Die Autoren bedanken sich aus den folgenden Quellen. Die Entwicklung und Erprobung verschiedener bildgebender Analysen wurde durch mehrere Stipendien, vor allem von den Canadian Institutes of Health Research (MOP # 13129), der Alzheimer-Gesellschaft von Kanada und der Alzheimer Association (USA), der Herz-und Schlaganfall-Stiftung kanadischen Partnerschaft für Schlaganfall unterstützt Wiederherstellung (HSFCPSR) und der LC Campbell Foundation. JR erhält Gehalts Unterstützung der Alzheimer-Gesellschaft von Kanada; SEB vom Sunnybrook Research Institute und der Abteilungen für Medizin an der Sunnybrook und U of T, einschließlich der Brill-Lehrstuhl für Neurologie. Autoren erhalten auch Unterstützung von der Gehalts HSFCPSR.

<ol>
	<li>Ramirez, J., Gibson, E., Quddus, A., Lobaugh, N. J., Feinstein, A., Levine, B., Scott, C. J., Levy-Cooperman, N., Gao, F. Q., Black, S. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Lesion+Explorer:+A+comprehensive+segmentation+and+parcellation+package+to+obtain+regional+volumetrics+for+subcortical+hyperintensities+and+intracranial+tissue.">Lesion Explorer: A comprehensive segmentation and parcellation package to obtain regional volumetrics for subcortical hyperintensities and intracranial tissue.</a> Neuroimage. 54 (2), 963-973 (2011).</li><li>Ramirez, J., Scott, C. J., Black, S. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+short-term+scan-rescan+reliability+test+measuring+brain+tissue+and+subcortical+hyperintensity+volumetrics+obtained+using+the+lesion+explorer+structural+MRI+processing+pipeline.">A short-term scan-rescan reliability test measuring brain tissue and subcortical hyperintensity volumetrics obtained using the lesion explorer structural MRI processing pipeline.</a> Brain Topogr. 26 (1), 35-38 (2013).</li><li>Sled, J. G., Zijdenbos, A. P., Evans, A. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+nonparametric+method+for+automatic+correction+of+intensity+nonuniformity+in+MRI+data.">A nonparametric method for automatic correction of intensity nonuniformity in MRI data.</a> IEEE Trans. Med. Imaging. 17 (1), 87-97 (1998).</li><li>Wahlund, L. O., Barkhof, F., Fazekas, F., Bronge, L., Augustin, M., Sjogren, M., Wallin, A., Ader, H., Leys, D., Pantoni, L., Pasquier, F., Erkinjuntti, T., Scheltens, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+rating+scale+for+age-related+white+matter+changes+applicable+to+MRI+and.">A new rating scale for age-related white matter changes applicable to MRI and.</a> 32 (6), 1318-1322 (2001).</li><li>Pantoni, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cerebral+small+vessel+disease:+from+pathogenesis+and+clinical+characteristics+to+therapeutic+challenges.">Cerebral small vessel disease: from pathogenesis and clinical characteristics to therapeutic challenges.</a> Lancet Neurol. 9 (7), 689-701 (2010).</li><li>Black, S. E., Gao, F. Q., Bilbao, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Understanding+white+matter+disease:+Imaging-pathological+correlations+in+vascular+cognitive+impairment.">Understanding white matter disease: Imaging-pathological correlations in vascular cognitive impairment.</a> Stroke. 40, (2009).</li><li>Arch Neurol, . <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> 44, 21-23 (1987).</li><li>Carmichael, O., Schwarz, C., Drucker, D., Fletcher, E., Harvey, D., Beckett, L., Jack, C. R., Weiner, M., Decarli, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Longitudinal+changes+in+white+matter+disease+and+cognition+in+the+first+year+of+the+Alzheimer+disease+neuroimaging+initiative.">Longitudinal changes in white matter disease and cognition in the first year of the Alzheimer disease neuroimaging initiative.</a> Arch. Neurol. 67 (11), 1370-1378 (2010).</li><li>Wardlaw, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=What+is+a+lacune.">What is a lacune.</a> Stroke. 39 (11), 2921-2922 (2008).</li><li>Potter, G. M., Doubal, F. N., Jackson, C. A., Chappell, F. M., Sudlow, C. L., Dennis, M. S., Wardlaw, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Counting+cavitating+lacunes+underestimates+the+burden+of+lacunar+infarction.">Counting cavitating lacunes underestimates the burden of lacunar infarction.</a> Stroke. 41 (2), 267-272 (2010).</li><li>Barkhof, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Enlarged+Virchow-Robin+spaces:+do+they+matter.">Enlarged Virchow-Robin spaces: do they matter.</a> J. Neurol. Neurosurg. Psychiatry. 75 (11), 1516-1517 (2004).</li><li>Zhu, Y. C., Dufouil, C., Soumare, A., Mazoyer, B., Chabriat, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tzourio+C.+High+degree+of+dilated+Virchow-Robin+spaces+on+MRI+is+associated+with+increased+risk+of+dementia.">Tzourio C. High degree of dilated Virchow-Robin spaces on MRI is associated with increased risk of dementia.</a> J. Alzheimers Dis. 22 (2), 663-672 (2010).</li><li>Levy-Cooperman, N., Ramirez, J., Lobaugh, N. J., Black, S. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Misclassified+tissue+volumes+in+Alzheimer+disease+patients+with+white+matter+hyperintensities:+importance+of+lesion+segmentation+procedures+for+volumetric+analysis.">Misclassified tissue volumes in Alzheimer disease patients with white matter hyperintensities: importance of lesion segmentation procedures for volumetric analysis.