Trójwymiarowe modelowanie kształtów i analiza struktur mózgu
14 listopada 2019
Wprowadzamy półautomatyczny protokół do analizy kształtów struktur mózgu, w tym segmentację obrazu za pomocą otwartego oprogramowania i dalszą grupową analizę kształtów za pomocą zautomatyzowanego pakietu do modelowania. W tym miejscu demonstrujemy każdy krok protokołu analizy kształtu 3D z segmentacją hipokampa na podstawie obrazów MR mózgu.
Dokładne odtworzenie cech kształtu w przypadku szorstkich i hałaśliwych segmentacji ma kluczowe znaczenie dla uzyskania dobrej zgodności anatomicznej między poszczególnymi modelami kształtu mózgu. Nasz framework zapewnia różne narzędzia do modelowania indywidualnych kształtów, tworzenia szablonów grupowych i obliczania deformacji kształtów. Został on wykorzystany do tworzenia dużych zbiorów danych dotyczących ludzkiego mózgu.
Tę procedurę zademonstruje dr Jaeil Kim, były doktorant z mojego laboratorium, który opracował oprogramowanie do modelowania kształtu mózgu. Aby ręcznie edytować segmentację hipokampa, otwórz obraz rezonansu magnetycznego wagi T1, a wyniki automatycznej segmentacji hipokampa zostaną wyświetlone w graficznym interfejsie użytkownika. Kliknij ikonę w oknie wyświetlacza, aby wybrać widok koronalny i przewijaj wolumin, aż uncus zostanie zlokalizowany.
Dołączając uncus do maski hipokampa, w której jest obecny, użyj funkcji dodawania i odejmowania, aby edytować maskę ciała hipokampa po cofnięciu się uncus. Kontynuuj edycję maski hipokampa, aż zostanie znaleziony ogon hipokampa. Gdy jądro płucne wzgórza cofa się wyżej niż hipokamp, pojawi się sklepienie.
Zakończ edycję ostatniego wycinka koronalnego hipokampa, w którym widoczna jest cała długość sklepienia, ale jeszcze nie ciągła z śledzioną ciała modzelowatego. Następnie zachowaj maski zarówno dla lewego, jak i prawego hipokampa w formacie NifTI. Aby utworzyć model szablonu grupy, należy załadować wtyczkę do modelowania kształtów i kliknąć przycisk Otwórz katalog, aby otworzyć katalog zawierający maski binarne badanej populacji.
Wprowadź żądaną liczbę wierzchołków i kliknij przycisk Konstrukcja szablonu dla konstrukcji szablonu grupy. Następnie sprawdź siatkę o średnim kształcie. W celu indywidualnej rekonstrukcji kształtu należy załadować interesujący obraz rezonansu magnetycznego T1 i odpowiadającą mu maskę segmentacji, a następnie wybrać katalog roboczy, aby zapisać pliki.
Wybierz model szablonu dla modelowania pojedynczego kształtu, a następnie sprawdź i zmodyfikuj parametry modelowania we wtyczce do modelowania kształtów w razie potrzeby. Tak więc nasz framework do modelowania jest prawie zautomatyzowany, jednak niektóre kroki wymagają potwierdzenia przez użytkownika. Na przykład, jeśli wartość dla regionów hipokampa nie jest równa jeden, użytkownicy muszą zmienić parametr intensywności.
Następnie sprawdź wynik w widoku 3D środowiska roboczego zestawu narzędzi. Aby wykonać pomiar kształtu i deformacji, wybierz model kształtu interesującego Cię tematu w menedżerze danych oprogramowania i kliknij przycisk Wybierz szablon, aby wybrać interesujący Cię szablon, aby uzyskać pomiar. Można tu zaobserwować reprezentatywną deformację modelu szablonu hipokampa do indywidualnej rekonstrukcji kształtu.
Metoda ta indukuje deformację modelu szablonowego w dużej lub małej skali w celu zminimalizowania zniekształceń jego rozkładu punktowego przy jednoczesnym przywróceniu indywidualnych cech kształtu. Na tym rysunku pokazano zrekonstruowane modele kształtów dwóch obiektów wraz z ich maskami segmentacji. Na tych obrazach można zaobserwować wyrównane poszczególne modele kształtów, ich średni model oraz wektory różnicy kształtów z pojedynczym modelem kształtu.
Dane te reprezentują mapy deformacji kształtu średniej rzutowane na model średni. Dla jednej grupy z małą objętością tkanki mózgowej i jednej grupy z dużą objętością tkanki mózgowej. Mapy deformacji kształtu obu grup prezentują przeciwstawne wzorce różnic w kształcie hipokampa w odpowiednich regionach.
