Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Neuroscience

מידול צורה תלת מימדי וניתוח מבני המוח

doi: 10.3791/59172 Published: November 14, 2019

Summary

אנו מציגים פרוטוקול חצי אוטומטי עבור ניתוח צורה על מבני המוח, כולל פילוח תמונה באמצעות תוכנה פתוחה, ועוד ניתוח צורה מבחינת הקבוצה באמצעות חבילת דוגמנות אוטומטית. כאן, אנו מדגימים כל שלב של הפרוטוקול ניתוח צורה 3D עם פילוח היפוקמאל מתמונות MR המוח.

Abstract

ניתוח צורה סטטיסטית של מבני מוח שימש לחקירת הקשר בין השינויים המבבניים שלהם לבין התהליכים הפתולוגיים. פיתחנו חבילת תוכנה למידול צורה מדויקת ואיתנה וניתוח מבחינת הקבוצה. כאן, אנו מציגים צינור עבור ניתוח הצורה, ממידול צורה בודדת תלת-ממדית ועד ניתוח צורה כמותי. אנו מתארים גם את השלבים טרום עיבוד ופילוח באמצעות חבילות תוכנה פתוחה. מדריך זה מעשי יסייע לחוקרים לחסוך זמן ומאמץ בניתוח צורה 3D על מבנים המוח.

Introduction

ניתוח צורה של מבני המוח התפתחה ככלי המועדף לחקור שינויים מורפולוגיים שלהם תחת תהליכים פתולוגיים, כגון מחלות ניווניות והזדקנות1. שיטות חישוביות שונות נדרשים 1) להתוות במדויק את הגבולות של מבני היעד מתמונות רפואיות, 2) לשחזר את צורת היעד בצורה של שינוי פני השטח 3D, 3) לבנות בין הנושאים התכתבות על פני מודלים הצורה הפרט דרך מפרוניזציה צורה או פני השטח, ו 4) להעריך את ההבדלים הצורה במהלך השנים האחרונות, שיטות רבות הוכנסו במחקרים נוירוהדמיה עבור כל אחד משלבים אלה. עם זאת, למרות ההתפתחויות הבלתי מדהימות בתחום, אין הרבה מסגרות המתאימות באופן מיידי למחקר. במאמר זה, אנו מתארים כל שלב של ניתוח הצורה של מבנים המוח באמצעות הכלים שלנו מידול צורה מותאם אישית והזמין לציבור מקטעי תמונה.

כאן, אנו להדגים את מסגרת ניתוח צורה עבור מבני המוח דרך ניתוח צורה של היפוקמאני השמאלי והימני באמצעות ערכת נתונים של שולטת למבוגרים וחולי אלצהיימר. ניוון של היפוקמאני מזוהה כביוארקר הדמיה קריטית במחלות ניווניות2,3,4. במסגרת ניתוח הצורה שלנו, אנו מעסיקים את מודל התבנית של מבנה היעד ואת הרישום תבנית-לתמונה deformable בתהליך מידול הצורה. מודל התבנית מקודד מאפייני צורה כללית של מבנה היעד באוכלוסיה, והוא גם מספק תוכנית בסיסית לכימות הבדלי הצורות בין המודלים הבודדים באמצעות הקשר הטרנזיטיבי שלהם עם מודל התבנית. ברישום תבנית-לתמונה, פיתחנו שיטת הדפורמציה של פני השטח כדי להתאים את מודל התבנית למבנה היעד בתמונות בודדות תוך מזעור העיוות של התפלגות הנקודה במודל התבנית5,6,7. הכדאיות והחוסן של המסגרת המוצעת אומתו במחקרים נוירוהדמיה האחרונות של הזדקנות קוגניטיבית8, גילוי מוקדם של ליקוי קוגניטיבי מתון9, וכלה לחקור אסוציאציות בין שינויים מבניים המוח רמות קורטיזול10. גישה זו תקל עליך להשתמש במידול הצורה ובשיטות הניתוח במחקרים נוירוהדמיה נוספים.

Protocol

המוח תמונות MR נרכשו לפי הפרוטוקול שאושר על ידי הוועדה המקומית סקירה מוסדית וועדת האתיקה.

