Введение
1 Магнитно-резонансная томография 4
История МРТ 4
Принципы работы магнитно-резонансной томографии 6
Физические основы МРТ 10
Отношение сигнал-шум 17
Т1 и Т2 релаксация 19
Последовательности МРТ 22
Последовательность градиентного эхо 22
Последовательности МРТ (MP-RAGE) 23
2 Морфометрия головного мозга 24
Основные понятия 2D и 3D изображений 24
Воксель-базированная морфометрия (ВБМ) 25
Пространственная нормализация 26
Сегментирование (сегментация) 27
Статистический анализ 29
Применения ВБМ 29
Поверхностная морфометрия 30
Измерение толщины серого вещества 32
Факторы, влияющие на оценку толщины кортикального слоя 35
Программа Freesurfer 37
Поверхностный процесс программы Freesurfer 38
Нормализация интенсивности 39
Маркировка белого вещества 40
Кортикальная парсерация 42
3 Экспериментальная часть 44
Материалы и методы 44
Метод 45
Результаты 46
Эффект отношения сигнал-шум 46
Эффект отношения контраст-шум 47
Эффект коррегистрации изображений 47
Групповой анализ 51
дефекты и ограничения выявленные в ручном режиме 56
Топологические дефекты 56
Данные с низким отношением сигнал шум 57
4 Обсуждение результатов 58
Выводы 61
публикации автора 62
Список использованных источников 63
Актуальность. Магнитно-резонансная томография – один из самых перспективных и быстро совершенствующихся методов современной диагностики. Опираясь на последние достижения электроники, криогенной техники и новейшие информационные технологии, МР томография позволяет за несколько минут получить изображения, сравнимые по качеству с гистологическими срезами, а для получения высококачественных диагностических изображений время обследования пациента можно снизить до нескольких секунд.
Оценка толщины коры головного мозга с помощью магнитно- резонансной томографии является важным методом диагностики и мониторинга прогрессирования нейро-дегенеративных заболеваний. Многие причины могут повлиять на точность такой оценки, включая ограниченное разрешение изображения и сигнал-шум, движение головы, погрешности совмещения изображений, полученных в разное время и др.
В настоящее время наиболее часто используется два метода. Первый основан на поверхностной модели, где толщина коры вычисляется как среднее расстояние от поверхности белого вещества до ближайшей возможной точки на поверхности серого вещества, затем обратно в ближайшую точку на поверхности белого вещества. В таком случае, на точность в первую очередь влияет насколько хорошо визуализируется граница белого и серого вещества головного мозга. Во второй группе, МР-изображения сегментируются на серое и белое вещество и спинно-мозговую жидкость (СМЖ). В таком случае, корректировки неравномерности интенсивности сигнала, сглаживание, интерполяция на эффекты частичного заполнения разными тканями в объеме воксела позволяют повысить надежность результатов.
Есть много факторов, которые могут повлиять на оценку толщины коры, например, движение головы, что может привести к искажениям изображения. Движение может вызывать артефакты, затенение и размытие деталей на МР изображениях. Снижение качества изображения может повлиять на оценку объема или толщины коры и исказить результы. Однако неочевидно когда артефакты движения приводят к систематической ошибке в данных, а когда просто увеличивают их дисперсию.
Универсального решения этих проблем нет, корректировка движения между измерениями частично устраняет ошибки, однако для, исключения движения во время измерения лучше использовать такие устройства, такие как маски для лица, мосты для укуса и специальные подушки, предназначены для обездвиживания головы субъекта во время сканирования. Методы корректировки движения в процессе измерения путем непрерывной локализации положения головы и корректировки положения срезов «на лету» во время сканирования обещают улучшить качество изображения и уменьшить артефакты движения, однако до сегодняшнего времени они не доступны на рутинных клинических сканерах. Уровень гидратации тоже влияет на изображение и оценку границ серого вещества [54].
Кроме того, в процессе расчетов возможны ошибки связанные с алгоритмом обработки, особенно при наличии локальных артефактов изображения и наличии «ненормальных» анатомических структур, как , например, при опухолях или в результате операции. Ручная проверка и редактирование результатов сегментации могут исправить некоторые из этих ошибок, но не все. Также ручная корректировка результатов анализа вносит фактор субъективности в результаты и не всегда однозначна.