Sprawdź razem maskę segmentacji i pojedynczą osobę lub model udostępniony. Jeśli model nie jest dopasowany do granicy obrazu, dostosuj parametry modelowania, aby uzyskać lepsze wyniki. Analizę statystyczną z wykorzystaniem deformacji kształtu można przeprowadzić w celu zbadania kształtu grupowego Udostępniliśmy również kod MATLAB do analizy na naszej stronie projektu.
Ta solidna metoda została zastosowana w wielu badaniach klinicznych, nie tylko obejmujących krytyczne modelowanie struktury, takie jak choroba Alzheimera lub badanie starzenia się, ale także zaburzenia stopy i kości, które wymagają analizy kości złożonych.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
Przegląd
Niniejsze badanie przedstawia półautomatyczny protokół analizy kształtu struktur mózgu w 3D, koncentrując się na segmentacji hipokampa z obrazów MRI mózgu. Metodologia obejmuje wykorzystanie otwartego oprogramowania do segmentacji obrazów, a następnie grupową analizę kształtu z zastosowaniem zautomatyzowanego pakietu modelowania.
Kluczowe elementy badania
Dziedzina nauki
- Neuronauka
- Analiza obrazu
- Strukturalne modelowanie mózgu
Wprowadzenie
- Dokładna rekonstrukcja kształtu jest niezbędna dla zachowania odpowiedniości anatomicznej w modelach mózgu.
- Struktura obejmuje narzędzia do modelowania kształtu i obliczania deformacji.
- Zastosowano ją w dużych zbiorach danych mózgu ludzkiego w ramach różnych badań.
- Oprogramowanie zostało opracowane przez dr. Jaeila Kima i charakteryzuje się funkcjami przyjaznymi dla użytkownika.
Cel badania
- W celu zademonstrowania procedury segmentacji i analizy kształtu hipokampa.
- W celu zapewnienia zautomatyzowanego modelu do analizy kształtu mózgu w ujęciu indywidualnym i grupowym.
- W celu udostępnienia narzędzi do analizy statystycznej zmienności kształtu.
Zastosowane metody
- Metoda wykorzystuje graficzny interfejs użytkownika do edycji obrazów MRI oraz segmentacji.
- Badanie koncentruje się na strukturach hipokampa z wykorzystaniem obrazów rezonansu magnetycznego ważonych w czasie T1.
- Użytkownicy ręcznie edytują segmentacje hipokampa i konstruują szablony grupowe.
- Analiza statystyczna jest przeprowadzana z wykorzystaniem pomiarów deformacji kształtu.
- Kod MATLAB do analizy jest dostępny na stronie projektu.
Główne wyniki
- Zastosowane podejście umożliwia precyzyjne modelowanie kształtu hipokampa oraz obliczanie deformacji jego kształtu.
- Wyniki wykazują różnice w kształcie hipokampa pomiędzy grupami o różnej objętości tkanki mózgowej.
- Indywidualne cechy kształtu zostają zachowane przy jednoczesnej minimalizacji zniekształceń podczas modelowania.
- Dołączono wizualizację wyrównanych modeli oraz map średnich deformacji kształtu.
Wnioski
- Niniejszy protokół umożliwia efektywną analizę kształtu i modelowanie struktur hipokampa.
- Zastosowana metodologia pogłębia zrozumienie wariancji anatomicznych w badaniach nad mózgiem.
- Zastosowania obejmują badania kliniczne nad schorzeniami takimi jak choroba Alzheimera oraz innymi anomaliami strukturalnymi.
Najczęściej Zadawane Pytania
Znaczenie dla Przemysłu
Precyzyjne modelowanie trójwymiarowego kształtu struktur mózgu umożliwia ilościową ocenę zmienności anatomicznej związanej z procesami patologicznymi, co wspiera walidację celów w badaniach nad chorobami neurodegeneracyjnymi. Podejście to zapewnia pewność prognostyczną poprzez powiązanie biomarkerów strukturalnych z mechanizmami choroby, co ułatwia podejmowanie decyzji o kontynuacji lub przerwaniu badań (go/no-go) we wczesnych etapach odkrywania leków. Metoda ta zwiększa ciągłość translacyjną od etapu odkrywania po modelowanie przedkliniczne poprzez standaryzację fenotypowania kształtu w obrębie kohort.
Zastosowania strategiczne w badaniach i rozwoju biofarmaceutycznym
Wczesne odkrywanie i walidacja celu
- Wartość naukowa: Umożliwia weryfikację hipotez terapeutycznych poprzez ilościowe określanie zmian kształtu hipokampa związanych ze stanami chorobowymi.
- Wartość operacyjna: Wspiera ograniczanie ryzyka biologicznego dzięki powtarzalnym pomiarom odkształceń kształtu w dużych zbiorach danych.
- Wartość predykcyjna: Usprawnia selekcję portfolio poprzez identyfikację biomarkerów strukturalnych o silnych korelacjach genotypowo-fenotypowych.
