Name: 전체 두뇌 세분화 및 해 부 뇌 MRI의 변화 포인트 분석-Premanifest Huntington의 질병에 응용 (동영상) | JoVE Journal
Uploaded: 2018-06-09T13:00:00.000+00:00
Duration: 9 min 6 s
Description: 학습하세요 T1 가중 MRI의 정량적 용적 분석과 변화 포인트 분석을 통해 전체 두뇌 위축 패턴을 식별하는 방법을. Huntington 질병의 신경퇴행성 진행 과정을 체계적으로 연구할 수 있습니다.

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

우리는 예측 HD 조사를, 특히, 박사 한스 존슨과 아이오와의 대학에서에서 박사 제인 S. Pauslen MRI 데이터와 데이터 분석 및 결과에 대 한 건설적인 토론을 공유 그들의 관대 함에 감사 합니다.
이 작품은 NIH에서 지 원하는 보조금 R21 NS098018, P50 NS16375, NS40068, R01 NS086888, R01 NS084957, P41 EB015909, P41 EB015909, R01 EB000975, R01 EB008171, 및 U01 NS082085.

1. 아틀라스-기반 뇌 세분화
<ol><li>데이터 준비
	<ol>
<li>3 차원 (3D) T1 가중치 이미지 변환, Analyzed 형식 공급 업체 특정 DICOM (디지털 이미징 및 통신) 형식에서 MPRAGE (자화 준비 빠른 그라데이션-에코) 시퀀스, 일반적으로 취득 합니다. 구름 계산에서는 사용자의 데이터를 원격 클러스터 전송할 수 note. 건강 보험 이동성 및 책임 Act (HIPPA) 이미지 파일에서 환자의 개인 식별 정보를 제거 합니다. 참고: MRICloud 파일 포맷 변환 뿐만 아니라 개인 건강 정보의 드 식별 분석 DICOM 변환기 (https://braingps.mricloud.org/t1prep)를 제공합니다.<ol>
<li>Dcm2Analyze.exe 열을 두 번 누릅니다. (그림 1A) 팝업 창이 제공 됩니다.</li>
			<li>입력 및 출력으로 Analyzed 이미지 경로 파일 이름으로 입력된 DICOM 데이터 디렉터리 경로 지정 합니다.</li>
			<li>"이동" 변환 완료를 클릭 합니다. 참고: 변환 각 개별 환자에 대 한 수행 해야 하 고 일괄 처리 (1.2.2.1)에 대 한 한 연구 폴더에 모든 변환 된 이미지를 출력 하기 위해 도움이 될 것 이다.</li>
		</ol>
</li>
	</ol></li>
	<li>멀티 아틀라스 MRICloud19를 사용 하 여 T1 이미지 세분화를 기반으로 합니다.
	<ol>
<li>로그에서 "두뇌 GPS" (처음 사용자 등록) https://mricloud.org에서. 메인 메뉴 (그림 1B)에서 "분할" 도구를 선택 합니다. 응용 프로그램 프로그래밍 인터페이스 (API) 옵션 "세분화" 두 가지: "T1-MultiAtlas" 단일 T1 이미지 세분화 및 "T1 MultiAtlas 배치"에 대 한 일괄 처리에 대 한. 변경-포인트 분석 큰 인구 데이터를 요구 하 고, 일괄 처리는 종종 선택.</li>
		<li>"T1 MultiAtlas 배치" api 작업을 제출 합니다.<ol>
<li>Zip 파일에 여러 개의 Analyzed 이미지 파일을 압축. 클릭 "+.zip" zip 파일 업로드 그림 1B 에서. 참고: 현재 클라우드 포털 30 각 zip 폴더에 있는 이미지의 수를 제한합니다. 큰 데이터 집합 처리를 여러 개의 zip 폴더에 분리 수 있습니다. 특별 한 요청 zip 파일 당 더 많은 이미지에 맞게 만들 수 있습니다. 미래에, 우리가 수 있습니다 잠재적으로 제한 된 수 늘리거나 심지어 더 많은 원격 전산 자원을 사용할 수 있게 때 한계를 제거 합니다.</li>
			<li>그림 1B에서 필수 필드를 입력 합니다.<ol>
<li>처리 서버: "전산 해부학 과학 게이트웨이"를 선택 하십시오.</li>