הערה: ניתן להוריד את הכלים עבור מידול וניתוח צורות ממאגר NITRC: https://www.nitrc.org/projects/dtmframework/. ניתן לבצע את תוכנת GUI (DTMModeling. exe) לאחר החילוץ. ראה איור 1.

1. המוח מקטעי תמונה MR

  1. לרכוש תמונות המוח MR של נושאים בודדים מסכות פילוח המוח.
    הערה: בדרך כלל, אנו רוכשים תמונות MR T1 משוקלל עבור ניתוח של מבני המוח. אנו מניחים כי תמונות MR מעובדות מראש עבור תיקון non-יניאריות הדרגתי ועוצמת תיקון הומוגניות באמצעות N311, שיפור N3 שיטות12, או fsl-FAST13. חלק מהכלים הזמינים בחופשיות לפילוח אוטומטי של מבני מוח אנושיים רשומים בטבלה 1.
  2. תקן את תוצאות הפילוח באופן ידני.
    הערה: פתיחת תוכנת GUI התומכת בפילוח ידני מפורטות בטבלה 2. הפרוטוקולים פילוח ידני של מבנה המוח ניתן למצוא כאן14,15,16. מדריך וידאו על פילוח ידני עבור ההיפוקמפוס הוא כאן17. אנו מתארים את הפרוטוקול לפילוח היפוקמאל בסעיף הבא.
    1. פתח את ה-MRI המשוקלל של T1 ואת תוצאות הפילוח האוטומטי באמצעות התפריט פתיחת קובץ .
    2. טעינת התוסף פילוח על ידי לחיצה על תפריט חלון | הצג את | פילוח.
    3. תקן את מסיכת הפילוח באמצעות הכלי הוספה, חיסור ותיקון בתוסף פילוח .
    4. שמור את מסיכת הפילוח המתוקן בתבנית Nifti באמצעות תפריט השמירה .

2. עריכה ידנית של פילוח היפוקמא

הערה: אנו מציגים פרוטוקול לעריכה ידנית של פילוח המוח באמצעות תוכנת מידול GUI מבוסס על הספסל MITK (http://www.mitk.org/). הספסל MITK מספק פונקציות שונות עבור פילוח ידני ואוטומטי והדמיה תמונה רפואית. אנו מדגימים את תהליך העריכה הידנית של ההיפוקמאני השמאלי והימני. שלבים לעריכה ידנית18 תוצאה של פילוח היפוקמאל אוטומטי הם כדלקמן.

  1. פתח את התמונה MR משוקלל T1 ואת התוצאות של פילוח היפוקמאל אוטומטי באמצעות תוכנת העבודה MITK הספסל.
  2. לטעון את התוסף פילוח בספסל MITK על ידי לחיצה על חלון התפריט | הצג תצוגה | פילוח.
  3. בחר את התצוגה הקורילית על-ידי לחיצה על הסמל מצד ימין המופיע בפינה הימנית העליונה של חלון הצג .
  4. ערוך את המסיכה הבינארית של כל היפוקמפוס (כלומר, שמאל וימין) בתצוגה הקורלית, החל מראש ההיפוקמאל לגוף כדלקמן.
    1. גלול לאורך כל אמצעי האחסון עד שהאוקוס יימצא. כלול את uncus במסכה היפוקמאל שם הוא נוכח.
    2. לערוך את המסכה של הגוף היפוקמאל לאחר uncus התרחק באמצעות פונקציה Add ו להחסיר ב-plugin פילוח .
    3. המשך לערוך את מסכת ההיפוקמאל עד שנמצא זנב ההיפוקמאל. כמו גרעין pulvinar של תלמוס מעולה על ההיפוקמפוס, fornix מתגלה.
    4. סיום עריכת הפרוסה האחרונה ילתית של ההיפוקמפוס שבו אורך כולו של fornix הוא גלוי אבל עדיין לא רציף עם הטחול של הקורפוס callosum.
      הערה: מרווחים של נוזל מוחי שדרתי (שדרתי) יכולים להיות כלולים בתוך האזורים של היפוקמאל. החללים שבמוח שדרתי ניתן להסיר מסכות היפוקמאל באמצעות הכלי חיסור בתוסף פילוח של הספסל mitk. זה עשוי להיות קל יותר להגדיר את האזורים היפוקמאל לחלוטין ולאחר מכן לעבור את כל הפרוסות ילתית מן היפוקמאל ראש לזנב להסרת חללים שדרתי.
    5. בצע את אותו תהליך לעריכת המסכות הבינאריות של שני היפוקמונים.
      הערה: ניתן להשתמש בכלי הוספה, חיסור ותיקון של תוסף פילוח בספסל העבודה mitk עבור העריכה הידנית. הכלי תיקון קל לטפל בשגיאות קטנות במסיכת הפילוח על-ידי ביצוע חיבור וחיסור בהתאם לקלט המשתמש ומסיכת הפילוח ללא בחירת כלי נוסף.
  5. שמור את המסכות הבינאריות עבור היפוקמונים שמאל וימין בפורמט nifti (המוסד לביטוח העצמי או המוסד לביטוח העצמי. gz) באמצעות תפריט שמור בתוכנת mitk ושר.
    הערה: המסכות הבינאריות של היפוקמונים שמאל וימין יש לשמור בנפרד עבור הצעדים הבאים היפוקמאל מודל הצורה.