Przesiewy i opracowywanie testów
- Gotowość testu: Przygotowuje zwalidowane systemy biologiczne do dalszych badań przesiewowych poprzez generowanie zestandaryzowanych modeli kształtu z danych MRI.
- Wynik ilościowy: Dostarcza numerycznych parametrów odkształcenia kształtu, umożliwiając wysokoprzepustowe badania przesiewowe wpływu związków na strukturę mózgu.
- Ponowne wykorzystanie platformy: Umożliwia skalowalne zastosowanie w różnych badaniach dzięki zautomatyzowanemu tworzeniu szablonów i integracji z otwartym oprogramowaniem.
Badania translacyjne i przedkliniczne
- Znaczenie w kontekście chorób: Bezpośrednio stosowalne w badaniach nad chorobą Alzheimera oraz procesami starzenia, w których zanik hipokampa jest kluczową cechą patologiczną.
- Biomarker translacyjny: Mapy deformacji kształtu służą jako mierzalne punkty końcowe zapewniające ciągłość między etapem przedklinicznym a klinicznym.
- Postęp skorygowany o ryzyko: Umożliwia obiektywne porównanie efektów interwencji w strukturze mózgu, co zmniejsza ryzyko niepowodzenia w późniejszych etapach.
Integracja potoku i przepływu pracy
Metoda ta integruje się z kontinuum odkryć – od wczesnej walidacji celu po przedkliniczne badania skuteczności – zapewniając standaryzowane i mierzalne fenotypowanie neuroanatomiczne.
- Biologia odkrywcza: Wspiera testowanie hipotez poprzez powiązanie interwencji genetycznych lub farmakologicznych z mierzalnymi zmianami kształtu w polach hipokampa.
- Przesiewanie: Umożliwia standaryzację testów poprzez konstrukcję szablonów grupowych, zapewniając spójne porównania bazowe dla bibliotek związków.
- Analityka: Generuje wektory deformacji kształtu oraz mapy statystyczne, które pozwalają na obiektywne porównanie fenotypów strukturalnych między grupami badanymi a kontrolnymi.
- Badania translacyjne: Łączy wyniki odkryć z walidacją przedkliniczną poprzez zachowanie wierności anatomicznej w adaptacjach ramy metodycznej dla konkretnych gatunków.
- Ponowne wykorzystanie w przedsiębiorstwach: Służy jako wielokrotnego użytku platforma do obrazowania neuronowego dzięki otwartemu fundamentowi oprogramowania i modułowemu przepływowi pracy w zakresie modelowania i analizy kształtu.
Wpływ operacyjny i przedsiębiorstwowy
- Wartość naukowa: Redukuje niejednoznaczność mechanistyczną, dostarczając bezpośrednich, ilościowych powiązań między strukturalnymi zmianami w mózgu a modelami chorób.
- Wartość operacyjna: Zapewnia powtarzalność i skalowalność dzięki zautomatyzowanemu tworzeniu szablonów grupowych i standaryzowanym protokołom segmentacji.
- Wartość strategiczna: Poprawia efektywność kapitałową, umożliwiając wczesne wykrywanie nieskutecznych związków na podstawie braku strukturalnego oddziaływania na cel.
- Wpływ na portfolio: Wspiera priorytetyzację skorygowaną o ryzyko poprzez identyfikację związków, które normalizują deformacje kształtu w obwodach mózgowych istotnych dla danej choroby.
Wskazówki dotyczące wdrożenia
- Wymaga wiedzy z zakresu neuroanatomii i interpretacji obrazów MRI w celu dokładnej manualnej korekty segmentacji.
- Zależy od dostępu do danych MRI ważonych w obrazach T1 oraz infrastruktury obliczeniowej zdolnej do przetwarzania dużych zbiorów danych kształtów 3D.
- Wymaga międzyzespołowej standaryzacji protokołów segmentacji w celu zapewnienia porównywalności kształtów pomiędzy ośrodkami i badaniami.
- Wiąże się z koniecznością uwzględnienia adaptacji przy stosowaniu ramy metodologicznej do struktur mózgu innych niż hipokamp lub alternatywnych modalności obrazowania.
- Jest ograniczone koniecznością potwierdzenia przez użytkownika kluczowych kroków, takich jak dostrajanie parametrów intensywności, co może wprowadzać zmienność w przypadku braku standaryzacji.
Najczęściej zadawane pytania dotyczące biofarmacji
Chapters in this video
0:04
Title
0:51
Manual Hippocampal Segmentation Editing
2:00
Group Template Construction
2:27
Individual Shape Reconstruction and Group-Wise Shape Normalization and Shape Difference Measurement
3:32
Results: Representative Hippocampus Modeling
4:33
Conclusion