</a> Stroke. 39 (4), 1134-1141 (2008).</li><li>Kovacevic, N., Lobaugh, N. J., Bronskill, M. J., Levine, B., Feinstein, A., Black, S. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+robust+method+for+extraction+and+automatic+segmentation+of+brain+images.">A robust method for extraction and automatic segmentation of brain images.</a> Neuroimage. 17 (3), 1087-1100 (2002).</li><li>Nestor, S. M., Rupsingh, R., Borrie, M., Smith, M., Accomazzi, V., Wells, J. L., Fogarty, J., Bartha, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ventricular+enlargement+as+a+possible+measure+of+Alzheimer's+disease+progression+validated+using+the+Alzheimer's+disease+neuroimaging+initiative+database.">Ventricular enlargement as a possible measure of Alzheimer's disease progression validated using the Alzheimer's disease neuroimaging initiative database.</a> Brain. 131, 2443-2454 (2008).</li><li>Moody, D. M., Brown, W. R., Challa, V. R., Anderson, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Periventricular+venous+collagenosis:+association+with+leukoaraiosis.+Radiology.">Periventricular venous collagenosis: association with leukoaraiosis. Radiology.</a> (2), 469-476 .</li><li>Brown, W. R., Moody, D. M., Challa, V. R., Thore, C. R., Anstrom, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Venous+collagenosis+and+arteriolar+tortuosity+in+leukoaraiosis.">Venous collagenosis and arteriolar tortuosity in leukoaraiosis.</a> J. Neurol. Sci. 15, 203-204 (2002).</li><li>Talairach, J., Tournoux, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Co-planar Stereotaxic Atlas of the Human Brain. , (1988).</li><li>Dade, L. A., Gao, F. Q., Kovacevic, N., Roy, P., Rockel, C., O'Toole, C. M., Lobaugh, N. J., Feinstein, A., Levine, B., Black, S. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Semiautomatic+brain+region+extraction:+a+method+of+parcellating+brain+regions+from+structural+magnetic+resonance+images.">Semiautomatic brain region extraction: a method of parcellating brain regions from structural magnetic resonance images.</a> Neuroimage. 22 (4), 1492-1502 (2004).</li><li>Shrout, P. E., Fleiss, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intraclass+correlations:+uses+in+assessing+rater+reliability.">Intraclass correlations: uses in assessing rater reliability.</a> Psychol. Bull. 86, 420-428 (2008).</li><li>Zijdenbos, A. P., Dawant, B. M., Margolin, R. A., Palmer, A. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Morphometric+analysis+of+white+matter+lesions+in+MR+images:+method+and+validation.">Morphometric analysis of white matter lesions in MR images: method and validation.</a> IEEE Trans. Med. Imaging. 13 (4), 716-724 (1994).</li><li>Chow, T. W., Takeshita, S., Honjo, K., Pataky, C. E., Comparison, S. t. J. a. c. q. u. e. s. ,. P. .. L. .. ,. K. u. s. a. n. o. ,. M. .. L. .. ,. C. a. l. d. w. e. l. l. ,. C. .. B. .. ,. R. a. m. i. r. e. z. ,. J. .. ,. B. l. a. c. k. ,. S. .. ,. V. e. r. h. o. e. f. f. ,. N. .. P. .. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=of+manual+and+semi-automated+delineation+of+regions+of+interest+for+radioligand+PET+imaging+analysis.">of manual and semi-automated delineation of regions of interest for radioligand PET imaging analysis.</a> BMC Nucl. Med. 7, (2007).</li><li>Gilboa, A., Ramirez, J., Kohler, S., Westmacott, R., Black, S. E., Moscovitch, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Retrieval+of+autobiographical+memory+in+Alzheimer's+disease:+relation+to+volumes+of+medial+temporal+lobe+and+other+structures.">Retrieval of autobiographical memory in Alzheimer's disease: relation to volumes of medial temporal lobe and other structures.</a> Hippocampus. 15 (4), 535-550 (2005).</li><li>Black, S., Iadecola, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Vascular+cognitive+impairment:+small+vessels,+big+toll:+introduction.">Vascular cognitive impairment: small vessels, big toll: introduction.</a> Stroke. 40(3 Suppl), S38-S39. , (2009).</li><li>Brown, W. R., Moody, D. M., Thore, C. R., Challa, V. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cerebrovascular+pathology+in+Alzheimer's+disease+and+leukoaraiosis.">Cerebrovascular pathology in Alzheimer's disease and leukoaraiosis.</a> , 903-939 (2000).</li><li>Moody, D. M., Brown, W. R., Challa, V. R., Anderson, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Periventricular+venous+collagenosis:+association+with+leukoaraiosis.+Radiology.">Periventricular venous collagenosis: association with leukoaraiosis. Radiology.</a> (2), 469-476 .</li><li>Hernandez, M. D., Piper, R. J., Wang, X., Deary, I. J., Wardlaw, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Towards+the+automatic+computational+assessment+of+enlarged+perivascular+spaces+on+brain+magnetic+resonance+images:+A+systematic+review.">Towards the automatic computational assessment of enlarged perivascular spaces on brain magnetic resonance images: A systematic review.</a> J. Magn. Reson. Imaging. , (2013).</li></ol>

Die Autoren haben nichts zu offenbaren.