				<li>분할 영역 유형: 선택 "화살", "축", 또는 "화살 축 변환"에서. 참고: "화살"은 이미지 앞쪽 후부에 머리 발 방향에서 평면 보기와 화살 방향으로 획득 합니다. "축" 왼쪽 오른쪽 및 앞쪽-후부 방향에 비행기에서 볼 수 있는 이미지 획득 축 방향을 가리킵니다. "화살 축 변환" 원래 축 방향에 인수 했지만 나중에 (그는 긴 목 부분으로 일반적으로 "축" 이미지) 화살 이미지 변환 이미지를 말합니다.</li>
				<li>멀티 아틀라스 라이브러리: 세분화 정확도 최적화 하기 위해 사용자 데이터에 가장 가까운 나이 범위와 아틀라스 라이브러리를 선택 하십시오. 다른 나이 범위, 예를 들어, "소아 4-8 년", "소아 8-12 년" 미리 멀티 아틀라스 데이터 집합18 제공 "성인 22-50", 및 "성인 50-90", 뿐만 아니라 다른 아틀라스 버전. Atlas 버전에 대 한 정보는 https://braingps.mricloud.org/atlasrepo에서 찾을 수 있습니다.</li>
			</ol>
</li>
		</ol>
</li>
		<li>"내 작업 상태"를 통해 작업 상태를 확인 (그림 1C). 작업이 완료 되 면 "다운로드 결과" 버튼.zip 파일로 세분화 결과 다운로드 하는 사용자 수 있도록 표시 됩니다.</li>
		<li>결과 시각화. 단일 주제에 대 한 볼륨 세분화 결과에서 얻은 온라인 구상 될 수 있다 (일괄 처리 결과 대 한 가능 하지).<ol>
<li>그림 1C에서 "결과 보기" 버튼을 클릭 합니다. 웹 페이지는 시각화 인터페이스 (그림 1D)에 돌 것 이다. 세분화 지도의 축, 화살, 및 코로나 보기 T1 가중치 해부학 이미지에 겹쳐 있다. 세그먼트 두뇌 구조의 3 차원 렌더링 위 왼쪽된 창에 표시 됩니다. 색상 오버레이 세분화의 지도 구조 볼륨의 z 점수를 나타냅니다.</li>
			<li>시각화 옵션을 ON/OFF, 불투명도 오버레이 오버레이 포함 하 여 조정, 확대 / 축소 하 고 그림 1D에 오른쪽 상단 패널에서 위치를 슬라이스.</li>
			<li>다른 세분성으로 최고의 세분화 소포를 그룹화 합니다. 우리의 지도에 5 단계의 두 종류 온톨로지 관계18,30세분성을 정의 했습니다. 트리 뷰 계층 다단계 해 부 정의의 하단 왼쪽된 패널 (그림 1D)에 표시 됩니다. 해당 온톨로지 수준에서 구조를 확장 수준 번호를 클릭 합니다. 세그먼트화 지도 동시에 해당 온톨로지 단계로 전환 됩니다. 참고: 이중 월별 MRICloud 워크샵은 존스 홉킨스 대학의과 대학에 위에서 설명한 온라인 작업의 실습 자습서를 제공 하는 도움. 워크샵 정보는 https://braingps.mricloud.org/workshops에서 찾을 수 있습니다.</li>
		</ol>
</li>
		<li>이후 분석에 대 한 세분화 결과 다운로드 합니다. 예를 들어 사용자 연구 디렉터리에 결과 압축, 그들의 개별 주제 폴더에서 각각 한 연구 디렉터리에 모든 과목에서 세분화 결과 함께 넣어. 참고: 결과 포함</li>
	</ol>
<ul style="margin-left: 40px;">
<li>example.img: 축 방향에 원래 T1 이미지.</li>
		<li>example_MNI.img: 다음 Talairach 좌표로 MNI 공간에서 T1 이미지.</li>
		<li>example_7Labels.img 및 example_7Labels_MNI.img: 네이티브에 7 소포 (회 백 질, 백 질, 중추 신 경계, 측면 뇌 실, 두개골, 및 배경)와 거친 세분화 및 MNI 공간, 각각.</li>
		<li>example_283Labels_M2.img 및 example_283Labels_M2_MNI.img: 네이티브 및 MNI 공간에서 283 소포 (atlas 버전 V9B)와 세분화를 각각 벌금. 라벨의 정확한 수는 아틀라스 버전에 따라 다릅니다.</li>
		<li>example_corrected_MNI_stats.txt 및 example_MNI_stats.txt: 통계 각 뇌의 볼륨의 네이티브 및 MNI 공간에 소포.</li>
		<li>multilevel_lookup_table.txt: 두뇌 소포의 다단계 온톨로지 정의.</li>
	</ul></li>