Практическая значимость. Целесообразность применения МРТ морфометрии как инструмента для оценки тенденций изменения структур головного мозга человека, выявления структурных различий для различных групп пациентов и/или здоровых людей а также для мониторинга терапии общепризнана. Определение границ воспрозводимости и достоверности этих результатов позволит повысить эффективности диагностики и мониторинга.
Новизна темы: Методы МРТ морфометрии широко используются для клинических задач и часто на основе небольших выявленных тенденций делаются клинические заключения. Вопрос воспроизводимости и достоверности был систематические исследован более чем 25 лет назад, а за это время экспериментальные возможности МРТ и методы обработки значительно прогрессировали, в связи с чем необходимо исследование вопроса воспроизводимости и достоверности результатов МРТ морфометрии в новых условиях.
Цель работы: оценить границы воспроизводимости и достоверности определения толщины кортикального слоя серого вещества головного мозга человека и тенденций ее изменения методами морфометрии по данным МРТ.
Задачи:
1. Отработка процедуры расчета толщины коры головного мозга человека с помощью программ для морфометрии;
2. Отработка процедуры и статистической обработки результатов морфометрии с целью выявления тенденций изменения толщины коры головного мозга;
3. Исследование зависимости результатов морфометрии в зависимости от качества МРТ изображений, их параметров и вариации положении головы исследуемого между МРТ обследованиями.
Таким образом, в данной работе на основе проведенной морфометрии данных МРТ головного мозга человека экспериментально показано, что вариации параметров трехмерной МРТ последовательности вносят систематические ошибки в оценку толщины кортикального слоя. Сравнение данных с более низким отношение сигнал шум тоже некорректно по той же причине. Эффекты неоднородности РЧ поля в приемо-передающей катушке и сильные различия в положениях головы в катушке между последовательными измерениями также вносить заметные систематические ошибки.
«Стандартные» процедуры статистической обработки данных МРТ морфометрии выявили ложные зоны «статистически достоверного» изменения толщины слоя, изменения в которых меньше фактического пространственного разрешения анализируемых МРТ изображений. В связи с этим следует относится с осторожность к публикуемым результатам по данным морфометрии, где не было обеспечена максимальная идентичность параметров измерения (измерение на одном и том же сканере без модификации оборудования, с фиксированным протоколом измерения и постоянным контролем качества МРТ измерений), а также следует обеспечить максимально стандартизованное положение головы исследуемого при измерениях.
1. Верещагин, Н.В. Мозговое кровообращение. Современные методы исследования в клинической неврологии [Текст] / Н.В. Верещагин, В.В. Борисенко, А.Г. Власенко – М.: Интер-Весы, 1993. – 156 c.
2. Галайдин, П.А. Основы магнитно-резонансной томографии. Учебное пособие [Текст] / П.А. Галайдин, А.И. Замятин, В.А. Иванов – СПб: СпбГИТМО (ТУ), 1998. – 24 с.
3. Гордон, Р. Реконструкция изображения по проекциям [Текст] / Р. Гордон, Г.Т. Герман, С.А. Джонсон // Scientific American. – 1975. – Т. 233. – С. 56-68.
4. Коновалов, А.Н. Магнитно-резонансная томография в нейрохирургии [Текст] / А.Н. Коновалов, В.Н. Корниенко, И.Н. Пронин – М.: Видар, 1997. – 472 с.
5. Марусина, М.Я. Современные виды томографии. Учебное пособие [Текст] / М.Я. Марусина, А.О. Казначеева – СПб: СПбГУ ИТМО, 2006. – 132 с.
6. Constable R.T. Factors influencing the contrast with a fast MR image with a reverse spin [Text] / R.T. Constable, A.W. Anderson, J. Zhong, J.C. Gore // Magn Reson Imaging. – 1992. – Vol. 10. – P. 497-511.
7. Bloch, F. Nuclear Induction [Text] / F. Bloch, W.W. Hansen, M.E. Packard. – Phys. Rev, 1946. – 127 p.
8. Finn, P.J. Физика МР-изображений. Клиники магнитно-резонансной томографии Северной Америки [Текст] / P.J. Finn. – Science, 1999. – 808 с.
