Shape analysis of subcortical structures based on deformable model in geodesic framework

Abstract

많은 자기공명영상 (MRI) 연구가 뇌 하부 구조 (subcortical structures)의 체적에 관해서 집중되고 있지만 전통적인 방법인 볼륨측정은 뇌 하부 구조체와 같은 작은 구조물에서의 국소 변화 (local changes)를 측정하는데 한계점이 있다. 국소 구조 변화는 정상적인 신경해부학적 변화(neuroanatomical variation)로부터 식별하기가 매우 어렵다. 이러한 한계점을 극복하게 위해, 많은 연구자들이 뇌하부 구조체의 형태를 표현 할 수 있는 방법을 제안하였다. 그러나, 이러한 뇌하부 구조체의 형태 표현 방법에는 모델의 정확성과 동일점 (homologous points) 형성을 요구하게 되었다. 뿐만 아니라, 이러한 뇌 하부 구조체와 대뇌 피질과의 복잡하고 상호 작용적인 기능적 연결성이 있다는 것 또한 잘 알려진 사실이다. 이러한 연결성은 기능 자기공명 영상 (fMRI) 또는 확산 텐서 영상 (DTI) 을 통해 연구가 진행되어 왔으나 이러한 방법들을 통해 연결성 분석하는 것은 뇌 하부 구조체와 대뇌 피질간의 구조적 상관관계를 분석하는 것에 한계가 있다. 그러므로 뇌 하부 구조체의 국소 변화를 측정하고 뇌 하부 구조체와 대뇌 피질간의 구조적 상관 관계를 분석하기 위해, 본 학위 논문에서 뇌 하부 구조체의 정확한 표면 모델 생성 방법과 각 점들간의 동일성을 부여하는 새로운 방법을 제안하도록 한다. 초기의 타원 모델에서 해마 표면까지 차츰 전개 된 변형 모델 (deformable model)을 환자 군과 정상군의 차이를 분석하기 위해 개발하였다. 또한 정확한 동일점 관계를 정립하기 위해, 개략적 그리고 정밀한 과정이 포함된 정렬 (alignment) 절차를 사용하였다. 그리고 환자 군과 정상 군의 형태 비 대칭성을 분석하기 위해서 주 요소 분석 (principal component analysis)을 사용하였다. 주 요소 분석을 사용하지 않은 상태에서는 전반적인 비 대칭성 경향이 차이가 보이지 않았으나, 중요한 요소들을 이용하여 재구성하였을 때 확실하게 두 그룹간의 차이를 구별 지을 수가 있었다. 또한, 이 학위 논문에서는 뇌 하부 구조체인 꼬리핵 (Caudate Nucleus) 과 대뇌 피질간의 구조적 상관관계를 분석하는 방법을 제안하였다. 대뇌 피질 두께는 MNI에서 개발한 Constrained Laplacian-Based Automated Segmentation with Proximities (CLASP)을 이용하여 측정을 하였고, 꼬리핵의 두께는 University of North Carolina at Chapel Hill에서 개발한 M-REP을 이용하여 측정하였다. 분석에 있어서 대뇌 크기는 표준화 시키고 나이에 따른 영향을 제어 할 수 있는 partial pearson linear correlation 분석방법을 이용하여 통계적 결과를 얻었다. 결론적으로 이 학위 논문에서 정학하고 동일성 점들이 보장되는 표면 모델을 만드는 방법을 제공하였고 그로 인해 뇌 하부 구조체 중에 하나인 꼬리핵과 대뇌피질 과의 구조적 상관관계를 분석할 수 있는 기반을 마련하였다.; Although many magnetic resonance imaging (MRI) studies have focused on the subcortical structures volume, the conventional analysis method, volumetry, had a chance to pass over the subtle changes of tiny structures such as subcortical structures. The local structural changes of subcortical structures were difficult to discriminate from normal neuroanatomical variations. To surmount these limitations, many researchers have been proposed the representation of subcortical structures shape. However, the accuracy and homologous problem between the inter subjects were needed to make the surface of subcortical structures. And also, it was well known that the functions of human brain were associated with cerebral cortex and these subcortical structures, which was a large, interacting, complex network with nontrivial topological properties. This connectivity has been revealed to use the functional magnetic resonance image and diffusion tensor image, but it was difficult to analyze the anatomical relationship between the cortical areas and subcortical structures. Therefore, to analyze the local changes of subcortical structures and the anatomical relationship between the cortical area and subcortical structures, this dissertation introduced the novel method which is to make an accurate surface model and corresponding points between the intra- and inter surface models. A deformable model, evolved from the ellipsoid to hippocampal surface was developed to analyze the difference of hippocampal shapes between patients and healthy controls group. In order to determine more accurate corresponding points, an alignment procedure, consisting of coarse and fine steps was performed. In terms of the shape asymmetry, principal component analysis (PCA) was used to compare the hippocampi of patients with those of the normal controls. While the overall pattern of the statistical results did not change without use of principal components, the reconstructed results based on major components were much more distinguishable. And also, this dissertation proposed the method to analyze the anatomical relationship between caudate nucleus (CN), one of subcortical structures, and cortical thickness using the surface model. The cortical thickness was computed by the Constrained Laplacian-Based Automated Segmentation with Proximities (CLASP), and the thickness of caudate nucleus represented via the M-REP model. Cortical thickness and CN thickness were normalized with the overall brain size. The partial pearson linear correlation analysis could be controlling covarying for age to calculate the statistical relationship. In consequence, this dissertation provided the accurate and homologous surface models, and then a framework for the examination of the relationship between cortical areas and subcortical structures, such as the CN.