Dreidimensionale Formmodellierung und Analyse von Gehirnstrukturen
Summary
Wir führen ein halbautomatisches Protokoll für die Formanalyse von Gehirnstrukturen ein, einschließlich der Bildsegmentierung mit offener Software, und weitere gruppenweise Formanalyse mit einem automatisierten Modellierungspaket. Hier zeigen wir jeden Schritt des 3D-Formanalyseprotokolls mit Hippocampus-Segmentierung aus Hirn-MR-Bildern.
Abstract
Statistische Formanalysen von Hirnstrukturen wurden verwendet, um den Zusammenhang zwischen ihren strukturellen Veränderungen und pathologischen Prozessen zu untersuchen. Wir haben ein Softwarepaket für genaue und robuste Formmodellierung und gruppenweise Analyse entwickelt. Hier führen wir eine Pipeline für die Formanalyse ein, von der individuellen 3D-Formmodellierung bis zur quantitativen Gruppenformanalyse. Wir beschreiben auch die Vorverarbeitungs- und Segmentierungsschritte mit offenen Softwarepaketen. Dieser praktische Leitfaden würde Forschern helfen, Zeit und Mühe bei der 3D-Formanalyse von Gehirnstrukturen zu sparen.
Introduction
Die Formanalyse von Hirnstrukturen hat sich als bevorzugtes Werkzeug herauskristallisiert, um ihre morphologischen Veränderungen unter pathologischen Prozessen wie neurodegenerativen Erkrankungen und Alterung1zu untersuchen. Verschiedene Rechenmethoden sind erforderlich, um 1) die Grenzen von Zielstrukturen aus medizinischen Bildern genau abzugrenzen, 2) die Zielform in Form von 3D-Oberflächennetzen zu rekonstruieren, 3) intersubjektübergreifende Korrespondenz über die einzelnen Formmodelle mittels Formparametrierung oder Oberflächenregistrierung zu bilden und 4) die regionalen Formunterschiede zwischen Individuen oder Gruppen quantitativ zu bewerten. In den letzten Jahren, viele Methoden wurden in Neuroimaging-Studien für jeden dieser Schritte eingeführt. Trotz der bemerkenswerten Entwicklungen auf diesem Gebiet gibt es jedoch nicht viele Rahmenbedingungen, die sofort auf die Forschung anwendbar sind. In diesem Artikel beschreiben wir jeden Schritt der Formanalyse von Gehirnstrukturen mithilfe unserer benutzerdefinierten Formmodellierungstools und öffentlich verfügbaren Bildsegmentierungstools.
Hier zeigen wir den Rahmen für die Formanalyse für Hirnstrukturen durch die Formanalyse des linken und rechten Hippocamps anhand eines Datensatzes von Erwachsenenkontrollen und Alzheimer-Patienten. Atrophie des Hippocampi ist als kritischer bildgebender Biomarker bei neurodegenerativen Erkrankungen2,3,4anerkannt. In unserem Shape-Analyse-Framework verwenden wir das Vorlagenmodell der Zielstruktur und die vorlagenverformbare Registrierung im Formmodellierungsprozess. Das Vorlagenmodell kodiert allgemeine Formmerkmale der Zielstruktur in einer Grundgesamtheit und bietet auch eine Basisfürstfür die Quantifizierung der Formunterschiede zwischen den einzelnen Modellen über ihre transitive Beziehung zum Vorlagenmodell. In der Vorlagen-zu-Bild-Registrierung haben wir eine Laplacian-Oberflächenverformungsmethode entwickelt, um das Vorlagenmodell in einzelnen Bildern an die Zielstruktur anzupassen und gleichzeitig die Verzerrung der Punktverteilung im Vorlagenmodell5,6,7zu minimieren. Die Machbarkeit und Robustheit des vorgeschlagenen Rahmens wurden in den jüngsten neuroimaging Studien der kognitiven Alterungvalidiert 8, Früherkennung von leichten kognitiven Beeinträchtigungenthoben 9, und um Assoziationen zwischen strukturellen Veränderungen des Gehirns und Cortisolspiegel10zu untersuchen. Dieser Ansatz würde es einfacher machen, die Formmodellierungs- und Analysemethoden in weiteren neuroimaging-Studien zu verwenden.
Protocol
Representative Results
Discussion
Zusammenfassend haben wir die Software-Pipeline für die Formanalyse von Hirnstrukturen einschließlich (1) MR-Bildsegmentierung mit offenen Werkzeugen (2) individueller Formrekonstruktion mit einem verformbaren Vorlagenmodell und (3) quantitativeformdifferenzierend beschrieben. Messung über transitive Formkorrespondenz mit dem Vorlagenmodell. Statistische Analysen im Rahmen der Korrektur der falschen Entdeckungsrate (FDR) werden mit der Formdeformität durchgeführt, um die Bedeutung morphologischer Veränderungen von …
Disclosures
The authors have nothing to disclose.
Acknowledgements
Die Arbeit wurde von der National Research Foundation of Korea (JP as the PI) finanziert. JK wird vom Kyungpook National University Research Fund finanziert; und MCVH wird vom Row Fogo Charitable Trust und der Royal Society of Edinburgh finanziert. Die Hippocampussegmentierung wurde nach den internen Richtlinien von Dr. Karen Ferguson am Centre for Clinical Brain Sciences, Edinburgh, UK, angepasst.
References
- Costafreda, S. G., et al. Automated hippocampal shape analysis predicts the onset of dementia in mild cognitive impairment. NeuroImage. 56 (1), 212-219 (2011).
- Platero, C., Lin, L., Tobar, M. C. Longitudinal Neuroimaging Hippocampal Markers for Diagnosing Alzheimer’s Disease. Neuroinformatics. , 1-19 (2018).
- 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).
- Kalmady, S. V., et al. Clinical correlates of hippocampus volume and shape in antipsychotic-naïve schizophrenia. Psychiatry Research: Neuroimaging. 263, 93-102 (2017).
- 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).
- 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).
- 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).
- 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).
- 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).
- Cox, S. R., et al. Associations between hippocampal morphology, diffusion characteristics, and salivary cortisol in older men. Psychoneuroendocrinology. 78, 151-158 (2017).
- 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).
- Tustison, N. J., et al. N4ITK: improved N3 bias correction. IEEE Transactions on Medical Imaging. 29 (6), 1310-1320 (2010).
- 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).
- 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).
- 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).
- 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).
- 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).
- MacLullich, A., et al. Intracranial capacity and brain volumes are associated with cognition in healthy elderly men. Neurology. 59 (2), 169-174 (2002).
- Gower, J. C. Generalized Procrustes analysis. Psychometrika. 40 (1), 33-51 (1975).
- Lorensen, W. E., Cline, H. E. Marching cubes: A high resolution 3D surface construction algorithm. ACM Siggraph Computer Graphics. , 163-169 (1987).
