イメージング研究で使用するための最も適切なツールを慎重に方法論的選択を奨励します。このマニュアルは、GM ボリュームの分割をカバーして、病変、多発性硬化症で見られるなどのセグメンテーションでは扱いません。

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

Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images

ニューロ イメージング研究に多くの最近の研究は脳のボリュームを生成する異なるセグメンテーション ツールの使用に起因すると考えられている容積の調査結果の研究の間の違いの影響について説明しました。ここでは、脳の灰白質をセグメントに使用できる 7 つの自動化ツールの処理パイプラインが掲載されています。プロトコルは、T1 強調 MRI スキャンから灰のボリュームを生成するための最も正確な方法を見つけることを目指して研究者の最初のステップを提供します。詳細なビジュアル品質管理を実施する手順は、原稿にも含まれます。このプロトコルは潜在的なセグメンテーション ツールの範囲をカバーし、におけるコホートに適用する 1 つを選択する前に、データのサブセットの内でこれらのツールのパフォーマンスを比較するユーザーを奨励します。さらに、プロトコルは他の頭脳領域のセグメンテーションをさらに一般化することがあります。

人口統計学的情報とともに、20 のコントロール参加者の平均脳容積は表 1に示します。これは、これらのツールを使用して予期される値のためのガイドとして機能します。結果は、元の T1.nii イメージのコンテキストで表示すべき。すべての GM の地域は、セクション 8 で説明されている手順に従って検査する必要があります。ビジュアル品質管理を実行すると、T1 上にオーバーレイ表示して T1 のスキャンと GM の領域を直接比較することが重要です。
図 1に示すように、領域は総エラーが拒否されます。これらのエラー原因処理が正しく実行された場合、または脳が悪い視野内で配置されている場合もあります。これらのエラーを修正するにネイティブの T1 のスキャンは堅く標準スペースに再整列することができ、セグメンテーションを再試行することができます。失敗率は、障害の分類と同様に、デ...

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 ツールを適用するプロセスについて説明します。

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

Within neuroimaging research, a number of recent studies have discussed the impact of between-study differences in volumetric findings that are thought to ...

この方法は、神経イメージングおよび神経学分野の主要な質問に答えることができます。例えば、非臨床集団と臨床集団に対する皮質容積のグループ差があるかどうかなどである。この手法の主な利点は、研究者がデータに最適なツールを使用できる点です。まず、MATLAB コマンド ウィンドウを開き、SPM をコマンド ラインに入力して、SPM ソフトウェアを開きます。次に、統一セグメンテーションを実行するには、PET VBM を選択して構造 MRI ツールボックスを開きます。バッチ エディタを開き、複数のスキャンで同時にセグメンテーションを実行します。[SPM]、[空間]、[セグメント]、[データ]、[ファイル]の順に選択し、[T1 加重スキャン] を [入力] として選択します。次に、[出力ファイル]をクリックし、[グレーマター]をクリックし、[ネイティブスペース]が選択されていることを確認し、これをホワイトマターに対して繰り返します。CSF セグメンテーションが必要ない場合は、この設定を [なし] のままにします。スキャンが既にバイアス補正されている場合は、このオプションを[修正済み保存しない]に変更します。次に、完全な分析を実行する前に、パーティションをクリーンアップし、3 つのオプションをすべてテストします。ここで、他の設定をデフォルトのままにして緑のフラグをクリックしてセグメンテーションを実行します。[MATLAB] ウィンドウには、セグメンテーションが終了すると[完了]と表示されます。最後に、結果として得られるグレイマターNIfTIファイルに対してビジュアル品質管理を実行します。SPM 8 で新規セグメントオプションを実行するには、まず PET VBM を選択してからバッチ・エディターを開きます。次に、SPM、ツール、新規セグメントを選択し、使用するNIfTIフォーマットのT1イメージファイルを選択します。ネイティブ組織タイプオプションを「ネイティブ空間」に設定し、不要な組織クラスをオフにします。また、ワープティッシュをオフにし、緑のフラグをクリックしてセグメンテーションを実行し、完了したらビジュアル品質管理を実行します。SPM 12 でセグメンテーションを実行するには、再度 PET VBM を押してバッチ エディタを開きます。次に、[SPM]、[空間セグメント]、および [データボリューム] を選択します。次に、ネイティブ空間組織タイプを選択し、不要な組織クラスをオフにします。[歪んだ組織]を[なし]に設定し、緑色のフラグをクリックします。セグメンテーションが完了したら、このプロトコルの次のセクションで説明するように、もう一度ビジュアル品質管理を実行してください。ビジュアル品質管理はFSLeyesを使用して行うことができます。ターミナルウィンドウを開いてから始め、ターミナルにFSLeyesと入力してFSLeyesを開きます。次に、[ファイル]、[ファイルから追加]を選択し、元の T1 とセグメント化された領域を選択して表示します。FSLeyes が開いたら、不透明度のトグルを使用して、基礎となる T1 イメージを視覚化できるようにします。また、上部のペインの [色] ドロップダウン タブを使用して、必要に応じてセグメンテーション オーバーレイの色を変更します。さて、脳内のすべてのスライスをスクロールし、検査されている領域の下または過大評価の領域をそれぞれチェックします。視覚品質管理はこの手順の重要なステップです。セグメント化された領域を元の T1 スキャンと比較することで、地域の品質が高く、結論が生物学的に正確であることを確認できます。フリービューを使用してFreeSurferデータのビジュアル品質管理を実行するには、ターミナルウィンドウを開き、処理されたFreeSurfer出力を含む件名フォルダにディレクトリを変更します。次に、画面上に表示されるコマンドを入力して、T1 上に重ね合った容積グレーの領域を表示します。繰り返しますが、脳内のすべてのスライスをスクロールし、検査対象の脳領域の下または過大評価の領域を確認します。ここでは、T1 スキャンに表示された失敗したセグメンテーションの例を示します。このセグメンテーションは、改善できない場合は再処理し、分析から除外する必要があります。この図は、T1 スキャンでの側頭葉の各種ツールのパフォーマンスの例を示しています。ここでは、良好な地域的な線引きの例が見られますが、左右側頭葉のこぼれを示す貧しい地域的な線引きの例がここに示されています。この図は、T1 スキャンの後頭葉に対する異なるツールのパフォーマンスの例を示しています。ここでは、良好な地域的な線引きの例を持つT1スキャンを見ますが、ここでは貧しい地域の線引きの例であり、内側の硬膜への流出を示しています。ここでは、灰色の物質領域が硬膜にこぼれ、青い領域によって強調された例が表示されます。この図は、軸方向の図で最もよく示されるセグメンテーションから皮質の領域を除外した灰色物質領域の例を示しています。この手順を試みる際は、データ内のさまざまなツールをテストし、プロセス スキャンでビジュアル品質管理を実行することを忘れないでください。開発後、この技術は、神経イメージング研究者が侵襲的なテストを必要とせずに、時間の経過とともに脳容積の変化を研究する道を開きました。

