Просматривается номер   2019 / 04
К читателю
О журнале
Публикационная этика
Авторам
Тематика
Правила рецензирования
English (United Kingdom)Russian (CIS)
УПРАВЛЕНИЕ И ПРИНЯТИЕ РЕШЕНИЙ
М. А. Кудров, К. Д. Бухаров, Э. А. Захаров, Д. Р. Махоткин, Н. Е. Кривошеин, Н. А. Гришин, В. Семенкин "Интеллектуальный алгоритм управления группой беспилотных аппаратов"
СИСТЕМЫ УПРАВЛЕНИЯ
С. А. Илюхин, Т. С. Чернов, Д. В. Полевой "Повышение точности нейросетевых методов верификации лиц за счет пространственновзвешенной нормализации яркости изображения"
ПРОГРАММНАЯ ИНЖЕНЕРИЯ
А. С. Сулейкин, Н. Н. Бахтадзе "Модели архитектуры цифровых экосистем в сфере управления цепочками поставок"
ОБРАБОТКА ИНФОРМАЦИИ И АНАЛИЗ ДАННЫХ
R. N. Ermakov, V. V. Alekseev "Primary Data Processing for Constructing Network Package Classifiers in Deep Packet Inspection Analysis and in the Intrusion Detection Systems"
Р. К. Классен, В. А. Райхлин "Повышение эффективности Clusterixподобных СУБД для аналитической обработки больших данных"
Э. А. Головастова, Д.Н. Красотин "Задача эффективной кластеризации текстовой выборки в зависимости от различной параметризации этой выборки"
В. Н. Гридин , Д. С. Смирнов, В. А. Перепелов "Развитие современных инструментальных средств для проведения морфометрического анализа гиппокампа головного мозга по данным МРТ"
РАСПОЗНАВАНИЕ ОБРАЗОВ
E. I. Andreeva, V. V. Arlazarov, A. V. Gayer, E. P. Dorokhov, A.V. Sheshkus, O.A. Slavin "Document Recognition Method Based on Convolutional Neural Network Invariant to 180 Degree Rotation Angle"
I. M. Janiszewski, V. V. Arlazarov, D. G. Slugin "Achieving Statistical Dependence of the CNN Response on the Input Data Distortion for OCR Problem"
ПРОБЛЕМЫ БЕЗОПАСНОСТИ
Г. П. Акимова, А. Ю. Даниленко, Е. В. Пашкина, М. А. Пашкин, А. А. Подрабинович, А. В. Соловьев, И.В. Туманова "Обеспечение безопасности при цифровизации учебных заведений"
В. Н. Гридин , Д. С. Смирнов, В. А. Перепелов "Развитие современных инструментальных средств для проведения морфометрического анализа гиппокампа головного мозга по данным МРТ"

Аннотация.

В работе исследуются современные инструментальные средства с открытым свободно распространяемым кодом, которые могут применяться для автоматизации задачи МР-морфометрии. Рассматриваются форматы хранения и обработки МР изображений, используемые в современном программном обеспечении (ПО). Описываются ключевые принципы и алгоритмы работы данных программ и библиотек. Приводится анализ научной литературы, связанной с оценкой качества работы данного ПО и их сравнительных характеристик. На основе проведенного анализа предлагается схема программно-аппаратного комплекса, который мог бы быть использован для автоматизации процессов пост-процессорной обработки данных МРТ, хранения и анализа данных обработки и волюметрических анализов. Для проведения волюметрического анализа в основном используется программное обеспечение FMRIB Software Library, с возможностью его объединения с ПО Statistical Parametric Mapping для процессов конвертации форматов МРТ изображений и улучшения качества сегментации. Визуализирован результат работы прототипа данного комплекса.

Ключевые слова:

болезнь Альцгеймера, объемные характеристики гиппокампа, магнитно-резонансная волюметрия, постпроцессорная обработка данных МРТ, свободно распространяемое программное обеспечение.

Стр. 70-86.

DOI 10.14357/20718632190407

 Полная версия статьи в формате pdf.

