automated-midline-shift-intracranial-pressure-estimation-based-on

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

In this paper we present an automated system based mainly on the computed tomography (CT) images consisting of two main components: the midline shift ...

Virginia Commonwealth University

Virginia Commonwealth University Reanimation Engineering Science (VCURES) Center

CT &#x8111;&#x626B;&#x63CF;&#x51C6;&#x786E;&#x5206;&#x6790;&#x662F;&#x91CD;&#x8981;&#x7684;&#x8BCA;&#x65AD;&#x548C;&#x6CBB;&#x7597;&#x7684;&#x521B;&#x4F24;&#x6027;&#x8111;&#x635F;&#x4F24; (TBI)&#x3002;&#x81EA;&#x52A8;&#x5904;&#x7406;&#x8FD9;&#x4E9B; CT &#x8111;&#x626B;&#x63CF;&#x53EF;&#x52A0;&#x5FEB;&#x51B3;&#x7B56;&#x8FC7;&#x7A0B;&#x3001; &#x964D;&#x4F4E;&#x6210;&#x672C;&#x7684;&#x533B;&#x7597;&#x670D;&#x52A1;&#xFF0C;&#x51CF;&#x5C11;&#x4EBA;&#x4E3A;&#x9519;&#x8BEF;&#x7684;&#x673A;&#x4F1A;&#x3002;&#x5728;&#x672C;&#x6587;&#x4E2D;&#xFF0C;&#x6211;&#x4EEC;&#x91CD;&#x70B9;&#x8BA8;&#x8BBA;&#x4E86; CT &#x8111;&#x56FE;&#x50CF;&#x5206;&#x5272;&#x548C;&#x8BC6;&#x522B;&#x5FC3;&#x5BA4;&#x7684;&#x7CFB;&#x7EDF;&#x81EA;&#x52A8;&#x5904;&#x7406;&#x3002;&#x8111;&#x5BA4;&#x5206;&#x5272;&#x5728;&#x5927;&#x8111;&#x4E2D;&#x5F62;&#x6210;&#x91CD;&#x8981;&#x7684;&#x8BCA;&#x65AD;&#x4FE1;&#x606F;&#x7684;&#x8111;&#x5BA4;&#x7684;&#x53D8;&#x5316;&#x63D0;&#x4F9B;&#x4E86;&#x5B9A;&#x91CF;&#x7684;&#x63AA;&#x65BD;&#x3002;

&#x901A;&#x8FC7;&#x7ED3;&#x5408;&#x4F4E;&#x6C34;&#x5E73;&#x5206;&#x5272;&#x548C;&#x9AD8;&#x7EA7;&#x522B;&#x6A21;&#x677F;&#x5339;&#x914D;&#x81EA;&#x52A8;&#x8111; CT &#x56FE;&#x50CF;&#x4E2D;&#x7684;&#x5FC3;&#x5BA4;&#x7CFB;&#x7EDF;&#x5206;&#x5272;&#x3002;

Accurate analysis of CT brain scans is vital for diagnosis and treatment of Traumatic Brain Injuries (TBI). Automatic processing of these CT brain scans could speed up the decision making process, lower the cost of healthcare, and reduce the chance of human error. In this paper, we focus on automatic processing of CT brain images to segment and identify the ventricular systems. The segmentation of ventricles provides quantitative measures on the changes of ventricles in the brain that form vital diagnosis information.

Automated ventricular systems segmentation in brain CT images by combining low-level segmentation and high-level template matching.

Une analyse pr&eacute;cise de la tomodensitom&eacute;trie c&eacute;r&eacute;brale est indispensable pour le diagnostic et le traitement des blessures de cerveau traumatique (TBI). Traitement automatis&eacute; de ces scanners CT du cerveau pourrait acc&eacute;l&eacute;rer la prise de d&eacute;cisions du processus, r&eacute;duire le co&ucirc;t des soins de sant&eacute; et r&eacute;duire le risque d&#39;erreur humaine. Dans cet article, nous nous concentrons sur le traitement automatique des images de cerveau CT segmenter et identifie le syst&egrave;me ventriculaire. La segmentation des ventricules fournit des mesures quantitatives sur les changements des ventricules du cerveau constituant diagnostic vital information.

Automatis&eacute; segmentation syst&egrave;mes ventriculaire dans les images du cerveau CT en combinant la segmentation de bas niveau et haut niveau mod&egrave;le correspondant.

Genaue Analyse der CT-Gehirn-Scans ist entscheidend f&uuml;r die Diagnose und Behandlung von traumatischen Gehirn Verletzungen (TBI). Automatische Verarbeitung von diesen CT-Gehirn-Scans k&ouml;nnte beschleunigen die Entscheidungsfindung verarbeiten, Senkung der Kosten f&uuml;r Gesundheitswesen und reduziert die Wahrscheinlichkeit von Fehlern. In diesem Papier konzentrieren wir uns auf die automatische Verarbeitung von CT Gehirn Bildern zu segmentieren und die ventrikul&auml;re Systeme zu identifizieren. Die Segmentierung der Ventrikel enth&auml;lt quantitative Ma&szlig;nahmen &uuml;ber die &Auml;nderungen der Ventrikel im Gehirn, die lebenswichtige Diagnoseinformationen bilden.

Automatische Segmentierung der ventrikul&auml;re Systeme im Gehirn CT-Bilder durch die Kombination von Low-Level-Segmentierung und hochrangigen Vorlagenzuordnung.

Un&#39;analisi accurata della TAC cerebrale &egrave; di vitale importanza per la diagnosi e il trattamento di lesioni traumatiche di cervello (TBI). Elaborazione automatica di queste scansioni cerebrali CT potrebbe accelerare il processo decisionale di processo, abbassare i costi dell&#39;assistenza sanitaria e ridurre la possibilit&agrave; di errore umano. In questo libro, ci concentriamo sull&#39;elaborazione automatica delle immagini TC cerebrale di segmento e di identificare i sistemi ventricolari. La segmentazione dei ventricoli fornisce misure quantitative sui cambiamenti dei ventricoli del cervello che costituiscono informazioni di vitale importanza diagnosi.

Automatizzato segmentazione ventricolare sistemi nelle immagini del cervello CT combinando a basso livello di segmentazione e modello ad alto livello di corrispondenza.

&#x8133; ct &#x306E;&#x9AD8;&#x7CBE;&#x5EA6;&#x89E3;&#x6790;&#x306F;&#x8A3A;&#x65AD;&#x3068;&#x6CBB;&#x7642;&#x306E;&#x5916;&#x50B7;&#x6027;&#x8133;&#x50B7;&#x5BB3; &#xFF08;TBI&#xFF09; &#x306E;&#x305F;&#x3081;&#x306B;&#x4E0D;&#x53EF;&#x6B20;&#x3067;&#x3059;&#x3002;&#x3053;&#x308C;&#x3089;&#x8133; ct &#x306E;&#x81EA;&#x52D5;&#x51E6;&#x7406;&#x306F;&#x3001;&#x51E6;&#x7406;&#x3001;&#x533B;&#x7642;&#x306E;&#x30B3;&#x30B9;&#x30C8;&#x3001;&#x4EBA;&#x7684;&#x30A8;&#x30E9;&#x30FC;&#x306E;&#x53EF;&#x80FD;&#x6027;&#x3092;&#x6E1B;&#x3089;&#x3059;&#x305F;&#x3081;&#x306E;&#x610F;&#x601D;&#x6C7A;&#x5B9A;&#x3092;&#x9AD8;&#x901F;&#x5316;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x672C;&#x7A3F;&#x3067;&#x306F;, &#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C8;&#x304A;&#x3088;&#x3073;&#x5FC3;&#x5BA4;&#x306E;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x3092;&#x8B58;&#x5225;&#x3059;&#x308B;&#x982D;&#x90E8; CT &#x753B;&#x50CF;&#x306E;&#x81EA;&#x52D5;&#x51E6;&#x7406;&#x306B;&#x7126;&#x70B9;&#x3092;&#x5F53;&#x3066;&#x307E;&#x3059;&#x3002;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C6;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x5FC3;&#x5BA4;&#x306E;&#x5B9A;&#x91CF;&#x7684;&#x306A;&#x5BFE;&#x7B56;&#x306F;&#x91CD;&#x8981;&#x306A;&#x8A3A;&#x65AD;&#x60C5;&#x5831;&#x3092;&#x5F62;&#x6210;&#x3059;&#x308B;&#x8133;&#x306E;&#x5FC3;&#x5BA4;&#x306E;&#x5909;&#x66F4;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x3002;

&#x5FC3;&#x5BA4;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x5206;&#x5272;&#x8133; CT &#x753B;&#x50CF;&#x306B;&#x304A;&#x3051;&#x308B;&#x4F4E;&#x30EC;&#x30D9;&#x30EB;&#x306E;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C6;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3068;&#x9AD8;&#x5EA6;&#x306A;&#x30C6;&#x30F3;&#x30D7;&#x30EC;&#x30FC;&#x30C8; &#x30DE;&#x30C3;&#x30C1;&#x30F3;&#x30B0;&#x3092;&#x7D44;&#x307F;&#x5408;&#x308F;&#x305B;&#x308B;&#x3053;&#x3068;&#x306B;&#x3088;&#x308A;&#x81EA;&#x52D5;&#x5316;&#x3002;

CT &#xB1CC; &#xAC80;&#xC0AC;&#xC758; &#xC815;&#xD655;&#xD55C; &#xBD84;&#xC11D;&#xC740; &#xC9C4;&#xB2E8; &#xBC0F; &#xCE58;&#xB8CC; &#xC678;&#xC0C1; &#xC131; &#xB1CC; &#xBD80;&#xC0C1; (TBI)&#xC758; &#xC0DD;&#xBA85; &#xC774;&#xB2E4;. &#xC774;&#xB7EC;&#xD55C; CT &#xB1CC; &#xAC80;&#xC0AC;&#xC758; &#xC790;&#xB3D9; &#xCC98;&#xB9AC; &#xC218; &#xCC98;&#xB9AC; &#xD558; &#xACE0;, &#xAC74;&#xAC15; &#xAD00;&#xB9AC;, &#xBE44;&#xC6A9; &#xC808;&#xAC10;, &#xC778;&#xAC04;&#xC758; &#xC624;&#xB958; &#xAC00;&#xB2A5;&#xC131;&#xC744; &#xC904;&#xC774;&#xB824;&#xBA74; &#xC758;&#xC0AC; &#xACB0;&#xC815;&#xC758; &#xC18D;&#xB3C4;. &#xC774; &#xB17C;&#xBB38;&#xC5D0;&#xC11C; &#xC6B0;&#xB9AC; CT &#xB1CC; &#xC774;&#xBBF8;&#xC9C0;&#xB97C; &#xC138;&#xADF8;&#xBA3C;&#xD2B8; &#xD558; &#xACE0; &#xC2EC; &#xC2E4; &#xC2DC;&#xC2A4;&#xD15C; &#xC2DD;&#xBCC4;&#xC758; &#xC790;&#xB3D9; &#xCC98;&#xB9AC;&#xC5D0; &#xCD08;&#xC810;&#xC744;. &#xC2EC;&#xC758; &#xC138;&#xBD84;&#xD654; &#xC911;&#xC694; &#xD55C; &#xC9C4;&#xB2E8; &#xC815;&#xBCF4;&#xB97C; &#xD615;&#xC131; &#xD558;&#xB294; &#xB450;&#xB1CC;&#xC758; &#xC2EC; &#xC2E4;&#xC758; &#xBCC0;&#xD654;&#xC5D0; &#xC591;&#xC801; &#xCE21;&#xC815;&#xC744; &#xC81C;&#xACF5; &#xD569;&#xB2C8;&#xB2E4;.

&#xB0AE;&#xC740; &#xC218;&#xC900;&#xC758; &#xC138;&#xBD84;&#xD654; &#xBC0F; &#xB192;&#xC740; &#xC218;&#xC900;&#xC758; &#xC11C;&#xC2DD; &#xD30C;&#xC77C; &#xC77C;&#xCE58;&#xB97C; &#xACB0;&#xD569; &#xD558; &#xC5EC; &#xC2EC; &#xC2E4; &#xC2DC;&#xC2A4;&#xD15C; &#xBD84;&#xD560; &#xB1CC; CT &#xC774;&#xBBF8;&#xC9C0;&#xC5D0; &#xC790;&#xB3D9;&#xC73C;&#xB85C;.

An&aacute;lisis preciso de las TC cerebral es vital para el diagn&oacute;stico y tratamiento de lesiones de cerebro traum&aacute;tica (TBI). Procesamiento autom&aacute;tico de estas tomograf&iacute;as del cerebro podr&iacute;a acelerar la toma de decisiones de proceso, reducir el costo de la salud y reducir la posibilidad de error humano. En este trabajo, nos centramos en el procesamiento autom&aacute;tico de im&aacute;genes del cerebro CT para segmentar e identificar los sistemas ventriculares. La segmentaci&oacute;n de los ventr&iacute;culos proporciona medidas cuantitativas sobre los cambios de los ventr&iacute;culos del cerebro que forman la informaci&oacute;n vital del diagn&oacute;stico.

Automatizado de segmentaci&oacute;n de los sistemas ventriculares en im&aacute;genes del cerebro CT combinando segmentaci&oacute;n de bajo nivel y la coincidencia de plantillas de alto nivel.

This paper introduces a hierarchical method of recognizing bone tissue from regions extracted from Pelvic CT Images. The method allows distinguishing among segmented objects with similar grey level values, such as bone tissue and regions of active hemorrhage. The method addresses the challenge of correctly segmenting and classifying bone as well as assessing presence of active hemorrhage.

Hierarchical object recognition in Pelvic CT Images.

Cet article pr&eacute;sente une m&eacute;thode hi&eacute;rarchique de reconna&icirc;tre le tissu osseux provenant de r&eacute;gions extraites des Images de CT pelvienne. La m&eacute;thode permet de distinguer entre elles les objets segment&eacute;s avec des valeurs de niveau gris similaires, tels que le tissu osseux et les r&eacute;gions d&#39;h&eacute;morragie active. La m&eacute;thode rel&egrave;ve le d&eacute;fi de correctement segmentation et classification des os ainsi qu&#39;&eacute;valuer la pr&eacute;sence d&#39;h&eacute;morragie active.

Reconnaissance d&#39;objets hi&eacute;rarchique dans les Images de CT pelvienne.

Questo documento introduce un metodo gerarchico di riconoscere il tessuto osseo dalle regioni estratte da immagini TC pelvica. Il metodo permette di distinguere tra oggetti segmentati con simili valori di livelli grigi, come il tessuto osseo e le regioni di emorragia attiva. Il metodo affronta la sfida di correttamente segmentazione e classificazione delle ossa, nonch&eacute; valutare la presenza di emorragia attiva.

Riconoscimento oggetto gerarchico in immagini TC pelvica.

Este trabajo presenta un m&eacute;todo jer&aacute;rquico de reconocer el tejido &oacute;seo de regiones extra&iacute;dos de im&aacute;genes de CT p&eacute;lvico. El m&eacute;todo permite distinguir entre objetos segmentados con valores de niveles gris similares, como el tejido &oacute;seo y regiones de hemorragia activa. El m&eacute;todo aborda el reto de correctamente segmentar y clasificar el hueso as&iacute; como evaluar la presencia de hemorragia activa.

