Summary
Introduciamo un protocollo semi-automatico per l'analisi delle forme sulle strutture cerebrali, inclusa la segmentazione delle immagini utilizzando software aperto, e un'ulteriore analisi della forma per senso di gruppo utilizzando un pacchetto di modellazione automatizzata. Qui, dimostriamo ogni fase del protocollo di analisi della forma 3D con la segmentazione ippocampale dalle immagini MR del cervello.
Abstract
L'analisi statistica delle forme delle strutture cerebrali è stata utilizzata per studiare l'associazione tra i loro cambiamenti strutturali e i processi patologici. Abbiamo sviluppato un pacchetto software per una modellazione accurata e robusta delle forme e l'analisi group-wise. Qui viene introdotta una pipeline per l'analisi della forma, dalla modellazione delle forme 3D all'analisi quantitativa delle forme di gruppo. Descriviamo anche le fasi di pre-elaborazione e segmentazione utilizzando pacchetti software aperti. Questa guida pratica aiuterebbe i ricercatori a risparmiare tempo e fatica nell'analisi della forma 3D sulle strutture cerebrali.
Introduction
L'analisi della forma delle strutture cerebrali è emersa come lo strumento preferito per studiare i loro cambiamenti morfologici sotto processi patologici, come le malattie neurodegenerative e l'invecchiamento1. Sono necessari vari metodi computazionali per 1) delineare con precisione i confini delle strutture bersaglio da immagini mediche, 2) ricostruire la forma di destinazione sotto forma di mesh di superficie 3D, 3) costruire corrispondenza inter-soggetti attraverso i singoli modelli di forma tramite la parametrizzazione della forma o la registrazione della superficie, e 4) valutare quantitativamente le differenze di forma regionali tra individui o gruppi. Nel corso degli ultimi anni, molti metodi sono stati introdotti negli studi di neuroimaging per ciascuno di questi passaggi. Tuttavia, nonostante i notevoli sviluppi nel settore, non ci sono molti quadri immediatamente applicabili alla ricerca. In questo articolo viene descritto ogni passaggio dell'analisi delle forme delle strutture cerebrali utilizzando i nostri strumenti personalizzati di modellazione delle forme e gli strumenti di segmentazione delle immagini disponibili pubblicamente.
Qui, dimostriamo il quadro di analisi della forma per le strutture cerebrali attraverso l'analisi della forma degli ippocampi sinistro e destro utilizzando un set di dati di controlli per adulti e pazienti affetti da malattia di Alzheimer. L'atrofia degli ippocampi è riconosciuta come un biomarcatore di imaging critico nelle malattie neurodegenerative2,3,4. Nel nostro framework di analisi delle forme, utilizziamo il modello di modello della struttura di destinazione e la registrazione deformabile da modello a immagine nel processo di modellazione delle forme. Il modello modello codifica le caratteristiche generali della forma della struttura di destinazione in una popolazione e fornisce anche una linea di base per quantificare le differenze di forma tra i singoli modelli tramite la loro relazione transitiva con il modello modello. Nella registrazione da modello a immagine, abbiamo sviluppato un metodo di deformazione della superficie Laplacian per adattare il modello del modello alla struttura di destinazione in singole immagini riducendo al minimo la distorsione della distribuzione dei punti nel modellomodello 5,6,7. La fattibilità e la robustezza del quadro proposto sono state convalidate nei recenti studi di neuroimaging dell'invecchiamento cognitivo8, diagnosi precoce di lieve danno cognitivo9, e per esplorare le associazioni tra i cambiamenti strutturali cerebrali e i livelli di cortisolo10. Questo approccio renderebbe più facile l'utilizzo dei metodi di modellazione e analisi delle forme in ulteriori studi di neuroimaging.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Le immagini Brain MR sono state acquisite in base al protocollo approvato dal comitato di revisione istituzionale locale e dal comitato etico.
NOT: Gli strumenti per la modellazione e l'analisi delle forme possono essere scaricati dal repository NITRC: https://www.nitrc.org/projects/dtmframework/. Il software GUI (DTMModeling.exe) può essere eseguito dopo l'estrazione. Vedere La Figura 1.
1. Segmentazione dell'immagine MR cerebrale
- Acquisire immagini MR cervello di singoli soggetti e maschere di segmentazione del cervello.
NOT: Di solito, acquisiamo immagini MR ponderate t1 per l'analisi delle strutture cerebrali. Si presuppone che le immagini MR siano pre-elaborate per la correzione non linearità graduale e la correzione dell'omogeneità dell'intensità utilizzando N311, i metodi N3 migliorati12o FSL-FAST13. Alcuni strumenti liberamente disponibili per la segmentazione automatica delle strutture cerebrali umane sono elencati nella Tabella 1. - Correggere manualmente i risultati della segmentazione.
NOT: Il software Open GUI che supporta la segmentazione manuale è elencato nella tabella 2. I protocolli di segmentazione manuale per le strutture cerebrali possono essere trovati qui14,15,16. Una video guida sulla segmentazione manuale per l'ippocampo è qui17. Descriviamo il protocollo per la segmentazione dell'ippocampo nella prossima sezione.- Aprire la risonanza magnetica ponderata T1 e i risultati della segmentazione automatica utilizzando il menu Apri file.
- Caricare il plug-in Segmentazione facendo clic su Menu Finestra Proprietà Show . Segmentazione.
- Correggere la maschera di segmentazione utilizzando gli strumenti Aggiungi, Sottraie Correzione nel plug-in Segmentazione.
- Salvate la maschera di segmentazione corretta nel formato Nifti utilizzando il menu Salva.
2. Modifica manuale della segmentazione ippocampale
NOT: Introduciamo un protocollo per la modifica manuale della segmentazione del cervello utilizzando il software di modellazione GUI basato sul workbench MITK (http://www.mitk.org/). Il workbench MITK offre varie funzioni per la segmentazione manuale e automatica e la visualizzazione delle immagini mediche. Dimostriamo il processo di editing manuale per gli ippocampi sinistro e destro. I passaggi per modificare manualmente18 il risultato della segmentazione automatica dell'ippocampo sono i seguenti.
- Aprire l'immagine MR ponderata T1 e i risultati della segmentazione ippocampale automatica utilizzando il software workbench MITK.
- Caricare il plugin di segmentazione nel workbench MITK facendo clic sul menu Finestra Show View (Mostra vista) Segmentazione.
- Selezionare la vista coronale facendo clic sull'icona del lato destro visualizzata nell'angolo in alto a destra della finestra Schermo.
- Modificare la maschera binaria di ogni ippocampo (cioè, a sinistra e a destra) nella vista coronale, a partire dalla testa dell'ippocampo al corpo come segue.
- Scorrere il volume fino a trovare l'uncus. Includere l'uncus nella maschera ippocampale dove è presente.
- Modificare la maschera del corpo ippocampale dopo che l'uncus si è ritirato utilizzando la funzione Aggiungi e Sottrai nel plugin Segmentazione.
- Continuare a modificare la maschera ippocampale fino a trovare la coda dell'ippocampo. Mentre il nucleo polviale del talamo si allontana superiore all'ippocampo, emerge il fornix.
- Terminare la modifica dell'ultima fetta coronale dell'ippocampo in cui l'intera lunghezza del fornix è visibile ma non ancora continua con lo splenium del corpo calloso.
NOT: Gli spazi del liquido cerebrospinale (CSF) possono essere contenuti all'interno delle regioni ippocampali. Gli spazi CSF possono essere rimossi dalle maschere ippocampali utilizzando lo strumento Sottrai nel plugin di segmentazione del banco di lavoro MITK. può essere più facile definire completamente le regioni dell'ippocampo e poi passare attraverso tutte le fette coronali dalla testa dell'ippocampo alla coda per la rimozione degli spazi CSF. - Seguire la stessa procedura per la modifica delle maschere binarie di entrambi gli ippocampi.
NOT: Gli strumenti Add, Subtracte Correction del plug-in Segmentation nel workbench MITK possono essere utilizzati per la modifica manuale. Lo strumento Correzione è facile da gestire piccoli errori nella maschera di segmentazione eseguendo l'addizione e la sottrazione in base all'input dell'utente e alla maschera di segmentazione senza ulteriore selezione dello strumento.
- Salvare le maschere binarie per ippocampi sinistro e destro in formato Nifti (nii o nii.gz) utilizzando il menu Salva nel software di workbench MITK.
NOT: Le maschere binarie degli ippocampi sinistro e destro devono essere salvate separatamente per i successivi passaggi del modello di forma ippocampale.
3. Costruzione del modello di gruppo
NOT: Dopo la segmentazione e la modifica manuale per tutti i soggetti, la modellazione delle singole forme richiede il modello di modello della struttura di destinazione. Costruiamo il modello di modello dalla maschera binaria media per una popolazione, acquisita utilizzando il plugin "ShapeModeling" nel MITK Workbench. I passaggi della costruzione del modello utilizzando il software GUI sono i seguenti.
- Caricare il plugin ShapeModeling utilizzando la funzione di menu: Finestra Show View (Mostra vista) Modellazione forma.
- Aprire una directory contenente le maschere binarie di una popolazione di studio facendo clic sul pulsante Apri directory nel plug-in ShapeModeling.
- Fare clic sul pulsante Costruzione modello nel plug-in ShapeModeling.
- Controllare la mesh della forma media e salvarla in formato stereolitografia (STL) utilizzando il menu Salva.
4. Ricostruzione della forma individuale
NOT: In questo passaggio, eseguiamo la modellazione delle forme per i singoli soggetti utilizzando il pulsante Avvia modellazione forma nel plug-in "ShapeModeling". Elenchiamo i parametri software di questo plugin nella tabella 3. Una spiegazione dettagliata su ogni parametro può essere trovata qui5. I passi della ricostruzione della forma individuale utilizzando il software GUI sono i seguenti.
- Caricare l'immagine MR ponderata T1 e la relativa maschera di segmentazione utilizzando il menu Apri file.
NOT: Usiamo l'immagine MR ponderata T1 per la convalida visiva. - Controllare i parametri di modellazione nel plug-in ShapeModeling e modificarli se necessario.
NOT: Se il modello modello non è deformato o la distanza tra il modello modello e il contorno dell'immagine è grande, si consiglia di aumentare l'intervallo di ricerca limite. Se vengono rilevate alcune distorsioni geometriche, l'aumento di maxAlpha e minAlpha con il passaggio 0.5 potrebbe aiutare a risolvere il problema. È importante controllare l'intensità voxel per l'oggetto di destinazione nella maschera di segmentazione. Se il valore è diverso da 1, il parametro intensity deve essere modificato di conseguenza. - Fare clic sul pulsante Modellazione forma per eseguire il processo di modellazione delle forme e controllare il risultato nella vista 3D del workbench MITK.
- Ripetere i passaggi 4.2 e 4.3, quando il modello del modello non è adattato al contorno dell'immagine in modo simile.
NOT: Il modello modello viene visualizzato con la maschera di segmentazione nella vista sagittale, coronale, assiale e 3D del workbench MITK. La superficie del modello non viene deformata quando la distanza tra il modello modello e il contorno dell'immagine è inferiore a una soglia che è un decimo della dimensione voxel più piccola. - Salvare il risultato della modellazione in un formato di stereolitografia (STL) utilizzando il menu Salva nel framework MITK.
5. Normalizzazione delle forme per gruppo e misurazione delle differenze di forma
NOT: In questo passaggio, allineiamo i singoli modelli di forma al modello del modello e calcoliamo la deformità della forma in punto tra i vertici corrispondenti tra il modello di modello e il modello di forma individuale. I passaggi per la misurazione della deformità della forma sono i seguenti.
- Selezionare il modello di forma di un soggetto in Gestione dati del workbench MITK.
NOT: Gli utenti possono selezionare più modelli per la misurazione della deformità. - Eseguire la misurazione della deformità facendo clic sul pulsante Misurazione nel plug-in ShapeModeling.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Il processo di modellazione della forma descritto qui è stato impiegato per vari studi di neuroimaging sull'invecchiamento6,8,10 e morbo di Alzheimer5,9. In particolare, questo metodo di modellazione della forma ha mostrato la sua precisione e sensibilità nell'analisi della forma sull'ippocampo per una popolazione di invecchiamento di 654 soggetti8. Un'analisi quantitativa del software e del software pubblicamente disponibile, ShapeWork, LDDMM-TI e SPHARM-PDM, si trova qui5. Descriviamo molti strumenti aperti, dalla pre-elaborazione delle immagini MR alla segmentazione del cervello nella Tabella 1,tabella 2e Tabella 4.
