JoVE Logo
Faculty Resource Center
Authors
Librarians
High Schools
About

Sign In

Summary

Abstract

Introduction

Protocol

Representative Results

Discussion

Acknowledgements

Materials

References

Neuroscience

뇌 구조의 3차원 형상 모델링 및 분석

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)

개방형 소프트웨어를 사용한 이미지 세분화, 자동화된 모델링 패키지를 사용한 그룹 별 모양 분석 등 뇌 구조에 대한 형상 분석을 위한 반자동 프로토콜을 소개합니다. 여기서, 우리는 뇌 MR 이미지로부터 해마 세분화를 가진 3D 형상 분석 프로토콜의 각 단계를 시연한다.

뇌 구조의 통계적 모양 분석은 구조적 변화와 병리학 적 과정 사이의 연관성을 조사하는 데 사용되었습니다. 우리는 정확하고 견고한 형상 모델링 및 그룹 별 분석을위한 소프트웨어 패키지를 개발했습니다. 여기서는 개별 3D 형상 모델링에서 정량적 그룹 모양 분석에 이르는 모양 분석을 위한 파이프라인을 소개합니다. 또한 개방형 소프트웨어 패키지를 사용하는 전처리 및 세분화 단계에 대해서도 설명합니다. 이 실용적인 가이드는 연구원이 뇌 구조에 대한 3D 모양 분석에서 시간과 노력을 절약하는 데 도움이 될 것입니다.

뇌 구조의 모양 분석은 신경 퇴행성 질환 및 노화1과같은 병리학 적 과정에서 자신의 형태 학적 변화를 조사하는 바람직한 도구로 부상했다. 다양한 계산 방법은 1) 의료 이미지로부터 대상 구조의 경계를 정확하게 묘사하고, 2) 3D 표면 메쉬의 형태로 대상 형상을 재구성하고, 3) 형상 매개변수화 또는 표면 등록을 통해 개별 형상 모델에 대한 피사체 간 대응을 구축하고, 4) 개인 또는 그룹 간의 지역 형상 차이를 정량적으로 평가하는 데 요구된다. 지난 몇 년 동안, 많은 방법은 이러한 단계의 각각에 대 한 신경 이미징 연구에서 도입 되었습니다. 그러나, 분야에서 놀라운 발전에도 불구하고, 연구에 즉시 적용 할 수있는 많은 프레임 워크가 없습니다. 이 문서에서는 사용자 지정 모양 모델링 도구와 공개적으로 사용 가능한 이미지 세분화 도구를 사용하여 뇌 구조의 모양 분석의 각 단계를 설명합니다.

여기서, 우리는 성인 대조군 및 알츠하이머 병 환자의 데이터 세트를 사용하여 좌우 해마의 모양 분석을 통해 뇌 구조에 대한 형상 분석 프레임워크를 입증한다. 해마의 위축은 퇴행성 신경질환2,3,

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

뇌 MR 이미지는 지역 기관 검토 위원회 및 윤리 위원회가 승인 한 프로토콜에 따라 획득되었습니다.

참고: 모양 모델링 및 분석을 위한 도구는 NITRC 리포지토리: https://www.nitrc.org/projects/dtmframework/에서 다운로드할 수 있습니다. GUI 소프트웨어(DTMModeling.exe)는 추출 후 실행할 수 있습니다.

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

여기서 설명된 형상 모델링 과정은노화에대한 다양한 신경이미징 연구에 사용되어 왔으며6,8,10 및 알츠하이머병5,9. 특히, 이러한 형상 모델링 방법은 654명의 고령자8의노령화 인구에 대한 해마의 형상 분석에서 그 정확성과 민감도를 보였?.......

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

요약하면, 우리는 변형 가능한 템플릿 모델을 이용한 오픈 툴(2) 개별 형상 재구성을 이용한 (1) MR 이미지 분할, (3) 정량적 형상 차이를 포함한 뇌 구조에 대한 형상 분석을 위한 소프트웨어 파이프라인을 설명하였다. 템플릿 모델과의 전이 형상 대응을 통한 측정. 거짓 발견 속도 (FDR) 보정하에 통계 분석은 신경 병리학 과정과 관련된 뇌 구조의 형태학적 변화의 중요성을 조사하기 위해 모양 기형?.......

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

이 작품은 한국연구재단(JP)의 후원을 받았습니다. JK는 경북대학교 연구기금의 지원을 받고 있다. MCVH는 로 포고 자선 신탁과 에든버러 왕립 협회의 지원을 받습니다. 해마 분절은 임상 두뇌 과학을 위한 센터에 카렌 퍼거슨 박사에 의해 작성된 사내 지침에서 적응되었습니다, 에딘버러, 영국.

....

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