9. Purcell, E. M. Resonance Absorption by Nuclear Magnetic Moments in a Solid [Text] / E.M. Purcell, H.C. Torrey, R.V. Pound // Phys. Rev. – 1946. – 69. – P. 37.
10. Bloembergen, N. Relaxation Effects in Nuclear Magnetic Resonance Absorption [Text] / N. Bloembergen, E.M. Purcell, and R.V. Pound // Phys. Rev. – 1948. – Vol. 73. – P. 679.
11. Lauterbur, P.C. Image Formation by Induced Local Interactions: Examples Employing Nuclear Magnetic Resonance [Text] / P.C. Lauterbur // Nature V. – 1973. – Vol. 242. – P. 190–191.
12. Mansfield, P. NMR «diffraction» in solids [Text] / Р. Mansfield, Р.К. Grannell // Journal of Physics C: Solid State Physics. – 1973. – V. 6, Issue 22. – P. 422-426.
13. Liang, Z.P. Principles of Magnetic Resonance Imaging, A signal processing perspective [Text] / Z.P. Liang, P.C. Lauterbur. – // IEEE Press: New York, 2000.– 234 p.
14. Martinkovic, L. Modern Concepts of Focal Epileptic Networks [Text] / L. Martinkovic, P. Marusic // International Review of Neurobiology. – 2014. – Vol. 2. – P. 345.
15. Mechelli, A. Voxel-Based Morphometry of the Human Brain Methods and Applications ner. [Text] / A. Mechelli, J. P. Cathy, J. F. Karl, A. John // Nature. – 2005. – Vol. 1, I. 2. – P. 105-113.
16. John, A. Computational Neuroanatomy: PhD thesis [Text] / A. John. – University College London, 2000. – 381 р.
17. Friston, K.J. Statistical parametric maps in functional imaging: A general linear approach [Text] / K.J. Friston, A.P. Holmes, K.J. Worsley, J.B. Poline, C.D. Frith,
R.S.J. Frackowiak // Hum Brain Mapp. – V2. – 1995. – P.189–210.
18. Penny W. Statistical Parametric Mapping. The Analysis of Functional Brain Images 2nd [Text] / W. Penny, K. Friston, J. Ashburner, S. Kiebel, T. Nichols // Academic Press. – 2006. – Р. 64.
19. Ashburner, J. Multimodal image coregistration and partitioning – A unified framework. NeuroImage [Text] / J. Ashburner, K.J. Friston – 1997. – V.6. – 217 р.
20. Friston, K.J. Statistical parametric maps in functional imaging: A general linear approach [Text] / K.J. Friston, А.Р. Holmes, K.J. Worsley, J.B. Poline, C.D. Frith,
R.S.J. Frackowiak // Hum Brain Mapp. – 1995. – № 2. – Р. 189-210.
21. Gaser, C. Brain structures differ between musicians and non-musicians. J Neurosci [Text] / C. Gaser, G. Schlaug. – 2003. – V.23. – P. 9240-9245.
22. Gitelman, D.R. Voxel- Based Morphometry of Herpes Simplex Encephalitis. Neuro Image [Text] / D.R. Gitelman, J. Ashburner, K.J. Friston, L.K. Tyler, C.J. Price. – 2011. – V.3. – 245 р.
23. Bookstein, F.L. «Voxel-based morphometry» should not be used with imperfectly registered images [Text] / F.L. Bookstein // NeuroImage. – 2011. – V.14. – P. 1454–1462.
24. Ashburner, J. Why voxel-based morphometry should be used [Text] / J. Ashburner, K.J. Friston // NeuroImage. – 2011. – V. 14. – P. 1238-1243.
25. Terrence, R. Oakes Integrating VBM into the general linear model with voxelwise anatomical covariates [Text] / R. Terrence // Neuroimage. – 2016. – V. 34. – № 2. – P. 500-508.
26. Andrea, E. Gray matter volume differences of adult migraine patients using voxel-based morphometry [Text] / Andrea E. // Boston: Boston university, 2015. – 154 р.
