Login processing...

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

Neuroscience

त्रि-आयामी आकार मॉडलिंग और मस्तिष्क संरचनाओं का विश्लेषण

doi: 10.3791/59172 Published: November 14, 2019

Summary

हम मस्तिष्क संरचनाओं पर आकार विश्लेषण के लिए एक अर्ध-स्वचालित प्रोटोकॉल पेश करते हैं, जिसमें खुले सॉफ़्टवेयर का उपयोग करके छवि विभाजन और स्वचालित मॉडलिंग पैकेज का उपयोग करके आगे समूह-वार आकार विश्लेषण शामिल है। यहां, हम मस्तिष्क एमआर छवियों से हिप्पोकैम्पस विभाजन के साथ 3 डी आकार विश्लेषण प्रोटोकॉल के प्रत्येक चरण को प्रदर्शित करते हैं।

Abstract

मस्तिष्क संरचनाओं के सांख्यिकीय आकार विश्लेषण का उपयोग उनके संरचनात्मक परिवर्तनों और रोग प्रक्रियाओं के बीच सहयोग की जांच करने के लिए किया गया है। हमने सटीक और मजबूत आकार मॉडलिंग और समूहवार विश्लेषण के लिए एक सॉफ्टवेयर पैकेज विकसित किया है। यहां, हम व्यक्तिगत 3 डी आकार मॉडलिंग से मात्रात्मक समूह आकार विश्लेषण तक आकार विश्लेषण के लिए एक पाइपलाइन पेश करते हैं। हम खुले सॉफ्टवेयर पैकेजों का उपयोग करके प्री-प्रोसेसिंग और सेगमेंटेशन चरणों का भी वर्णन करते हैं। यह व्यावहारिक गाइड शोधकर्ताओं को मस्तिष्क संरचनाओं पर 3 डी आकार विश्लेषण में समय और प्रयास को बचाने में मदद करेगा।

Introduction

मस्तिष्क संरचनाओं का आकार विश्लेषण रोग प्रक्रियाओं के तहत उनके रूपात्मक परिवर्तनों की जांच करने के लिए पसंदीदा उपकरण के रूप में उभरा है, जैसे न्यूरोडीजेनेरेटिव रोग और उम्र बढ़ने1। विभिन्न कम्प्यूटेशनल विधियों को 1) चिकित्सा छवियों से लक्षित संरचनाओं की सीमाओं को सटीक रूप से चित्रित करने की आवश्यकता होती है, 2) 3 डी सतह जाल के रूप में लक्ष्य आकार का पुनर्निर्माण, 3) आकार पैरामीटरेशन या सतह पंजीकरण के माध्यम से व्यक्तिगत आकार मॉडलों में अंतर-विषयों के पत्राचार का निर्माण करें, और 4) मात्रात्मक व्यक्तियों या समूहों के बीच क्षेत्रीय आकार के मतभेदों का आकलन करें। पिछले कई वर्षों में, इनमें से प्रत्येक चरण के लिए न्यूरोइमेजिंग अध्ययन में कई तरीके शुरू किए गए हैं। हालांकि, क्षेत्र में उल्लेखनीय घटनाओं के बावजूद, अनुसंधान पर तुरंत कई ढांचे लागू नहीं होते हैं। इस लेख में, हम अपने कस्टम आकार मॉडलिंग उपकरण और सार्वजनिक रूप से उपलब्ध छवि विभाजन उपकरणों का उपयोग कर मस्तिष्क संरचनाओं के आकार विश्लेषण के प्रत्येक चरण का वर्णन करते हैं।

यहां, हम वयस्क नियंत्रण और अल्जाइमर रोग रोगियों के डेटासेट का उपयोग करके बाएं और दाएं हिप्पोकैम्पी के आकार विश्लेषण के माध्यम से मस्तिष्क संरचनाओं के लिए आकार विश्लेषण ढांचे का प्रदर्शन करते हैं। हिप्पोकैम्पी की शोष न्यूरोडीजेनेरेटिव डिजीज2,3,4में एक क्रिटिकल इमेजिंग बायोमार्कर के रूप में पहचाना जाता है । हमारे आकार विश्लेषण ढांचे में, हम लक्ष्य संरचना के टेम्पलेट मॉडल और आकार मॉडलिंग प्रक्रिया में टेम्पलेट-टू-इमेज विकृत पंजीकरण को नियोजित करते हैं। टेम्पलेट मॉडल एक आबादी में लक्ष्य संरचना की सामान्य आकार विशेषताओं को एन्कोड करता है, और यह टेम्पलेट मॉडल के साथ अपने क्षणभंगुर संबंध के माध्यम से व्यक्तिगत मॉडलों के बीच आकार के अंतर को निर्धारित करने के लिए एक आधार रेखा भी प्रदान करता है। टेम्पलेट-टू-इमेज पंजीकरण में, हमने टेम्पलेट मॉडल5,6,7में बिंदु वितरण की विकृति को कम करते हुए व्यक्तिगत छवियों में लक्ष्य संरचना के लिए टेम्पलेट मॉडल को फिट करने के लिए एक लैलैशियन सतह विरूपण विधि विकसित की है। प्रस्तावित ढांचे की व्यवहार्यता और मजबूती को संज्ञानात्मक उम्र बढ़ने8के हाल के न्यूरोइमेजिंग अध्ययनों, हल्के संज्ञानात्मक हानि9का शीघ्र पता लगाने और मस्तिष्क संरचनात्मक परिवर्तनों और कोर्टिसोल स्तर10के बीच संघों का पता लगाने में मान्य किया गया है । इस दृष्टिकोण से आगे न्यूरोइमेजिंग अध्ययनों में आकार मॉडलिंग और विश्लेषण विधियों का उपयोग करना आसान हो जाएगा।