3. בניית תבניות קבוצה

הערה: לאחר פילוח ועריכה ידנית עבור כל הנושאים, מידול הצורה הבודד דורש את מודל התבנית של מבנה היעד. אנו בונים את מודל התבנית מתוך המסכה הבינארית הממוצעת לאוכלוסיה, שנרכשה באמצעות תוסף "שפיר" בדוכן העבודה של MITK. השלבים של בניית מודל התבנית באמצעות תוכנת GUI הם כדלקמן.

  1. טען את התוסף שפיר באמצעות פונקציית התפריט: חלון | הצג תצוגה | מידול צורות.
  2. פתח ספריה המכילה את המסכות הבינאריות של אוכלוסיית מחקר על-ידי לחיצה על לחצן פתח ספריה בתוסף שפיר .
  3. לחץ על לחצן בניית תבנית בתוסף שפיר .
  4. בדוק את שינוי הצורה הממוצע ושמור אותו בתבנית סטריאואוליתוגרפיה (STL) באמצעות תפריט השמירה .

4. שחזור צורה אינדיבידואלית

הערה: בשלב זה, אנו מבצעים את מידול הצורה עבור נושאים בודדים באמצעות התחל מידול צורה לחצן "שפיר" תוסף. אנו מפרט את פרמטרי התוכנה של תוסף זה בטבלה 3. הסבר מפורט על כל פרמטר ניתן למצוא כאן5. השלבים של שחזור הצורה הבודד באמצעות תוכנת GUI הם כדלקמן.

  1. טעינת תמונת MR של T1 משוקלל ומסיכת הפילוח שלה באמצעות תפריט פתיחת קובץ .
    הערה: אנו משתמשים בתמונת MR לאימות חזותי של T1.
  2. בדוק את פרמטרי המידול בתוסף שפיר ושנה אם יש צורך בכך.
    הערה: אם מודל התבנית אינו מעוות או שהמרחק בין מודל התבנית לבין גבול התמונה גדול, מומלץ להגדיל את טווח החיפוש בגבולות. אם נמצאו עיוותים גיאומטריים, הגדלת maxAlpha ומינאלפה עם שלב 0.5 יסייעו לפתור את הבעיה. חשוב לבדוק את עוצמת voxel עבור אובייקט היעד במסכת הפילוח. אם הערך אינו 1, יש לשנות את פרמטר העוצמה בהתאם.
  3. לחץ על לחצן מידול צורה כדי להפעיל את תהליך מידול הצורה ולבדוק את התוצאה בתצוגת תלת-ממד של ספסל העבודה mitk.
  4. חזור על שלבים 4.2 ו-4.3, כאשר מודל התבנית אינו מותאם באופן מדוק לגבול התמונה.
    הערה: מודל התבנית מדמיין את מסיכת הפילוח במשונן, הקולית, הציר ותצוגת התלת-ממד של ספסל העבודה של MITK. משטח התבנית אינו מעוות כאשר המרחק בין מודל התבנית לגבול התמונה קטן מסף שהוא עשירית מגודל ה-voxel הקטן ביותר.
  5. שמור את תוצאת המידול בתבנית סטריאואוליתוגרפיה (STL) באמצעות תפריט שמור ב-mitk framework.