Die LE-Segmentierung und Parzellierung Verfahren wurde speziell entwickelt, um regionale Volumetrie von MRT der AD und normale ältere Menschen zu erhalten. Zwar gibt es zahlreiche vollautomatische Rohrleitungen, die komplexen Berechnungsalgorithmen anwenden, um diese Operationen durchzuführen, diese Werkzeuge sind in der Regel die individualisierte Genauigkeit und Präzision, die LE halbautomatische Pipeline erzeugt fehlt. Die Trade-off mit semi-automatische Prozesse sind die erforderlich ist, um richtig trainieren Betreiber mit der anatomischen Kenntnisse und Fähigkeiten, um Rechen eine so umfassende Pipeline gelten Ressourcen. Allerdings ist einer der Hauptvorteile einer individualisierten Imaging-Pipeline die Möglichkeit, quantitative Volumetrie von mittelschweren bis schweren Fällen von Neurodegeneration, wenn die automatische Rohrleitungen nicht zu erhalten. Da der LE-Pipeline wurde bereits untersucht worden und in verschiedene ältere und demente Bevölkerung 1,2,13,14,19,22,23, die wichtigsten Fragen, die ar angewendete in der Regel durch geschulte Bediener gestoßen sind gut dokumentiert und werden im Folgenden zusammengefasst. Die manuelle Überprüfung und Bearbeitung mit dem Brain-Sizer Komponente benötigt beinhaltet die Extraktion TIV Maskierungsverfahren, vCSF Umwandlung und manuelle Entfernung der Hirnstamm, Kleinhirn und anderen subtentorial Strukturen. Für Gehirn Extraktion, ist die automatische TIV Ausgang in der Regel eine anständige Maske sofern die ursprünglichen PD/T2 Bilder sind von guter Qualität. Jedoch aufgrund der relativen Intensitätswerte der Gefäß-und Nervengewebe medial der unteren Schläfenstangen, proximal zu den Halsschlagadern, diese Region erfordert, typischerweise einige Bearbeitung. Zusätzlich Schleimhaut in der Nasenhöhle eher regionalen Histogramme Intensität beeinflussen, Neigen Intensität cut-offs Werte in den vorderen frontalen Regionen, die zusätzliche manuelle Bearbeitung der automatischen TIVauto Maske erfordern neigen. Schließlich wird eine zusätzliche manuelle Bearbeitung in der Regel in den oberen Bereiche, wo erforderlich, global Atrophie neigt dazu, eine Erhöhung des Volumens der subarachnoidalen CSF gerade unterhalb der Dura Mater ergeben. Alternativ Atrophie mit ventrikulären Erweiterung verbundenen tendenziell Bedieneingriffe mit vCSF Umwandlung zu minimieren. Ein weiterer Vorteil der mit einer Tri-Funktion Koregistrierung Ansatz ist die Fähigkeit, Zystenflüssigkeit gefüllten Infarkte proximal zu den Herzkammern zu erkennen, möglicherweise aufgrund periventrikulärer venösen 5,24-26 Vaskulopathie, die erkennbar aufgrund ihrer relativen Intensität auf PD und T1 ( hyperintens PD, hypointens auf T1). Diese Hypointensitäten aus vCSF mit manuellen Grenzen vor floodfilling Operationen in ITK-SNAP_sb gezogen abgegrenzt werden. Seit vCSF Umwandlung wird in T1-Akquisition Raum durchgeführt, in Fällen, in denen die Ausrichtung weicht weit von der Vergabebeirat Flugzeug, eine Grenze kann für den 3. Ventrikel und der Vierhügel Zisterne erforderlich sein, wenn der PC nicht vollständig sichtbar. Obwohl das Tentorium ist eine relativ einfache Struktur, um differentiate mehrere Anatomie-basierte Regeln helfen bei der Führung manuelle Entfernung des Hirnstamms und subtentorial Strukturen, insbesondere bei der Ortung die Trennung der Hirnstiele von der medialen Temporallappen. SABRE landmarking ist ein Standard-Vergabebeirat ausgerichtet Bildern durchgeführt stereo-basierte Verfahren, so dass für mäßig vorhersehbar Lokalisierung von bestimmten anatomischen Landmarken. Ausnahmen sind Fälle mit extremer Atrophie und normale Variabilität durch individuelle Unterschiede in der Neuroanatomie. Gehirn-Atrophie führt zu einer Gesamt Parenchymverlust, die Erhöhung CSF entlang der Mittellinie um die Falx cerebri, die die Schwierigkeit der Auswahl geeigneter Punkte Sehenswürdigkeiten platzieren erhöht. Regel-basierte Protokolle erforderlich sind, zu identifizieren Fällen, in denen Ausnahmen von der allgemeinen Regel erforderlich sind. Normale Variationen in der Anatomie, insbesondere in der relativen Position des zentralen Sulcus und dem Sulcus parietooccipitalis, auch die Schwierigkeiten erhöhenty der manuellen Abgrenzung dieser Strukturen. Allerdings ermöglicht die Echtzeit-Rotation der Oberfläche gerenderte Bilder, die deutlich in der Entscheidungsprozess für die Visualisierung dieser besonderen Sehenswürdigkeiten unterstützt die grafische Benutzeroberfläche von SABRE verwendet. Schließlich haben einige Regel-basiertes Protokoll programmatisch in die Software, um Betreiber Verletzung zB zentrale Sulcus Abgrenzung verhindern integriert ist gezwungen, nach hinten zu verschieben (Linienführung aus geht zurück auf sich selbst verhindert). Manuelle Überprüfung Verfahren der Läsion-Seg-Komponente erfordert Know-how in der visuellen Identifikation relevanter Hyperintensitäten, eine visuelle Wahrnehmung Fertigkeit, die nur nach der Exposition gegen Scans mit unterschiedlichem Grad der SH erworben wird. Falsch-positive Minimierungsalgorithmen helfen bei der Entfernung der meisten Fehler in der anfänglichen Segmentierung. Allerdings Differenzierung zwischen dilatative perivaskulären Räume (Virchow-Robin-Räume: VRS) in der linsenförmigen Kern und Wiederlevant SH in der äußeren Kapsel, claustrum, extreme Kapsel und subinsular Regionen kann schwierig sein. Dies ist besonders schwierig, in Fällen mit VRS in den Basalganglien. Eine aktuelle Papier umreißt Berichtsstandards Gefäßveränderungen auf Neuroimaging (STRIVE) empfahl eine Größe Kriterium VRS aus lacunes unterscheiden und beschreiben VRS mehr linear und CSF Intensität in der MRT sein. Um diese Probleme mit VRS Identifizierung zu begegnen, hat LE angenommen: a) eine Anatomie-basierte Regel, die Betreiber aus der Auswahl einer Hyperintensität, die innerhalb der lentiformis fällt verhindert, b) eine Größe Kriterium Hyperintensitäten weniger als 5 mm im Durchmesser auszuschließen, und c) eine relative Intensität Regel für zusätzliche Ausgrenzung aufgrund der relativen Intensität CSF auf PD, T2 und T1-27. Zusätzlich können normale hyperintense Signal entlang der Mittellinie und Falx cerebri, insbesondere auf FLAIR-Bildgebung, die schwierig ist, zwischen relevanten SH entlang des Corpus Callosum zu unterscheiden gefunden werden kann. In Fällen vonwie überschneiden, sind Anatomie-basierte Regeln implementiert, wo nur SH, die aus erstrecken sich in die periventrikulären Regionen werden angenommen. Abschließend ist es wichtig zu erkennen, dass diese schriftliche Teil soll eine Video-geführt, standardisiertes Protokoll Veröffentlichung im JoVE (ergänzen <a href="https://www.jove.com">https://www.jove.com</a> ). Während die traditionellen statischen Zahlen helfen bei der Erklärung einige Konzepte sind auf die Vermittlung der komplexen methodischen Prozesse mit einem umfassenden Neuroimaging-Pipeline wie Läsion Explorer beteiligt videobasierte Lernprogramme effizienter.