Protocol

स्थानीय संस्थागत समीक्षा बोर्ड और आचार समिति द्वारा अनुमोदित प्रोटोकॉल के अनुसार ब्रेन एमआर छवियों का अधिग्रहण किया गया था ।

नोट: आकार मॉडलिंग और विश्लेषण के लिए उपकरण एनआईटीआरसी भंडार से डाउनलोड किया जा सकता है: https://www.nitrc.org/projects/dtmframework/। जीयूआई सॉफ्टवेयर (DTMModeling.exe) निष्कर्षण के बाद निष्पादित किया जा सकता है। देखें चित्र 1.

1. ब्रेन एमआर इमेज सेगमेंटेशन

  1. व्यक्तिगत विषयों और मस्तिष्क विभाजन मास्क के मस्तिष्क एमआर छवियों का अधिग्रहण करें।
    नोट: आमतौर पर, हम मस्तिष्क संरचनाओं के विश्लेषण के लिए T1 भारित एमआर छवियों का अधिग्रहण करते हैं। हम मानते हैं कि एमआर छवियों को N311,बेहतर N3 तरीकों12,या एफएसएल-फास्ट13का उपयोग करके ढाल रहित लाइनरी सुधार और तीव्रता असंगति सुधार के लिए पूर्व-संसाधित किया जाता है। मानव मस्तिष्क संरचनाओं के स्वचालित विभाजन के लिए कुछ स्वतंत्र रूप से उपलब्ध उपकरण तालिका 1में सूचीबद्ध हैं ।
  2. विभाजन परिणामों को मैन्युअल रूप से सही करें।
    नोट: ओपन जीयूआई सॉफ्टवेयर सपोर्टिंग मैनुअल सेगमेंटेशन तालिका 2में सूचीबद्ध हैं। मस्तिष्क संरचनाओं के लिए मैन्युअल विभाजन प्रोटोकॉल यहां14,15,16पाया जा सकता है । हिप्पोकैम्पस के लिए मैनुअल विभाजन पर एक वीडियो गाइड यहां17है । हम अगले खंड में हिप्पोकैम्पस विभाजन के लिए प्रोटोकॉल का वर्णन करते हैं।
    1. ओपन फाइल मेनू का उपयोग करके T1 भारित एमआरआई और स्वचालित विभाजन परिणाम खोलें।
    2. विंडो मेनू पर क्लिक करके सेगमेंटेशन प्लगइन लोड करें। दिखाएं । विभाजन
    3. सेगमेंटेशन प्लगइन में ऐड, घटानाऔर करेक्शन टूल ्स का इस्तेमाल करके सेगमेंटेशन मास्क को सही करें।
    4. सेव मेन्यू का उपयोग करके निफ्टी फॉर्मेट में सही सेगमेंटेशन मास्क को सेव करें।

2. हिप्पोकैम्पस सेगमेंटेशन का मैनुअल संपादन

नोट: हम एमआईटीके कार्यक्षेत्र(http://www.mitk.org/)के आधार पर जीयूआई मॉडलिंग सॉफ्टवेयर का उपयोग करके मस्तिष्क विभाजन के मैन्युअल रूप से संपादन के लिए एक प्रोटोकॉल पेश करते हैं। एमआईटीके कार्यक्षेत्र मैनुअल और स्वचालित विभाजन और चिकित्सा छवि दृश्य के लिए विभिन्न कार्य प्रदान करता है। हम बाएं और दाएं हिप्पोकैम्पी के लिए मैनुअल संपादन प्रक्रिया प्रदर्शित करते हैं। मैन्युअल रूप से संपादन के लिए कदम18 स्वचालित हिप्पोकैम्पस विभाजन का परिणाम इस प्रकार है।