27. Salmond, C.H. Distributional assumptions in voxel-based morphometry [Text] /
C.H. Salmond, J. Ashburner, F. Vargha-Khadem, A. Connelly, D.G. Gadian, K.J. Friston // NeuroImage. – 2012. – V. 17. – P. 1027-1030.
28. Davatzikos, C. Why voxel-based morphometric analysis should be used with great caution when characterizing group differences [Text] / C. Davatzikos // NeuroImage. – 2014. – V. 23. – P. 17-20.
29. Friston, K.J. Generative and recognition models for neuroanatomy [Text] / K.J. Friston, J. Ashburner // NeuroImage. – 2004. – V. 23. – P. 21-24.
30. Richardson, M.P. Cortical grey matter and benzodiazepine receptors in malformations of cortical development. A voxel-based comparison of structural and functional imaging data [Text] / M.P. Richardson, K.J. Friston, S.M. Sisodiya et al. // Brain. – 1997. – V. 120. – P. 1961-1973.
31. Eggera, K. Pattern of brain atrophy in elderly patients with depression revealed by voxel-based morphometry [Text] / К. Eggera et al. // Neuroimaging. – 2008. – V. 164. – № 3. – P. 237-444.
32. Vasic, N. Gray matter reduction associated with psychopathology and cognitive dysfunction in unipolar depression: a voxel-based morphometry study [Text] / N. Vasic, H. Walter, A. Höse, R.C. Wolf // J. Affect. Disord. – 2008. – V. 109. – № 1-2. – P. 107-116.
33. Clarkson, M.J. A comparison of voxel and surface based cortical thickness estimation methods [Text] / M.J. Clarkson et al. // NeuroImage. – 2011. – V. 57. – P. 856-865.
34. Aganj, I. Measurement of Cortical Thickness from MRI by Minimum Line Integrals on Soft-Classified Tissue Hum Brain Mapp. [Text] / I. Aganj et al. // Hum. Brain. Mapp. – 2009. – V. 30. – № 10. – P. 3188-3199.
35. Hutton, C. Voxel-based cortical thickness measurements in MRI [Text] / C. Hutton, E. De Vita, J. Ashburner, R. Deichmann, R. Turnerd // NeuroImage. – 2008. – V.40. – № 4. – P. 1701–1710.
36. Aganj, I. Segmentation-free measuring of cortical thickness from MRI [Text] /
I. Aganj, G. Sapiro // Proc IEEE Int Symp Biomed Imaging. – 2008. – P. 1625– 1628.
37. Riccelli, R. Surface-based morphometry reveals the neuroanatomical basis of the five-factor model of personality [Text] / R. Riccelli, N. Toschi, S. Nigro, А. Terracciano, L. Passamonti // Social Cognitive and Affective Neuroscience. – 2017. – P. 671-674.
38. Fischl, B. Cortical surface-based analysis. II: Inflation, flattening, and a surface- based coordinate system. [Text] / B. Fischl, M.I. Sereno, A.M. Dale // Neuroimage. – 1999. – V. 2. – P. 195-207.
39. Despotović, I. MRI segmentation of the human brain: challenges, methods and applications [Text] / I. Despotović, B. Goossens, W. Philips // Computational and Mathematical Methods in Medicine, 2015.– 23 p.
40. Damien, M. Surface-based morphometry of cortical thickness and surface area associated with heschl's gyri duplications in 430 healthy volunteers [Text] / M. Damien // Front. Hum. Neurosci. – 2016. – V. 10. – P. 69.
41. Reuter, M. Head motion during MRI acquisition reduces gray matter volume and thickness estimates [Text] / M. Reuter // Neuroimage. – 2015. – V. 107. – P.107- 115.
42. Gransjøen A. M. Cortical thickness analysis – The methods [Text] / А.М. Gransjøen // Radiography. – 2015. – V. 2. – № 1. – P. 52-64.
43. Reuter, M. Within-subject template estimation for unbiased longitudinal image analysis [Text] / M. Reuter, N.J. Schmansky, H.D. Rosas, B. Fischl // NeuroImage. – 2012. – V. 61. – № 4. – P. 1402-1418.
44. Gronenschild, H. B. M. The effects of FreeSurfer version, workstation type, and macintosh operating system version on anatomical volume and cortical thickness measurements [Text] / H.B.M. Gronenschild // PLOS. – 2012. – V. 7. – I. 6. – e38234.
45. Fischl, B. FreeSurfer [Text] / B. Fischl // Neuroimage. – 2012. – V. 62. – № 2. – P. 774-781.
46. Rosas HD, Regional and progressive thinning of the cortical ribbon in Huntington's disease [Text] / Rosas HD, Liu AK, Hersch S, Glessner M, Ferrante RJ, et al.// Neurology –2002. –V.58. – P.695–701.
47. Kuperberg GR, Regionally localized thinning of the cerebral cortex in schizophrenia [Text] / Kuperberg GR, Broome MR, McGuire PK, David AS, Eddy M, et al. //Arch Gen Psychiatry –2003. – V.60. –P.878–888.
48. Han X, Reliability of MRI-derived measurements of human cerebral cortical thickness: the effects of field strength, scanner upgrade and manufacturer [Text] / Han X, Jovicich J, Salat D, van der Kouwe A, Quinn B, et al.// Neuroimage 2006.
–V.32. –P.180–194.
49. Dickerson BC, The cortical signature of Alzheimer's disease: regionally specific cortical thinning relates to symptom severity in very mild to mild AD dementia
and is detectable in asymptomatic amyloid-positive individuals. [Text] / Dickerson BC, Bakkour A, Salat DH, Feczko E, Pacheco J, et al. // Cereb Cortex 2009. – V.19. –P.497–510.
50. Rosas HD, Cerebral cortex and the clinical expression of Huntington's disease: complexity and heterogeneity [Text] / Rosas HD, Salat DH, Lee SY, Zaleta AK, Pappu V, et al. // Brain. 2008. –V. 131. –P. 1057–1068.
51. Ed H. B. M. Gronenschild The Effects of FreeSurfer Version, Workstation Type, and Macintosh Operating System Version on Anatomical Volume and Cortical Thickness Measurements [Text] / 51. Ed H. B. M. Gronenschild// . PLoS ONE. 2012. –Volume 7. –| I 6. –e38234
52. Andrea Mechelli, Structural Covariance in the Human Cortex[Text]/ Andrea Mechelli,1 Karl J. Friston,1 Richard S. Frackowiak,//The Journal of Neuroscience. 2005. – V. –25. – I.36. –P.8303– 8310.
53. Dale AM, Improved Localization of Cortical Activity by Combining EEG and MEG with MRI Cortical Surface Reconstruction: A Linear Approach [Text]/.
Dale AM, //Spring.1993. –V.5. – I.2–.P.162-76.
54. Biller, A. Responses of the human brain to mild dehydration and rehydration explored in vivo by 1H-MR Imaging and spectroscopy [Text] / A. Biller, M. Reuter, B. Patenaude, G.A. Homola, F. Breuer, M. Bendszus, A.J. Bartsch // AJNR Am. J. Neuroradiol. – 2015. – V. 36. – № 12. – P. 2277-2284.
55. Dale, A.M., Fischl, Bruce, Sereno, M.I., Cortical Surface-Based Analysis I: Segmentation and Surface Reconstruction.// NeuroImage. –1999. – V.9. –№2. – P.179-194.
56. Руммени Э. Й. Магнитно-резонансная томография тела [Электронный ресурс]: пер. с англ. под общ. ред. докт. мед. наук, проф. Г.Г. Кармазановского. – 2-е изд. – М. : МЕДпресс-информ, 2017. – 848 с. : ил. ISBN 978-5-00030-409-9: [сайт]. URL: http://www.03book.ru/upload/iblock/e12/e12152931486f14025daaddc257089be.p df. (Дата обращения: 18.05.2018).
57. Lauterbur, P. C., Introduction to MRI. Press Release [Электронный ресурс]: About the Nobel Prize in Physiology or Medicine 6 October, 2003. [сайт]. URL: http://iverson.cm.utexas.edu/courses/310N/Handouts/NMRhandout3.html. (Дата обращения: 25.05.2018)