5. מדידה בנורמליזציה של צורה והבדלי צורה

הערה: בשלב זה, אנו מיישר את דגמי הצורה הבודדת למודל התבנית ומחשב את העיוות של הצורה מבחינת הנקודה בין הקודקודים המתאימים בין מודל התבנית לבין מודל הצורה הבודד. השלבים עבור מדידת עיוות הצורה הם כדלקמן.

  1. בחר את מודל הצורה של נושא במנהל הנתונים של ספסל העבודה של mitk.
    הערה: משתמשים יכולים לבחור מספר דגמים עבור מדידת העיוות.
  2. בצע את מדידת העיוות על-ידי לחיצה על לחצן המדידה בתוסף שפיר .

Representative Results

תהליך מידול הצורה המתואר כאן כבר מועסק למחקרים נוירודימות שונים על הזדקנות6,8,10 ומחלת אלצהיימר5,9. במיוחד, שיטת דוגמנות צורה זו הראתה את הדיוק והרגישות שלה בניתוח הצורה על ההיפוקמפוס עבור אוכלוסיה מזדקנת של 654 נושאים8. ניתן למצוא כאן5. ניתוח כמותי של התוכנה והתוכנה הזמינה לציבור, עבודה בצורה, LDDMM-TI, ו-spharm-pdm. אנו מתארים הרבה כלים פתוחים מפני עיבוד תמונה MR לפילוח המוח בטבלה 1,טבלה 2, ושולחן 4.

איור 2 הוא דיאגרמה של מסגרת מידול הצורה באמצעות מודלי תבניות של מבני יעד. דגמי התבניות מייצגים את מאפייני הצורה הכלליים של מבני המוח באוכלוסיה. איור 3 מציג את דפורמציה של מודל תבנית ההיפוקמאל עבור שחזור בצורה אינדיבידואלית. השיטה גורמת לעיוות קנה מידה גדול לקטן של מודל התבנית כדי למזער את העיוות של התפלגות הנקודה שלה תוך שחזור מאפייני צורה בודדים. איור 4 מציג את דגמי הצורות המשוחזר של שני נושאים עם מסיכות הפילוח שלהן. איור 5 מציג את מודלי הצורות המיושרים, המודל הממוצע שלהם ואת וקטורים של הבדלי צורה עם מודל צורה בודד. איור 6 מציג את מפות עיוות הצורה הממוצעת, מוקרן על המודל הממוצע, עבור שתי קבוצות עם נפח רקמת מוח קטן וגדול (btv). בחרנו נושאים שבהם BTV הוא גדול או פחות מאשר סטיית תקן מממוצע של אוכלוסיה מזדקנת בריאה של 51 נושאים5. מפות עיוות צורה של שתי קבוצות להציג דפוסים מנוגדים של הבדל צורה היפוקמאל באזורים המתאימים.

Figure 1
איור 1: תוכנת GUI עבור מידול הצורה והניתוח. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 2
איור 2: שלבים של מידול הצורה באמצעות מודלי תבניות למבני מוח. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 3
איור 3: הדפורמציה של מודל התבנית (כתום) עבור שחזור צורה בודד. מפת צבע = בסדר גודל קודקוד העיוות (mm). אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 4
איור 4: דוגמאות של מידול צורה בודדים של ההיפוקמפוס. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 5
איור 5: שינוי מודלים של צורות בודדות, המודל הממוצע שלהם ודרכי ההפרש בין הצורות עם מודל צורה בודד. Left = מודלים של צורה בודדים (לבן) והדגם הממוצע שלהם (כחול). ימין = וקטורים בצורת נקודה חכמה בין המודל הממוצע למודל בודד. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 6
איור 6: עיוות הצורה הממוצעת של שתי קבוצות עם עוצמת רקמת מוח קטנה וגדולה (פחות או יותר מסטיית תקן אחת מממוצע האוכלוסיה) באוכלוסיה מזדקנת בריאה. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

שם תיאור/ מערכת ארגון קישור
אלווין מקטעי חדר לרוחב לינוקס קינגס קולג ' בלונדון https://www.nitrc.org/projects/alvin_lv/
ראשון פילוח מבנה קורטיקלית ב FSL לינוקס, Mac אוניברסיטת אוקספורד https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FIRST
מהר כלים לסיווג רקמות עם תיקון לווריאציות אינטנסיביות מרחבית לינוקס, Mac אוניברסיטת אוקספורד https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FAST
ממלכת הקיפר ווקסאל-מקטעי וייז מלאים במוח לינוקס, Mac אתיולה א. מרטילוס מרכז להדמיה ביו-רפואית, MGH https://surfer.nmr.mgh.harvard.edu/
קרפדות-שיוט הכלי מפלח מוח אוטומטי לינוקס, Mac אוניברסיטת ג'ונס הופקינס https://www.nitrc.org/projects/toads-cruise
בעלי מעגל כלי סיווג אוטומטי לרקמת המוח לינוקס, Mac קינגס קולג ' בלונדון https://github.com/KCL-BMEIS/NiftySeg
כלי ברייברסוויט PVC כלים לסיווג רקמות המוח בחבילת ברייברסוויט חלונות, לינוקס, Mac אוניברסיטת דרום קליפורניה http://brainsuite.org/

טבלה 1: רשימת התוכנות הפתוחות המשמשות באופן נרחב לפילוח אוטומטי של מבני מוח.

שם תיאור/ מערכת ארגון קישור
מיטק תוכנת GUI המספקת תוספים לחצי אוטומטי (למשל אזור גדל, פרשת הסף) ומקטעי תמונה ידנית חלונות, לינוקס, Mac המרכז הגרמני לחקר הסרטן http://mitk.org/wiki/MITK
פורס תלת-ממד תוכנת GUI לעיבוד תמונה רפואית והדמיה תלת-ממדית. עורך פלח בפורס תלת-ממד הוא מודול עבור פילוח ידני חלונות, לינוקס, Mac בריגהם והנשים
בית חולים בע מ
https://www.slicer.org/
ITK-הצמד תוכנת GUI לחצי אוטומטי (שיטת מתאר פעילה) ופילוח ידני חלונות, לינוקס, Mac אוניברסיטת פנסילבניה ואוניברסיטת יוטה http://www.itksnap.org/pmwiki/pmwiki.php
שבויי מעשה תוכנת GUI עבור מיחשוב תמונה ביו-רפואית. תוסף פילוח ידני נתמך. חלונות, לינוקס אוניברסיטת שפילד http://www.gimias.org/
מריcron GUI תוכנה עבור מציג תמונה בפורמט NIFIT. הוא תומך גם בעיבוד עוצמה, רישום אזור ROI וכלים סטטיסטיים חלונות, לינוקס, Mac אוניברסיטת קרוליינה הדרומית http://people.cas.sc.edu/rorden/mricron/index.html
מנגו מציג תמונות מרובה פלטפורמות התומך בהדמיה על פני השטח, בעריכת ROI ובניתוח תמונה חלונות, לינוקס, Mac אוניברסיטת טקסס בריאות http://ric.uthscsa.edu/mango/index.html

טבלה 2: רשימת תוכנות פתוחות עבור פילוח ידני וחזותי.