  1. T1 भारित एमआर छवि और MITK कार्यक्षेत्र सॉफ्टवेयर का उपयोग कर स्वचालित हिप्पोकैम्पस विभाजन के परिणाम खोलें ।
  2. मेनू विंडो पर क्लिक करके एमआईटीके कार्यक्षेत्र में सेगमेंटेशन प्लगइन लोड करें। शो व्यू । विभाजन
  3. डिस्प्ले विंडो के टॉप राइट-हैंड साइड कॉर्नर में दिखाई देने वाले दाएं हाथ के साइड आइकन पर क्लिक करके कोरोनल व्यू का चयन करें ।
  4. प्रत्येक हिप्पोकैम्पस (यानी, बाएं और दाएं) के बाइनरी मास्क को कोरोनल दृश्य में संपादित करें, जो हिप्पोकैम्पस हेड से लेकर शरीर तक इस प्रकार है।
    1. जब तक अनकस नहीं मिल जाता तब तक वॉल्यूम भर में स्क्रॉल करें। जहां यह मौजूद है वहां हिप्पोकैम्पल मास्क में अनकस शामिल करें।
    2. सेगमेंटेशन प्लगइन में ऐड और घटाना फ़ंक्शन का उपयोग करके अनकस घटने के बाद हिप्पोकैम्पल शरीर के मुखौटे को संपादित करें।
    3. हिप्पोकैम्पस पूंछ पाए जाने तक हिप्पोकैम्पल मास्क का संपादन जारी रखें। जैसे ही थैलेसीमिया का पुल्विनर नाभिक हिप्पोकैम्पस से बेहतर होता है, फोनिक्स उभर ता है।
    4. हिप्पोकैम्पस के अंतिम कोरोनल स्लाइस को संपादित करना समाप्त करें जिसमें फोनिक्स की पूरी लंबाई दिखाई देती है लेकिन कॉर्पस कैलोसम के स्पैलेनियम के साथ अभी तक निरंतर नहीं है।
      नोट: सेरेब्रोस्पाइनल फ्लूइड (सीएसएफ) रिक्त स्थान हिप्पोकैम्पस क्षेत्रों के भीतर नियंत्रित किया जा सकता है। सीएसएफ रिक्त स्थान को एमआईटीके कार्यक्षेत्र के विभाजन प्लगइन में घटाना उपकरण का उपयोग करके हिप्पोकैम्पल मास्क से हटाया जा सकता है। हिप्पोकैम्पस क्षेत्रों को पूरी तरह से परिभाषित करना आसान हो सकता है और फिर सीएसएफ रिक्त स्थान को हटाने के लिए हिप्पोकैम्पल सिर से पूंछ तक सभी कोरोनल स्लाइस के माध्यम से जाना हो सकता है।
    5. दोनों हिप्पोकैम्पी के बाइनरी मास्क संपादन के लिए एक ही प्रक्रिया का पालन करें।
      नोट: एमआईटीके कार्यक्षेत्र में सेगमेंटेशन प्लगइन के ऐड, घटानाऔर सुधार उपकरण का उपयोग मैनुअल संपादन के लिए किया जा सकता है। सुधार उपकरण अतिरिक्त उपकरण चयन के बिना उपयोगकर्ता इनपुट और सेगमेंटेशन मास्क के अनुसार अतिरिक्त और घटाव प्रदर्शन करके सेगमेंटेशन मास्क में छोटी त्रुटियों को संभालना आसान है।
  5. एमआईटीके वर्कबेंच सॉफ्टवेयर में सेव मेनू का उपयोग करके निफ्टी प्रारूप (एनआईआई या एनआईआई.जीजेड) में बाएं और दाएं हिप्पोकैम्पी के लिए बाइनरी मास्क सहेजें।
    नोट: बाएं और दाएं हिप्पोकैम्पी के बाइनरी मास्क को बाद के हिप्पोकैम्पल आकार मॉडल चरणों के लिए अलग से बचाया जाना चाहिए।

3. ग्रुप टेम्पलेट निर्माण

नोट: सभी विषयों के लिए विभाजन और मैनुअल संपादन के बाद, व्यक्तिगत आकार मॉडलिंग लक्ष्य संरचना के टेम्पलेट मॉडल की आवश्यकता होती है। हम एक आबादी के लिए औसत बाइनरी मास्क से टेम्पलेट मॉडल का निर्माण करते हैं, जो एमआईटीके कार्यक्षेत्र में "शेपमॉडलिंग" प्लगइन का उपयोग करके अधिग्रहीत किया गया था। जीयूआई सॉफ्टवेयर का उपयोग करके टेम्पलेट मॉडल निर्माण के कदम इस प्रकार हैं।

  1. मेनू फ़ंक्शन का उपयोग करके शेपमॉडलिंग प्लगइन लोड करें: विंडो। शो व्यू । आकार मॉडलिंग
  2. शेपमॉडलिंग प्लगइन में ओपन डायरेक्टरी बटन पर क्लिक करके अध्ययन आबादी के बाइनरी मास्क वाली एक निर्देशिका खोलें।
  3. शेपमॉडलिंग प्लगइन में टेम्पलेट कंस्ट्रक्शन बटन पर क्लिक करें।
  4. मतलब आकार जाल की जांच करें और इसे सेव मेनू का उपयोग करके स्टीरियोलिथोग्राफी (एसटीएल) प्रारूप में सहेजें।

4. व्यक्तिगत आकार पुनर्निर्माण

नोट: इस चरण में, हम "शेपमॉडलिंग" प्लगइन में स्टार्ट शेप मॉडलिंग बटन का उपयोग करके व्यक्तिगत विषयों के लिए आकार मॉडलिंग करते हैं। हम तालिका 3में इस प्लगइन के सॉफ्टवेयर मापदंडों को सूचीबद्ध करते हैं। प्रत्येक पैरामीटर पर विस्तृत विवरणयहां5 पाया जा सकता है । जीयूआई सॉफ्टवेयर का उपयोग करके व्यक्तिगत आकार पुनर्निर्माण के कदम इस प्रकार हैं।

  1. ओपन फाइल मेनू का उपयोग करके लोड T1-भारित एमआर छवि और इसके सेगमेंटेशन मास्क।
    नोट: हम दृश्य सत्यापन के लिए T1 भारित एमआर छवि का उपयोग करें ।
  2. शेपमॉडलिंग प्लगइन में मॉडलिंग पैरामीटर देखें और यदि आवश्यक हो तो संशोधित करें।
    नोट: यदि टेम्पलेट मॉडल विकृत नहीं है या टेम्पलेट मॉडल और छवि सीमा के बीच की दूरी बड़ी है, तो सीमा खोज सीमा को बढ़ाने की सिफारिश की जाती है। यदि कुछ ज्यामितीय विकृतियां पाई जाती हैं, तो चरण 0.5 के साथ मैक्सअल्फा और मिंअल्फा को बढ़ाने से समस्या को हल करने में मदद मिलेगी। सेगमेंटेशन मास्क में टारगेट ऑब्जेक्ट के लिए वॉक्सल तीव्रता की जांच करना महत्वपूर्ण है। यदि मूल्य 1 नहीं है, तो तीव्रता पैरामीटर तदनुसार बदला जाना चाहिए।
  3. आकार मॉडलिंग प्रक्रिया को चलाने और MITK कार्यक्षेत्र के 3डी दृश्य में परिणाम की जांच करने के लिए आकार मॉडलिंग बटन पर क्लिक करें।
  4. बार-बार चरण 4.2 और 4.3 दोहराएं, जब टेम्पलेट मॉडल छवि सीमा में बारीकी से फिट नहीं होता है।
    नोट: टेम्पलेट मॉडल को सजिटल, कोरोनल, अक्षीय और एमआईटीके कार्यक्षेत्र के 3 डी दृश्य में सेगमेंटेशन मास्क के साथ कल्पना की गई है। टेम्पलेट सतह को विकृत नहीं किया जाता है जब टेम्पलेट मॉडल और छवि सीमा के बीच की दूरी एक सीमा से कम होती है जो सबसे छोटी स्वर आकार का दसवां हिस्सा है।
  5. एमआईटीके फ्रेमवर्क में सेव मेनू का उपयोग करके एक स्टीरियोलिथोग्राफी (एसटीएल) प्रारूप में मॉडलिंग परिणाम को सहेजें।

5. समूहवार आकार सामान्यीकरण और आकार अंतर मापन

नोट: इस चरण में, हम टेम्पलेट मॉडल के लिए व्यक्तिगत आकार मॉडल संरेखित करते हैं और टेम्पलेट मॉडल और व्यक्तिगत आकार मॉडल के बीच संबंधित वर्टिस के बीच बिंदु-बुद्धिमान आकार विकृति की गणना करते हैं। आकार विकृति मापन के लिए कदम इस प्रकार हैं।

  1. एमआईटीके कार्यक्षेत्र के डेटा प्रबंधक में किसी विषय के आकार मॉडल का चयन करें।
    नोट: उपयोगकर्ता विकृति मापन के लिए कई मॉडल ों का चयन कर सकते हैं।
  2. शेपमॉडलिंग प्लगइन में माप बटन पर क्लिक करके विकृति माप नकरें।