Figura 2 è un diagramma del framework di modellazione delle forme utilizzando i modelli di modelli di strutture di destinazione. I modelli di modello rappresentano le caratteristiche generali delle forme delle strutture cerebrali in una popolazione. Figura 3 presenta la deformazione del modello di modello ippocampale per la ricostruzione di forma individuale. Il metodo induce una deformazione su larga e piccola scala del modello di modello per ridurre al minimo la distorsione della distribuzione dei punti ripristinando al contempo le caratteristiche delle singole forme. Figura 4 Mostra i modelli di forma ricostruiti di due soggetti con le loro maschere di segmentazione. Figura 5 Mostra i singoli modelli di forma allineati, il loro modello medio e i vettori di differenza di forma con un singolo modello di forma. La figura 6 presenta le mappe medie di deformità delle forme, proiettate sul modello medio, per due gruppi con volume di tessuto cerebrale piccolo e grande (BTV). Abbiamo selezionato soggetti il cui BTV è maggiore o minore di una deviazione standard dalla media di una popolazione sana invecchiata di 51 soggetti5. Le mappe di deformità delle forme di due gruppi presentano modelli opposti di differenza di forma ippocampale nelle regioni corrispondenti.
Figura 1: software GUI per la modellazione e l'analisi delle forme. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 2: Passaggi della modellazione delle forme utilizzando i modelli di modello per le strutture cerebrali. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 3: Deformazione del modello modello (arancione) per la ricostruzione di singole forme. Mappa colore: magnitudine di deformazione in base ai vertici (mm). Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 4: Esempi di modellazione di forme individuali dell'ippocampo. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 5: Singoli modelli di forma allineati, il loro modello medio e i vettori di differenza di forma con un singolo modello di forma. Sinistra: modelli di forma individuale allineati (bianco) e il loro modello medio (blu). Destra: vettori di differenza delle forme in senso puntino tra il modello medio e un singolo modello. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 6: Deformità media della forma di due gruppi con piccolo e grande volume di tessuto cerebrale (minore o maggiore di una deviazione standard dalla media della popolazione) in una popolazione sana invecchiata. Fare clic qui per visualizzare una versione più grande di questa figura.
| Nome | Descrizione | Sistema | Organizzazione | Link |
| Alvin | Segmentazione del ventricolo laterale | Linux | King's College Londra | https://www.nitrc.org/projects/alvin_lv/ |
| Prima | Segmentazione della struttura subcorticale in FSLSubcortical structure segmentation in FSL | Linux, Mac | Università di Oxford | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FIRST |
| veloce | Strumento di classificazione dei tessuti con correzione delle variazioni di intensità spaziale | Linux, Mac | Università di Oxford | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FAST |
| FreeSurfer | Segmentazione completa del cervello voxel-saggio | Linux, Mac | Athinoula A. Martinos Center for Biomedical Imaging, MGH | https://surfer.nmr.mgh.harvard.edu/ |
| TOADS-CRUISE | Strumento di segmentazione automatica del cervello | Linux, Mac | Università Johns Hopkins | https://www.nitrc.org/projects/toads-cruise |
| NiftySeg | Strumento automatico di classificazione del tessuto cerebrale | Linux, Mac | King's College Londra | https://github.com/KCL-BMEIS/NiftySeg |
| Strumento in PVC BrainSuite | Strumento di classificazione dei tessuti cerebrali nel pacchetto BrainSuite | Windows, Linux, Mac | Università della California meridionale | http://brainsuite.org/ |
Tabella 1: Elenco dei software aperti ampiamente utilizzati per la segmentazione automatica delle strutture cerebrali.
| Nome | Descrizione | Sistema | Organizzazione | Link |
| MITK | Software GUI che fornisce plugin per la crescita semi-automatica (ad es. crescita di regioni e soglia spartiacque) e la segmentazione manuale delle immagini | Windows, Linux, Mac | Centro tedesco di ricerca sul cancro | http://mitk.org/wiki/MITK |
| Affettatrice 3D | Software GUI per l'elaborazione di immagini mediche e la visualizzazione 3D. Segment Editor in 3D Slicer è un modulo per la segmentazione manuale | Windows, Linux, Mac | Brigham e donne Ospedale, Inc. |
https://www.slicer.org/ |
| ITK-Snap | Software GUI per semi-automatico (metodo di contorno attivo) e segmentazione manuale | Windows, Linux, Mac | Università della Pennsylvania e Università dello Utah | http://www.itksnap.org/pmwiki/pmwiki.php |
| GIMIAS | Software GUI per l'elaborazione di immagini biometiche. Il plug-in di segmentazione manuale è supportato. | Windows, Linux | Università di Sheffield | http://www.gimias.org/ |
| MrICron | Software GUI per visualizzatore di immagini in formato NIFIT. Supporta inoltre il rendering del volume, il disegno dell'area roI e gli strumenti statistici | Windows, Linux, Mac | Università della Carolina del Sud | http://people.cas.sc.edu/rorden/mricron/index.html |
| Mango | Visualizzatore di immagini multipiattaforma che supporta la visualizzazione della superficie, la modifica del ROI e l'analisi delle immagini | Windows, Linux, Mac | Università del Texas Health | http://ric.uthscsa.edu/mango/index.html |
Tabella 2: Elenco di software aperti per la segmentazione e la visualizzazione manuali.
| Parametro | Descrizione |
| --minAlfa | Peso minimo per la forza interna conservando le coordinate laplaciane del modello (impostazione predefinita: 1.0) |
| --maxAlfa | Peso massimo per la forza interna conservando le coordinate laplaciane del modello (impostazione predefinita: 5.0) |
| --thresholdAlfa | Parametro di soglia per ridurre gradualmente il peso alfa durante la deformazione del modello (impostazione predefinita: 0.01) |
| --minRing | Livello minimo di quartiere (impostazione predefinita: 1) |
| --maxRing | Livello massimo di quartiere (predefinito: 3) |
| --edge (bordo) | Parametro di peso per la forza esterna (impostazione predefinita: 0.1) |
| --intensità | Valore Voxel per la struttura di destinazione nella maschera di segmentazione |
| --intervallo | Intervallo di ricerca limiti (predefinito: 5.0) |
| --init | Inizializzazione del modello di modello utilizzando l'algoritmo iterativo più vicino (impostazione predefinita: 1 (true)Template model initialization using iterative closest algorithm (default: 1 (true)) |
Tabella 3: Parametri per la ricostruzione delle singole forme.
| Nome | Descrizione | Sistema | Organizzazione | Link |
| MINC N3 | Metodo di normalizzazione non parametrica non di uniformità (N3) | Linux, Mac | Università McGill | https://www.nitrc.org/projects/nu_correct |
| ANTs N4BiasCorrection | N4ITK: metodo N3 migliorato nel pacchetto software Advanced Normalization Tools (ANTs) | Windows, Linux, Mac | Università della Pennsylvania | https://sourceforge.net/projects/advants/ |
| SkullStrippingToolkit | Strumento di stripping del cranio con un metodo di fusione basato su un set di livelli | Matlab | Università della Carolina del Nord | https://www.nitrc.org/projects/skulltoolkit |
| ROBEX | Strumento di stripping del cranio con un metodo di adattamento della superficie cerebrale | Linux, Mac | Università della California, Los Angeles | https://www.nitrc.org/projects/robex/ |
| FSL BET | Strumento di stripping del teschio in FSL pacakge | Linux, Mac, Windows | Università di Oxford | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/BET |
| Strumento BrainSuite bse | Strumento di stripping del teschio in BrainSuite pacakge | Windows, Linux, Mac | Università della California meridionale | http://brainsuite.org/processing/surfaceextraction/bse/ |
Tabella 4: Elenco dei software aperti ampiamente utilizzati per la pre-elaborazione del cervello MR e lo stripping del cranio.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
In sintesi, abbiamo descritto la pipeline software per l'analisi delle forme sulle strutture cerebrali, tra cui (1) la segmentazione dell'immagine MR utilizzando strumenti aperti (2) la ricostruzione di forme individuali utilizzando un modello deformabile e (3) la differenza di forma quantitativa misurazione tramite corrispondenza di forma transitiva con il modello modello. L'analisi statistica sotto il falso tasso di scoperta (FDR) viene eseguita con la deformità della forma per studiare il significato dei cambiamenti morfologici delle strutture cerebrali, associati ai processi neuropatologici.
La pipeline di modellazione utilizza internamente strumenti interni per costruire un modello di modello dalle immagini del soggetto. I passaggi per la costruzione del modello sono i seguenti: (i) Calcolare la maschera media di gruppo tramite l'allineamento iterativo delle immagini del soggetto a un'immagine media che si evolve ad ogni iterazione. (ii) Generare una mesh di superficie 3D dalla maschera media utilizzando il metodo dei cubi in marcia20. (iii) Ricampionare la mesh di superficie utilizzando un ricampionamento mesh utilizzando lo strumento ACVD(https://www.creatis.insa-lyon.fr/site/en/acvd.html). Il numero del modello di modello può essere impostato nel plug-in ShapeModeling.
La ricostruzione delle singole forme si basa su un metodo di deformazione del modello progressivo. Questo metodo consente una deformazione in scala da grande a piccola dimensione per ridurre al minimo le distorsioni geometriche del modello di modello durante il ripristino dei singoli dettagli della forma propagando il modello del modello ai contorni dell'immagine. Il metodo di deformazione è limitato alle strutture con topologia sferica. Contro questa limitazione, abbiamo introdotto vincoli specifici della struttura nella modellazione della forma del terzo ventricolo cerebrale, che ha un foro per adesione interthalamica6. Tuttavia, i vincoli specifici della struttura non sono supportati dalla versione corrente del nostro software.
I modelli di forma individualizzati sono allineati nello spazio comune utilizzando l'algoritmo generalizzato Procrustes19. In questo caso, utilizziamo la trasformazione della somiglianza (scala isotropica, traslazione e rotazione) per la normalizzazione del modello di forma. Le differenze di forma locali sono determinate dal vettore di spostamento tra i vertici corrispondenti dei singoli modelli di superficie e il relativo modello di forma media. La deformità della forma in ogni vertice viene calcolata come norma euclidea firmata dei vettori di spostamento che vengono proiettati sulla normale del vertice del modello medio. I passaggi dettagliati dell'analisi statistica della forma sono disponibili qui5.
Per la valutazione dell'accuratezza della modellazione delle forme, utilizziamo 3 metriche: Coefficiente di dadi, distanza media e distanza Hausdorff. Il coefficiente Dice rappresenta la sovrapposizione di volume tra il modello ricostruito e la maschera di segmentazione di destinazione. La distanza media è la distanza media tra di loro, e la distanza Hausdorff è la distanza massima tra di loro. Le distanze più basse e il coefficiente di dadi più alto indicano una migliore precisione. Per lo studio dell'ippocampo5, il coefficiente di dadi era 0,85-0,9, la distanza media era di circa 0,3 mm e la distanza Di Hausdorff era di 2 mm. Tuttavia, questi risultati dipendono dai volumi e dai dettagli della forma della struttura di destinazione. La differenza di volume e la rugosità della superficie possono essere utilizzate come indicatori per la precisione e la qualità della forma5.
Per facilità d'uso, distribuiamo anche uno script Matlab insieme per generare i file di elenco ed eseguire gli strumenti della riga di comando per ogni passaggio. Attualmente, abbiamo testato gli strumenti in Linux, MacOS e Windows. Il significato del software interno è che è completamente automatizzato per la modellazione e la misurazione delle forme basate su modelli. Abbiamo convalidato la sua robustezza e precisione con vari set di dati di popolazioni di invecchiamento e morbo di Alzheimer5. Inoltre, ci sono molti approcci che utilizzano il metodo di modellazione della forma su diversi organi umani.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Gli autori dichiarano che non vi è alcun conflitto di interessi.
Acknowledgments
Il lavoro è stato finanziato dalla National Research Foundation of Korea (JP as the PI). JK è finanziato dal Kyungpook National University Research Fund; e MCVH è finanziato dal Row Fogo Charitable Trust e dalla Royal Society di Edimburgo. La segmentazione dell'ippocampo è stata adattata dalle linee guida interne scritte dalla dott.ssa Karen Ferguson, presso il Centre for Clinical Brain Sciences, Edimburgo, Regno Unito.
Materials
| Name | Company | Catalog Number | Comments |
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).