Литература

1. Яхно Н.Н., Гридин В.Н., Перепелов В.А., Меркулова       М.С., Перепелова Е.М., Синицын В.Е. Магнитно- резонансная томография в диагностике болезни Альц- геймера на стадии умеренных когнитивных нарушений // Информационные технологии и математическое моделирование систем 2017. Труды международной научно-технической конференции. – М.: Федеральное государственное бюджетное учреждение науки Центр информационных технологий в проектировании Рос- сийской академии наук. 2017. С. 136-141.
2. Ананьева Н. И., Залуцкая Н. М., Незнанов Н. Г., Саломатина Т. А., Ахмерова Л. Р., Андреев Е. В., Стулов И. К. Роль нейровизуализации гиппокампа в диагностике болезни Альцгеймера на ранней стадии // Лучевая ди- агностика и терапия. 2019. № 1(10). С. 18-19.
3. Гридин В.Н., Яхно Н.Н., Синицын В.Е., Перепелов В.А., Труфанов М.И., Виноградов В.А. Алгоритм поиска гиппокампа на серии магнитно-резонансных изображений головного мозга при диагностике болезни Альцгеймера // Информационные технологии и вычислительные системы. 2018. № 4. С. 23-32.
4. Синицын В.Е., Гридин В.Н., Перепелова Е.М., Перепелов В.А. Роль методов количественного анализа данных магнитно-резонансной томографии в диагностике болезни Альцгеймера на ранней стадии заболевания // Вестник рентгенологии и радиологии. 2017. Т. 98. № 5. С. 269-274.
5. Bidgood WD Jr, Horii SC, Prior FW, Van Syckle DE. Understanding and using DICOM, the data interchange standard for biomedical imaging. J Am Med Inform Assoc. 1997;4(3):199–212. doi:10.1136/jamia.1997.0040199.
6. Neuroimaging Informatics Technology Initiative [Электронный ресурс] / NIfTI-1 Data Format— Офиц. сайт. — Режим доступа: https://www.nitrc.org/docman/view.php/26/204/TheNIfTI 1Format2004.pdf, свободный. — Загл. с экрана. — Яз. англ. (дата обращения: 26.10.2019)
7. Research and Education at Mayo Clinic [Электронный ресурс]/ ANALYZETM 7.5 File Format — Офиц. сайт. — Режим доступа: https://rportal.mayo.edu/bir/ANALYZE75.pdf, свободный. — Загл. с экрана. — Яз. англ. (дата обращения: 26.10.2019).
8. Talairach J., Szikla G. Atlas of stereotactic concepts to the surgery of epilepsy. 1967
9. Kalmady, Sunil & Venkatasubramanian, Ganesan & Shivakumar, Venkataram & Gautham, S & Subramaniam, Aditi & Jose, Dania & Maitra, Arindam & Ravi, Vasanthapuram & Gangadhar, Bn. (2014). Relationship between Interleukin-6 Gene Polymorphism and Hippocampal Volume in Antipsychotic-Naïve Schizophrenia: Evidence for Differential Susceptibility. PloS one. 9. e96021. 10.1371/journal.pone.0096021.
10. Dale A.M., Fishl B., Sereno M.I. Cortical surface-based analysis I: Segmentation and surface reconstruction. Neuroimage, 1999, no. 9, pp. 179-194.
11. Fischl B., Sereno M.I., Dale A.M. Cortical surface-based analysis II: Inflation, flattening, and a surface-based coordinate system. Neuroimage, 1999, no. 9, pp. 195-207.
12. Fischl B., van der Kouwe A., Destrieux C. et al. Automatically parcellating the human cerebral cortex. Cerebral Cortex, 2004, no. 14, pp. 11-22.
13. Fischl B., Salat D., Busa E. et al. Whole brain segmentation. Automated labeling of neuroanatomical structures in the human brain. Neuron, 2002, no. 33, vol. 3, pp. 341-355.
14. Bartos, A., Gregus, D., Ibrahim, I., Tintěra, J. Brain volumes and their ratios in Alzheimer´s disease on magnetic resonance imaging segmented using Freesurfer 6.0 // Psychiatry Research: Neuroimaging, 2019, Volume 287, pp. 70-74, https://doi.org/287.10.1016/j.pscychresns.2019.01.014.
15. Магонов Е. П., Катаева Г. В., Трофимова Т. Н. Современные методы автоматического вычисления объема внутричерпного пространства при МРТ-морфометрии головного мозга // Вестник НовГУ. 2015. №2 (85).
16. FreeSurfer Hippocampal Segmentation, February 20, 2018. URL:https://donghwa-kim.github.io/hippocampalsegmentation. html (дата обращения: 26.10.2019)
17. Ashburner J, Friston KJ. Unified segmentation. NeuroImage. 2005;26:839-51. doi: 10.1016/j.neuroimage.2005.02.018. PubMed PMID: 15955494.
18. M. Batyrbekova, T. Prell, B. Stubendorff, R. Steinbach, M. Bokemeyer, T. Mayer, V. Hartung, O.W. Witte, J. Grosskreutz. P48. Progression of cerebellar involvement in amyotrophic lateral sclerosis as seen by SUIT/ CAT12 voxelbased morphometry and D50 disease modelling // Clinical Neurophysiology, 2018, Volume 129, Issue 8, pp. 86-87
19. C. Gaser, R. Dahnke . CAT - A Computational Anatomy Toolbox for the Analysis of Structural MRI Data. HBM 2016. http://www.neuro.uni-jena.de/hbm2016/GaserHBM2016.pdf
20. S.M. Smith. Fast robust automated brain extraction. Human Brain Mapping, 17(3):143-155, November 2002.
21. Ivana Išgum, Manon J.N.L. Benders, Brian Avants, M. Jorge Cardoso, Serena J. Counsell, Elda Fischi Gomez, Laura Gui, Petra S. Hűppi, Karina J. Kersbergen, Antonios Makropoulos, Andrew Melbourne, Pim Moeskops, Christian P. Mol, Maria Kuklisova-Murgasova, Daniel Rueckert, Julia A. Schnabel, Vedran Srhoj-Egekher, Jue Wu, Siying Wang, Linda S. de Vries, Max A. Viergever, Evaluation of automatic neonatal brain segmentation algorithms: The NeoBrainS12 challenge// Medical Image Analysis, 2015, vol. 20, Issue 1, pp. 131-151
22. Patenaude, B., Smith, S.M., Kennedy, D., and Jenkinson M. A Bayesian Model of Shape and Appearance for Subcortical Brain NeuroImage, 56(3):907-922, 2011
23. Jenkinson, M., Bannister, P., Brady, J. M. and Smith, S. M. Improved Optimisation for the Robust and Accurate Linear Registration and Motion Correction of Brain Images. NeuroImage, 17(2), 825-841, 2002.
24. Greve, D.N. and Fischl, B. Accurate and robust brain image alignment using boundary-based registration. NeuroImage, 48(1):63-72, 2009.
25. Brett, M., Johnsrude, I. S., Owen, A. M. The problem of functional localization in the human brain // Nature Reviews Neuroscience volume 3, pages243–249 (2002).
26. Зубов А.Ю., Сенюкова О.В. Сегментация изображений магнитно-резонансной томографии головного мозга с помощью сопоставления с несколькими атласами. ГРАФИКОН'2015 Труды Юбилейной 25-й Международной научной конференции. 2015. С. 56-61.
27. Brian Patenaude. Bayesian Statistical Models of Shape and Appearance for Subcortical Brain Segmentation. Oxford Centre for Functional Magnetic Resonance Imaging of the Brain Department of Clinical Neurology University of Oxford Trinity Term, 2007.
28. Watson C, Andermann F, Gloor P, Jones-Gotman M, Peters T, Evans A, Olivier A, Melanson D, Leroux G. Anatomic basis of amygdaloid and hippocampal volume measurement by magnetic resonance imaging. Neurology 1992;42(9):1743–1750. [PubMed: 1513464]
29. Pantel, J.; Cretsinger, K.; Keefe, H. Hippocmapus tracing guidelines. 1998.
30. Emma R. Mulder, Remko A. de Jong, Dirk L. Knol, Ronald A. van Schijndel, Keith S. Cover, Pieter J. Visser, Frederik Barkhof, Hugo Vrenken. Hippocampal volume change measurement: Quantitative assessment of the reproducibility of expert manual outlining and the automated methods FreeSurfer and FIRST // NeuroImage, Volume 92, 2014, P. 169-181, https://doi.org/10.1016/j.neuroimage.2014.01.058.
31. Schoemaker, Dorothee & Buss, Claudia & Head, Kevin & Sandman, Curt & Davis, Elysia & Chakravarty, M. & Gauthier, Serge & Pruessner, Jens. (2016). Hippocampus and amygdala volumes from magnetic resonance images in children: Assessing accuracy of FreeSurfer and FSL against manual segmentation. NeuroImage. 129. 10.1016/j.neuroimage.2016.01.038.
32. Akudjedu, Theophilus & Nabulsi, Leila & Makelyte, Migle & Scanlon, Cathy & Hehir, Sarah & Casey, Helen & Ambati, Srinath & Kenney, Joanne & Odonoghue, Stefani & McDermott, Emma & Kilmartin, Liam & Dockery, Peter & Mcdonald, Colm & Hallahan, Brian & Cannon, Dara. (2018). A comparative study of segmentation techniques for the quantification of brain subcortical volume. Brain Imaging and Behavior. 10.1007/s11682-018-9835-y.
33. Keith S. Cover, Ronald A. van Schijndel, Adriaan Versteeg, Kelvin K. Leung, Emma R. Mulder, Remko A. Jong, Peter J. Visser, Alberto Redolfi, Jerome Revillard, Baptiste Grenier, David Manset, Soheil Damangir, Paolo Bosco, Hugo Vrenken, Bob W. van Dijk, Giovanni B. Frisoni, Frederik Barkhof. Reproducibility of hippocampal atrophy rates measured with manual, FreeSurfer, AdaBoost, FSL/FIRST and the MAPS-HBSI methods in Alzheimer's disease // Psychiatry Research: Neuroimaging, Volume 252, 2016, p. 26-35 https://doi.org/10.1016/j.pscychresns.2016.04.006.
34. Cover, Keith & Schijndel, Ronald & Bosco, Paolo & Damangir, Soheil & Redolfi, Alberto. (2018). Can measuring hippocampal atrophy with a fully automatic method be substantially less noisy than manual segmentation over both 1 and 3 years. Psychiatry Research: Neuroimaging. 280. 10.1016/j.pscychresns.2018.06.011.
35. Doring, T. M., Kubo, T. T., Cruz, L. C., Juruena, M. F., Fainberg, J. , Domingues, R. C. and Gasparetto, E. L. (2011), Evaluation of hippocampal volume based on MR imaging in patients with bipolar affective disorder applying manual and automatic segmentation techniques. J. Magn. Reson. Imaging, 33: 565-572. doi:10.1002/jmri.22473.
36. Nugent, A. C., Luckenbaugh, D. A., Wood, S. E., Bogers, W. , Zarate, C. A. and Drevets, W. C. (2013), Automated subcortical segmentation using FIRST: Test–retest reliability, interscanner reliability, and comparison to manual segmentation. Hum. Brain Mapp, 34: 2313-2329. doi:10.1002/hbm.22068.
37. Grimm O, Pohlack S, Cacciaglia R, Winkelmann T, Plichta MM, Demirakca T, Flor H. Amygdalar and hippocampal volume: A comparison between manual segmentation, Freesurfer and VBM // J Neurosci Methods. 2015 Sep 30;253:254-61. doi: 10.1016/j.jneumeth.2015.05.024. Epub 2015 Jun 6.
38. Perlaki, G., Horvath, R., Nagy, S. A., Bogner, P., Doczi, T., Janszky, J., & Orsi, G. (2017). Comparison of accuracy between FSL's FIRST and Freesurfer for caudate nucleus and putamen segmentation. Scientific reports, 7(1), 2418. doi:10.1038/s41598-017-02584-5.
39. Kazemi, K., Noorizadeh, N. (2014). Quantitative Comparison of SPM, FSL, and Brainsuite for Brain MR Image Segmentation. Journal of biomedical physics & engineering, 4(1), 13–26.
40. Palumbo, L. et al. Evaluation of the intra- and intermethod agreement of brain MRI segmentation software packages: A comparison between SPM12 and FreeSurfer // Physica Medica: European Journal of Medical Physics, 2019, Volume 64, pp. 261 – 272.
41. Wenger, E., Mårtensson, J., Noack, H., Bodammer, N. C., Kühn, S., Schaefer, S., Heinze, H., Düzel, E., Bäckman, L., Lindenberger, U. and Lövdén, M. (2014), Comparing manual and automatic segmentation of hippocampal volumes: Reliability and validity issues in younger and older brains. Hum. Brain Mapp., 35: 4236-4248. doi:10.1002/hbm.22473.
42. Schmidt, M. F., Storrs, J. M., Freeman, K. B., Jack, C. R., Jr, Turner, S. T., Griswold, M. E., & Mosley, T. H., Jr (2018). A comparison of manual tracing and FreeSurfer for estimating hippocampal volume over the adult lifespan. Human brain mapping, 39(6), 2500–2513. doi:10.1002/hbm.24017.
43. Bartel, F., Visser, Martin, de Ruiter, Michiel, Belderbos, José, Barkhof, F., Vrenken, H., De Munck, Jan, Herk, M. (2019). Non-linear registration improves statistical power to detect hippocampal atrophy in aging and dementia. NeuroImage: Clinical. 23. 101902. 10.1016/j.nicl.2019.101902.
44. Vanderson Dill, Pedro Costa Klein, Alexandre Rosa Franco, Márcio Sarroglia Pinho. Atlas selection for hippocampus segmentation: Relevance evaluation of three metainformation parameters // Computers in Biology and Medicine, 2018, Volume 95, pp. 90-98, https://doi.org/10.1016/j.compbiomed.2018.02.005.
45. Bartel, F., Vrenken, H., van Herk, M., de Ruiter, M., Belderbos, J., Hulshof, J., & de Munck, J. C. (2019). FAst Segmentation Through SURface Fairing (FASTSURF): A novel semi-automatic hippocampus segmentation method. PloS one, 14(1), e0210641. doi:10.1371/journal.pone.0210641.
46. Visser E, Keuken MC, Douaud G, Gaura V, Bachoud-Levi AC, Remy P, Forstmann BU, Jenkinson M (2016). Automatic segmentation of the striatum and globus pallidus using MIST: Multimodal Image Segmentation Tool. NeuroImage 125:479-497.
47. Xiang Feng, Andreas Deistung, Michael G. Dwyer, Jesper Hagemeier, Paul Polak, Jessica Lebenberg, Frédérique Frouin, Robert Zivadinov, Jürgen R. Reichenbach, Ferdinand Schweser. An improved FSL-FIRST pipeline for subcortical gray matter segmentation to study abnormal brain anatomy using quantitative susceptibility mapping (QSM) // Magnetic Resonance Imaging, 2017, Volume 39, pp. 110-122, https://doi.org/10.1016/j.mri.2017.02.002.
48. Michael Amann, Michaela Andělová, Armanda Pfister, Nicole Mueller-Lenke, Stefan Traud, Julia Reinhardt, Stefano Magon, Kerstin Bendfeldt, Ludwig Kappos, Ernst-Wilhelm Radue, Christoph Stippich, Till Sprenger. Subcortical brainsegmentation of two dimensional T1-weighted data sets with FMRIB's Integrated Registration and Segmentation Tool (FIRST) // NeuroImage: Clinical, 2015, Volume 7, pp. 43-52, https://doi.org/10.1016/j.nicl.2014.11.010.
49. Muschelli, John et al. “fslr: Connecting the FSL Software with R.” The R journal vol. 7, 1 (2015): 163-175.
50. Национальная библиотека им. Н. Э. Баумана [Электронный ресурс]/ Couchbase Server — Офиц. сайт. — Режим доступа: https://ru.bmstu.wiki/Couchbase_Server, свободный. — Загл. с экрана. — Яз. русс. (дата обращения: 26.10.2019).
 
     
2024 / 03
2024 / 02
2024 / 01
2023 / 04

© ФИЦ ИУ РАН 2008-2018. Создание сайта "РосИнтернет технологии".