Representative Results

यहां वर्णित आकृति मॉडलिंग प्रक्रिया में6,8,10 और अल्जाइमर रोग5,9पर विभिन्न न्यूरोइमेजिंग अध्ययनों के लिए नियोजित किया गया है । विशेष रूप से, इस आकार मॉडलिंग विधि 654 विषयों8की एक उम्र बढ़ने आबादी के लिए हिप्पोकैम्पस पर आकार विश्लेषण में अपनी सटीकता और संवेदनशीलता दिखाया। सॉफ्टवेयर और सार्वजनिक रूप से उपलब्ध सॉफ्टवेयर, शेपवर्क, एलडीएमएम-टीआई और एसपीएम-पीडीएम का मात्रात्मक विश्लेषण यहां5पाया जा सकता है। हम एमआर इमेज प्रीप्रोसेसिंग से लेकर टेबल 1,टेबल 2और टेबल 4 में मस्तिष्क विभाजन तक कई खुले उपकरणों कावर्णन करते हैं ।

चित्र ा 2 लक्ष्य संरचनाओं के टेम्पलेट मॉडल का उपयोग करके आकार मॉडलिंग फ्रेमवर्क का एक आरेख है। टेम्पलेट मॉडल जनसंख्या में मस्तिष्क संरचनाओं की सामान्य आकार विशेषताओं का प्रतिनिधित्व करते हैं। चित्रा 3 व्यक्तिगत आकार पुनर्निर्माण के लिए हिप्पोकैम्पस टेम्पलेट मॉडल की विकृति प्रस्तुत करता है। विधि व्यक्तिगत आकार विशेषताओं को बहाल करते हुए अपने बिंदु वितरण की विकृति को कम करने के लिए टेम्पलेट मॉडल के बड़े से छोटे पैमाने पर विरूपण लाती है। चित्रा 4 अपने सेगमेंटेशन मास्क के साथ दो विषयों के पुनर्निर्मित आकार मॉडल दिखाता है। चित्रा 5 गठबंधन व्यक्तिगत आकार मॉडल, उनके औसत मॉडल, और एक व्यक्तिगत आकार मॉडल के साथ आकार अंतर वेक्टर से पता चलता है। चित्रा 6 औसत आकार विकृति नक्शे प्रस्तुत करता है, औसत मॉडल पर पेश, छोटे और बड़े मस्तिष्क ऊतक मात्रा (BTV) के साथ दो समूहों के लिए । हमने उन विषयों का चयन किया जिनका बीटीवी 51विषयोंकी स्वस्थ उम्र बढ़ने वाली आबादी के अर्थ से मानक विचलन से अधिक या उससे कम है । दो समूहों के आकार विकृति नक्शे इसी क्षेत्रों में हिप्पोकैम्पस आकार अंतर के विपरीत पैटर्न मौजूद हैं ।

Figure 1
चित्रा 1: आकार मॉडलिंग और विश्लेषण के लिए जीयूआई सॉफ्टवेयर। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 2
चित्रा 2: मस्तिष्क संरचनाओं के लिए टेम्पलेट मॉडल का उपयोग कर आकार मॉडलिंग के कदम। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 3
चित्रा 3: व्यक्तिगत आकार पुनर्निर्माण के लिए टेम्पलेट मॉडल (नारंगी) का विरूपण। रंग नक्शा = वर्टेक्स-वार विरूपण परिमाण (मिमी)। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 4
चित्रा 4: हिप्पोकैम्पस के व्यक्तिगत आकार मॉडलिंग के उदाहरण। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 5
चित्रा 5: गठबंधन व्यक्तिगत आकार मॉडल, उनके औसत मॉडल, और एक व्यक्तिगत आकार मॉडल के साथ आकार अंतर वेक्टर। बाएं = गठबंधन व्यक्तिगत आकार मॉडल (सफेद) और उनके औसत मॉडल (नीला) । सही = औसत मॉडल और एक व्यक्तिगत मॉडल के बीच बिंदु वार आकार अंतर वेक्टर। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Figure 6
चित्रा 6: एक स्वस्थ उम्र बढ़ने की आबादी में छोटे और बड़े मस्तिष्क ऊतक मात्रा (जनसंख्या से एक मानक विचलन से कम या अधिक से अधिक) के साथ दो समूहों की औसत आकार विकृति । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

