Name: 뇌 구조의 3차원 형상 모델링 및 분석 (동영상) | JoVE Journal
Uploaded: 2019-11-14T10:00:00.000+00:00
Duration: 5 min 33 s
Description: 배우세요 뇌 MRI 영상에서 해마 분할 및 3차원 형상 분석 방법을. 자동화된 모델링 도구를 활용하여 개별 및 집단 뇌 구조의 정확한 형상 복원과 변형 측정이 가능합니다.

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

이 작품은 한국연구재단(JP)의 후원을 받았습니다. JK는 경북대학교 연구기금의 지원을 받고 있다. MCVH는 로 포고 자선 신탁과 에든버러 왕립 협회의 지원을 받습니다. 해마 분절은 임상 두뇌 과학을 위한 센터에 카렌 퍼거슨 박사에 의해 작성된 사내 지침에서 적응되었습니다, 에딘버러, 영국.

뇌 MR 이미지는 지역 기관 검토 위원회 및 윤리 위원회가 승인 한 프로토콜에 따라 획득되었습니다.
참고: 모양 모델링 및 분석을 위한 도구는 NITRC 리포지토리: <a href="https://www.nitrc.org/projects/dtmframework/" target="_blank">https://www.nitrc.org/projects/dtmframework/</a>에서 다운로드할 수 있습니다. GUI 소프트웨어(DTMModeling.exe)는 추출 후 실행할 수 있습니다.  그림 1을참조하십시오.
1. 뇌 MR 이미지 세분화
<ol><li>개별 피사체와 뇌 세분화 마스크의 뇌 MR 이미지를 획득합니다. 참고: 일반적으로, 우리는 뇌 구조의 분석을 위해 T1 가중 MR 이미지를 취득합니다. MR 이미지는 N311,개선 된 N3 방법12,또는 FSL-FAST13을사용하여 그라데이션 비선형 보정 및 강도 비균질 보정을 위해 사전 처리된다고 가정합니다. 인간의 뇌 구조의 자동 세분화를 위해 자유롭게 사용할 수 있는 일부 도구는 표 1에나열되어 있습니다.</li>
	<li>세분화 결과를 수동으로 수정합니다. 참고: 수동 세분화를 지원하는 개방형 GUI 소프트웨어가 표 2에나열되어 있습니다. 뇌 구조에 대한 수동 세분화 프로토콜은 여기에서 찾을 수 있습니다14,15,16. 해마에 대한 수동 세분화에 대한 비디오 가이드는 여기에17입니다. 우리는 다음 섹션에서 해마 분절에 대한 프로토콜을 설명합니다.<ol>
<li>파일 열기 메뉴를 사용하여 T1 가중치 MRI 및 자동 분할 결과를 엽니다.</li>
		<li>창 메뉴를 클릭하여 세분화 플러그인로드 | 쇼 | 분할.</li>
		<li>세분화 플러그인에서 추가, 빼기및 수정 도구를 사용하여 세분화 마스크를 수정합니다.</li>
		<li>수정된 세분화 마스크를 저장 메뉴를 사용하여 Nifti 형식으로 저장합니다.</li>
	</ol>
</li>
</ol>2. 해마 세분화의 수동 편집
참고: MITK 워크벤치(http://www.mitk.org/)를 기반으로 하는 GUI 모델링 소프트웨어를 사용하여 뇌 세분화를<a href="http://www.mitk.org/" target="_blank"></a>수동으로 편집하는 프로토콜을 소개합니다. MITK 워크벤치는 수동 및 자동 세분화 및 의료 이미지 시각화를 위한 다양한 기능을 제공합니다. 우리는 왼쪽과 오른쪽 해마에 대한 수동 편집 과정을 보여줍니다. 자동 해마 분절의 결과는 수동으로편집(18)을 위한 단계는 다음과 같다.
<ol><li>MITK 워크벤치 소프트웨어를 사용하여 T1 가중 MR 이미지와 자동 해마 세분화 결과를 엽니다.</li>
	<li>메뉴 창을 클릭하여 MITK 작업대에서 세분화 플러그인로드 | 쇼 뷰 | 분할.</li>
	<li>디스플레이 창의 오른쪽 상단에 나타나는 오른쪽 아이콘을 클릭하여 관상 뷰를 선택합니다.</li>
	<li>각 해마의 이진 마스크를 편집 (즉, 왼쪽과 오른쪽) 관상 보기에서, 다음과 같이 신체에 해마 머리에서 시작.<ol>
<li>언커스가 발견될 때까지 볼륨 전체로 스크롤합니다. 그것이 존재하는 해마 마스크에 uncus를 포함하십시오.</li>
		<li>분할 플러그인에서 추가 및 빼기 기능을 사용하여 uncus가 물러난 후 해마 바디의 마스크를 편집합니다.</li>
		<li>해마 꼬리가 발견 될 때까지 해마 마스크를 계속 편집하십시오. 시상의 펄비나르 핵이 해마보다 우수해짐에 따라 포닉스가 나타난다.</li>
		<li>포닉스의 전체 길이가 볼 수 있지만 아직 코퍼스 callosum의 화려한과 함께 연속되지 않는 해마의 마지막 관상 동맥 조각을 편집 완료합니다. 참고: 뇌척수액 (CSF) 공간은 해마 지구 내의 포함될 수 있습니다. CSF 공간은 MITK 워크벤치의 세분화 플러그인에서 빼기 도구를 사용하여 해마 마스크에서 제거 할 수 있습니다. 그것은 완전히 해 마 영역을 정의 하 고 CSF 공간의 제거에 대 한 꼬리에 해 마 머리에서 모든 관상 동맥 조각을 통해 이동 하는 것이 더 쉬울 수 있습니다.</li>
		<li>두 해마의 이진 마스크를 편집하기위한 동일한 과정을 따르십시오. 참고: MITK 워크벤치의 세분화 플러그인의 추가, 빼기및 수정 도구를 수동 편집에 사용할 수 있습니다. 보정 도구는 추가 도구 선택없이 사용자 입력 및 세분화 마스크에 따라 덧셈 및 뺄셈을 수행하여 세분화 마스크의 작은 오류를 처리하기 쉽습니다.</li>
	</ol>
</li>
	<li>MITK 워크벤치 소프트웨어의 저장 메뉴를 사용하여 Nifti 형식(nii 또는 nii.gz)의 왼쪽 및 오른쪽 해마에 대한 이진 마스크를 저장합니다. 참고: 왼쪽 및 오른쪽 해마의 이진 마스크는 후속 해마 모양 모델 단계에 대해 별도로 저장해야합니다.</li>
</ol>3. 그룹 템플릿 구성
참고: 모든 피사체에 대한 세분화 및 수동 편집 후 개별 쉐이프 모델링에는 대상 구조의 템플릿 모델이 필요합니다. MITK 워크벤치에서 "ShapeModeling" 플러그인을 사용하여 획득한 모집단의 평균 이진 마스크에서 템플릿 모델을 구성합니다. GUI 소프트웨어를 이용한 템플릿 모델 시공의 단계는 다음과 같다.
<ol><li>메뉴 기능을 사용하여 Shape모델링 플러그인로드: 창 | 쇼 뷰 | 모양 모델링.</li>
	<li>ShapeModeling 플러그인에서 디렉터리 열기 단추를 클릭하여 스터디 모집단의 이진 마스크가 포함된 디렉토리를 엽니다.</li>
	<li>Shape모델링 플러그인에서 템플릿 구성 버튼을 클릭합니다.</li>
	<li>평균 모양 메시를 확인하고 저장 메뉴를 사용하여 STL(스테레오리토그래피) 형식으로 저장합니다.</li>
</ol>4. 개별 모양 재건
참고: 이 단계에서는 "ShapeModeling" 플러그인에서 모양 모델링 시작 단추를 사용하여 개별 피사체에 대한 모양 모델링을 수행합니다. 우리는 표 3에서이플러그인의 소프트웨어 매개 변수를 나열합니다. 각 매개 변수에 대한 자세한 설명은 여기에서 찾을 수 있습니다5. GUI 소프트웨어를 이용한 개별 형상 재구성의 단계는 다음과 같다.
<ol><li>파일 열기 메뉴를 사용하여 T1 가중치 MR 이미지와 분할 마스크를 로드합니다. 참고: 시각적 유효성 검사를 위해 T1 가중치 MR 이미지를 사용합니다.</li>
	<li>ShapeModeling 플러그인에서 모델링 매개 변수를 확인하고 필요한 경우 수정합니다. 참고: 템플릿 모델이 변형되지 않거나 템플릿 모델과 이미지 경계 사이의 거리가 큰 경우 경계 검색 범위를 늘리는 것이 좋습니다. 일부 기하학적 왜곡이 발견되면 maxAlpha 및 minAlpha를 단계 0.5로 늘리면 문제를 해결하는 데 도움이 됩니다. 세분화 마스크에서 대상 오브젝트의 복셀 강도를 확인하는 것이 중요합니다. 값이 1이 아닌 경우 강도 매개변수를 적절히 변경해야 합니다.</li>
	<li>모양 모델링 단추를 클릭하여 모양 모델링 프로세스를 실행하고 MITK 작업대의 3D 뷰에서 결과를 확인합니다.</li>
	<li>템플릿 모델이 이미지 경계에 밀접하게 끼이지 않은 경우 4.2 및 4.3 단계를 반복합니다. 참고: 템플릿 모델은 MITK 워크벤치의 시상, 관상, 축 및 3D 뷰의 세분화 마스크로 시각화됩니다. 템플릿 서피스는 템플릿 모델과 이미지 경계 사이의 거리가 가장 작은 복셀 크기의 10분의 1인 임계값보다 작으면 변형되지 않습니다.</li>
	<li>MITK 프레임워크의 저장 메뉴를 사용하여 모델링 결과를 STL(스테레오리토그래피) 형식으로 저장합니다.</li>
</ol>5. 그룹 별 모양 정규화 및 모양 차이 측정
참고: 이 단계에서는 개별 셰이프 모델을 템플릿 모델에 정렬하고 템플릿 모델과 개별 셰이프 모델 사이의 해당 정점 사이의 점 별 모양 변형을 계산합니다. 형상 변형 측정을 위한 단계는 다음과 같다.
<ol><li>MITK 작업대의 데이터 관리자에서 피사체의 모양 모델을 선택합니다. 참고: 사용자는 변형 측정을 위해 여러 모델을 선택할 수 있습니다.</li>
	<li>ShapeModeling 플러그인에서 측정 단추를 클릭하여 변형 측정을 수행합니다.</li>
</ol>