פרמטר תיאור/
--מינאלפא משקל מינימלי לכוח פנימי המשמר את הקואורדינטות של לפלאיאן של מודל התבנית (ברירת מחדל: 1.0)
--מקסאלפה משקל מירבי לכוח פנימי המשמר את הקואורדינטות של לפלאיאן של מודל התבנית (ברירת מחדל: 5.0)
--thresholdAlpha פרמטר הסף כדי להקטין את משקל האלפא בהדרגה במהלך דפורמציה התבנית (ברירת מחדל: 0.01)
--מינרינג רמה מינימלית של שכונה (ברירת מחדל: 1)
-מקסרינג רמה מקסימלית של שכונה (ברירת מחדל: 3)
--קצה פרמטר משקל עבור כוח חיצוני (ברירת מחדל: 0.1)
-עוצמה ערך voxel עבור מבנה היעד במסיכת פילוח
--טווח טווח חיפוש גבולות (ברירת מחדל: 5.0)
--אתחול אתחול מודל תבנית באמצעות אלגוריתם הקרוב איטרטיבי (ברירת מחדל: 1 (true))

שולחן 3: פרמטרים לשחזור הצורה הבודדת.

שם תיאור/ מערכת ארגון קישור
MINC N3 שיטת נורמליזציה לא פרמטרית (N3) לינוקס, Mac אוניברסיטת מקגיל https://www.nitrc.org/projects/nu_correct
נמלים N4BiasCorrection N4ITK: שיטת N3 משופרת בחבילת תוכנת ' כלי נורמליזציה מתקדמים ' (ANTs) חלונות, לינוקס, Mac אוניברסיטת פנסילבניה https://sourceforge.net/projects/advants/
מערכת כלים הגולגולת בנוכחות כלי באמצעות שיטת היתוך ברמה מבוסס הערכה Matlab אוניברסיטת קרוליינה הצפונית https://www.nitrc.org/projects/skulltoolkit
מיכל ברובקס הגולגולת להתפשט כלי באמצעות משטח המוח התאמה שיטה לינוקס, Mac אוניברסיטת קליפורניה בלוס אנג'לס https://www.nitrc.org/projects/robex/
FSL הימור הגולגולת להתפשט כלי ב fsl חבילת לינוקס, מאק, חלונות אוניברסיטת אוקספורד https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/BET
הכלי ברייברסוויט הגולגולת להתפשט הכלי בחדר הברסופקגה חלונות, לינוקס, Mac אוניברסיטת דרום קליפורניה http://brainsuite.org/processing/surfaceextraction/bse/

שולחן 4: רשימת התוכנות הפתוחות המשמשות באופן נרחב עבור המוח MR טרום עיבוד והגולגולת להתפשט.

Discussion

לסיכום, תיארנו את צינור התוכנה עבור ניתוח הצורה על מבנים המוח כולל (1) MR מקטעי תמונה באמצעות כלים פתוחים (2) שחזור צורה בודדים באמצעות מודל תבנית deformable, ו (3) הבדל צורה כמותית מדידה באמצעות התכתבות הצורה טרנזיטיבית עם מודל התבנית. ניתוח סטטיסטי תחת שיעור גילוי שווא (רוזוולט) מבוצע עם עיוות הצורה כדי לחקור את המשמעות של שינויים מורפולוגיים של מבני מוח, הקשורים לתהליכים נוירופתולוגיים.

צינור הדוגמנות שלנו שימוש פנימי כלים בתוך הבית כדי לבנות מודל תבנית מתמונות הנושא. השלבים עבור בניית התבנית הם כדלקמן: (i) חשב את המסיכה הממוצעת של הקבוצה באמצעות יישור איטרטיבי של תמונות נושא לתמונה ממוצעת המתפתחת בכל איטראציה. (ii) צור רשת משטח תלת-ממדית מהמסיכה הממוצעת באמצעות שיטת קוביות המצעד20. (iii) דגום ממנו את שינוי פני השטח באמצעות דגימה מחודש של רשת השינוי באמצעות הכלי ACVD (https://www.creatis.insa-lyon.fr/site/en/acvd.html). ניתן להגדיר את מספר מודל התבנית בתוסף ' שפיר-Deling '.

שחזור הצורה הפרטני מבוסס על שיטת דפורמציה של תבנית מתקדמת. שיטה זו מאפשרת דפורמציה של קנה מידה גדול לקטן כדי למזער את העיוותים הגיאומטריים של מודל התבנית תוך שחזור פרטי הצורה הבודדים על-ידי הפצת מודל התבנית לגבולות התמונה. שיטת הדפורמציה מוגבלת למבנים בטופולוגיה כדורית. נגד מגבלה זו, יש לנו הציג אילוצים ספציפיים מבנה במידול הצורה של חדר המוח השלישי, אשר יש חור על ידי הדבקה התלתלמי6. עם זאת, האילוצים הספציפיים למבנה אינם נתמכים על-ידי הגירסה הנוכחית של התוכנה שלנו.

מודלי הצורות האינדיווידואליזציה מיושרים במרחב המשותף באמצעות אלגוריתם Procrustes מוכלל19. כאן, אנו משתמשים בשינוי הדמיון (קנה מידה איזוטרופי, תרגום וסיבוב) עבור נרמול מודל הצורה. הבדלים בין צורות מקומיות נקבעים על-ידי וקטור ההזחה בין הקודקודים המתאימים של דגמי פני השטח הבודדים ומודל הצורה הממוצע שלהם. עיוות הצורה בכל קודקוד מחושב כנורמה החתומה האוקלידית של וקטורים העקירה אשר מוקרן על הקודקוד הנורמלי של המודל הממוצע. השלבים המפורטים של ניתוח הצורה הסטטיסטית ניתן למצוא כאן5.

להערכת הדיוק של מידול הצורה, אנו משתמשים 3 מדדים: מקדם קוביות, ממוצע מרחק, ו האוסדורף מרחק. מקדם הקוביות מייצג חפיפה בין אמצעי האחסון בין הדגם המשוחזר לבין מסיכת פילוח היעד. מרחק ממוצע הוא המרחק הממוצע ביניהם, ומרחק האוסדורף הוא המרחק המקסימלי ביניהם. מרחקים תחתונים ומקדם קוביות גבוה יותר מצביעים על דיוק טוב יותר. למחקר ההיפוקמפוס5, מקדם הקוביות היה 0.85-0.9, מרחק ממוצע היה סביב 0.3 מ"מ, והמרחק האוסדורף היה 2 מ"מ. עם זאת, תוצאות אלה תלויות באמצעי האחסון ובפרטי הצורה של מבנה היעד. ניתן להשתמש בהבדלים באמצעי אחסון ובחספוס פני השטח כמחוונים לאיכות הדיוק והצורה5.

לנוחות השימוש, אנו מפיצים גם Matlab script יחד ליצירת קבצי רשימה והפעלת כלי שורת הפקודה עבור כל שלב. כיום, בדקנו את הכלים ב-Linux, MacOS ו-Windows. משמעות התוכנה בתוך הבית היא שהיא אוטומטית לחלוטין עבור מידול צורה מבוססת תבנית ומדידה. יש לנו תוקף את החוסן והדיוק שלה עם ערכות נתונים שונות של הזדקנות ואוכלוסיות מחלות אלצהיימר5. יתר על כן, ישנן גישות רבות באמצעות שיטת מידול הצורה על איברי אדם שונים.

Disclosures

המחברים מצהירים שאין ניגוד אינטרסים.

Acknowledgments

העבודה ממומנת על ידי הקרן הלאומית למחקר של קוריאה (JP כמו PI). JK ממומנת על ידי קרן המחקר הלאומית של קיונגפובוק; ו-MCVH ממומן על ידי קרן הצדקה שורה Fogo והחברה המלכותית של אדינבורו. פילוח ההיפוקמאל הותאם מתוך הבית הנחיות שנכתבו על ידי ד ר קארן פרגוסון, במרכז למדעי המוח קלינית, אדינבורו, בריטניה.

Materials

Name Company Catalog Number Comments

DOWNLOAD MATERIALS LIST

References

  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).
מידול צורה תלת מימדי וניתוח מבני המוח
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Kim, J., Valdés Hernández, M. d. C., Park, J. Three-Dimensional Shape Modeling and Analysis of Brain Structures. J. Vis. Exp. (153), e59172, doi:10.3791/59172 (2019).More

Kim, J., Valdés Hernández, M. d. C., Park, J. Three-Dimensional Shape Modeling and Analysis of Brain Structures. J. Vis. Exp. (153), e59172, doi:10.3791/59172 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter