Vi introducerar ett halvautomatiskt protokoll för form analys på hjärnstrukturer, inklusive bildsegmentering med öppen programvara, och ytterligare grupp vis form analys med hjälp av ett automatiserat modellerings paket. Här visar vi varje steg i 3D-form analysprotokoll med Hippocampus segmentering från Brain Mr images.
Statistisk form analys av hjärnstrukturer har använts för att undersöka sambandet mellan deras strukturella förändringar och patologiska processer. Vi har utvecklat ett mjukvarupaket för noggrann och robust form modellering och grupp-Wise analys. Här introducerar vi en pipeline för form analys, från individuell 3D-form modellering till kvantitativ grupp form analys. Vi beskriver också förbehandling och segmentering steg med hjälp av öppna mjukvarupaket. Denna praktiska guide skulle hjälpa forskare att spara tid och ansträngning i 3D-form analys på hjärnans strukturer.
Form analys av hjärnstrukturer har dykt upp som det föredragna verktyget för att undersöka deras morfologiska förändringar under patologiska processer, såsom neurodegenerativa sjukdomar och åldrande1. Olika beräkningsmetoder krävs för att 1) exakt avgränsa gränserna för målstrukturer från medicinska bilder, 2) rekonstruera målformen i form av 3D-yta mesh, 3) bygga Inter-ämnen korrespondens över enskilda form modeller via form Parameterisering eller yta registrering, och 4) kvantitativt bedöma de regionala form skillnader mellan individer eller grupper. Under de senaste åren har många metoder införts i neuroimaging studier för vart och ett av dessa steg. Men trots den anmärkningsvärda utvecklingen på området, det finns inte många ramar omedelbart tillämpas på forskning. I den här artikeln beskriver vi varje steg i form analysen av hjärnstrukturer med hjälp av våra anpassade form modelleringsverktyg och allmänt tillgängliga bildsegmenteringsverktyg.
Här visar vi formen analys ramverk för hjärnstrukturer genom form analys av vänster och höger hippocampi med hjälp av en uppsättning av vuxna kontroller och patienter med Alzheimers sjukdom. Atrofi av hippocampi är erkänd som en kritisk Imaging biomarkör i neurodegenerativa sjukdomar2,3,4. I vårt ramverk för form analys använder vi mallmodellen för målstrukturen och den deformerbara registreringen av mallen till bild i form modelleringsprocessen. Mallmodellen kodar allmänna formegenskaper för målstrukturen i en population, och den ger också en baslinje för att kvantifiera form skillnaderna mellan de enskilda modellerna via deras transitiva relation med mallmodellen. I mallen-till-bild-registrering har vi utvecklat en laplacian yta deformation metod för att passa mallen modell till målstrukturen i enskilda bilder och samtidigt minimera snedvridning av punkt fördelningen i mallen modell5,6,7. Genomförbarheten och robustheten i den föreslagna ramen har validerats i senaste neuroimaging studier av kognitiva åldrande8, tidig upptäckt av mild kognitiv svikt9, och att utforska föreningar mellan hjärnans strukturella förändringar och kortisolnivåer10. Detta tillvägagångssätt skulle göra det lättare att använda form modellering och analysmetoder i ytterligare neuroimaging studier.
Sammanfattnings, vi har beskrivit programvaran pipeline för form analys på hjärnans strukturer inklusive (1) MR image segmentering med hjälp av öppna verktyg (2) individuell form rekonstruktion med hjälp av en deformerbar mall modell, och (3) kvantitativ form skillnad mätning via transitiv form korrespondens med mallmodellen. Statistisk analys enligt false Discovery Rate (FDR) korrigering utförs med formen deformitet att undersöka betydelsen av morfologiska förändringar av hjärnans strukturer, i samband med n…
The authors have nothing to disclose.
Arbetet finansierades av National Research Foundation i Korea (JP som PI). JK finansieras av Kyungpook nationella universitets forskningsfonden; och MCVH finansieras av Row Fogo välgörenhets förtroende och Royal Society of Edinburgh. Den Hippocampus segmentering anpassades från in-House riktlinjer skrivna av Dr Karen Ferguson, vid centrum för klinisk hjärn vetenskap, Edinburgh, Storbritannien.