<ol><li>Costafreda, S. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+hippocampal+shape+analysis+predicts+the+onset+of+dementia+in+mild+cognitive+impairment%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Automated hippocampal shape analysis predicts the onset of dementia in mild cognitive impairment.</a> NeuroImage. 56 (1), 212-219 (2011).</li>
<li>Platero, C., Lin, L., Tobar, M. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Longitudinal+Neuroimaging+Hippocampal+Markers+for+Diagnosing+Alzheimer%27s+Disease%5BTitle%5D)+AND+%22Neuroinformatics%22%5BJournal%5D)">Longitudinal Neuroimaging Hippocampal Markers for Diagnosing Alzheimer's Disease.</a> Neuroinformatics. , 1-19 (2018).</li>
<li>Valdés Hernández, M. D. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rationale%2C+design%2C+and+methodology+of+the+image+analysis+protocol+for+studies+of+patients+with+cerebral+small+vessel+disease+and+mild+stroke%5BTitle%5D)+AND+%22Brain+and+behavior%22%5BJournal%5D)">Rationale, design, and methodology of the image analysis protocol for studies of patients with cerebral small vessel disease and mild stroke.</a> Brain and behavior. 5 (12), e00415(2015).</li>
<li>Kalmady, S. V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+correlates+of+hippocampus+volume+and+shape+in+antipsychotic-na%C3%AFve+schizophrenia%5BTitle%5D)+AND+%22Psychiatry+Research%3A+Neuroimaging%22%5BJournal%5D)">Clinical correlates of hippocampus volume and shape in antipsychotic-naïve schizophrenia.</a> Psychiatry Research: Neuroimaging. 263, 93-102 (2017).</li>
<li>Kim, J., Valdés Hernández, M. D. C., Royle, N. A., Park, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hippocampal+Shape+Modeling+Based+on+a+Progressive+Template+Surface+Deformation+and+its+Verification%5BTitle%5D)+AND+%22IEEE+Transactions+on+Medical+Imaging%22%5BJournal%5D)">Hippocampal Shape Modeling Based on a Progressive Template Surface Deformation and its Verification.</a> IEEE Transactions on Medical Imaging. 34 (6), 1242-1261 (2015).</li>
<li>Kim, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((3D+shape+analysis+of+the+brain%27s+third+ventricle+using+a+midplane+encoded+symmetric+template+model%5BTitle%5D)+AND+%22Computer+Methods+and+Programs+in+Biomedicine%22%5BJournal%5D)">3D shape analysis of the brain's third ventricle using a midplane encoded symmetric template model.</a> Computer Methods and Programs in Biomedicine. 129, 51-62 (2016).</li>
<li>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. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKim%2C+J+%22International+Symposium+on+Biomedical+Simulation%22">International Symposium on Biomedical Simulation</a>. , 141-149 (2014).</li>
<li>Valdés Hernández, M. D. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hippocampal+morphology+and+cognitive+functions+in+community-dwelling+older+people%3A+the+Lothian+Birth+Cohort+1936%5BTitle%5D)+AND+%22Neurobiology+of+Aging%22%5BJournal%5D)">Hippocampal morphology and cognitive functions in community-dwelling older people: the Lothian Birth Cohort 1936.</a> Neurobiology of Aging. 52, 1-11 (2017).</li>
<li>Lee, P., Ryoo, H., Park, J., Jeong, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Morphological+and+Microstructural+Changes+of+the+Hippocampus+in+Early+MCI%3A+A+Study+Utilizing+the+Alzheimer%27s+Disease+Neuroimaging+Initiative+Database%5BTitle%5D)+AND+%22Journal+of+Clinical+Neurology%22%5BJournal%5D)">Morphological and Microstructural Changes of the Hippocampus in Early MCI: A Study Utilizing the Alzheimer's Disease Neuroimaging Initiative Database.</a> Journal of Clinical Neurology. 13 (2), 144-154 (2017).</li>
<li>Cox, S. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Associations+between+hippocampal+morphology%2C+diffusion+characteristics%2C+and+salivary+cortisol+in+older+men%5BTitle%5D)+AND+%22Psychoneuroendocrinology%22%5BJournal%5D)">Associations between hippocampal morphology, diffusion characteristics, and salivary cortisol in older men.</a> Psychoneuroendocrinology. 78, 151-158 (2017).</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 (1), 87-97 (1998).</li>
<li>Tustison, N. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((N4ITK%3A+improved+N3+bias+correction%5BTitle%5D)+AND+%22IEEE+Transactions+on+Medical+Imaging%22%5BJournal%5D)">N4ITK: improved N3 bias correction.</a> IEEE Transactions on Medical Imaging. 29 (6), 1310-1320 (2010).</li>
<li>Zhang, Y., Brady, M., Smith, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Segmentation+of+brain+MR+images+through+a+hidden+Markov+random+field+model+and+the+expectation-maximization+algorithm%5BTitle%5D)+AND+%22IEEE+Transactions+on+Medical+Imaging%22%5BJournal%5D)">Segmentation of brain MR images through a hidden Markov random field model and the expectation-maximization algorithm.</a> IEEE Transactions on Medical Imaging. 20 (1), 45-57 (2001).</li>
<li>Wardlaw, J. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain+aging%2C+cognition+in+youth+and+old+age+and+vascular+disease+in+the+Lothian+Birth+Cohort+1936%3A+rationale%2C+design+and+methodology+of+the+imaging+protocol%5BTitle%5D)+AND+%22International+Journal+of+Stroke%22%5BJournal%5D)">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.</a> International Journal of Stroke. 6 (6), 547-559 (2011).</li>
<li>Morey, R. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+of+automated+segmentation+and+manual+tracing+for+quantifying+hippocampal+and+amygdala+volumes%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">A comparison of automated segmentation and manual tracing for quantifying hippocampal and amygdala volumes.</a> NeuroImage. 45 (3), 855-866 (2009).</li>
<li>Boccardi, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Survey+of+protocols+for+the+manual+segmentation+of+the+hippocampus%3A+preparatory+steps+towards+a+joint+EADC-ADNI+harmonized+protocol%5BTitle%5D)+AND+%22Journal+of+Alzheimer%27s+Disease%22%5BJournal%5D)">Survey of protocols for the manual segmentation of the hippocampus: preparatory steps towards a joint EADC-ADNI harmonized protocol.</a> Journal of Alzheimer's Disease. 26 (s3), 61-75 (2011).</li>
<li>Winterburn, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High-resolution+In+Vivo+Manual+Segmentation+Protocol+for+Human+Hippocampal+Subfields+Using+3T+Magnetic+Resonance+Imaging%5BTitle%5D)+AND+%22Journal+of+Visualized+Experiments%22%5BJournal%5D)">High-resolution In Vivo Manual Segmentation Protocol for Human Hippocampal Subfields Using 3T Magnetic Resonance Imaging.</a> Journal of Visualized Experiments. (105), e51861(2015).</li>
<li>MacLullich, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Intracranial+capacity+and+brain+volumes+are+associated+with+cognition+in+healthy+elderly+men%5BTitle%5D)+AND+%22Neurology%22%5BJournal%5D)">Intracranial capacity and brain volumes are associated with cognition in healthy elderly men.</a> Neurology. 59 (2), 169-174 (2002).</li>
<li>Gower, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Generalized+Procrustes+analysis%5BTitle%5D)+AND+%22Psychometrika%22%5BJournal%5D)">Generalized Procrustes analysis.</a> Psychometrika. 40 (1), 33-51 (1975).</li>
<li>Lorensen, W. E., Cline, H. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Marching+cubes%3A+A+high+resolution+3D+surface+construction+algorithm%5BTitle%5D)+AND+%22ACM+Siggraph+Computer+Graphics%22%5BJournal%5D)">Marching cubes: A high resolution 3D surface construction algorithm.</a> ACM Siggraph Computer Graphics. , 163-169 (1987).</li>
</ol>