Reconocimiento de objeto jer&aacute;rquicos en im&aacute;genes del CT p&eacute;lvico.

Pour les &eacute;tudes de genome-wide association (GWAS) avec des dessins de cas-t&eacute;moins, l&#39;un des tests association plus largement utilis&eacute; est le test de tendance de Cochran-Armitage (CA) en supposant un additif mode d&#39;h&eacute;r&eacute;dit&eacute;. Le test de tendance CA a souvent une puissance plus &eacute;lev&eacute;e que les autres tests d&#39;association sous les mod&egrave;les additifs et multiplicatifs. Toutefois, il peut avoir de tr&egrave;s faible puissance selon un mod&egrave;le de maladie r&eacute;cessive dans GWAS. Bien que les tests (par exemple MAX3) robustes pour diff&eacute;rents mod&egrave;les g&eacute;n&eacute;tiques ont &eacute;t&eacute; d&eacute;velopp&eacute;s, ils ont souvent une puissance relativement plus faible que le test de tendance CA sous les mod&egrave;les additifs et multiplicatifs. L&#39;objectif de cette &eacute;tude est de proposer une m&eacute;thode efficace qui non seulement a une puissance plus &eacute;lev&eacute;e que le test de tendance CA sous mod&egrave;les dominants et r&eacute;cessifs mais maintient &eacute;galement la puissance du test CA tendance sous les mod&egrave;les additifs et multiplicatifs.

Une proc&eacute;dure Bonferroni s&eacute;quentielle g&eacute;n&eacute;ralis&eacute;e en utilisant des poids liss&eacute;es pour genome-wide association &eacute;tudes contenant des informations sur le d&eacute;s&eacute;quilibre de Hardy-Weinberg parmi les cas.

For genome-wide association studies (GWAS) with case-control designs, one of the most widely used association tests is the Cochran-Armitage (CA) trend test assuming an additive mode of inheritance. The CA trend test often has higher power than other association tests under additive and multiplicative disease models. However, it can have very low power under a recessive disease model in GWAS. Although tests (such as MAX3) robust to different genetic models have been developed, they often have relatively lower power than the CA trend test under additive and multiplicative models. The goal of this study is to propose an efficient method that not only has higher power than the CA trend test under dominant and recessive models but also maintains the power of the CA trend test under additive and multiplicative models.

A generalized sequential Bonferroni procedure using smoothed weights for genome-wide association studies incorporating information on Hardy-Weinberg disequilibrium among cases.

Per genome-wide association studies (GWAS) con disegni di caso-controllo, uno dei test di associazione pi&ugrave; ampiamente usato &egrave; il test di tendenza Cochran-Armitage (CA) assumendo un additivo modalit&agrave; di ereditariet&agrave;. Il test di tendenza CA ha spesso maggiore potenza rispetto altri test di associazione secondo modelli di malattia additiva e moltiplicativa. Tuttavia, pu&ograve; avere molto bassa potenza sotto un modello di malattia recessiva nel GWAS. Anche se sono stati sviluppati test (ad esempio MAX3) robusto per modelli genetici differenti, spesso hanno potenza relativamente bassa rispetto al test di tendenza CA sotto modelli additivi e moltiplicativi. L&#39;obiettivo di questo studio &egrave; quello di proporre un metodo efficiente che non solo ha un potere maggiore rispetto al test di tendenza CA sotto i modelli dominanti e recessivi, ma mantiene anche la potenza del test CA tendenza sotto modelli additivi e moltiplicativi.

Una generalizzata sequenza Bonferroni procedura utilizzando pesi levigati per gli studi di associazione genome-wide che incorporano informazioni su disequilibrio di Hardy-Weinberg tra casi.

The coagulation and fibrinolytic systems are complex, inter-connected biological systems with major physiological roles. The complex, nonlinear multi-point relationships between the molecular and cellular constituents of two systems render a comprehensive and simultaneous study of the system at the microscopic and macroscopic level a significant challenge. We have created an Agent Based Modeling and Simulation (ABMS) approach for simulating these complex interactions. As the scale of agents increase, the time complexity and cost of the resulting simulations presents a significant challenge. As such, in this paper, we also present a high-speed framework for the coagulation simulation utilizing the computing power of graphics processing units (GPU). For comparison, we also implemented the simulations in NetLogo, Repast, and a direct C version. As our experiments demonstrate, the computational speed of the GPU implementation of the million-level scale of agents is over 10 times faster versus the C version, over 100 times faster versus the Repast version and over 300 times faster versus the NetLogo simulation.

Agent based modeling of blood coagulation system: implementation using a GPU based high speed framework.

La coagulation et les syst&egrave;mes fibrinolytiques sont des syst&egrave;mes biologiques complexes et interconnect&eacute;s avec des r&ocirc;les physiologiques importants. Les relations multipoints complexes, non lin&eacute;aires entre les constituants mol&eacute;culaires et cellulaires des deux syst&egrave;mes restituent une &eacute;tude globale et simultan&eacute;e du syst&egrave;me au niveau microscopique et macroscopique un d&eacute;fi important. Nous avons cr&eacute;&eacute; une approche Agent base de mod&eacute;lisation et de Simulation (GAB) permettant de simuler ces interactions complexes. Comme l&#39;&eacute;chelle de l&#39;augmentation des agents, la complexit&eacute; et le co&ucirc;t des simulations qui en r&eacute;sulte pr&eacute;sente un d&eacute;fi de taille. Par cons&eacute;quent, dans cet article, nous pr&eacute;sentons &eacute;galement un cadre &agrave; haut d&eacute;bit pour la simulation de coagulation utilisant la puissance de calcul de graphics processing units (GPU). &Agrave; titre de comparaison, nous avons impl&eacute;ment&eacute; aussi les simulations en NetLogo, repas et une version C directe. Comme le d&eacute;montrent nos exp&eacute;riences, la vitesse de calcul de la mise en &oelig;uvre du GPU de l&#39;&eacute;chelle de millions au niveau des agents est plus de 10 fois plus rapide par rapport &agrave; la version C, plus de 100 fois plus rapide par rapport &agrave; la version de repas et plus de 300 fois plus rapide par rapport &agrave; la simulation de NetLogo.

Agent de base de mod&eacute;lisation du syst&egrave;me de coagulation de sang : application &agrave; l&#39;aide d&#39;un GPU bas&eacute; cadre haute vitesse.

La coagulazione e fibrinolitica sistemi sono sistemi biologici complessi, interconnessi con importanti ruoli fisiologici. Le relazioni multi-complesse, non lineare tra i costituenti molecolari e cellulari dei due sistemi di rendering uno studio globale e simultaneo del sistema a livello macroscopico e microscopico una sfida significativa. Abbiamo creato un approccio agente basato su modellazione e simulazione (ABMS) per simulare queste interazioni complesse. Come la scala di aumento di agenti, la complessit&agrave; e il costo delle simulazioni risultante presenta una sfida significativa. Come tale, in questo libro, vi presentiamo anche un quadro ad alta velocit&agrave; per la simulazione di coagulazione che utilizza la potenza di elaborazione grafica (GPU) unit&agrave; di elaborazione. Per confronto, abbiamo implementato anche le simulazioni in NetLogo, pasto e una versione diretta C. Come i nostri esperimenti dimostrano, la velocit&agrave; di calcolo dell&#39;implementazione GPU della scala livello milioni di agenti &egrave; oltre 10 volte pi&ugrave; veloce rispetto alla versione C, oltre 100 volte pi&ugrave; veloce rispetto alla versione di pasto e oltre 300 volte pi&ugrave; veloce rispetto la simulazione NetLogo.

Agent based modellazione del sistema di coagulazione del sangue: implementazione utilizza una GPU basato su quadro ad alta velocit&agrave;.

We evaluate four association tests for rare variants-the combined multivariate and collapsing (CMC) method, two weighted-sum methods, and a variable threshold method-by applying them to the simulated data sets of unrelated individuals in the Genetic Analysis Workshop 17 (GAW17) data. The family-wise error rate (FWER) and average power are used as criteria for evaluation. Our results show that when all nonsynonymous SNPs (rare variants and common variants) in a gene are jointly analyzed, the CMC method fails to control the FWER; when only rare variants (single-nucleotide polymorphisms with minor allele frequency less than 0.05) are analyzed, all four methods can control FWER well. All four methods have comparable power, which is low for the analysis of the GAW17 data sets. Three of the methods (not including the CMC method) involve estimation of p-values using permutation procedures that either can be computationally intensive or generate inflated FWERs. We adapt a fast permutation procedure into these three methods. The results show that using the fast permutation procedure can produce FWERs and average powers close to the values obtained from the standard permutation procedure on the GAW17 data sets. The standard permutation procedure is computationally intensive.

Evaluation of association tests for rare variants using simulated data sets in the Genetic Analysis Workshop 17 data.

Nous &eacute;valuons quatre tests de liaison pour rare multivari&eacute;e combin&eacute;e variantes-l&#39;et s&#39;effondrer (CMC) m&eacute;thode, deux m&eacute;thodes de somme pond&eacute;r&eacute;e et une m&eacute;thode de seuil variable-en les appliquant aux ensembles de donn&eacute;es simul&eacute;es des individus non apparent&eacute;s dans les donn&eacute;es de l&#39;atelier 17 (GAW17) de l&#39;analyse g&eacute;n&eacute;tique. Le taux d&#39;erreur moyen (ETG) et de la puissance moyenne sont utilis&eacute;es comme crit&egrave;res d&#39;&eacute;valuation. Nos r&eacute;sultats montrent que, lorsque tous les SNP non-synonymes (variants rares et variantes communes) dans un g&egrave;ne est analys&eacute;s conjointement, la m&eacute;thode de la CMC ne parvient pas &agrave; contr&ocirc;ler l&#39;ETG ; Si seulement les variants rares (polymorphismes mononucl&eacute;otidiques avec fr&eacute;quence d&#39;all&egrave;le mineur moins de 0,05) sont analys&eacute;es, les quatre m&eacute;thodes peuvent contr&ocirc;ler bien ETG. Les quatre m&eacute;thodes ont pouvoir comparable, ce qui est faible pour l&#39;analyse des ensembles de donn&eacute;es GAW17. Trois des m&eacute;thodes (non compris la m&eacute;thode de la CMC) impliquent estimation des p-valeurs &agrave; l&#39;aide de proc&eacute;dures de permutation qui peuvent &ecirc;tre par le calcul intensif ou g&eacute;n&eacute;rer gonfl&eacute; FWERs. Nous adaptons une proc&eacute;dure de permutation rapide dans ces trois m&eacute;thodes. Les r&eacute;sultats montrent qu&#39;&agrave; l&#39;aide de la proc&eacute;dure de permutation rapide peut produire FWERs et moyennes puissances proches des valeurs obtenues par la proc&eacute;dure standard de permutation sur les ensembles de donn&eacute;es GAW17. La proc&eacute;dure standard de permutation est par le calcul intensive.

&Eacute;valuation de l&#39;association ne testerait des variants rares utilisant des ensembles de donn&eacute;es simul&eacute;es dans les donn&eacute;es de g&eacute;n&eacute;tique analyse Atelier 17.

Valutiamo quattro associazione test per rara varianti, il combinato multivariata e collasso (CMC) metodo, due metodi di somma ponderata e un metodo di soglia variabile-applicando loro ai set di dati simulati di individui indipendenti nei dati genetici analisi Workshop 17 (GAW17). Il tasso di errore allargare (FWER) e la potenza media sono utilizzati come criteri per la valutazione. I nostri risultati mostrano che quando tutti gli SNPs nonsynonymous (rare varianti e varianti comuni) in un gene sono analizzati congiuntamente, il metodo CMC non riesce a controllare il FWER; Quando vengono analizzati solo rare varianti (polimorfismi a singolo nucleotide con frequenza allelica minore inferiore a 0,05), tutti e quattro i metodi possono controllare bene FWER. Tutti e quattro i metodi hanno potere comparabile, che &egrave; bassa per l&#39;analisi dei set di dati GAW17. Tre dei metodi (non compreso il metodo CMC) comporta la stima dei valori di p utilizzando procedure di permutazione che possono essere computazionalmente intensivi o generare gonfiato FWERs. Ci adattiamo una procedura veloce di permutazione in questi tre metodi. I risultati dimostrano che utilizzando la procedura veloce di permutazione pu&ograve; produrre medie poteri vicino i valori ottenuti dalla procedura di permutazione standard su insiemi di dati di GAW17 e FWERs. La procedura standard di permutazione &egrave; computazionalmente intensiva.

Test di valutazione dell&#39;associazione per rare varianti utilizzando i set di dati simulati nei dati genetici 17 laboratorio di analisi.

Meta-analysis of genome-wide association studies (GWAS) has become a useful tool to identify genetic variants that are associated with complex human diseases. To control spurious associations between genetic variants and disease that are caused by population stratification, double genomic control (GC) correction for population stratification in meta-analysis for GWAS has been implemented in the software METAL and GWAMA and is widely used by investigators. In this research, we conducted extensive simulation studies to evaluate the double GC correction method in meta-analysis and compared the performance of the double GC correction with that of a principal components analysis (PCA) correction method in meta-analysis. Results show that when the data consist of population stratification, using double GC correction method can have inflated type I error rates at a marker with significant allele frequency differentiation in the subpopulations (such as caused by recent strong selection). On the other hand, the PCA correction method can control type I error rates well and has much higher power in meta-analysis compared to the double GC correction method, even though in the situation that the casual marker does not have significant allele frequency difference between the subpopulations. We applied the double GC correction and PCA correction to meta-analysis of GWAS for two real datasets from the Atherosclerosis Risk in Communities (ARIC) project and the Multi-Ethnic Study of Atherosclerosis (MESA) project. The results also suggest that PCA correction is more effective than the double GC correction in meta-analysis.

Double genomic control is not effective to correct for population stratification in meta-analysis for genome-wide association studies.

Meta-analysis of genome-wide association studies (GWAS) est devenu un outil utile pour identifier des variants g&eacute;n&eacute;tiques associ&eacute;s &agrave; des maladies humaines complexes. Pour contr&ocirc;ler les parasites associations entre variants g&eacute;n&eacute;tiques et les maladies qui sont caus&eacute;es par la stratification de la population, correction de double contr&ocirc;le g&eacute;nomique (GC) pour la stratification de la population dans la m&eacute;ta-analyse de GWAS a &eacute;t&eacute; impl&eacute;ment&eacute; dans le logiciel m&eacute;tal et GWAMA et est largement utilis&eacute; par les enqu&ecirc;teurs. Dans cette recherche, nous avons men&eacute; des &eacute;tudes de simulation approfondie afin d&#39;&eacute;valuer la double m&eacute;thode de correction de GC dans la m&eacute;ta-analyse et compar&eacute; la performance de la double correction de GC avec celle d&#39;une m&eacute;thode de correction analyse des composantes principales dans la m&eacute;ta-analyse. Les r&eacute;sultats montrent que lorsque les donn&eacute;es se composent de la stratification de la population, &agrave; l&#39;aide de la m&eacute;thode de correction de GC double peut avoir gonfl&eacute; j&#39;ai tapez taux d&#39;erreur &agrave; un marqueur de diff&eacute;renciation de fr&eacute;quence all&egrave;le significative dans les sous-populations (tels que caus&eacute;es par la r&eacute;cente forte s&eacute;lection). En revanche, la m&eacute;thode de correction de PCA peut contr&ocirc;ler type I taux d&#39;erreur bien et a beaucoup de puissance plus &eacute;lev&eacute;e la meta-analyse par rapport &agrave; la double m&eacute;thode de correction de GC, m&ecirc;me si dans la situation que le marqueur occasionnel n&#39;a pas de diff&eacute;rence de fr&eacute;quence d&#39;all&egrave;le significative entre les sous-populations. Nous avons appliqu&eacute; la double correction GC et correction PCA &agrave; meta-analyse de GWAS pour deux ensembles de donn&eacute;es r&eacute;els contre le risque de l&#39;ath&eacute;roscl&eacute;rose dans les communaut&eacute;s (ARIC) et le projet d&#39;&eacute;tude multi-ethnique de l&#39;ath&eacute;roscl&eacute;rose (MESA). Les r&eacute;sultats sugg&egrave;rent aussi que la correction de l&#39;APC est plus efficace que la double correction GC dans la m&eacute;ta-analyse.

Double contr&ocirc;le g&eacute;nomique n&#39;est pas efficace pour corriger la stratification de la population dans la m&eacute;ta-analyse des &eacute;tudes genome-wide association.

Meta-analisi del genome-wide association studies (GWAS) sono diventato uno strumento utile per identificare varianti genetiche che sono associate a malattie umane complesse. Controllo associazioni spurie tra varianti genetiche e malattie che sono causate da stratificazione della popolazione, correzione doppio controllo genomico (GC) per la stratificazione della popolazione nella meta-analisi per GWAS &egrave; stato implementato nel software di metallo e GWAMA ed &egrave; ampiamente usato dagli investigatori. In questa ricerca, abbiamo condotto studi di simulazione estesa per valutare il doppio metodo di correzione di GC nella meta-analisi e confrontato le prestazioni della doppia correzione GC con quella di un metodo di correzione analysis (PCA) componenti principali nella meta-analisi. I risultati mostrano che quando i dati consistono di stratificazione della popolazione, utilizzando il metodo di correzione doppio GC pu&ograve; avere gonfiato tipo I tassi di errore a un marcatore con differenziazione frequenza allele significativi nelle sottopopolazioni (come ad esempio causato da recenti forte selezione). D&#39;altra parte, possibile controllare il metodo di correzione PCA tipo I tassi di errore bene e ha molto pi&ugrave; potere nella meta-analisi rispetto al doppio metodo di correzione GC, anche se nella situazione che il marcatore casual non hanno differenza di frequenza allele significativa tra sottopopolazioni. Abbiamo applicato la doppia correzione GC e PCA correzione a meta-analisi di GWAS per due DataSet reale dal rischio di aterosclerosi in comunit&agrave; (ARICS) progetto e il progetto di studio multietnico di aterosclerosi (MESA). I risultati suggeriscono anche che la correzione PCA &egrave; pi&ugrave; efficacia rispetto alla doppia correzione GC nella meta-analisi.

Doppio controllo genomico non &egrave; efficacia correggere la stratificazione della popolazione nella meta-analisi di studi di associazione genome-wide.

In methylome-wide association studies (MWAS) there are many possible differences between cases and controls (e.g. related to life style, diet, and medication use) that may affect the methylome and produce false positive findings. An effective approach to control for these confounders is to first capture the major sources of variation in the methylation data and then regress out these components in the association analyses. This approach is, however, computationally very challenging due to the extremely large number of methylation sites in the human genome.

MethylPCA: a toolkit to control for confounders in methylome-wide association studies.

En association &agrave; l&#39;&eacute;chelle du m&eacute;thylome studies (RMF) il existe de nombreuses diff&eacute;rences possibles entre cas et t&eacute;moins (par exemple li&eacute;es au style de vie, alimentation et consommation de m&eacute;dicaments) qui peuvent influer sur la m&eacute;thylome et produire de fausses r&eacute;sultats positifs. Une approche efficace pour contr&ocirc;ler ces facteurs de confusion doit d&#39;abord saisir les principales sources de variation dans les donn&eacute;es de la m&eacute;thylation et ensuite r&eacute;gresser ces composants dans les analyses de l&#39;association. Toutefois, cette approche est math&eacute;matiquement tr&egrave;s difficile en raison du tr&egrave;s grand nombre de sites de m&eacute;thylation dans le g&eacute;nome humain.

MethylPCA : une bo&icirc;te &agrave; outils de contr&ocirc;le pour les facteurs de confusion dans les &eacute;tudes de l&#39;association m&eacute;thylome &agrave; l&#39;&eacute;chelle.

In methylome-wide association studies (MWAS) ci sono molti possibili differenze tra casi e controlli (ad esempio relativi a stile di vita, dieta e l&#39;uso di farmaci) che possono influenzare la methylome e produrre falsi risultati positivi. Un approccio efficace di controllo per questi fattori di confondimento &egrave; innanzitutto catturare le principali fonti di variazione nei dati di metilazione e poi regredire questi componenti nelle analisi di associazione. Tuttavia, questo approccio &egrave; computazionalmente molto impegnativo a causa del numero estremamente elevato di siti di metilazione del genoma umano.

MethylPCA: un toolkit per controllo di fattori di confondimento in methylome-wide association studies.

Obiettivo: Per genome-wide association studies (GWAS) utilizzando i dati di caso-controllo con stratificazione, un&#39;associazione comunemente usato &egrave; il generalizzato Armitage (GA) trend test implementati nel software EIGENSTRAT. Il test di tendenza GA usa analisi delle componenti principali per correggere la stratificazione della popolazione. Di solito presuppone un modello additivo malattia e possono avere alto potere quando il modello di malattia sottostante &egrave; additiva o moltiplicativa, ma potrebbe essere relativamente bassa potenza quando il modello sottostante malattia &egrave; recessiva o dominante. Lo scopo di questo documento &egrave; di fornire una procedura di prova per GWAS con maggiore potenza sopra il test di tendenza GA sotto i modelli dominanti e recessivi, mantenendo la potenza del test tendenza GA sotto i modelli additivi e moltiplicativi. Metodi: Abbiamo estendere una Hardy-Weinberg test tendenza disequilibrio (NCC) per una popolazione omogenea per conto per la stratificazione della popolazione e quindi proporre una procedura di prova associazione robusta per GWAS che incorpora le informazioni dal test di tendenza HWD esteso nel test di tendenza GA. Risultati e conclusioni: i nostri studi di simulazione e applicazione del nostro metodo a un set di dati GWAS indicano che il metodo proposto pu&ograve; raggiungere lo scopo descritto sopra.

Un&#39;associazione rapida procedura di prova robusta sotto diversi modelli genetici di contabilit&agrave; per la stratificazione della popolazione.

Objective: For genome-wide association studies (GWAS) using case-control data with stratification, a commonly used association test is the generalized Armitage (GA) trend test implemented in the software EIGENSTRAT. The GA trend test uses principal component analysis to correct for population stratification. It usually assumes an additive disease model and can have high power when the underlying disease model is additive or multiplicative, but may have relatively low power when the underlying disease model is recessive or dominant. The purpose of this paper is to provide a test procedure for GWAS with increased power over the GA trend test under the recessive and dominant models, while maintaining the power of the GA trend test under the additive and multiplicative models. Methods: We extend a Hardy-Weinberg disequilibrium (HWD) trend test for a homogeneous population to account for population stratification, and then propose a robust association test procedure for GWAS that incorporates information from the extended HWD trend test into the GA trend test. Results and Conclusions: Our simulation studies and application of our method to a GWAS data set indicate that our proposed method can achieve the purpose described above.

A Rapid Association Test Procedure Robust under Different Genetic Models Accounting for Population Stratification.

Objectif : Pour &eacute;tudes d&#39;association pang&eacute;nomique (GWAS) utilisant des donn&eacute;es de cas-t&eacute;moins avec stratification, une association couramment utilis&eacute;s est le test de tendance g&eacute;n&eacute;ralis&eacute;e Armitage (GA) impl&eacute;ment&eacute; dans le logiciel EIGENSTRAT. Le test de tendance GA utilise l&#39;analyse en composantes principales pour corriger la stratification de la population. Habituellement, il suppose un mod&egrave;le additif de la maladie et peut avoir une puissance &eacute;lev&eacute;e lorsque le mod&egrave;le sous-jacent de la maladie est additive ou multiplicative, mais peut-&ecirc;tre avoir une puissance relativement faible lorsque le mod&egrave;le de la maladie sous-jacente est r&eacute;cessif ou dominant. Le but du pr&eacute;sent document est de pr&eacute;voir une proc&eacute;dure d&#39;essai GWAS avec mont&eacute;e en puissance sur le test de tendance GA sous les mod&egrave;les dominants et r&eacute;cessifs, tout en maintenant la puissance de l&#39;&eacute;preuve de tendance de GA dans les mod&egrave;les additifs et multiplicatifs. M&eacute;thodes : Nous prolongeons un Hardy-Weinberg test de tendance de d&eacute;s&eacute;quilibre (HWD) pour une population homog&egrave;ne &agrave; tenir compte de la stratification de la population et ensuite proposer une proc&eacute;dure d&#39;essai association robuste pour GWAS qui incorpore les informations depuis le test de tendance HWD prolong&eacute;e dans le test de tendance de GA. R&eacute;sultats et Conclusions : nos &eacute;tudes de simulation et l&#39;application de notre m&eacute;thode &agrave; un ensemble de donn&eacute;es GWAS indiquent que notre m&eacute;thode propos&eacute;e peut atteindre l&#39;objectif d&eacute;crit ci-dessus.

Une proc&eacute;dure de Test rapide Association robuste sous diff&eacute;rents mod&egrave;les g&eacute;n&eacute;tiques comptables pour la Stratification de la Population.

Wenan Chen

Department of Biostatistics

Virginia Commonwealth University

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Wenan Chen

.css-o250i3{font-size:18px;font-family:Open Sans,sans-serif;line-height:21.6px;}Department of Biostatistics

Virginia Commonwealth University

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Department of Biostatistics