नाम विवरण प्रणाली संगठन लिंक
एल्विन पार्श्व वेंट्रिकल विभाजन लिनक्स किंग्स कॉलेज लंदन https://www.nitrc.org/projects/alvin_lv/
पहले एफएसएल में उपकॉर्टिकल संरचना विभाजन लिनक्स, मैक ऑक्सफोर्ड विश्वविद्यालय https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FIRST
तेज स्थानिक तीव्रता विविधताओं के लिए सुधार के साथ ऊतक वर्गीकरण उपकरण लिनक्स, मैक ऑक्सफोर्ड विश्वविद्यालय https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FAST
फ्रीसर्फर स्वर-वार पूर्ण मस्तिष्क विभाजन लिनक्स, मैक एथिनोला ए मार्टिनोस सेंटर फॉर बायोमेडिकल इमेजिंग, एमजीएच https://surfer.nmr.mgh.harvard.edu/
टोड-क्रूज स्वचालित मस्तिष्क विभाजन उपकरण लिनक्स, मैक जॉन्स हॉपकिंस विश्वविद्यालय https://www.nitrc.org/projects/toads-cruise
निफ्टीसेग स्वचालित मस्तिष्क ऊतक वर्गीकरण उपकरण लिनक्स, मैक किंग्स कॉलेज लंदन https://github.com/KCL-BMEIS/NiftySeg
ब्रेनसुइट पीवीसी उपकरण ब्रेनसुइट पैकेज में मस्तिष्क ऊतक वर्गीकरण उपकरण विंडोज, लिनक्स, मैक दक्षिणी कैलिफोर्निया विश्वविद्यालय http://brainsuite.org/

तालिका 1: मस्तिष्क संरचनाओं के स्वचालित विभाजन के लिए व्यापक रूप से उपयोग किए जाने वाले खुले सॉफ़्टवेयर की सूची।

नाम विवरण प्रणाली संगठन लिंक
मिटके जीयूआई सॉफ्टवेयर अर्ध-स्वचालित (जैसे क्षेत्र बढ़ रही है और वाटरशेड थ्रेसहोल्डिंग) और मैनुअल छवि विभाजन के लिए प्लगइन्स प्रदान करता है विंडोज, लिनक्स, मैक जर्मन कैंसर रिसर्च सेंटर http://mitk.org/wiki/MITK
3डी स्लाइसर चिकित्सा छवि प्रसंस्करण और 3 डी विज़ुअलाइज़ेशन के लिए जीयूआई सॉफ्टवेयर। 3डी स्लाइसर में सेगमेंट एडिटर मैनुअल सेगमेंटेशन के लिए एक मॉड्यूल है विंडोज, लिनक्स, मैक ब्रिघम और महिला
अस्पताल, इंक
https://www.slicer.org/
आईटीके-स्नैप अर्ध-स्वचालित (सक्रिय समोच्च विधि) और मैनुअल विभाजन के लिए जीयूआई सॉफ्टवेयर विंडोज, लिनक्स, मैक पेंसिल्वेनिया विश्वविद्यालय और यूटा विश्वविद्यालय http://www.itksnap.org/pmwiki/pmwiki.php
गिमियास बायोमेडिकल इमेज कंप्यूटिंग के लिए जीयूआई सॉफ्टवेयर। मैनुअल सेगमेंटेशन प्लगइन समर्थित है। विंडोज, लिनक्स शेफील्ड विश्वविद्यालय http://www.gimias.org/
एमआरआईक्रोन NIFIT प्रारूप छवि दर्शक के लिए जीयूआई सॉफ्टवेयर। यह वॉल्यूम रेंडरिंग, आरओआई क्षेत्र ड्राइंग और सांख्यिकीय उपकरणों का भी समर्थन करता है विंडोज, लिनक्स, मैक दक्षिण कैरोलिना विश्वविद्यालय http://people.cas.sc.edu/rorden/mricron/index.html
आम बहु-प्लेटफ़ॉर्म छवि दर्शक सतह दृश्य, आरओआई संपादन और छवि विश्लेषण का समर्थन करते हैं विंडोज, लिनक्स, मैक टेक्सास स्वास्थ्य विश्वविद्यालय http://ric.uthscsa.edu/mango/index.html

तालिका 2: मैनुअल विभाजन और दृश्य के लिए खुले सॉफ्टवेयर की सूची।

पैरामीटर विवरण
--मिनेअल्फा टेम्पलेट मॉडल के लैलैशियन निर्देशांक के संरक्षण वाले आंतरिक बल के लिए न्यूनतम वजन (डिफ़ॉल्ट: 1.0)
--मैक्सअल्फा टेम्पलेट मॉडल के लैलैशियन निर्देशांक के संरक्षण वाले आंतरिक बल के लिए अधिकतम वजन (डिफ़ॉल्ट: 5.0)
--थ्रेसहोल्डअल्फा टेम्पलेट विरूपण के दौरान अल्फा वजन को धीरे-धीरे कम करने के लिए थ्रेसहोल्ड पैरामीटर (डिफ़ॉल्ट: 0.01)
--मिरिंग पड़ोस का न्यूनतम स्तर (डिफ़ॉल्ट: 1)
--मैक्सरिंग पड़ोस का अधिकतम स्तर (डिफ़ॉल्ट: 3)
--एज बाहरी बल के लिए वजन पैरामीटर (डिफ़ॉल्ट: 0.1)
--तीव्रता विभाजन मुखौटा में लक्ष्य संरचना के लिए स्वर मूल्य
--रेंज सीमा खोज रेंज (डिफ़ॉल्ट: 5.0)
--init टेम्पलेट मॉडल प्रारंभिक पुनरावृत्ति निकटतम एल्गोरिदम का उपयोग कर (डिफ़ॉल्ट: 1 (सच))

तालिका 3: व्यक्तिगत आकार पुनर्निर्माण के लिए पैरामीटर।

नाम विवरण प्रणाली संगठन लिंक
MINC N3 गैर-पैरामेट्रिक गैर-एकरूपता सामान्यीकरण (N3) विधि लिनक्स, मैक मैकगिल विश्वविद्यालय https://www.nitrc.org/projects/nu_correct
ANTs N4BiasCorrection N4ITK: उन्नत सामान्यीकरण उपकरण (एआरटी) सॉफ्टवेयर पैकेज में बेहतर N3 विधि विंडोज, लिनक्स, मैक पेंसिल्वेनिया विश्वविद्यालय https://sourceforge.net/projects/advants/
स्कलस्ट्रिपिंगटूलकिट स्तर-सेट आधारित संलयन विधि का उपयोग करके खोपड़ी स्ट्रिपिंग टूल Matlab उत्तरी कैरोलिना विश्वविद्यालय https://www.nitrc.org/projects/skulltoolkit
रोबेक्स मस्तिष्क की सतह फिटिंग विधि का उपयोग करके खोपड़ी अलग करना उपकरण लिनक्स, मैक कैलिफोर्निया विश्वविद्यालय, लॉस एंजिल्स https://www.nitrc.org/projects/robex/
एफएसएल बेट एफएसएल पचकज में खोपड़ी विपठ्ठन उपकरण लिनक्स, मैक, विंडोज ऑक्सफोर्ड विश्वविद्यालय https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/BET
ब्रेनसुइट बीएसई टूल ब्रेनसुइट पैक्गे में खोपड़ी स्ट्रिपिंग टूल विंडोज, लिनक्स, मैक दक्षिणी कैलिफोर्निया विश्वविद्यालय http://brainsuite.org/processing/surfaceextraction/bse/

तालिका 4: मस्तिष्क एमआर प्रीप्रोसेसिंग और खोपड़ी विपठ्ठन के लिए व्यापक रूप से उपयोग किए जाने वाले खुले सॉफ़्टवेयर की सूची।

Discussion

संक्षेप में, हमने मस्तिष्क संरचनाओं पर आकार विश्लेषण के लिए सॉफ्टवेयर पाइपलाइन का वर्णन किया है जिसमें (1) एमआर छवि विभाजन एक विकृत टेम्पलेट मॉडल का उपयोग करके खुले उपकरण (2) व्यक्तिगत आकार पुनर्निर्माण का उपयोग करके, और (3) मात्रात्मक आकार अंतर टेम्पलेट मॉडल के साथ क्षणभंगुर आकार पत्राचार के माध्यम से माप। झूठी खोज दर (एफडीआर) सुधार के तहत सांख्यिकीय विश्लेषण न्यूरोपैथोलॉजिकल प्रक्रियाओं से जुड़े मस्तिष्क संरचनाओं के रूपात्मक परिवर्तनों के महत्व की जांच करने के लिए आकार विकृति के साथ किया जाता है।

हमारी मॉडलिंग पाइपलाइन आंतरिक रूप से विषय छवियों से टेम्पलेट मॉडल का निर्माण करने के लिए इन-हाउस टूल का उपयोग करती है। टेम्पलेट निर्माण के लिए कदम इस प्रकार हैं: (i) प्रत्येक पुनरावृत्ति पर विकसित होने वाली औसत छवि के लिए विषय छवियों के पुनरावृत्ति संरेखण के माध्यम से समूह औसत मुखौटा की गणना करें। (ii) मार्चिंग क्यूब्स विधि20का उपयोग करके औसत मुखौटा से 3 डी सतह जाल उत्पन्न करें । (iii) एसीवीडी टूल(https://www.creatis.insa-lyon.fr/site/en/acvd.html)का उपयोग करके जाल के पुनर्नमूना का उपयोग करके सतह के जाल को फिर से नमूना दें। टेम्पलेट मॉडल की संख्या को शेपमॉडलिंग प्लगइन में सेट किया जा सकता है।

व्यक्तिगत आकार पुनर्निर्माण एक प्रगतिशील टेम्पलेट विरूपण विधि पर आधारित है। यह विधि टेम्पलेट मॉडल की ज्यामितीय विकृतियों को कम करने के लिए बड़े से छोटे पैमाने पर विरूपण की अनुमति देती है, जबकि टेम्पलेट मॉडल को छवि सीमाओं में प्रचारित करके व्यक्तिगत आकार विवरण बहाल करती है। विरूपण विधि गोलाकार टोपोलॉजी के साथ संरचनाओं तक सीमित है। इस सीमा के खिलाफ, हमने मस्तिष्क के तीसरे वेंट्रिकल के आकार मॉडलिंग में संरचना-विशिष्ट बाधाएं शुरू की हैं, जिसमें इंटरथैलेमिक आसंजन6द्वारा एक छेद है। हालांकि, संरचना-विशिष्ट बाधाएं हमारे सॉफ्टवेयर के वर्तमान संस्करण द्वारा समर्थित नहीं हैं।

व्यक्तिगत आकार मॉडल सामान्यीकृत प्रोक्रस्टेस एल्गोरिदम19का उपयोग करके आम स्थान में गठबंधन कर रहे हैं। यहां, हम आकार मॉडल सामान्यीकरण के लिए समानता परिवर्तन (आइसोट्रॉपिक स्केल, अनुवाद और रोटेशन) का उपयोग करते हैं। स्थानीय आकार अंतर व्यक्तिगत सतह मॉडल और उनके मतलब आकार मॉडल के इसी vertices के बीच विस्थापन वेक्टर द्वारा निर्धारित कर रहे हैं । प्रत्येक वर्टेक्स में आकार विकृति की गणना विस्थापन वैक्टर के हस्ताक्षरित यूक्लिडियन मानक के रूप में की जाती है जो मतलब मॉडल के वर्टेक्स सामान्य पर प्रक्षेपित किए जाते हैं। सांख्यिकीय आकार विश्लेषण के विस्तृत कदम यहां5पाया जा सकता है ।

आकार मॉडलिंग की सटीकता मूल्यांकन के लिए, हम 3 मैट्रिक्स का उपयोग करते हैं: पासा गुणांक, मतलब दूरी, और हौसडोर्फ दूरी। पासा गुणांक खंगाला मॉडल और लक्ष्य विभाजन मुखौटा के बीच मात्रा ओवरलैप का प्रतिनिधित्व करता है । मतलब दूरी उन दोनों के बीच औसत दूरी है, और हौसडोर्फ दूरी उनदोनों के बीच अधिकतम दूरी है। कम दूरी और उच्च पासा गुणांक बेहतर सटीकता का संकेत देते हैं। हिप्पोकैम्पस अध्ययन5के लिए, पासा गुणांक 0.85-0.9 था, मतलब दूरी 0.3 मिमी के आसपास थी, और हौसडोर्फ दूरी 2 मिमी थी। हालांकि, ये परिणाम लक्ष्य संरचना के वॉल्यूम और आकार विवरण पर निर्भर करते हैं। मात्रा अंतर और सतह खुरदरापन सटीकता और आकार गुणवत्ता5के लिए संकेतक के रूप में इस्तेमाल किया जा सकता है ।

उपयोग में आसानी के लिए, हम सूची फ़ाइलों को उत्पन्न करने और प्रत्येक चरण के लिए कमांड लाइन टूल चलाने के लिए एक मैटलैब स्क्रिप्ट भी वितरित करते हैं। वर्तमान में, हमने लिनक्स, मैकओएस और विंडोज में उपकरणों का परीक्षण किया है। इन-हाउस सॉफ्टवेयर का महत्व यह है कि यह टेम्पलेट-आधारित आकार मॉडलिंग और माप के लिए पूरी तरह से स्वचालित है। हमने उम्र बढ़ने और अल्जाइमर रोग आबादी5के विभिन्न डेटा सेटों के साथ इसकी मजबूती और सटीकता को मान्य किया है। इसके अलावा, विभिन्न मानव अंगों पर आकार मॉडलिंग विधि का उपयोग करके कई दृष्टिकोण हैं।

Disclosures

लेखपाल घोषणा करते हैं कि हितों का टकराव नहीं है।

Acknowledgments

इस काम को नेशनल रिसर्च फाउंडेशन ऑफ कोरिया (जेपी को पीआई के रूप में) ने फंड दिया था । जेके को क्यूंगपूक नेशनल यूनिवर्सिटी रिसर्च फंड द्वारा वित्त पोषित किया जाता है; और MCVH पंक्ति Fogo चैरिटेबल ट्रस्ट और एडिनबर्ग के रॉयल सोसायटी द्वारा वित्त पोषित है । हिप्पोकैम्पस विभाजन को ब्रिटेन के एडिनबर्ग के सेंटर फॉर क्लीनिकल ब्रेन साइंसेज में डॉ करेन फर्गगुसन द्वारा लिखे गए इन-हाउस दिशानिर्देशों से अनुकूलित किया गया था ।

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).
त्रि-आयामी आकार मॉडलिंग और मस्तिष्क संरचनाओं का विश्लेषण
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