JoVE Logo
Faculty Resource Center
Authors
Librarians
High Schools
About

Sign In

Summary

Abstract

Introduction

Protocol

Representative Results

Discussion

Acknowledgements

Materials

References

Neuroscience

त्रि-आयामी आकार मॉडलिंग और मस्तिष्क संरचनाओं का विश्लेषण

Published: November 14th, 2019

DOI:

10.3791/59172

1School of Computer Science and Engineering, Kyungpook National University, 2Centre for Clinical Brain Sciences, University of Edinburgh, 3School of Computing and KI for Health Science and Technology (KIHST), Korea Advanced Institute of Science and Technology (KAIST)

हम मस्तिष्क संरचनाओं पर आकार विश्लेषण के लिए एक अर्ध-स्वचालित प्रोटोकॉल पेश करते हैं, जिसमें खुले सॉफ़्टवेयर का उपयोग करके छवि विभाजन और स्वचालित मॉडलिंग पैकेज का उपयोग करके आगे समूह-वार आकार विश्लेषण शामिल है। यहां, हम मस्तिष्क एमआर छवियों से हिप्पोकैम्पस विभाजन के साथ 3 डी आकार विश्लेषण प्रोटोकॉल के प्रत्येक चरण को प्रदर्शित करते हैं।

मस्तिष्क संरचनाओं के सांख्यिकीय आकार विश्लेषण का उपयोग उनके संरचनात्मक परिवर्तनों और रोग प्रक्रियाओं के बीच सहयोग की जांच करने के लिए किया गया है। हमने सटीक और मजबूत आकार मॉडलिंग और समूहवार विश्लेषण के लिए एक सॉफ्टवेयर पैकेज विकसित किया है। यहां, हम व्यक्तिगत 3 डी आकार मॉडलिंग से मात्रात्मक समूह आकार विश्लेषण तक आकार विश्लेषण के लिए एक पाइपलाइन पेश करते हैं। हम खुले सॉफ्टवेयर पैकेजों का उपयोग करके प्री-प्रोसेसिंग और सेगमेंटेशन चरणों का भी वर्णन करते हैं। यह व्यावहारिक गाइड शोधकर्ताओं को मस्तिष्क संरचनाओं पर 3 डी आकार विश्लेषण में समय और प्रयास को बचाने में मदद करेगा।

मस्तिष्क संरचनाओं का आकार विश्लेषण रोग प्रक्रियाओं के तहत उनके रूपात्मक परिवर्तनों की जांच करने के लिए पसंदीदा उपकरण के रूप में उभरा है, जैसे न्यूरोडीजेनेरेटिव रोग और उम्र बढ़ने1। विभिन्न कम्प्यूटेशनल विधियों को 1) चिकित्सा छवियों से लक्षित संरचनाओं की सीमाओं को सटीक रूप से चित्रित करने की आवश्यकता होती है, 2) 3 डी सतह जाल के रूप में लक्ष्य आकार का पुनर्निर्माण, 3) आकार पैरामीटरेशन या सतह पंजीकरण के माध्यम से व्यक्तिगत आकार मॉडलों में अंतर-विषयों के पत्राचार का निर्माण करें, और 4) मात्रात्मक व्यक्तियों या समूहों के बीच क्षेत्रीय आकार के मतभेदों का आकलन करें। पिछले कई वर्षों में, इनमें से प्रत्येक चरण के लिए न्यूरोइमेजिंग अध्ययन में कई तरीके शुर....

Log in or to access full content. Learn more about your institution’s access to JoVE content here

स्थानीय संस्थागत समीक्षा बोर्ड और आचार समिति द्वारा अनुमोदित प्रोटोकॉल के अनुसार ब्रेन एमआर छवियों का अधिग्रहण किया गया था ।

नोट: आकार मॉडलिंग और विश्लेषण के लिए उपकरण एनआईटीआरसी भं.......

Log in or to access full content. Learn more about your institution’s access to JoVE content here

यहां वर्णित आकृति मॉडलिंग प्रक्रिया में6,8,10 और अल्जाइमर रोग5,9पर विभिन्न न्यूरोइमेजिंग अध्ययनों के लिए नियोजित किया गया है । विशेष.......

Log in or to access full content. Learn more about your institution’s access to JoVE content here

संक्षेप में, हमने मस्तिष्क संरचनाओं पर आकार विश्लेषण के लिए सॉफ्टवेयर पाइपलाइन का वर्णन किया है जिसमें (1) एमआर छवि विभाजन एक विकृत टेम्पलेट मॉडल का उपयोग करके खुले उपकरण (2) व्यक्तिगत आकार पुनर्निर्माण.......

Log in or to access full content. Learn more about your institution’s access to JoVE content here

इस काम को नेशनल रिसर्च फाउंडेशन ऑफ कोरिया (जेपी को पीआई के रूप में) ने फंड दिया था । जेके को क्यूंगपूक नेशनल यूनिवर्सिटी रिसर्च फंड द्वारा वित्त पोषित किया जाता है; और MCVH पंक्ति Fogo चैरिटेबल ट्रस्ट और एडिनबर्ग के रॉयल सोसायटी द्वारा वित्त पोषित है । हिप्पोकैम्पस विभाजन को ब्रिटेन के एडिनबर्ग के सेंटर फॉर क्लीनिकल ब्रेन साइंसेज में डॉ करेन फर्गगुसन द्वारा लिखे गए इन-हाउस दिशानिर्देशों से अनुकूलित किया गया था ।

....

Log in or to access full content. Learn more about your institution’s access to JoVE content here

NameCompanyCatalog NumberComments

  1. Costafreda, S. G., et al. Automated hippocampal shape analysis predicts the onset of dementia in mild cognitive impairment. NeuroImage. 56 (1), 212-219 (2011).
  2. Platero, C., Lin, L., Tobar, M. C. Longitudinal Neuroimaging Hippocampal Markers for Diagnosing Alzheimer's Disease. Neuroinformatics. , 1-19 (2018).
  3. 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).
  4. Kalmady, S. V., et al. Clinical correlates of hippocampus volume and shape in antipsychotic-naïve schizophrenia. Psychiatry Research: Neuroimaging. 263, 93-102 (2017).
  5. 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).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. Cox, S. R., et al. Associations between hippocampal morphology, diffusion characteristics, and salivary cortisol in older men. Psychoneuroendocrinology. 78, 151-158 (2017).
  11. 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).
  12. Tustison, N. J., et al. N4ITK: improved N3 bias correction. IEEE Transactions on Medical Imaging. 29 (6), 1310-1320 (2010).
  13. 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).
  14. 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).
  15. 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).
  16. 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).
  17. 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).
  18. MacLullich, A., et al. Intracranial capacity and brain volumes are associated with cognition in healthy elderly men. Neurology. 59 (2), 169-174 (2002).
  19. Gower, J. C. Generalized Procrustes analysis. Psychometrika. 40 (1), 33-51 (1975).
  20. Lorensen, W. E., Cline, H. E. Marching cubes: A high resolution 3D surface construction algorithm. ACM Siggraph Computer Graphics. , 163-169 (1987).

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Contact Us

Recommend to library

JoVE NEWSLETTERS

Research

Education

Authors

Librarians

ABOUT JoVE

Copyright © 2024 MyJoVE Corporation. All rights reserved