Bild Gehirn-Analyse ist ein aufstrebendes Gebiet der Neurowissenschaften erfordern Facharbeiter mit einem hohen Grad von Rechen-und neuroanatomische Kompetenz. Um quantitative Informationen aus der Magnetresonanztomographie (MRT) zu erhalten, wird ein ausgebildeter Bediener oft erforderlich, zu implementieren, zu überwachen und zu bearbeiten, Computer Generated Imaging Ausgänge von Roh-MRT erzeugt. Während viele &quot;vollautomatische&quot; Imaging-Tools sind frei verfügbar über das Internet, Genauigkeit und Zuverlässigkeit ist fraglich, wenn sie von einem Anfänger-Bedienungs fehlt Wissen, Ausbildung und Vertrautheit mit dem Download-Tool angewendet. Obwohl Vor-Ort-Training ist die am meisten bevorzugte Lehrmethode ist die Präsentation einer Video-geführt, standardisiertes Protokoll eine Alternative, vor allem wenn sie von einem Trainingssatz von Bildern begleitet. Darüber hinaus kann die Ausbildung Reihe von Bildern für Qualitätskontrollmaßnahmen, wie ein Off-Site-Inter-Rater Zuverlässigkeitsprüfung verwendet werden. Die challenges der Entwicklung eines Bildverarbeitungspipeline, insbesondere, wenn das Studium Altern und Alzheimer-Krankheit (AD), umfassen eine breite Palette von technischen und biologischen Fragen. Obwohl einige technische Probleme mit Post-Processing-Korrekturalgorithmen 3, Variabilität aufgrund individueller Unterschiede und pathologischen Prozessen adressiert Einführung komplexer Hindernisse. Gehirn-Atrophie und ventrikuläre Erweiterung kann die Lebensfähigkeit der Registrierung Verziehen und Template-Matching-Ansätze zu reduzieren. Die Anwesenheit von altersbedingten Veränderungen der weißen Substanz 4 und Kleingefäßerkrankung 5,6, wie subkortikale Hyperintensitäten (SH) 7,8, zystische mit Flüssigkeit gefüllte lacunar-wie Infarkte 9,10 und dilatative perivaskulären Räume 11,12 beobachtet, weitere erschweren Segmentierungsalgorithmen. Im Fall signifikanter Erkrankung der weißen Substanz, könnte ein einzelner T1 Segmentierung in Überschätzung der grauen Substanz (GM) 13, die nur mit einem zusätzlichen se korrigiert werden können, führengmentation mit Protonendichte (PD), T2-gewichteten (T2), oder mit Flüssigkeit abgeschwächten Inversion-Recovery (FLAIR)-Bildgebung. Angesichts dieser Herausforderungen führt der Läsion Explorer (LE) Bildverarbeitungspipeline eine halbautomatische Tri-Funktion (T1, PD, T2) Konzept, das sich geschulte Bediener an bestimmten Stadien, wenn menschliche Intervention vorzuziehen ist 1,2. Gehirn-Extraktion (oder Schädel Stripping) ist in der Regel eine der ersten Operationen in bildgebenden Verfahren durchgeführt. Angesichts dieser, die Genauigkeit des Gesamthirngewölbe (TIV) Extraktionsprozess stark beeinflusst nachfolgenden Operationen weiter unten in der Pipeline. Deutliche Über Erosion, was zum Verlust von Gehirn, kann zu einer Überschätzung der Hirnatrophie. Alternativ unter Erosions signifikant, mit Einschluss von Dura und andere nonbrain Angelegenheit kann, um die Inflation von Gehirnvolumina führen. LE Brain-Sizer Komponente Adressen viele dieser Probleme durch die Verwendung eines Tri-Funktion (T1, T2 und PD) Ansatz zur ErzeugungTIV eine Maske, die bessere Ergebnisse im Vergleich zu Single-Feature Methoden 1 ergibt. Zusätzlich wird der automatisch generierte TIV Maske manuell überprüft und bearbeitet mit standardisierten Protokoll, das sensible Regionen Schädel Strippen Fehler identifiziert. GM, weißen Substanz (WM) oder Gehirn-Rückenmarks-Flüssigkeit (CSF): nach Hirn Extraktion wird die Segmentierung auf der Schädel abgestreift T1, wobei jedes Voxel Gehirn auf 1 von 3 Etiketten zugeordnet geführt. Segmentierung erreicht wird automatisch mit der robusten Kurvenanpassungsalgorithmus, um globale und lokale Intensität Histogramme angewendet; eine Technik entwickelt, um die Intensität Uneinheitlichkeit Artefakt und eine verringerte Abstand zwischen GM und WM Intensitätsamplitude in AD 14 Fälle anzugehen. Der Brain-Sizer Komponente umfasst auch Verfahren für die manuelle Benennung der Herzkammern und die Entfernung von subtentorial Strukturen. Segmentierung von ventrikulären CSF (vCSF) ist besonders wichtig, da Ventrikel Größe ist eine häufig verwendete Biomarker für AD Demenz 15. Zusätzlich ist Abgrenzung der Herzkammern und Plexus zwingend notwendig für die Identifizierung der periventrikuläre Hyperintensitäten (pvSH), die vermutlich eine Form von kleinen Gefäßerkrankung, die durch venösen Kollagenosen 5,16,17 widerspiegeln. Mit T1 als Referenz, ist die manuelle Umbenennung von CSF Voxel zu vCSF mit Hand Floodfill Operationen auf dem segmentierten Bild erreicht. Typischerweise sind die lateralen Ventrikel leichter von Furchen CSF unterscheiden. Aus diesem Grund ist es empfehlenswert, floodfilling in axialer Ansicht beginnen, ab überlegen Scheiben und Bewegen inferior. Die medialen Teile der ventrikulären Systems, insbesondere der 3. Ventrikel, ist schwieriger zu beschreiben und ist besondere anatomiebasierten Regeln, die in dem Handbuch beschrieben gegeben. Letzte Schritt der Brain-Sizer beinhaltet die Entfernung der Hirnstamm, Kleinhirn und anderen subtentorial Strukturen, mit Handbuch in einem zusätzlichen Satz o beschrieben Tracing Verfahrenf anatomiebasierten standardisierte Protokolle. Die Semi-Automated Gehirn Region Extraction (SABRE)-Komponente ist Parzellierung Verfahren der Pipeline. Diese Phase erfordert geschultes Personal, um die folgenden anatomischen Landmarken zu identifizieren: vordere und hintere Kommissur (AC, PC); posterior Gehirn Kante; Zentralkanal; mittlere Sagittalebene; preoccipital Kerbe; occipito-parietalen Sulcus; Zentralfurche, und; Sylvian Riss. Basierend auf diesen Koordinaten Wahrzeichen wird ein Talairach-wie 18 Gitter automatisch generiert und regionalen Parzellierung erreicht wird 19. Sehenswürdigkeiten sind bequem zu Vergabebeirat ausgerichteten Bilder, die automatisch generiert und manuell vor der SABRE landmarking Verfahren geprüft identifiziert. Die Läsion Seg-Komponente ist die letzte Stufe der Pipeline in dem SH Identifizierung und Quantifizierung wird durchgeführt. Die anfängliche automatische Segmentierung SH implementiert einen komplexen Algorithmus, der PD/T2-based SH segme beinhaltetntation, fuzzy c-Mittel Maskierung und ventrikuläre Dilatation. Diese Vorgänge führen zu einer automatisch generierten Läsion Segmentierungsmaske, die manuell überprüft und für falsch-positive und andere Fehler bearbeitet. Wie hyperintense Signal im MRT können von pathologischer Quellen (z. B. Bewegungsartefakte, normal Biologie) führen, ist eine angemessene Ausbildung für die genaue Identifizierung der relevanten SH erforderlich. Das endgültige Ergebnis der LE-Pipeline ist ein umfassendes Volumenprofil mit 8 verschiedenen Gewebe-und Volumetrie Läsion, die in 26 SABRE Hirnregionen parcellated werden. Um Inter-Rater Zuverlässigkeitsprüfung eine persönliche Bedienungs Off-Site zu erhalten, empfiehlt es sich, die volle LE-Pipeline auf dem Trainingssatz mit der Software (http://sabre.brainlab.ca) vorgesehen auszuführen. Mit Hilfe der volumetrischen Ergebnisse, inter-Klasse Korrelationskoeffizienten (ICC) 20 Statistiken können für jede Gewebeklasse (GM / WM / CSF) in jeder Region SABRE berechnet werden. Mit der segmentation Bildern Ähnlichkeitsindex (SI) 21 Statistik berechnet werden, um den Grad der räumlichen Übereinstimmung auszuwerten. Zusätzlich können intra-Reliabilität auf die Ergebnisse des gleichen Betreibers beurteilt werden, nach einer kurzen Zeitspanne zwischen der Bedienungs 1 und 2. Segmentierung Änderungen verabschiedet. Vorausgesetzt, dass die Off-Site-Betreiber haftet an den Dateinamenskonventionen in der LE-Handbuch beschrieben, kann die Zuverlässigkeit Statistiken Off-Site mit den meisten grundlegenden statistischen Softwarepakete berechnet werden. Angesichts dieser Qualitätskontrolle und Video-geführten standardisierten Protokoll können Off-Site-Betreiber mehr Vertrauen, dass die LE-Pipeline ist genau und zuverlässig angewendet werden.

<table border="0" cellpadding="0" cellspacing="0" width="815">
	<tbody>
		<tr height="42">
			<td height="42" style="height:42px;width:333px;">Magnetic resonance imaging machine (1.5 Tesla)</td>
			<td style="width:91px;">General Electric</td>
			<td style="width:119px;"></td>
			<td style="width:273px;">See Table 1 for acquisition parameters</td>
		</tr>
		<tr height="42">
			<td height="42" style="height:42px;width:333px;">Magnetic resonance imaging machine (3 Tesla)</td>
			<td style="width:91px;">General Electric</td>
			<td style="width:119px;"></td>
			<td>See Table 2 for acquisition parameters</td>
		</tr>
	</tbody>
</table>

lesion explorer: a video-guided, standardized protocol for accurate and reliable mri-derived volumetrics in alzheimer's disease and normal elderly

Beziehen in vivo menschlichem Gehirngewebe Volumetrie von MRI wird oft durch verschiedene technische und biologische Probleme kompliziert. Diese Herausforderungen werden noch verstärkt, wenn bedeutende Hirnatrophie und altersbedingte Veränderungen der weißen Substanz (z. B. Leukoaraiosis) vorhanden sind. Läsion Explorer (LE) ist eine genaue und zuverlässige speziell entwickelt, um solche Probleme häufig auf MRT der Alzheimer-Krankheit und normalen älteren beobachtet Adresse Neuroimaging-Pipeline. Die Pipeline ist eine komplexe Reihe von halbautomatischen Verfahren, die zuvor in einer Reihe von internen und externen Zuverlässigkeitstests 1,2 validiert wurde. Allerdings ist die Genauigkeit und Zuverlässigkeit LE stark abhängig von geschultem Hand Betreiber, um Befehle auszuführen, verschiedene anatomische Orientierungspunkte zu identifizieren und manuell bearbeiten / überprüfen verschiedene Computer-generierten Segmentierung Ausgänge. LE kann in 3 Hauptkomponenten, die jeweils einen Satz von Befehlen und Handbetrieb erfordern aufgeteiltgen: 1) Brain-Sizer, 2) SABRE und 3) Läsion-Seg. Manuelle Operationen Gehirn-Sizer beinhalten die automatische Bearbeitung von Schädel-Hirn abgestreift Gesamt Depot (TIV) Extraktionsmaske, der Bezeichnung der ventrikulären Liquor (vCSF) und Entfernung von subtentorial Strukturen. Die SABRE Komponente erfordert Kontrolle der Bildausrichtung entlang der vorderen und hinteren Kommissur (Vergabebeirat)-Ebene und die Identifizierung von mehreren anatomischen Landmarken für die regionale Parzellierung erforderlich. Schließlich ist die Läsion-Seg-Komponente beinhaltet manuelle Überprüfung der automatischen Segmentierung subkortikaler Läsion Hyperintensitäten (SH) für falsch positive Fehler. Während Vor-Ort-Schulung des LE-Pipeline ist vorzuziehen, leicht verfügbaren visuellen Lehrmitteln mit interaktiven Trainingsbilder sind eine tragfähige Alternative. Entwickelt, um einen hohen Grad an Genauigkeit und Zuverlässigkeit zu gewährleisten, ist das folgende eine Schritt-für-Schritt-, Video-geführt, standardisiertes Protokoll für LE manuellen Verfahren.

