Dit witboek beschrijft een statistisch model voor volumetrische MRI data-analyse, waarmee de “verandering-point” wanneer de atrofie van de hersenen in premanifest de ziekte van Huntington begint. Geheel-brain mapping van de verandering-punten wordt bereikt op basis van hersenen volumes verkregen met behulp van een atlas gebaseerde segmentatie pijpleiding van T1-gewogen beelden.
Recente vooruitgang in MRI bieden een verscheidenheid aan nuttige markeringen te identificeren van neurodegeneratieve ziekten. In de ziekte van Huntington (HD), atrofie van de regionale hersenen begint vele jaren voorafgaand aan de motor inleiding (de periode “premanifest”), maar de spatio patroon van regionale atrofie in de hersenen niet volledig gekenmerkt. Hier tonen we een online on-demand platform, “MRICloud”, die biedt atlas gebaseerde geheel-hersenen segmentatie van T1-gewogen beelden op meerdere niveaus van de granulariteit, en daarmee kan we toegang tot de regionale kenmerken van de anatomie van de hersenen. Vervolgens beschrijven we een regressiemodel die statistisch significant buigpunten detecteert, waartegen regionale hersenen atrofie begint te het merkbaar, d.w.z. de “verandering-point”, met betrekking tot een ziekte progressie index. We gewend de CAG-leeftijd product (CAP) score index van de progressie van de ziekte in HD patiënten. Belangrijke informatie van de orde en patroon van de atrofie van de structurele biedt verandering-punt analyse van de volumetrische metingen van de segmentatie pijpleiding, daarom over de hersenen. Het papier illustreert het gebruik van deze technieken op T1-gewogen MRI gegevens premanifest HD onderwerpen van een grote multicenter studie van PREDICT-HD. Dit ontwerp heeft potentieel breed toepassingen in een assortiment van neurodegeneratieve ziekten te onderzoeken van de dynamische veranderingen van anatomie van de hersenen.
Magnetische resonantie beeldvorming (MRI) heeft ons vermogen de anatomie van de hersenen en functies in neurodegeneratieve ziekten,1,,2,3te onderzoeken aanzienlijk verbeterd. T1-gewogen structurele die MRI één van meest is aangenomen imaging tools in de gangbare klinische praktijk de anatomie van de hersenen en gerelateerde pathologie te beoordelen. Kwantitatieve analyse van de hoge resolutie T1-gewogen beelden biedt nuttige markeringen voor het meten van anatomische veranderingen tijdens de degeneratie van de hersenen. In het bijzonder benaderingen van de kwantificering van de segmentatie op basis effectief vermindert het dimensionaliteit van de afbeelding van voxel niveau (op de orde van (106)) naar anatomische structurele niveau ((102)) voor high-throughput neuroinformatics4 , 5. Automated hersenen segmentatie kan worden bereikt met behulp van atlas gebaseerde methoden6,7,8,9 dat de vooraf gedefinieerde anatomische labels van een atlas op de patiënt beelden kaart . Onder de atlas gebaseerde methoden, hebben multi atlas algoritmen10,11,12,13,14 opgeleverd, de segmentering van de superieure nauwkeurigheid en degelijkheid. Onze fractie heeft ontwikkeld een volledig geautomatiseerde T1 multi atlas segmentatie pijpleiding, met geavanceerde diffeomorf afbeelding registratie algoritmen15, multi atlas fusion methoden16,17, en rijke multi atlas bibliotheken 18. de pijpleiding is rondgedeeld op een on-demand platform, MRICloud19, sinds 2015, en het is gebruikt voor het bestuderen van neurodegeneratieve ziekten, zoals de ziekte van Alzheimer (AD)20,21, primaire Progressieve afasie22en23van de ziekte van Huntington.
Zodra de hoge resolutie beelden zijn onderverdeeld in breinstructuur, kunnen regionale kenmerken, zoals volumes, worden gebruikt om wiskundige modellen te karakteriseren de neuroanatomische wijzigingen. De methode van de analyse van een verandering-punt werd onlangs opgericht door onze fractie voor het analyseren van de wereldlijke volgorde, waarin statistisch significant hersenen Morfometrische veranderingen optreden, op basis van longitudinale en/of transversale MRI-gegevens. Dit statistisch model werd aanvankelijk ontwikkeld om te kwantificeren vorm gebaseerde diffeomorphometry over leeftijd in AD patiënten21,24; en het werd later aangepast voor het onderzoek naar de structurele veranderingen van de hersenen in de ziekte van Huntington (HD), alsook over het beschrijven van de hersenen developmental veranderingen in neonatale hersenen25. In HD patiënten, werd de verandering-punt met betrekking tot de CAG-leeftijd product (CAP) score, gedefinieerd als een indicator van de mate van blootstelling aan de CAG-uitbreiding in HTT 26. Het is bekend dat striatale atrofie één van de vroegste markers in HD is, gevolgd door de globus pallidus27. Toch, de veranderingen in het striatum ten opzichte van andere structuren van de grijze en witte stof in de hersenen blijft onduidelijk. Deze relatie is cruciaal voor ons om te begrijpen van de progressie van de ziekte. Verandering-punt analyse van de volumetrische veranderingen in alle breinstructuur zorgt waarschijnlijk voor systematische informatie van de atrofie van de hersenen in de premanifest fase van HD.
Hier tonen we de procedures voor het uitvoeren van geheel-hersenen segmentatie gebruik MRICloud (www.mricloud.org) en de stappen voor het uitvoeren van verandering-punt analyse van volumetrische gegevens in premanifest HD onderwerpen. De MRI-gegevens werden verzameld uit een grote populatie multicentrische PREDICT-HD studeren28,,29 met ongeveer 400 controles en premanifest HD onderwerpen. De combinatie van atlas gebaseerde segmentatie en verandering-punt analyse brengt unieke informatie over de spatio volgorde van de structurele veranderingen van de hersenen en het ziektepatroon progressie in de hersenen. De technieken zijn mogelijk van toepassing op een reeks neurodegeneratieve ziekten met verschillende biomerkers om de degeneratie van de hersenen in kaart.
Zoals aangetoond in deze paper, worden geheel-hersenen segmentatie van de hersen-MRI gemakkelijk bereikt met behulp van onze online platform MRICloud. T1-gewogen MRI gebaseerd volumetrische marker heeft aangetoond dat robuust en gevoelig voor een reeks neurodegeneratieve ziekten,1,,2,3. De volumetrische maatregelen worden gebruikt voor verschillende downstream analyse, zoals wiskundige modellering en functie-selectie en indeling…
The authors have nothing to disclose.
Wij danken de PREDICT-HD onderzoekers, in het bijzonder Dr. Hans Johnson en Dr. Jane S. Pauslen van Universiteit van Iowa, voor hun gulheid in het delen van de MRI-gegevens en constructieve discussie over de data-analyse en resultaten.
Dit werk wordt ondersteund door de NIH verleent R21 NS098018 P50 NS16375, NS40068, R01 NS086888, R01 NS084957, P41 EB015909, P41 EB015909, R01 EB000975, R01 EB008171 en U01 NS082085.
MATLAB | Mathworks | N/A | Version 2015b and above |
Dell Workstation | Dell | Dell Precision T5500 (Intel Xeon CPU) |