ラフで騒々しいセグメンテーションに対して形状特徴を正確に回復することは、個々の脳形状モデル間の良好な解剖学的対応を達成するために重要です。当社のフレームワークは、個々の形状モデリング、グループ単位のテンプレート構築、形状変形計算のための様々なツールを提供します。そして、それは人間の脳の大規模なデータセットのために使用されています。
この手順を実証することは、脳の形状モデリングのためのソフトウェアを開発した私の研究室の元大学院生、ジェイル・キム博士です。海馬セグメンテーションの手動編集のために、T1重量磁気共鳴画像と自動海馬セグメンテーション結果をグラフィックユーザーインターフェースソフトウェアで開きます。表示ウィンドウのアイコンをクリックしてコロナビューを選択し、ボリュームをスクロールして、uncus が見つかるまでスクロールします。
海馬マスクに存在する場所に無邪気さを含め、加算および減算機能を使用して、アンカスが後退した後に海馬体のマスクを編集します。海馬の尾が見つかるまで海馬マスクの編集を続けます。視床のプルビナー核が海馬よりも優れた後退するにつれて、フォルニックスが現れます。
海馬の最後のコロナスライスの編集を終了し、その中で、fornixの全長が見えるが、まだ肉体の梁のスプレンと連続していない。次に、左右の海馬のマスクをNifTI形式で保存します。グループ テンプレート モデルを構築するには、シェイプ モデリング プラグインをロードし、[ディレクトリを開く] をクリックして、対象となるスタディの母集団のバイナリ マスクを含むディレクトリを開きます。
必要な頂点数を入力し、グループ テンプレート構築の [テンプレート構築] をクリックします。次に、平均シェイプ メッシュを確認します。個々の形状の再構築のために、目的のT1重み付けされた磁気共鳴画像とそれに対応するセグメンテーションマスクをロードし、作業ディレクトリを選択してファイルを保存します。
個々のシェイプ モデリング用のテンプレート モデルを選択し、必要に応じて、シェイプ モデリング プラグインのモデリング パラメータをチェックして変更します。そのため、モデリングフレームワークはほとんど自動化されていますが、一部の手順ではユーザー確認が必要です。たとえば、海馬領域の値が 1 人のユーザーでない場合、強度パラメーターを変更する必要があります。
次に、ツールキットワークベンチの 3D ビューで結果を確認します。形状と変形の測定を実行するには、ソフトウェアのデータマネージャで対象となる対象の形状モデルを選択し、[テンプレートを選択]をクリックして目的のテンプレートを選択して測定を取得します。ここで、個々の形状再構成のための海馬テンプレートモデルの代表的な変形が観察される。
この方法は、個々の形状特性を復元しながら、その点分布の歪みを最小限に抑えるために、テンプレートモデルの大規模から小規模の変形を誘発する。この図では、2 つの被写体のセグメンテーション マスクを使用して再構築されたシェイプ モデルを示します。これらの画像では、個々の形状モデル、平均モデル、および個々の形状モデルを持つ形状の差分ベクトルを整列させることができます。
これらのデータは、平均モデルに投影された平均形状変形マップを表します。小さな脳組織容積を有する1つのグループ、および大きな脳組織容積を有する1つのグループについて。2つのグループの形状変形マップは、対応する領域における海馬形状の違いの反対のパターンを提示する。
セグメンテーション マスクと、個々のモデル、または共有モデルをまとめて確認します。モデルがイメージ境界に適合していない場合は、モデリング パラメータを調整して、より良い結果を得ることができます。形状変形を用いた統計解析は、グループ的な形状を調査するために行うことができる我々はまた、我々のプロジェクトページで分析のためのMATLABコードを提供している。
この堅牢な方法は、アルツハイマー病や老化研究などの重要な構造モデリングだけでなく、複合骨の分析を必要とする足骨障害を含む多くの臨床研究に適用されています。