Inter-Reliabilität kann mit verschiedenen Metriken beurteilt werden. Mit dem Trainingssatz online zur Verfügung gestellt ( <a href="http://sabre.brainlab.ca">http://sabre.brainlab.ca</a> ), werden die folgenden Schritte empfohlen, um inter-Reliabilität für jede der Verarbeitungsstufen nach Abschluss der LE beurteilen. Brain-Sizer: Um Interrater-Reliabilität der Gehirnextraktionsverfahren zu bewerten, Volumetrie erzeugen für jede TIV-E-Masken, &lt;Name&gt; _TIVedit mit dem Befehl &lt;img_count&gt;. Geben Sie diese Volumetrie in eine Statistiksoftware (zB SPSS), zusammen mit den TIVedit Volumetrie für jeden Trainingssatz (siehe Excel / CSV-Datei online zur Verfügung gestellt) und berechnen Sie die Inter-Rater Korrelationskoeffizienten (ICC). Whole-Brain-Volumetrie für Inhouse-Rater geschult zu erhalten gemeldet ICC = 0,99, p &lt;0,0001 1,2. Zusätzlich kann Auswertung der räumlichen Vereinbarung für die TIV Maskierung mit bewertet werden dieSI-21. MATLAB-Code wird online zur Verfügung gestellt, um SI-Werte zwischen zwei Rater zu berechnen. Um ventrikuläre Umwandlung zu bewerten, erzeugen vCSF Bände mit dem Befehl &lt;img_count&gt; für jede der Segmentierung Dateien mit den vCSF Voxel zugewiesen, dh. &lt;name&gt; _ seg_vcsf. Die vCSF Volumen ist der Wert neben Zeile &#39;7 &#39;unter der Spalte mit dem Titel &quot;Volumen&quot;. Mit den gleichen Verfahren, die TIV Interrater-Reliabilität zu bewerten, berechnen ICC und SI für vCSF. Die Entfernung der Hirnstamm, Kleinhirn und subtentorial Strukturen ähnlich, indem Sie den Befehl auf &lt;img_count&gt; &lt;name&gt; _seg_vcsf_st bewertet werden. Unter &quot;Volumen&quot; (die letzte Spalte rechts): Die für diese Segmentierungsmaske verwendet Bände sind in der zweiten letzten Reihe mit dem Titel &quot;Gesamtzahl der Nicht-Null-Voxel&quot; angezeigt. Mit den gleichen Verfahren und TIV vCSF bewerten, berechnen ICC und SI für diese Maskierung procedure mit den Volumetrie in der Excel-Datei zur Verfügung gestellt und die &lt;name&gt; _seg_vcsf_st-Dateien. SABRE: Während der Brain-Sizer manuelle Verfahren lässt sich mit Standard-Metriken beurteilt werden kann, ist die Ausrichtung Vergabebeirat etwas schwieriger. Aus diesem Grund sind Matrix-Dateien bereitgestellt, um visuell für die Ausbildung von Off-Site-Betreiber zu vergleichen. Nach Abschluss des Vergabebeirats Ausrichtung, öffnen Sie eine neue ITK-SNAP_sb Fenster, laden Sie das Bild T1, dann die Matrix für die Ausbildung vorgesehenen Fall laden online, &lt;name&gt; _T1_IHCpre_toACPC.mat und visuell vergleichen die Nick-, Roll-, Gier-und Vergabebeirat Scheibe zwischen den beiden Bildern. Um SABRE landmarking Verfahren &lt;img_count&gt; auf der parcellated Maske laufen, &lt;Name&gt; _SABREparcel_inACPC für jede Trainings Fall zu beurteilen. Geben Sie die Volumetrie für jede Region (3-28). SABRE Region Codes werden online zur Verfügung gestellt. Mit den gleichen Verfahren und TIV vCSF bewerten, berechnen ICC für jeden SABRE Hirnregion.SABRE parcellated Regionalvolumetrie für Inhouse-geschulten Rater erhalten berichteten mittleren ICC = 0,98, p &lt;0,01, mit ICC-Werte im Bereich von 0,91 bis 0,99 1,2. Läsion-Seg: Da diese Komponente ist die letzte Stufe des LE-Pipeline, wird die Zuverlässigkeit und die Genauigkeit nach dem Stand der Phasen abhängt. Inter-Reliabilität von SH-Segmentierung wird mit regionalen ICC von SH Volumen und räumliche Übereinstimmung der SH-Masken durchgeführt. Um zu bewerten, regionale SH Bände, &lt;SH_volumetrics&gt; laufen, sowohl die Eingabe lobmask Datei in T1-Erfassungsraum, &lt;Name&gt; _SABREparcel und die endgültige bearbeitet Läsionssegmentierung Datei, &lt;Name&gt; _LEedit. Mit den gleichen Verfahren, SABRE Volumetrie bewerten, berechnen ICC für Läsion Volumen innerhalb jeder SABRE Hirnregion. Mit den gleichen Verfahren, um räumliche Zustimmung des TIV Maskierungsprozess bewerten, berechnen SI für die letzten bearbeitet Läsion Masken, &lt;Name&gt; _LEedit (oder FLEXedit). Die gleichen Zuverlässigkeitstests kann sowohl auf PD/T2-based Segmentierung und FLAIR-basierte Segmentierung durchgeführt werden. <table border="0" cellpadding="0" cellspacing="0"><tbody><tr><td></td><td> 3D-T1 </td><td> PD/T2 </td></tr><tr><td> Imaging-Parameter </td><td> Axial Mengen SAT (S 1) SPGR </td><td> Axial-Spin-Echo FC VEMP VB (Interleave) </td></tr><tr><td> Puls-Timing </td><td></td><td></td></tr><tr><td> TE (ms) </td><td> 5 </td><td> 30/80 </td></tr><tr><td> TR (ms) </td><td> 35 </td><td> 3000 </td></tr><tr><td> Flip Winkel (°) </td><td> 35 </td><td> 90 </td></tr><tr><td> TI (ms) </td><td> N / A </td><td> N / A </td></tr><tr><td> Scanbereich </td><td></td><td></td></tr><tr><td> FOV (cm) </td><td> 22 </td><td> 20 </td></tr><tr><td> Schichtdicke (mm) </td><td> 10,2 / 0 </td><td> 3/0 </td></tr><tr><td> Nr. Scheiben </td><td> 124 </td><td> 62 </td></tr><tr><td> Erwerb </td><td></td><td></td></tr><tr><td> Matrixgröße </td><td> 256 x 192 </td><td> 256 x 192 </td></tr><tr><td> Voxel-Größe (mm) </td><td> 0,86 x 0,86 x 1,4 </td><td> 0,78 x 0,78 x 3 </td></tr><tr><td> NEX </td><td> 1 </td><td> 0,5 </td></tr><tr><td> Gesamtzeit (min) </td><td> 11.00 </td><td> 12.00 </td></tr></tbody></table> Tabelle 1. General Electric 1,5 T MRT-Strukturaufnahmeparameter. <table border="0" cellpadding="0" cellspacing="0"><tbody><tr><td></td><td> 3D-T1 </td><td> PD/T2 </td><td> FLAIR </td></tr><tr><td> Imaging-Parameter </td><td> Axial 3D FSPGR EDR IR Prep </td><td> Axial 2D-FSE-XL, EDR, FAST, setzte Fett </td> &lt;td&gt; Axial T2Flair, EDR, FAST </td></tr><tr><td> Puls-Timing </td><td></td><td></td><td></td></tr><tr><td><h2> TE (ms) </h2></td><td> 3.2 </td><td> 11,1 / 90 </td><td> 140 </td></tr><tr><td> TR (ms) </td><td> 8.1 </td><td> 2500 </td><td> 9700 </td></tr><tr><td> Flip Winkel (°) </td><td> 8 ° </td><td> 90 ° </td><td> 90 ° </td></tr><tr><td> TI (ms) </td><td> 650 </td><td> N / A </td><td> 2200 </td></tr><tr><td> Scanbereich </td><td></td><td></td><td></td></tr><tr><td> FOV (cm) </td><td> 22 </td><td> 22 </td><td> 22 </td></tr><tr><td> Schichtdicke (mm) </td><td> 1 </td><td> 3 </td><td> 3 </td></tr><tr><td> Nr. Scheiben </td><td> 186 </td><td> 48 </td><td> 48 </td></tr><tr><td> Erwerb </td><td></td><td></td><td></td></tr><tr><td> Matrixgröße </td&gt; <td> 256 x 192 </td><td> 256 x 192 </td><td> 256 x 192 </td></tr><tr><td> Voxel-Größe (mm) </td><td> 0,86 x 0,86 x 1 </td><td> 0,86 x 0,86 x 3 </td><td> 0,86 x 0,86 x 3 </td></tr><tr><td> NEX </td><td> 1 </td><td> 1 </td><td> 1 </td></tr><tr><td> Gesamtzeit (min) </td><td> 07.20 </td><td> 06.10 </td><td> 07.20 </td></tr></tbody></table> Tabelle 2. General Electric 3T-MRT-Strukturaufnahmeparameter. <img alt="Figur 1" fo:content-width="5in" src="/files/ftp_upload/50887/50887fig1highres.jpg" width="500" /> Abbildung 1. Axial T1 mit unbearbeiteten Gesamt intrakraniellen Depot (TIV) Maskenüberlagerung (grün). Dies ist ein Beispiel für die Verwendung des geschlossenen Polygon-Werkzeug in ITK-SNAP_sb zu nonbrain Gewebe als Teil des Handbuchs Editieren des Brain-entfernen Sizer der TIV-Extraktionsverfahren. <pclass = &quot;jove_content&quot; fo: keep-together.within-page = &quot;always&quot;&gt; <img alt="Figur 2" fo:content-width="5in" src="/files/ftp_upload/50887/50887fig2highres.jpg" width="500" /> Axial T1 Abbildung 2. Segmentierung mit Gewebe-Overlay. Beachten Sie, dass Etikettenfarben sind frei wählbar und können mit dem Label-Tool geändert werden. Bild links zeigt die Standardfarben. Mittel Bild zeigt, wie CSF (5 = lila) auf vCSF (7 = Magenta) zugewiesen. Bild rechts zeigt, wie die WM-Farbe kann ohne Veränderung der Gewebeklasse-Label, also verändert werden. Label 3 = WM bleibt aber Farbe kann auf blau geändert werden. <img alt="Fig. 3" fo:content-width="5in" src="/files/ftp_upload/50887/50887fig3highres.jpg" width="500" /> Axial T1 Abbildung 3. Segmentierung mit Gewebe-Overlay (linkes Bild, GM = gelb, WM = orange, lila = CSF) (links). Dargestellt ist ein Beispiel für die manuelle Entfernung von subtentorial Strukturen unter Verwendung des geschlossenen polygonale n Werkzeug in ITK-SNAP_sb (Mitte) und Abschlussgewebe Segmentierung nach Entfernung (rechts). Wie in Abbildung 2 zeigt, wie das Bild rechts WM Farbe kann ohne Veränderung der Gewebeklasse-Label, also verändert werden. Label 3 = WM bleibt aber Farbe kann auf blau geändert werden. <img alt="Fig. 4" fo:content-width="5in" src="/files/ftp_upload/50887/50887fig4highres.jpg" width="500" /> Abbildung 4. Axial T1 im Erfassungsraum vor (links) und nach (rechts) AC-PC-Ausrichtung durchgeführt wird. <img alt="Figur 5" fo:content-width="5in" src="/files/ftp_upload/50887/50887fig5highres.jpg" width="500" /> Abbildung 5. Zwei Beispiele, die zeigen SABRE landmarking Verfahren. Axial AC-PC ausgerichtet T1 mit AC-(gelb), PC (blau) und hinteren Rand (pink) Wahrzeichen Platzierungen (links). Ein 3D-Oberfläche gerendert T1 (rechts) mit Sylvian Fissur (lila) und Central Sulcus (pink) Abgrenzung. <img alt="Fig. 6" fo:content-width="5in" src="/files/ftp_upload/50887/50887fig6highres.jpg" width="500" /> Abbildung 6. Axial PD (links) mit automatisch erzeugten Läsion Overlay (Mitte), und manuell bearbeitet Läsion (rot) Überlagerung (rechts). <img alt="Fig. 7" fo:content-width="5in" src="/files/ftp_upload/50887/50887fig7highres.jpg" width="500" /> Abbildung 7. Axial FLAIR (links), mit automatisch generierten Läsion Overlay (Mitte), und manuell bearbeitet Läsion (rot) Überlagerung (rechts).