automated-segmentation-cortical-grey-matter-from-t1-weighted-mri

Research

JoVE Journal

Neuroscience

神経科学

この資料では、3Tのスキャナを用いたヒト脳および皮質下構造で1.2mmのサンプリングで高解像度の機能的磁気共鳴イメージングを実行するテクニックについて説明します。例として、与えられた人間の上丘（SC）における視覚刺激の地形図を解決するためにこれらの技術の使用。...

人間の中脳の高解像度機能的磁気共鳴画像法

自動化された正中線のずれの推定および頭蓋内圧（ICP）の外傷性脳損傷（TBI）患者のコンピューター断層撮影​​（CT）画像に基づく事前審査システムは、画像処理と機械学習の手法を用いて提案されている。...

脳のCT画像に基づく自動ミッドラインシフト、頭蓋内圧の推定

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

本研究は、内側側頭葉(MTL)構造を手動で追跡するための包括的なガイドラインを提供します。このプロトコルは、MTLの構造的および/または構造・機能複合型磁気共鳴画像(MRI)研究に適用可能であり、健康群および臨床群の両方で行われます。...

内側側頭葉構造の手動分割のための総合的なプロトコル

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...

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

オープンソフトウェアを用いた画像セグメンテーションをはじめ、自動モデリングパッケージを用いたグループ単位の形状解析など、脳構造の形状解析用の半自動プロトコルを紹介します。ここでは、脳MR画像からの海馬セグメンテーションを用いた3D形状解析プロトコルの各ステップを示す。...

脳構造の3次元形状モデリングと解析

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

小脳灰白質形態測定を調べるための標準化されたパイプラインが提示される。このパイプラインは、最適化された自動化された小脳パーセル化のための高解像度の最先端のアプローチと、体積定量のための小脳のボクセルベースの登録を組み合わせています。...

構造磁気共鳴イメージングを用いたヒト小脳灰白質形態測定検査のための標準化されたパイプライン

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

捨てられた人間の胎児皮質組織から神経幹細胞の単離および培養上シンプルで信頼性の高い方法が記載されている。既知のヒト神経疾患から派生した培養物は、病理学、細胞及び分子過程の特性だけでなく、薬理学的有効性を評価するためのプラットフォームを提供するために使用することができます。...

廃棄されたヒト胎児脳組織から神経幹細胞の生成

学ぶ T1強調MRIからの皮質灰白質自動セグメンテーション手法。SPMソフトウェアを用いて複数ツールの精度を比較し、視覚的品質管理で信頼性を確保する神経画像解析の基礎を習得できます。

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

さらに動画を探す