Methodenartikel

Driedimensionale vorm modellering en analyse van Hersenstructuren

DOI:

10.3791/59172

⸱

14 november 2019

 ,  , 
1School of Computer Science and Engineering, Kyungpook National University, 2Centre for Clinical Brain Sciences, University of Edinburgh, 3School of Computing and KI for Health Science and Technology (KIHST), Korea Advanced Institute of Science and Technology (KAIST)

In dit artikel

Samenvatting

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

We introduceren een semi-automatisch protocol voor vorm analyse op hersenstructuren, inclusief beeldsegmentatie met behulp van open software, en verdere groepsgewijze vorm analyse met behulp van een geautomatiseerd modellerings pakket. Hier demonstreren we elke stap van het 3D-vorm analyse protocol met hippocampal segmentatie van Brain MR images.

Samenvatting

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Analyse van de statistische vorm van hersenstructuren is gebruikt om de associatie tussen hun structurele veranderingen en pathologische processen te onderzoeken. We hebben een softwarepakket ontwikkeld voor nauwkeurige en robuuste vorm modellering en groepsgewijze analyse. Hier introduceren we een pijplijn voor de vorm analyse, van individuele 3D-vorm modellering tot kwantitatieve groepsvorm analyse. We beschrijven ook de pre-processing en segmentatie stappen met behulp van open softwarepakketten. Deze praktische gids zou onderzoekers helpen tijd en moeite te besparen in 3D-vorm analyse op hersenstructuren.

Inleiding

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Vorm analyse van hersenstructuren is ontstaan als het voorkeurs instrument om hun morfologische veranderingen onder pathologische processen te onderzoeken, zoals neurodegeneratieve ziekten en veroudering1. Er zijn verschillende computationele methodes nodig om 1) nauwkeurig de grenzen van doel structuren af te bakenen van medische beelden, 2) reconstrueren van de doel vorm in de vorm van 3D oppervlak gaas, 3) bouw Inter-subjecten over de individuele vorm modellen via vorm parametrering of oppervlakte registratie, en 4) kwantitatief beoordelen van de regionale vorm verschillen tussen individuen of groepen. In de afgelopen jaren zijn er veel methoden geïntroduceerd in neuroimaging-onderzoeken voor elk van deze stappen. Ondanks de opmerkelijke ontwikkelingen op dit gebied zijn er echter niet veel kaders die onmiddellijk van toepassing zijn op onderzoek. In dit artikel beschrijven we elke stap van de vorm analyse van hersenstructuren met behulp van onze aangepaste vorm modeling tools en publiek beschikbare beeldsegmentatie tools.

Hier demonstreren we de vorm analysekader voor hersenstructuren door middel van de vorm analyse van de linker en rechter hippocampi met behulp van een gegevensset van volwassen controles en de ziekte van Alzheimer patiënten. Atrofie van de hippocampi wordt erkend als een kritische beeldvormende biomarker in neurodegeneratieve ziekten2,3,4. In ons Framework voor vorm analyse maken we gebruik van het sjabloon model van de doel structuur en de vervormbare registratie van sjabloon-naar-afbeelding in het vormmodellerings proces. Het sjabloon model codeert algemene vormkenmerken van de doel structuur in een populatie en biedt ook een basislijn voor het kwantificeren van de vorm verschillen tussen de afzonderlijke modellen via hun transitieve relatie met het sjabloon model. In de registratie van de sjabloon-naar-Image hebben we een Laplacian oppervlak vervorming methode om te passen in het sjabloon model aan de doel structuur in afzonderlijke afbeeldingen, terwijl het minimaliseren van de vervorming van de punt verdeling in de sjabloon model5,6,7ontwikkeld. De haalbaarheid en robuustheid van het voorgestelde kader zijn gevalideerd in recente neuroimaging studies van cognitieve veroudering8, vroegtijdige opsporing van milde cognitieve stoornissen9, en om te verkennen associaties tussen structurele veranderingen van de hersenen en cortisol niveaus10. Deze aanpak zou het gemakkelijker maken om de vorm modellering en analysemethoden te gebruiken in verdere neuroimaging-onderzoeken.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Hersenen de heer images werden verworven volgens het protocol dat is goedgekeurd door de lokale institutionele beoordelings Raad en de ethische commissie.

Opmerking: De tools voor vorm modellering en analyse kunnen worden gedownload van de NITRC repository: https://www.nitrc.org/projects/dtmframework/. De GUI-software (DTMModeling. exe) kan na extractie worden uitgevoerd. Zie Figuur 1.

1. Brain MR beeldsegmentatie

  1. Verwerven van hersenen heer beelden van individuele onderwerpen en hersenen segmentatie maskers.
    Opmerking: Gewoonlijk verwerven we T1-gewogen MR-images voor analyses van hersenstructuren. We gaan ervan uit dat de heer images vooraf worden verwerkt voor gradiënt niet-lineariteit correctie en intensiteit inhomogeniteit correctie met behulp van N311, verbeterde N3 methoden12, of fsl-Fast13. Sommige vrij beschikbare tools voor automatische segmentatie van menselijke hersenstructuren worden vermeld in tabel 1.
  2. Corrigeer de segmentatie resultaten handmatig.
    Opmerking: Open GUI-software die handmatige segmentatie ondersteunt, wordt weergegeven in tabel 2. Handmatige segmentatie protocollen voor de hersenstructuren kunnen hier worden gevonden14,15,16. Een video gids over handmatige segmentatie voor Hippocampus is hier17. We beschrijven het protocol voor hippocampal segmentatie in de volgende sectie.
    1. Open de T1-gewogen MRI en de automatische segmentatie resultaten met behulp van het menu bestand openen .
    2. Laad de segmentatie plug-in door te klikken op het menu venster | Toon | Segmentatie.
    3. Corrigeer het segmentatie masker met de gereedschappen toevoegen, aftrekkenen corrigeren in de segmentatie plug-in.
    4. Sla het gecorrigeerde segmentatie masker op in de nifti-indeling met behulp van het menu Opslaan .

2. handmatige bewerking van Hippocampal segmentatie

Opmerking: We introduceren een protocol voor het handmatig bewerken van hersen segmentatie met behulp van de GUI modeling software op basis van de MITK workbench (http://www.mitk.org/). De MITK Workbench biedt verschillende functies voor de handmatige en automatische segmentatie en medische beeld visualisatie. We demonstreren het handmatige bewerkingsproces voor de linker en rechter hippocampi. Stappen voorhand matig bewerken18 het resultaat van de automatische hippocampal segmentatie zijn als volgt.

  1. Open de T1-gewogen MR-afbeelding en de resultaten van de automatische hippocampal segmentatie met behulp van de MITK Workbench-software.
  2. Laad de segmentatie plug-in in de MITK Workbench door op het menu venster te klikken | Weergave tonen | Segmentatie.
  3. Selecteer de coronale View door te klikken op de rechterkant pictogram dat wordt weergegeven in de rechterbovenhoek van het scherm venster.
  4. Bewerk het binaire masker van elke Hippocampus (d.w.z. links en rechts) in het coronale View, beginnend vanaf de hippocampal hoofd naar het lichaam als volgt.
    1. Blader door het volume totdat de uncus is gevonden. Omvatten de uncus in de hippocampal masker waar het aanwezig is.
    2. Bewerk het masker van de hippocampal lichaam nadat de uncus is teruggekomen met behulp van de toevoegen en aftrekken functie in de segmentatie plugin.
    3. Doorgaan met het bewerken van de hippocampal masker totdat de hippocampal staart is gevonden. Als de pulvinar kern van de thalamus Recedes superieur aan de hippocampus, de fornix komt tevoorschijn.
    4. Voltooi het bewerken van het laatste coronale segment van de Hippocampus waarin de gehele lengte van de fornix zichtbaar is, maar nog niet continu met het splenium van het corpus callosum.
      Opmerking: Cerebrospinale vloeistof (CSF) ruimten kunnen worden opgenomen in de hippocampal regio's. De CSF-ruimten kunnen uit de hippocampal maskers worden verwijderd met behulp van het gereedschap aftrekken in de segmentatie plug-in van de mitk Workbench. het kan gemakkelijker zijn om de hippocampal gebieden volledig te definiëren en vervolgens door alle coronale plakjes van de hippocampal hoofd naar de staart voor de verwijdering van de CSF-ruimten.
    5. Volg hetzelfde proces voor het bewerken van de binaire maskers van beide hippocampi.
      Opmerking: De gereedschappen toevoegen, aftrekkenen corrigeren van de segmentatie plug-in in de mitk Workbench kunnen worden gebruikt voor het handmatig bewerken. De correctie tool is eenvoudig om kleine fouten in het segmentatie masker te hanteren door optellen en aftrekken uit te voeren op basis van gebruikersinvoer en het segmentatie masker zonder extra gereedschaps selectie.
  5. Sla de binaire maskers voor links en rechts hippocampi in nifti-indeling (NII of NII. gz) met behulp van het menu Opslaan in de mitk Workbench-software.
    Opmerking: De binaire maskers van linker en rechter hippocampi moeten afzonderlijk worden opgeslagen voor de daaropvolgende hippocampal vorm model stappen.

3. groeps sjabloon constructie

Opmerking: Na de segmentatie en handmatige bewerking voor alle onderwerpen, de afzonderlijke vorm modellering vereist het sjabloon model van de doel structuur. We bouwen het sjabloon model van het gemiddelde binaire masker voor een populatie, verkregen met behulp van de plugin "ShapeModeling" in de MITK Workbench. Stappen van de sjabloon model constructie met behulp van GUI-software zijn als volgt.

  1. Laad de ShapeModeling plugin met behulp van de menufunctie: Window | Weergave tonen | Vorm modelleren.
  2. Open een map met de binaire maskers van een Studiepopulatie door te klikken op de knop ' open map ' in de plugin voor shapemodeling .
  3. Klik op de sjabloon bouw knop in de shapemodeling plugin.
  4. Controleer het gemiddelde vorm gaas en sla het op in de indeling stereolithography (STL) met behulp van het menu Opslaan .

4. individuele vorm reconstructie

Opmerking: Bij deze stap voeren we de vorm modellering uit voor individuele onderwerpen met behulp van de Start shape Modeling knop in de "ShapeModeling" plugin. We vermelden de software parameters van deze plugin in tabel 3. Gedetailleerde uitleg over elke parameter kan hier worden gevonden5. Stappen van de individuele vorm reconstructie met behulp van GUI-software zijn als volgt.

  1. Laad T1-gewogen MR-afbeelding en het segmentatie masker met behulp van het menu bestand openen .
    Opmerking: We gebruiken de T1-gewogen MR-afbeelding voor visuele validatie.
  2. Controleer de modellerings parameters in de plugin ShapeModeling en wijzig indien nodig.
    Opmerking: Als het sjabloon model niet vervormd is of de afstand tussen het sjabloon model en de afbeeldings grens groot is, wordt aanbevolen het zoekbereik voor de grens te verhogen. Als er enkele geometrische vervormingen worden gevonden, zou het verhogen van maxAlpha en minAlpha met stap 0,5 helpen om het probleem op te lossen. Het is belangrijk om de Voxel-intensiteit voor het doelobject in het segmentatie masker te controleren. Als de waarde niet 1 is, moet de parameter intensiteit dienovereenkomstig worden gewijzigd.
  3. Klik op de knop vorm modellering om het vorm modelleringsproces uit te voeren en controleer het resultaat in de 3D-weergave van de mitk Workbench.
  4. Herhaal de stappen 4,2 en 4,3 wanneer het sjabloon model niet op de nauwkeurig op de beeld grens is gemonteerd.
    Opmerking: Het sjabloon model wordt gevisualiseerd met het segmentatie masker in de weergave Sagittaal, coronal, Axial en 3D van de MITK Workbench. Het sjabloon oppervlak is niet vervormd wanneer de afstand tussen het sjabloon model en de afbeeldings grens kleiner is dan een drempelwaarde die een tiende van de kleinste Voxel-grootte is.
  5. Sla het modellerings resultaat op in een stereolithography (STL)-indeling met behulp van het menu Opslaan in mitk Framework.

5. meting van de groep-Wise shape normalisatie en vorm verschil

Opmerking: Bij deze stap uitlijnen we de afzonderlijke vorm modellen naar het sjabloon model en berekenen we de vervorming van de punt-wijze vorm tussen de corresponderende hoekpunten tussen het sjabloon model en het afzonderlijke vorm model. De stappen voor de misvorming-meting van de vorm zijn als volgt.

  1. Selecteer het vorm model van een onderwerp in de gegevensbeheerder van de mitk Workbench.
    Opmerking: Gebruikers kunnen meerdere modellen selecteren voor de misvorming-meting.
  2. Voer de misvorming-meting uit door op de meet knop in de plugin shapemodeling te klikken.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Het vorm modelleringsproces dat hier wordt beschreven, is gebruikt voor verschillende neuroimaging-onderzoeken naar veroudering van6,8,10 en de ziekte van Alzheimer5,5. Vooral, deze vorm modelleringsmethode toonde de nauwkeurigheid en gevoeligheid in de vorm analyse op de Hippocampus voor een verouderende populatie van 654 proefpersonen

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Samenvattend hebben we de software pijplijn beschreven voor de vorm analyse van hersenstructuren, waaronder (1) MR-beeldsegmentatie met behulp van open tools (2) individuele vorm reconstructie met behulp van een vervormbare sjabloon model, en (3) kwantitatief vorm verschil meting via transitieve vorm correspondentie met het sjabloon model. Statistische analyse onder de False Discovery rate (FDR) correctie wordt uitgevoerd met de vorm vervorming te onderzoeken van de betekenis van morfologische veranderingen van hersenstr...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

De auteurs verklaren dat er geen sprake is van belangenverstrengeling.

Dankbetuigingen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Het werk werd gefinancierd door de National Research Foundation of Korea (JP als de PI). JK wordt gefinancierd door het Kyungpook National University Research Fund; en MCVH wordt gefinancierd door de Row Fogo liefdadigheid Trust en de Royal Society of Edinburgh. De hippocampal segmentatie werd aangepast aan de in-House richtlijnen geschreven door Dr. Karen Ferguson, in het centrum voor klinische hersenen wetenschappen, Edinburgh, Verenigd Koninkrijk.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Referenties

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Costafreda, S. G., et al. Automated hippocampal shape analysis predicts the onset of dementia in mild cognitive impairment. NeuroImage. 56 (1), 212-219 (2011).
  2. Platero, C., Lin, L., Tobar, M. C. Longitudinal Neuroimaging Hippocampal Markers for Diagnosing Alzheimer's Disease. Neuroinformatics. , 1-19 (2018).
  3. Valdés Hernández, M. D. C., et al. Rationale, design, and methodology of the image analysis protocol for studies of patients with cerebral small vessel disease and mild stroke. Brain and behavior. 5 (12), e00415(2015).
  4. Kalmady, S. V., et al. Clinical correlates of hippocampus volume and shape in antipsychotic-naïve schizophrenia. Psychiatry Research: Neuroimaging. 263, 93-102 (2017).
  5. Kim, J., Valdés Hernández, M. D. C., Royle, N. A., Park, J. Hippocampal Shape Modeling Based on a Progressive Template Surface Deformation and its Verification. IEEE Transactions on Medical Imaging. 34 (6), 1242-1261 (2015).
  6. Kim, J., et al. 3D shape analysis of the brain's third ventricle using a midplane encoded symmetric template model. Computer Methods and Programs in Biomedicine. 129, 51-62 (2016).
  7. 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. International Symposium on Biomedical Simulation. , 141-149 (2014).
  8. Valdés Hernández, M. D. C., et al. Hippocampal morphology and cognitive functions in community-dwelling older people: the Lothian Birth Cohort 1936. Neurobiology of Aging. 52, 1-11 (2017).
  9. Lee, P., Ryoo, H., Park, J., Jeong, Y. Morphological and Microstructural Changes of the Hippocampus in Early MCI: A Study Utilizing the Alzheimer's Disease Neuroimaging Initiative Database. Journal of Clinical Neurology. 13 (2), 144-154 (2017).
  10. Cox, S. R., et al. Associations between hippocampal morphology, diffusion characteristics, and salivary cortisol in older men. Psychoneuroendocrinology. 78, 151-158 (2017).
  11. Sled, J. G., Zijdenbos, A. P., Evans, A. C. A nonparametric method for automatic correction of intensity nonuniformity in MRI data. IEEE Transactions on Medical Imaging. 17 (1), 87-97 (1998).
  12. Tustison, N. J., et al. N4ITK: improved N3 bias correction. IEEE Transactions on Medical Imaging. 29 (6), 1310-1320 (2010).
  13. Zhang, Y., Brady, M., Smith, S. Segmentation of brain MR images through a hidden Markov random field model and the expectation-maximization algorithm. IEEE Transactions on Medical Imaging. 20 (1), 45-57 (2001).
  14. Wardlaw, J. M., et al. 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. International Journal of Stroke. 6 (6), 547-559 (2011).
  15. Morey, R. A., et al. A comparison of automated segmentation and manual tracing for quantifying hippocampal and amygdala volumes. NeuroImage. 45 (3), 855-866 (2009).
  16. Boccardi, M., et al. Survey of protocols for the manual segmentation of the hippocampus: preparatory steps towards a joint EADC-ADNI harmonized protocol. Journal of Alzheimer's Disease. 26 (s3), 61-75 (2011).
  17. Winterburn, J., et al. High-resolution In Vivo Manual Segmentation Protocol for Human Hippocampal Subfields Using 3T Magnetic Resonance Imaging. Journal of Visualized Experiments. (105), e51861(2015).
  18. MacLullich, A., et al. Intracranial capacity and brain volumes are associated with cognition in healthy elderly men. Neurology. 59 (2), 169-174 (2002).
  19. Gower, J. C. Generalized Procrustes analysis. Psychometrika. 40 (1), 33-51 (1975).
  20. Lorensen, W. E., Cline, H. E. Marching cubes: A high resolution 3D surface construction algorithm. ACM Siggraph Computer Graphics. , 163-169 (1987).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

3D vormmodelleringanalyse van hersenstructurenstatistische vormanalysegroepsgewijze template constructiebewerken van hippocampale segmentatieberekening van vormdeformiteitindividuele vormreconstructieconstructie van template modellenvormverschilvectorenMATLAB codeanalyse

Gerelateerde artikelen