뇌 구조의 3차원 형상 모델링 및 분석

거칠고 시끄러운 세분화에 대한 모양 특징을 정확하게 복구하는 것은 개별 뇌 모양 모델 간의 좋은 해부학 적 대응을 달성하는 데 중요합니다. 당사의 프레임워크는 개별 형상 모델링, 그룹 별 템플릿 구성 및 모양 기형 계산을 위한 다양한 도구를 제공합니다. 그리고 그것은 인간의 두뇌의 큰 데이터 집합에 사용 되었습니다.

이 절차를 시연하는 것은 뇌 모양 모델링용 소프트웨어를 개발한 실험실의 전 대학원 생인 김재일 박사가 될 것입니다. 해마 세분화의 수동 편집을 위해 T1 중량 자기 공명 이미지를 열고 자동 해마 세분화결과 그래픽 사용자 인터페이스 소프트웨어가 생성됩니다. 디스플레이 창의 아이콘을 클릭하여 관상 뷰를 선택하고 커미티드가 배치될 때까지 볼륨을 스크롤합니다.

존재하는 해마 마스크의 비커를 포함하여, 증액이 물러난 후 해마 몸의 마스크를 편집하기 위해 추가 및 뺄 기능을 사용합니다. 해마 꼬리가 발견 될 때까지 해마 마스크를 계속 편집하십시오. 해마보다 상하의 풀비나르 핵이 해마보다 우수해 짐작할 때, 포닉스가 등장할 것이다.

포닉스의 전체 길이가 보이는 해마의 마지막 관상 슬라이스편집을 완료하지만, 코퍼스 캘로섬의 스플리너움으로는 아직 연속되지 않았다. 그런 다음 왼쪽과 오른쪽 해마에 대한 마스크를 NifTI 형식으로 저장합니다. 그룹 템플릿 모델을 구성하려면 셰이프 모델링 플러그인을 로드하고 열기 디렉토리를 클릭하여 관심 있는 학습 집단의 이진 마스크를 포함하는 디렉토리를 엽니다.

원하는 정점 수를 입력하고 그룹 템플릿 구성에 대한 템플릿 구성을 클릭합니다. 그런 다음 평균 모양 메시를 확인합니다. 개별 형상 재구성의 경우 T1 가중 자기 공명 이미지와 해당 세분화 마스크를 로드하고 작업 디렉토리를 선택하여 파일을 저장합니다.

개별 셰이프 모델링을 위한 템플릿 모델을 선택하고 필요에 따라 플러그인 모델링의 모델링 파라미터를 확인하고 수정합니다. 따라서 모델링 프레임워크는 거의 자동화되었지만 일부 단계에는 사용자 확인이 필요합니다. 예를 들어 해마 영역의 값이 한 명이 아닌 경우 강도 매개 변수를 변경해야 합니다.

그런 다음 도구 키트 워크벤치의 3D 뷰결과를 확인합니다. 모양 및 기형 측정을 수행하려면 소프트웨어의 데이터 관리자에 대한 관심 대상의 형상 모델을 선택하고 템플릿 선택(Select Template)을 클릭하여 관심 있는 템플릿을 선택하여 측정을 얻습니다. 여기서, 개별 형상 재구성을 위한 해마 템플릿 모델의 대표적인 변형을 관찰할 수 있다.

이 방법은 개별 형상 특성을 복원하면서 점 분포의 왜곡을 최소화하기 위해 템플릿 모델의 대규모 변형을 유도한다. 이 그림에서는 세분화 마스크가 있는 두 피험자의 재구성된 형상 모델이 표시됩니다. 이러한 이미지에서 개별 형상 모델, 평균 모델 및 개별 형상 모델과의 모양 차이 벡터를 정렬하여 관찰할 수 있습니다.

이러한 데이터는 평균 모델에 투영된 평균 형상 변형 맵을 나타냅니다. 작은 뇌 조직 볼륨을 가진 한 그룹에 대 한, 그리고 큰 뇌 조직 볼륨한 그룹. 두 그룹의 형상 기형 맵은 해당 영역에서 해마 모양 차이의 반대 패턴을 제시한다.

세분화 마스크와 개인 또는 공유 모델을 함께 확인합니다. 모델이 이미지 경계에 적합하지 않은 경우 모델링 매개 변수를 조정하여 더 나은 결과를 얻을 수 있습니다. 형상 기형을 이용한 통계 분석은 그룹별 형상을 조사하기 위해 수행될 수 있으며, 또한 프로젝트 페이지에서 분석을 위한 MATLAB 코드를 제공했습니다.

이 강력한 방법은 알츠하이머 병이나 노화 연구와 같은 중요한 구조 모델링뿐만 아니라 복합 뼈의 분석을 필요로하는 발 뼈 장애를 포함하는 여러 임상 연구에 적용되었습니다.