	<li>인구에서 두뇌 볼륨을 일괄 처리를 수행 합니다. 개별 결과 폴더에서 두뇌 볼륨을 추출 하 고 모두에서 모든 과목의 체적 데이터를 결합 하는 스크립트를 처리 하는 사내 Matlab (www.mathworks.com) 일괄 세분성 레벨 스프레드시트를 사용 합니다. 그래픽 사용자 인터페이스 (GUI)는 입력 및 출력을 지정 하는 데 사용 됩니다.
	<ol>
<li>오픈 Matlab.exe, Main.fig, 그리고 GUI를 실행 (그림 2A) 밖으로 나타납니다.</li>
		<li>"MRICloud에서"T1 볼륨 추출에서 패널 ( 그림 2A에서 상단 패널) 지정 연구 디렉터리를 포함 하 여 입력 어디에 다운로드 세분화 결과 (1.2.5 참조) 저장 됩니다. 그리고 다단계 조회 테이블 파일 경로 파일 이름.</li>
		<li>데이터 볼륨에 작성 출력 스프레드시트 파일 경로 파일 이름을 지정 합니다.</li>
		<li>분석을 실행 하려면 "볼륨 추출" 버튼을 클릭 합니다. 사용자 정의 된 스프레드시트에 결과 확인할 수 있습니다. 참고: 또한, R 패키지 프로세스는 MRICloud 출력 및 박사 브라이언 Caffo31에서 제공 하는 통계 분석을 더 수행 개발 된다. 패키지는 https://github.com/bcaffo/MRIcloudT1volumetrics에서 다운로드할 수 있습니다.</li>
	</ol></li>
</ol>2. 변화 포인트 데이터 분석의 체적
참고: 참조 하십시오 이론 및 변경 점 모델의 수학 내용을 우리의 이전 간행물21,,2423. 간단히, HD 데이터를 회귀 모델 설립은 중요 한 변화 포인트를 조건 (모자), 점수는, 시작을 정의 모자 및 볼륨 사이의 선형 회귀 통계 된다 환자의 나이의 효과 대 한 수정 하는 동안 중요 한 성별, 고 intracranial 볼륨입니다. 개별 구조에 대 한 변화 포인트를 계산 하 고 통계 분석을 수행 하는 GUI (그림 2A, 하단 패널), 함께 사내 Matlab 스크립트 개발 되었다. 스크립트는 요청 시 사용자에 게 사용할 수 있습니다.
<ol><li>
개인의 두뇌 구조에 대 한 변경-포인트를 계산 합니다.
	<ol>
<li>그림 2A에서 "변경-포인트 분석" 패널에서 1.3에 따라 생성 되는 다단계 볼륨 스프레드시트의 이름과 파일 경로 지정 합니다.</li>
		<li>파일 경로 변화 포인트 결과에 작성 되는 출력 텍스트 파일의 이름을 지정 합니다.</li>
		<li>변경-포인트 분석을 수행 것입니다 하는에서 세분성 수준 (수준 1-5), 드롭 다운 상자에서 온톨로지 정의의 종류를 선택 합니다.</li>
		<li>참조23, 그리고 결과 변경 포인트에 설명 된 대로 변경 포인트 분석을 수행을 "변화 포인트 계산" 버튼을 클릭 하면 출력 텍스트 파일에 저장 됩니다.</li>
	</ol>
</li>
	<li>
변경-포인트의 통계 평가입니다.
	<ol>
<li>Matlab GUI (그림 2A, 하단 패널)에서 (후에 루즈벨트 교정, 기본 0.05) 순열 (기본 10000)의 수, 부트스트랩 (기본 10000), 수 및 p-값이 임계값을 포함 하는 통계 테스트에 대 한 매개 변수를 지정 합니다.</li>
		<li>테스트를 실행 하려면 "통계 테스트" 버튼을 클릭 합니다. 이 단계 후에 p-값 (순열 테스트), 거짓 발견 비율 (FDR) 교정, 표준 편차 및 변경-포인트 (부트스트랩)에 의해 95% 신뢰 구간 전후 기록 됩니다 출력 텍스트 파일에 추가 열으로 . 23,24통계 시험 절차의 내용을 참조 하십시오.</li>
	</ol>
</li>
	<li>(선택 사항) 변경-포인트 지도 생성 합니다. Matlab GUI (그림 2A, 하단 패널)에서 변경-포인트 지도 생성 하기 위해 "지도 변경-포인트" 단추를 클릭 합니다. 통계적으로 유의 한 변화 포인트 값 공간 패턴을 시각화 하는 MNI 공간 해부학 이미지에 매핑됩니다. 이 매핑은 2.1에서 지정 해 부 수준에 따라 서로 다른 세분성 수준에서 할 수 있습니다. 변경-포인트 지도 T1 가중치 이미지 MRIcro (그림 2B) (http://www.cabi.gatech.edu/mricro/mricro/)를 사용 하 여 중첩 될 수 있습니다.</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>

저자는 공개 없다.

이 문서에 설명 된 대로 전체 두뇌 분할 뇌 MRI의 얻을 수 있습니다 편리 하 게 우리의 온라인 플랫폼 MRICloud를 사용 하 여. T1-가중치 기반 MRI 체적 마커 강력 하 고 다양 한 신경 퇴행 성 질환1,2,3에 민감한 것으로 나타났습니다. 체적 측정 수학적 모델링 및 기능 선택 및 분류 분석 등 다양 한 다운스트림 분석, 임상 진단 및 예 후를 돕기 위해 사용 됩니다. 뇌 볼륨의 변화 포인트 분석 질병의 진행 하는 동안 뇌 위축 증의 양적 특성을 수 있습니다. 이 통계 분석 질병 인덱스를, 예를 들면, 모자 점수 HD. 비교에서 가장에서 널리 채택 되는 기존의 그룹 분석을 통해 뇌 위축 과정 변화 포인트를 정의 하는 비선형 구성 요소를 사용 하 여 회귀 모델을 사용 하 여 기존 연구, 변화 포인트 모델 뇌 위축 증의 정확한 발병 포인...

자기 공명 영상 (MRI)은 실질적으로 우리의 능력을 뇌 해부학 및 신경 퇴행 성 질환1,2,3기능 검사를 강화 했다. T1-가중치 구조 MRI는 가장 널리 중 두뇌 해부학과 관련 된 병 리 평가 하 일상적인 임상 연습에서 이미징 도구 채택. T1-가중치 고해상도 이미지의 정량 분석 뇌 변성 동안 해부학 적 변화를 측정 하는 유용한 마커를 제공 합니다. 특히, 세분화를 기반으로 정량화 방법 효과적으로 감소 시킨다 이미지 차원 복 수준에서 (의 순서에 (106)) 해 부 구조 수준 ((102)) 높은 처리량 neuroinformatics4 , 5. 자동 뇌 세분화 아틀라스 기반 방법6,7,8,9 환자 이미지에 아틀라스에서 미리 정의 된 해 부 라벨을 매핑하는 사용 하 여 달성 될 수 있다 . Atlas 기반 방법 중에서 멀티 아틀라스 알고리즘10,11,12,,1314 는 우수한 세분화 정확성과 견고 함을 얻지 못했다. 우리의 그룹 고급 diffeomorphic 이미지 등록 알고리즘15, 멀티 아틀라스 퓨전 방법16,17및 풍부한 멀티 아틀라스 라이브러리와 완전 자동화 된 T1 멀티 아틀라스 세분화 파이프라인을 개발 했습니다. 18. 파이프라인 2015, 이후 MRICloud19, 클라우드 컴퓨팅 플랫폼에 배포 되었습니다 그리고 Alzheimer의 질병 (광고)20,21, 주 같은 신경 퇴행 성 질환 연구에 사용 된 진보적인 실어증22, 그리고23Huntington의 질병.
고해상도 이미지는 뇌 구조에 세그먼트는, 일단 신경 해부학 변화 특성을 수학적 모델을 확립 하 볼륨, 같은 지역 기능을 사용할 수 있습니다. 변경 점 분석 방법 최근 분석 하는 통계적으로 중요 한 두뇌 형태학 변화 발생, 경도 및 횡단면 MRI 데이터에 따라 시간적 순서에 우리의 그룹에 의해 설립 되었다. 이 통계 모델 광고 환자21,24; 세 이상 모양 기반 diffeomorphometry 척도를 처음 개발 되었다 그리고 헌팅턴의 질병에서 (HD), 또한 신생아 두뇌25에 뇌 발달 변화를 설명으로 뇌 구조 변화를 조사 하기 위해 나중에 적응 했다. HD 환자, 변화 포인트 HTT 26에 CAG 확장에 노출의 넓이의 지시자로 CAG 세 제품 (모자) 점수에 존경으로 정의 했다. 그것은 잘 알려진 striatal 위축 hd, globus pallidus27다음 초기 마커 중 하나입니다. 그러나, 두뇌에서 다른 회색 및 흰색 물질 구조에 관하여가 변화 불분명 남아. 이러한 관계 질병의 진행을 이해 하기 위해 결정적 이다. 모든 두뇌 구조에 체적 변화의 변화 포인트 분석 가능성이 뇌 위축 HD의 premanifest 단계에서의 체계적인 정보를 제공 합니다.
여기 우리는 MRICloud (www.mricloud.org), 및 단계를 사용 하 여 premanifest HD 과목에서 메트릭 데이터의 변화 포인트 분석을 수행 하는 모든 두뇌 세분화를 수행 하는 절차를 보여 줍니다. MRI 데이터는 큰 인구 multicenter에서 수집 된 예측-HD28,29 약 400 컨트롤 및 premanifest HD 과목 공부. Atlas 기반 세분화 및 변화 포인트 분석의 조합을 뇌에서 뇌 구조 변화와 질병 진행 패턴의 spatiotemporal 순서에 대 한 독특한 정보를 제공합니다. 기술은은 잠재적으로 뇌 변성을 매핑하는 데 다양 한 생체와 신경 퇴행 성 질환의 범위에 적용 됩니다.

<table><tbody><tr><td>MATLAB</td><td>Mathworks</td><td>N/A</td><td>버전 2015b 이상</td></tr>, <tr><td>Dell Workstation</td>, <td>Dell</td><td></td><td>Dell Precision T5500(Intel Xeon CPU)</td></tr></tbody></table>

전체 두뇌 세분화 및 해 부 뇌 mri의 변화 포인트 분석-premanifest huntington의 질병에 응용

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

MRI의 최근 발전 다양 한 신경 퇴행 성 질환을 식별 하기 위해 유용한 마커를 제공 합니다. Huntington의 질병 (HD), 지역 뇌 위축 (기간 "premanifest"), 모터 개시 전에 많은 년을 시작 하지만 뇌에 걸쳐 지역 축의 spatiotemporal 패턴 완전히 특징 되지 있다. 여기는 온라인 클라우드 컴퓨팅 플랫폼, "MRICloud"는 여러 세분성 수준 T1 가중치 이미지의 전체 두뇌 세분화 아틀라스-기반을 제공 하 고, 두뇌 해부학의 지역 기능에 액세스할 수 있습니다 설명 합니다. 우리는 다음 회귀 모델 통계적 굴절 포인트, 어느 지역 뇌 위축, 눈에 띄는 시작 검색 즉 "변경-포인트", 질병 진행 인덱스에 대해 설명합니다. 우리는 HD 환자에서 질병의 진행을 색인 CAG 세 제품 (모자) 점수를 사용 합니다. 변경-포인트 분석 세분화 파이프라인에서 체적 측정의 따라서 두뇌에 걸쳐 순서와 구조 위축의 패턴의 중요 한 정보를 제공합니다. 종이 큰 되 예측 HD 연구에서 premanifest HD 과목의 T1 가중치 MRI 데이터에 이러한 기술의 사용을 보여 줍니다. 이 디자인은 잠재적으로 두뇌 해부학의 동적 변화를 조사 하기 위해 신경 퇴행 성 질환의 범위에서 다양 한 응용 프로그램을 있다.

1.1-1.3에서 설명 하는 절차를 사용 하 여 전체 두뇌 분할 지도 MRICloud에서 얻을 수 있습니다. 아틀라스 (V9B)의 현재 버전에서 283 소포 단위, 예를 들어서로 다른 수준으로 그룹화 할 수 있는 최고의 세분성 (레벨 5), 세그먼트는., 반구 lobules 및 특정 온톨로지 정의 따라 소포에서에서. 그림 3 축 및 코로나 보기에서 두 가지 유형의 5 단계로, 다단계 세그먼트를 보여준다. Coarsest 수준에서 예를 들어 입력-내가 세분화 유형 II 임상 및 방사선학 사용 정의 telencephalon, diencephalon, mesencephalon, metencephalon, 및 myelencephalon (그림 3A)의 고아 한 두뇌 지구를 정의 합니다. 반구, 소 뇌, 그리고 brainstem (<strong class="...

이 종이 체적 MRI 데이터 분석, 뇌 위축 premanifest Huntington의 질병에에서 시작 될 때 "변화 포인트"를 식별에 대 한 통계 모델을 설명 합니다. 전체 뇌 매핑 변경 포인트의 T1 가중치 이미지의 아틀라스 기반 분할 파이프라인을 사용 하 여 얻은 뇌 볼륨을 기반으로 이루어집니다.

전체 두뇌 세분화 및 해 부 뇌 MRI의 변화 포인트 분석-Premanifest Huntington의 질병에 응용

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

이 이미지 분석 파이프라인의 전반적인 목표는 T1 가중치 MR 이미지의 정량적 체적 분석을 수행하고 신경퇴행성 질환에서 뇌 위축이 시작될 때 중요한 변화 지점을 식별하는 것입니다. 이 방법은 신경퇴행성 질환 진행 중 뇌 해부학적 변화에 대한 정량적 분석에서 주요 질문에 답하는 데 도움이 될 수 있습니다. 예를 들어, 헌팅턴병에서 뇌 위축의 순서와 패턴이 있습니다.이 기술의 주요 장점은 Atlas 기반 세분화와 변화점 분석의 결합을 통해 많은 연구 모집단에서 뇌 퇴화에 대한 고유한 공간적 시간 정보를 얻을 수 있다는 것입니다. 뇌 MRI의 체적 분석은 원격 계산 및 웹 기반 사용자 인터페이스를 통해 완전 자동화된 이미지 분할 및 정량화를 제공하는 MRICloud에 의해 이루어졌습니다. 뇌 MRI의 변화점 분석은 뇌 전체의 질병 진행에 대한 체계적인 관점을 제공합니다.이 기술의 응용은 다양한 신경 퇴행성 질환으로 확장됩니다. 이 절차를 시작하려면 3차원 T1 가중치 영상을 공급업체별 DICOM 형식에서 분석된 형식으로 변환하십시오. 두 번 클릭하여 Dcm2Analyze.exe 엽니다.팝업 창이 열립니다. 입력 DICOM 데이터 디렉터리 경로를 입력으로 지정하고, 분석된 이미지 파일 경로와 이름을 출력값으로 지정합니다. 그런 다음 이동을 클릭하여 변환을 완료합니다.MRICloud를 사용한 MultiAtlas 기반 T1 이미지 분할의 경우 BrainGPS에 로그인하고 기본 메뉴에서 분할 도구를 선택합니다. 세분화에는 단일 T1 이미지 분할을 위한 T1-MultiAtlas와 배치 처리를 위한 T1-MultiAtlas Batch의 두 가지 옵션이 있습니다. 분석된 여러 이미지 파일을 ZIP 파일로 압축하여 T1-MultiAtlas Batch API에서 작업을 제출한 다음 zip을 클릭하여 ZIP 파일을 업로드합니다.이제 필수 필드를 입력합니다. 처리 서버(processing server)에서 컴퓨터 해부학 과학 게이트웨이(Computational Anatomy Science Gateway)를 선택합니다. 슬라이스 유형의 경우 Sagittal, Axial 또는 Axial로 변환된 Sagittal 중에서 선택합니다.MultiAtlas 라이브러리의 경우 사용자 데이터와 가장 가까운 연령 범위를 가진 Atlas 라이브러리를 선택하여 세분화 정확도를 최적화합니다. 내 작업 현황을 통해 작업 현황을 확인할 수 있습니다. 작업이 완료되면 사용자가 세분화 결과를 ZIP 파일로 다운로드할 수 있는 결과 다운로드 버튼이 나타납니다.결과는 개별 폴더에 저장됩니다. 결과 보기 버튼을 클릭하여 결과를 시각화합니다. 웹 페이지가 시각화 인터페이스로 전환됩니다.분할 맵의 Axial, Sagittal 및 Coronal 보기는 T1 가중 해부학적 이미지에서 겹쳐집니다. 분절된 뇌 구조의 3D 렌더링이 왼쪽 상단 창에 표시됩니다. 오버레이 세분화 맵의 색상은 구조 볼륨의 z-점수를 나타냅니다.오버레이 켜기/끄기, 오버레이의 불투명도, 확대 및 축소, 오른쪽 상단 패널에서 슬라이스 위치를 포함한 시각화 옵션을 조정합니다. 집단의 뇌 용적을 얻기 위해 배치 처리를 수행하려면 사내 MATLAB 프로그램을 사용하여 개별 뇌 용적을 추출하고 스프레드시트에 결합하십시오. MATLAB에서 main을 실행합니다.m이 표시되고 GUI가 나타납니다. MRICloud에서 T1 볼륨 추출(T1 volume extraction from MRICloud) 패널에서 다운로드한 세분화 결과가 저장되는 스터디 디렉토리, 다단계 조회 테이블 파일 경로 및 파일 이름을 포함한 입력을 지정합니다. 볼륨 데이터가 기록될 스프레드시트 파일의 출력 디렉토리를 지정합니다.extract volume(볼륨 추출) 버튼을 클릭하여 분석을 실행합니다. 성공적으로 완료되면 메시지가 표시됩니다. 결과는 스프레드시트에서 확인할 수 있으며, 행에는 개별 주제 데이터가 포함되고 열에는 여러 해부학적 세분성으로 정의된 이러한 개인의 구조적 볼륨이 포함됩니다.개별 뇌 구조의 변화 지점을 계산하려면 동일한 MATLAB GUI를 사용하십시오. Change-Point Analysis 패널에서 다중 레벨 볼륨 데이터 및 연관된 진단 정보를 포함하는 스프레드시트를 지정하십시오. 그런 다음 변경 지점 결과가 기록될 출력 텍스트 파일의 디렉터리를 지정합니다.그런 다음 드롭다운 상자에서 세분성 수준과 온톨로지 정의 유형을 선택하면 변경 지점 분석이 수행됩니다. 또한 변화점 분석에 사용할 주요 억제인자(예: 헌팅턴병에 대한 CAP 점수)를 선택합니다. 변경 지점 계산 버튼을 클릭하여 분석을 수행하면 결과 변경 지점이 사용자 정의 출력 Excel 파일에 저장됩니다.MATLAB GUI에서 변화 지점에 대한 통계적 평가를 수행하려면 치환의 개수와 부트스트랩의 개수를 포함하여 통계 테스트의 파라미터를 지정하십시오. 통계 테스트 단추를 클릭하여 테스트를 실행합니다. 이 단계가 끝나면 치환 테스트의 p-값과 부트스트랩 연산의 평균 및 표준 편차가 출력 텍스트 파일에 추가 열로 기록됩니다.선택적으로, 변경 지점을 브레인과 3차원 공간에 매핑하려면 변경 지점 매핑을 클릭합니다. 이 단계가 끝나면 T1 가중치 이미지 위에 놓여 변경 지점 맵이 생성되고 시각화됩니다. 여기에 표시된 것은 여러 세분성 수준에서 Atlas 기반 전체 뇌 세분화의 대표적인 결과입니다.다단계 분할 맵의 축 방향 및 코로나 보기는 T1 가중치 해부학적 이미지에 오버레이됩니다. 반구, 대뇌 핵, 대뇌 핵의 기저 신경절, 기저 신경절의 선조체 및 구상 팔리두스, 선조체의 putamen 및 caudate 사이의 계층 적 해부학 적 관계가 3-D로 설명되어 있습니다. 여기서 산점도는 이러한 구조의 변화점 분석을 보여주며, 여기서 파란색 점은 연령, 성별 및 두개간 부피를 보정한 후 체적 데이터의 z-점수를 나타냅니다.검은색 곡선은 변화 지점에 따른 CAP 점수로 회귀된 적합된 z-점수이며, 빨간색 선은 변화 지점의 위치를 나타냅니다. 다음은 여러 세분성 수준의 전체 브레인 변화점 맵입니다. 중요한 변화점을 보여주는 영역은 T1 가중치가 측정된 이미지에 매핑되며, 색상은 CAP 점수 단위로 변화점 값을 나타냅니다.일단 마스터하면 이 절차는 클라우드 리소스의 가용성에 따라 이미지 세분화 부분에 대해 몇 시간 안에 완료할 수 있습니다. 그리고 변경 지점 분석을 위해 몇 시간이 더 소요되며, 이는 해부학적 세분성의 사용자 정의 수준에 따라 달라집니다. 이 절차를 시도하는 동안 변화 지점 분석을 진행하기 전에 항상 원본 이미지의 품질과 이미지 분할의 정확도를 확인하는 것이 중요합니다.개발 후 이 기술은 의료 이미지 분석 분야의 연구자들이 신경 퇴행성 질환에 대한 대규모 MRI 연구에서 전뇌 해부학적 변화와 공간적 시간 패턴을 탐구할 수 있는 길을 열었습니다. 이 비디오를 시청하고 나면 T1 가중치 영상의 자동 분할을 수행하는 방법과 MATLAB GUI를 사용하여 측광 데이터의 변화 지점 분석을 실행하는 방법을 잘 이해하게 될 것입니다.

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

Research

연구

JoVE Journal

Medicine

의학

현재 문서는 변수 분석의 기초를 설명하고 더 일반적으로 사용되는 voxel - 현명한 univariate 분석에 대조를 이룹니다. 분석의 두 가지 유형이 임상 - 신경 과학 데이터 집합에 적용됩니다. 보충 분할 반 시뮬레이션은 독립적인 데이터 집합에 변수가 결과의 더 나은 복제를 보여줍니다.

데이터 Neuroimaging에서 복수 변수 분석의 기초

주성분 분석 (PCA) 등의 다변량 기술은 기능적 뇌 영상에서 지역 변화의 서명 패턴을 식별하는 데 사용되었습니다. 우리는 퇴행성 신경 질환의 진단, 질병의 진행 평가, 환자 집단에서 치료 효과를 객관적으로 평가를 재현 네트워크 생체를 식별하는 알고리즘을 개발했습니다.

신경 영상 데이터를 사용하여 질병과 관련된 공간 공분산 패턴의 식별

MRI 기반 도구를 식별하기로 확산 텐서 영상 (DTI)는 기본적으로...

neurodegenerative 질병의 분석에서 확산 텐서 자기 공명 영상

병변 탐색기 (LE)는 알츠하이머 질환과 정상 노인의 구조적 MRI에서 지역 뇌 조직과 피질 hyperintensity 병변 볼륨 측정을 얻기 위해 개발 한 반자동, 이미지 처리 파이프 라인입니다. 정확도 및 높은 수준의 신뢰성을 보장하기 위해, 다음과 LE 서 절차 영상 유도, 표준화 된 프로토콜이다.

병변 탐색기를 정확하고 신뢰할 수있는 MRI 유도 알츠하이머 병의 볼륨 측정 및 일반 노인을위한 영상 유도, 표준화 된 프로토콜

이 원고의 목표는 MRI를 사용하여 해마와 해마의 하위 영역을 연구하는 것입니다. 원고는 해마와 5개의 해마 하부 구조(cornu ammonis (CA) 1, CA2/CA3, CA4/dentate gyrus, strata radiatum/lacunosum/moleculare 및 subiculum을 분할하기 위한 프로토콜을 설명합니다.

높은 해상도 생체 3T 자기 공명 영상을 이용하여 인간의 해마 서브 필드에 대한 수동 분할 프로토콜

MRI 스캔(인간), 3D 이미징 소프트웨어 및 면역조직학적 분석을 사용하여 뇌의 외측심실의 변화를 문서화합니다. 그런 다음 노화 또는 질병으로 인해 인간 뇌에서 발생하는 외심실 부피 변화의 종단 3D 매핑과 뇌실 주위 세포 변화의 특성화를 마우스에서 모델링합니다.

인간과 마우스의 뇌실 주위 조직의 측면 심실 및 조직 학적 특성의 3D 모델링

이 원고에서는 선택한 근원 지역 및 두뇌의 다른 지역에서 복 간의 기능 연결에 작업 종속 변경 공개 정신 상호 작용 분석을 구현 하는 방법을 설명 합니다. 정신 상호 작용 분석 두뇌 연결, 다른 전통적인 일변량 활성화 효과에 작업 효과 시험 하는 인기 있는 방법입니다.

메모리의 일반화 된 정신 상호 작용 (PPI) 분석 관련 Alzheimer의 질병을 위한 유전 모험에 개인에 연결

우리 후부 대상 피 질과 Alzheimer의 질병 (광고) 환자, 가벼운 인지 장애 (MCI)와 건강 한 컨트롤 환자에서 뇌 간의 지시 기능 연결에서 변경 조사 휴식 상태 기능 자기 공명 영상 그레인저 인과 분석을 바탕으로.

알 츠 하이 머 질환과 경미한 인지 장애에 감독된 기능 연결의 그 랜 저 인과관계 분석의 응용 프로그램

이 프로토콜 구조 T1 가중치 mri 회색 물질 볼륨의 정량화에 대 한 사용할 수 있는 회색 문제 지역 윤곽을 그리 다를 7 다른 자동된 분할 도구를 적용 하는 과정을 설명 합니다.

T1-가중치 MRI 이미지에서 외피 회색 물질의 자동된 분할

여기에 제공된 개방형 이미지 처리 파이프라인은 병변 증상 매핑을 위한 실용적인 자습서입니다. CT/MRI의 수동 경색 세분화부터 표준 공간에 대한 후속 등록에 이르기까지 각 처리 단계에 대해 실용적인 권장 사항 및 예시사례가 있는 그림에 대한 단계별 연습이 제공됩니다.

병변 증상 매핑을 위한 MRI 또는 CT에 대한 뇌 경색 세분화 및 등록

뇌에서 맥락총의 중요한 역할에도 불구하고 이 구조에 대한 신경 영상 연구는 신뢰할 수 있는 자동 분할 도구가 없기 때문에 부족합니다. 현재 프로토콜은 미래의 신경 영상 연구에 정보를 제공할 수 있는 맥락총의 황금 표준 수동 분할을 보장하는 것을 목표로 합니다.

뇌 MRI를 사용한 인간 맥락총의 수동 분할

학습하세요 T1 가중 MRI의 정량적 용적 분석과 변화 포인트 분석을 통해 전체 두뇌 위축 패턴을 식별하는 방법을. Huntington 질병의 신경퇴행성 진행 과정을 체계적으로 연구할 수 있습니다.

전체 두뇌 세분화 및 해 부 뇌 MRI의 변화 포인트 분석-Premanifest Huntington의 질병에 응용

더 많은 동영상 탐색