저자는 이해 상충이 없다고 선언합니다.

요약하면, 우리는 변형 가능한 템플릿 모델을 이용한 오픈 툴(2) 개별 형상 재구성을 이용한 (1) MR 이미지 분할, (3) 정량적 형상 차이를 포함한 뇌 구조에 대한 형상 분석을 위한 소프트웨어 파이프라인을 설명하였다. 템플릿 모델과의 전이 형상 대응을 통한 측정. 거짓 발견 속도 (FDR) 보정하에 통계 분석은 신경 병리학 과정과 관련된 뇌 구조의 형태학적 변화의 중요성을 조사하기 위해 모양 기형으로 수행됩니다.
모델링 파이프라인은 내부적으로 사내 도구를 사용하여 주제 이미지에서 템플릿 모델을 구성합니다. 템플릿 구성단계는 다음과 같습니다: (i) 피사체 이미지의 반복적 정렬을 통해 그룹 평균 마스크를 각 반복에서 진화하는 평균 이미지로 계산합니다. (ii) 행진 큐브 방법20을사용하여 평균 마스크로부터 3D 표면 메쉬를 생성한다. (iii) ACVD<a href="https://www.creatis.insa-lyon.fr/site...

뇌 구조의 모양 분석은 신경 퇴행성 질환 및 노화1과같은 병리학 적 과정에서 자신의 형태 학적 변화를 조사하는 바람직한 도구로 부상했다. 다양한 계산 방법은 1) 의료 이미지로부터 대상 구조의 경계를 정확하게 묘사하고, 2) 3D 표면 메쉬의 형태로 대상 형상을 재구성하고, 3) 형상 매개변수화 또는 표면 등록을 통해 개별 형상 모델에 대한 피사체 간 대응을 구축하고, 4) 개인 또는 그룹 간의 지역 형상 차이를 정량적으로 평가하는 데 요구된다. 지난 몇 년 동안, 많은 방법은 이러한 단계의 각각에 대 한 신경 이미징 연구에서 도입 되었습니다. 그러나, 분야에서 놀라운 발전에도 불구하고, 연구에 즉시 적용 할 수있는 많은 프레임 워크가 없습니다. 이 문서에서는 사용자 지정 모양 모델링 도구와 공개적으로 사용 가능한 이미지 세분화 도구를 사용하여 뇌 구조의 모양 분석의 각 단계를 설명합니다.
여기서, 우리는 성인 대조군 및 알츠하이머 병 환자의 데이터 세트를 사용하여 좌우 해마의 모양 분석을 통해 뇌 구조에 대한 형상 분석 프레임워크를 입증한다. 해마의 위축은 퇴행성 신경질환2,3,4에서중요한 영상바이오마커로 인식되고 있다. 모양 분석 프레임워크에서는 대상 구조의 템플릿 모델과 셰이프 모델링 프로세스에서 템플릿 대 이미지 변형 가능한 등록을 사용합니다. 템플릿 모델은 모집단에서 대상 구조의 일반적인 모양 특성을 인코딩하고 템플릿 모델과의 전이 관계를 통해 개별 모델 간의 모양 차이를 정량화하기 위한 기준을 제공합니다. 템플릿-대 이미지 등록에서는 템플릿모델5,6,7에서포인트 분포의 왜곡을 최소화하면서 개별 이미지의 대상 구조에 템플릿 모델을 맞추는 라플락시안 표면 변형 방법을 개발했습니다. 제안된 프레임워크의 타당성 및 견고성은 최근 인지노화8, 경도 인지 장애의 조기 발견9,뇌 구조적 변화와 코티솔 수준10사이의 연관성을 탐구하는 신경 이미징 연구에서 검증되었다. 이 접근은 추가 신경 화상 진찰 연구 결과에 있는 모양 모델링 및 분석 방법을 사용하는 것을 쉽게 만들 것입니다.