Watch this Scientific Journal Video about Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly at JoVE.com

Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer&#039;s Disease and Normal Elderly

Läsion Explorer (LE) ist eine regional entwickelt, um Hirngewebe und subkortikalen Hyper Läsion Volumetrie von strukturellen MRT der Alzheimer-Krankheit und normalen älteren erhalten halbautomatisch, Bildverarbeitungs-Pipeline. Um ein hohes Maß an Genauigkeit und Zuverlässigkeit zu gewährleisten, ist das folgende eine Video-geführt, standardisiertes Protokoll für LE manuellen Verfahren.

Läsion Explorer: Ein Video-geführt, standardisiertes Protokoll für genaue und zuverlässige MRI-abgeleiteten Volumetrics in der Alzheimer-Krankheit und Normale Ältere

Obtaining in vivo human brain tissue volumetrics from MRI is often complicated by various technical and biological issues. These challenges are ...

lesion-explorer-video-guided-standardized-protocol-for-accurate

Research

JoVE Journal

Medicine

Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly

39.5K Aufrufe.  Sunnybrook Health Sciences Centre.  Läsion Explorer (LE) ist eine regional entwickelt, um Hirngewebe und subkortikalen Hyper Läsion Volumetrie von strukturellen MRT der Alzheimer-Krankheit und normalen älteren erhalten halbautomatisch, Bildverarbeitungs-Pipeline. Um ein hohes Maß an Genauigkeit und Zuverlässigkeit zu gewährleisten, ist das folgende eine Video-geführt, standardisiertes Protokoll für LE manuellen Verfahren. 

Serie: Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly