JoVE Logo
Faculty Resource Center
Authors
Librarians
High Schools
About

Sign In

Summary

Abstract

Introduction

Protocol

Representative Results

Discussion

Acknowledgements

Materials

References

Neuroscience

Трехмерное моделирование формы и анализ структур мозга

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)

Мы вводим полуавтоматический протокол для анализа формы на структурах мозга, включая сегментацию изображений с помощью открытого программного обеспечения, и дальнейший групповой анализ формы с помощью автоматизированного пакета моделирования. Здесь мы демонстрируем каждый шаг протокола анализа 3D формы с гиппокампа сегментации из изображений MR мозга.

Статистический анализ формы структур мозга был использован для исследования связи между их структурными изменениями и патологическими процессами. Мы разработали программный пакет для точного и надежного моделирования форм и группового анализа. Здесь мы вводим конвейер для анализа формы, от индивидуального 3D-моделирования формы до количественного анализа формы группы. Мы также описываем шаги предварительной обработки и сегментации с использованием открытых программных пакетов. Это практическое руководство поможет исследователям сэкономить время и усилия в 3D-анализе формы на структурах мозга.

Форма анализа структур мозга стала предпочтительным инструментом для исследования их морфологических изменений в рамках патологических процессов, таких как нейродегенеративные заболевания и старение1. Требуются различные вычислительные методы, чтобы 1) точно разграничить границы целевых структур из медицинских изображений, 2) реконструировать целевую форму в виде 3D-поверхностной сетки, 3) построить межсубъекты корреспонденции по отдельным моделям формы с помощью параметризации формы или регистрации поверхности, и 4) количественно оценить региональные различия в форме между отдельными лицами или группами. За последние несколько лет, многие мето....

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

Мозг MR изображения были приобретены в рамках протокола, утвержденного местным институциональным наблюдательным советом и комитетом по этике.

ПРИМЕЧАНИЕ: Инструменты для моделирования форм и анализа можно загрузить из репозитория NITRC:

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

Процесс моделирования формы, описанный здесь, был использован для различных нейровизуальных исследований на старение6,8,10 и болезнь Альцгеймера5,9. Особенно, этот метод моделирования фо?.......

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

Таким образом, мы описали программный конвейер для анализа формы на структурах мозга, включая (1) сегментацию изображений MR с помощью открытых инструментов (2) индивидуальную реконструкцию формы с использованием деформируемой модели шаблона, и (3) количественную разницу в форме измерени.......

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

Работа финансировалась Национальным исследовательским фондом Кореи (JP as the PI). JK финансируется Национальным университетским исследовательским фондом Кёнгпука; и MCVH финансируется Благотворительным фондом Row Fogo и Королевским обществом Эдинбурга. Сегментация гиппокампа была адаптирована из внутренних руководящих принципов, написанных доктором Карен Фергюсон, в Центре клинических наук о мозге, Эдинбург, Великобритания.

....

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