뇌 구조의 3차원 형상 모델링 및 분석

Three-Dimensional Shape Modeling and Analysis of Brain Structures

뇌 구조의 통계적 모양 분석은 구조적 변화와 병리학 적 과정 사이의 연관성을 조사하는 데 사용되었습니다. 우리는 정확하고 견고한 형상 모델링 및 그룹 별 분석을위한 소프트웨어 패키지를 개발했습니다. 여기서는 개별 3D 형상 모델링에서 정량적 그룹 모양 분석에 이르는 모양 분석을 위한 파이프라인을 소개합니다. 또한 개방형 소프트웨어 패키지를 사용하는 전처리 및 세분화 단계에 대해서도 설명합니다. 이 실용적인 가이드는 연구원이 뇌 구조에 대한 3D 모양 분석에서 시간과 노력을 절약하는 데 도움이 될 것입니다.

여기서 설명된 형상 모델링 과정은노화에대한 다양한 신경이미징 연구에 사용되어 왔으며6,8,10 및 알츠하이머병5,9. 특히, 이러한 형상 모델링 방법은 654명의 고령자8의노령화 인구에 대한 해마의 형상 분석에서 그 정확성과 민감도를 보였다. 소프트웨어및공개적으로사용가능한소프트웨어인 ShapeWork, LDDMM-TI 및 SPHARM-PDM의 정량적 분석은 여기에서 찾을 수 있습니다5. 우리는 설명 MR 이미지 전처리에서 뇌 세분화에 표 1,표 2및 <str...

개방형 소프트웨어를 사용한 이미지 세분화, 자동화된 모델링 패키지를 사용한 그룹 별 모양 분석 등 뇌 구조에 대한 형상 분석을 위한 반자동 프로토콜을 소개합니다. 여기서, 우리는 뇌 MR 이미지로부터 해마 세분화를 가진 3D 형상 분석 프로토콜의 각 단계를 시연한다.

Statistical shape analysis of brain structures has been used to investigate the association between their structural changes and pathological processes. ...

거칠고 시끄러운 세분화에 대한 모양 특징을 정확하게 복구하는 것은 개별 뇌 모양 모델 간의 좋은 해부학 적 대응을 달성하는 데 중요합니다. 당사의 프레임워크는 개별 형상 모델링, 그룹 별 템플릿 구성 및 모양 기형 계산을 위한 다양한 도구를 제공합니다. 그리고 그것은 인간의 두뇌의 큰 데이터 집합에 사용 되었습니다.이 절차를 시연하는 것은 뇌 모양 모델링용 소프트웨어를 개발한 실험실의 전 대학원 생인 김재일 박사가 될 것입니다. 해마 세분화의 수동 편집을 위해 T1 중량 자기 공명 이미지를 열고 자동 해마 세분화결과 그래픽 사용자 인터페이스 소프트웨어가 생성됩니다. 디스플레이 창의 아이콘을 클릭하여 관상 뷰를 선택하고 커미티드가 배치될 때까지 볼륨을 스크롤합니다.존재하는 해마 마스크의 비커를 포함하여, 증액이 물러난 후 해마 몸의 마스크를 편집하기 위해 추가 및 뺄 기능을 사용합니다. 해마 꼬리가 발견 될 때까지 해마 마스크를 계속 편집하십시오. 해마보다 상하의 풀비나르 핵이 해마보다 우수해 짐작할 때, 포닉스가 등장할 것이다.포닉스의 전체 길이가 보이는 해마의 마지막 관상 슬라이스편집을 완료하지만, 코퍼스 캘로섬의 스플리너움으로는 아직 연속되지 않았다. 그런 다음 왼쪽과 오른쪽 해마에 대한 마스크를 NifTI 형식으로 저장합니다. 그룹 템플릿 모델을 구성하려면 셰이프 모델링 플러그인을 로드하고 열기 디렉토리를 클릭하여 관심 있는 학습 집단의 이진 마스크를 포함하는 디렉토리를 엽니다.원하는 정점 수를 입력하고 그룹 템플릿 구성에 대한 템플릿 구성을 클릭합니다. 그런 다음 평균 모양 메시를 확인합니다. 개별 형상 재구성의 경우 T1 가중 자기 공명 이미지와 해당 세분화 마스크를 로드하고 작업 디렉토리를 선택하여 파일을 저장합니다.개별 셰이프 모델링을 위한 템플릿 모델을 선택하고 필요에 따라 플러그인 모델링의 모델링 파라미터를 확인하고 수정합니다. 따라서 모델링 프레임워크는 거의 자동화되었지만 일부 단계에는 사용자 확인이 필요합니다. 예를 들어 해마 영역의 값이 한 명이 아닌 경우 강도 매개 변수를 변경해야 합니다.그런 다음 도구 키트 워크벤치의 3D 뷰결과를 확인합니다. 모양 및 기형 측정을 수행하려면 소프트웨어의 데이터 관리자에 대한 관심 대상의 형상 모델을 선택하고 템플릿 선택(Select Template)을 클릭하여 관심 있는 템플릿을 선택하여 측정을 얻습니다. 여기서, 개별 형상 재구성을 위한 해마 템플릿 모델의 대표적인 변형을 관찰할 수 있다.이 방법은 개별 형상 특성을 복원하면서 점 분포의 왜곡을 최소화하기 위해 템플릿 모델의 대규모 변형을 유도한다. 이 그림에서는 세분화 마스크가 있는 두 피험자의 재구성된 형상 모델이 표시됩니다. 이러한 이미지에서 개별 형상 모델, 평균 모델 및 개별 형상 모델과의 모양 차이 벡터를 정렬하여 관찰할 수 있습니다.이러한 데이터는 평균 모델에 투영된 평균 형상 변형 맵을 나타냅니다. 작은 뇌 조직 볼륨을 가진 한 그룹에 대 한, 그리고 큰 뇌 조직 볼륨한 그룹. 두 그룹의 형상 기형 맵은 해당 영역에서 해마 모양 차이의 반대 패턴을 제시한다.세분화 마스크와 개인 또는 공유 모델을 함께 확인합니다. 모델이 이미지 경계에 적합하지 않은 경우 모델링 매개 변수를 조정하여 더 나은 결과를 얻을 수 있습니다. 형상 기형을 이용한 통계 분석은 그룹별 형상을 조사하기 위해 수행될 수 있으며, 또한 프로젝트 페이지에서 분석을 위한 MATLAB 코드를 제공했습니다.이 강력한 방법은 알츠하이머 병이나 노화 연구와 같은 중요한 구조 모델링뿐만 아니라 복합 뼈의 분석을 필요로하는 발 뼈 장애를 포함하는 여러 임상 연구에 적용되었습니다.

three-dimensional-shape-modeling-and-analysis-of-brain-structures

Research

연구

JoVE Journal

Neuroscience

신경과학

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

우리는 간질 수술에 이미지 통합, 시각화 및 계획에 대한 우리의 사용자 정의 설계 소프트웨어를 사용하는 단계를 설명합니다.

간질 수술에 3D Multimodality 이미지 통합 및 컴퓨터 지원 계​​획에 대한 파이프 라인

이 프로토콜의 전반적인 목적은 정확하게 정의 된 3D 인쇄 뇌 홀더 및 슬라이서 박스의 생성을 통해 조직학 섹션 자기 공명 영상 (MRI) 이미지 볼륨을 정렬하는 것이다.

3D 인쇄 기술을 활용하여 조직학과 MRI를 병합하기 : 두뇌를위한 프로토콜 단면

이 프로젝트의 목표는 거의 실시간으로 깊은 두뇌 자극의 효과 시뮬레이션 하 고 어떻게 이러한 장치에 영향을 미칠 뇌의 신경 활동으로 의미 있는 피드백을 제공 하는 대화형, 환자 관련 모델링 파이프라인을 개발 하는 것입니다.

대화형, 환자 전용 모델을 사용 하 여 깊은 두뇌 자극 치료를 위한 신경 섬유 책자를 대상으로

이 기사에서는 두 개의 공간 척도를 연결하는 3D 스캐닝 기술을 사용하여 실험 프로토콜을 소개합니다: MRI에 의해 이미지된 전체 뇌 해부학의 거시적 공간 척도 &gt;100 μm 및 이를 사용하는 뉴런 분포의 현미경 공간 스케일 면역히스토화학 염색 및 다중전극 어레이 시스템 및 기타 방법(~10 μm).

3D 소설 포함 프로토콜에서 마이크로 회로 및 매크로 스케일 뇌 이미지를 연결하는 3D 스캐닝 기술

설명된 파이프라인은 기가바이트보다 큰 전자 현미경 데이터 세트를 세분화하여 전체 세포 형태를 추출하도록 설계되었습니다. 셀을 3D로 재구성하면 개별 요구를 중심으로 설계된 맞춤형 소프트웨어를 사용하여 3D로 직접 정성적 및 정량적 분석을 수행할 수 있으며 가상 현실을 사용하여 뷰 오클루전을 극복할 수도 있습니다.

신경교 세포와 신경 세포의 3D 재건 및 가상 현실 분석을위한 방법

아래에 설명된 방법은 3차원(3D) 프린팅 방법과 MRI 데이터 추출의 새로운 조합을 사용하여 비인간 영장류(NHP) 신경외과의 제조를 위한 포괄적인 프로토콜을 제공하는 것을 목표로 합니다.

비인간 영장류의 신경 외과 계획을위한 MRI 기반 도구 상자

이 프로토콜은 환자 특정 두개골, 뇌 및 종양 팬텀의 제조를 설명합니다. 3D 프린팅을 사용하여 금형을 만들고 폴리 비닐 알코올(PVA-c)은 조직을 모방하는 재료로 사용됩니다.

뇌종양 수술 계획을 위한 초음파 및 엑스레이 대비를 가진 환자 특정 폴리비닐 알콜 팬텀 제조

본 프로토콜은 (SWITCH - H 2O2 - Antigen Retrieval - 2,2'-thiodiethanol [TDE]) SHORT 조직 형질 전환 기법과 광시트 형광 현미경 이미징을 일상적으로 높은 처리량 프로토콜로 결합하여 수십 개의 사후 인간 뇌 절편의 신속하고 동시적인 광학 투명화, 다중 라운드 라벨링 및 3D 체적 재구성을 위한 단계별 절차를 제공합니다.

Optical Clearing and Labeling for Light-sheet Fluorescence Microscopy in Large-scale Human Brain Imaging(대규모 인간 뇌 영상에서 광시트 형광 현미경을 위한 광학 투명화 및 라벨링)

이 논문은 자기공명영상(MRI) 스캔을 기반으로 한 비인간 영장류 신경외과 계획을 위한 자동화된 프로세스를 간략하게 설명합니다. 이러한 기술은 프로그래밍 및 설계 플랫폼의 절차적 단계를 사용하여 NHP를 위한 맞춤형 임플란트 설계를 지원합니다. 그런 다음 3차원(3D) 프린팅된 실물 크기 해부학 모델을 사용하여 각 구성 요소의 유효성을 확인할 수 있습니다.

비인간 영장류를 위한 신경 임플란트 설계 툴박스

여기에서는 마이크로컴퓨터 단층촬영을 기반으로 하는 방법을 자세히 설명하여 마우스의 두개악안면뼈의 3D 모델을 분할하고 측정하여 현재 방법으로 가능한 것보다 마우스의 두개악안면뼈 발달을 더 잘 평가할 수 있습니다.

3차원 마이크로컴퓨터 단층촬영을 사용한 마우스의 두개악안면 기형 분석

배우세요 뇌 MRI 영상에서 해마 분할 및 3차원 형상 분석 방법을. 자동화된 모델링 도구를 활용하여 개별 및 집단 뇌 구조의 정확한 형상 복원과 변형 측정이 가능합니다.

뇌 구조의 3차원 형상 모델링 및 분석

더 많은 동영상 탐색