Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
FreeSurfer 5.3 so với 6.0: khối lượng có thể so sánh không? Một nghiên cứu của Liên hiệp các tác động mãn tính của chấn thương thần kinh
Tóm tắt
Các phương pháp hình ảnh thần kinh tự động như FreeSurfer (https://surfer.nmr.mgh.harvard.edu/) đã cách mạng hóa các phân tích hình ảnh thần kinh định lượng. Những phân tích này cung cấp một loạt các chỉ số được sử dụng để định lượng hình ảnh, bao gồm định lượng thể tích hình ảnh cộng hưởng từ (MRI). Với phiên bản FreeSurfer 6.0 được phát hành, việc đánh giá sự so sánh của nó với phiên bản trước đó 5.3 rất quan trọng. Nghiên cứu hiện tại sử dụng dữ liệu từ 249 người tham gia đầu tiên trong nghiên cứu quan sát đa trung tâm đang diễn ra của Liên hiệp các tác động mãn tính của chấn thương thần kinh (CENC) để so sánh đầu ra thể tích của các phiên bản 5.3 và 6.0 trên các vùng quan tâm (ROI) khác nhau. Trong cuộc điều tra hiện tại, các ROI sau đây đã được xem xét: tổng thể tích nội sọ, tổng thể tích chất trắng, tổng thể tích não thất, tổng thể tích chất xám, và thể tích bên phải và bên trái cho đồi thị, pallidum, putamen, caudate, amygdala và hippocampus. Thể tích ROI tuyệt đối thu được từ FreeSurfer 6.0 khác biệt đáng kể so với thể tích thu được từ phiên bản 5.3. Chúng tôi cũng áp dụng một chiến lược đánh giá dựa trên lâm sàng để so sánh cả hai phiên bản trong việc dự đoán các giảm thể tích do tuổi tác (hoặc gia tăng não thất) trong các cấu trúc nêu trên. Phương pháp so sánh thống kê bao gồm mô hình hồi quy tuyến tính tổng quát (GLM) và phương pháp rừng ngẫu nhiên (RF), trong đó lỗi kiểm tra chéo cao hơn đáng kể khi sử dụng phân đoạn từ phiên bản FreeSurfer 5.3 so với phiên bản 6.0 (GLM: t = 4.97, df = 99, p value = 2.706e-06; RF: t = 4.85, df = 99, p value = 4.424e-06). Ngoài ra, tầm quan trọng tương đối của các ROI được sử dụng để dự đoán tuổi tác bằng phương pháp RF khác nhau giữa các phiên bản FreeSurfer, cho thấy sự khác biệt đáng kể giữa hai phiên bản. Tuy nhiên, từ góc độ phân tích tương quan, các đường hồi quy điều chỉnh và độ dốc của chúng tương tự nhau giữa hai phiên bản, bất kể phiên bản nào được sử dụng. Mặc dù thể tích tuyệt đối không thể thay thế cho nhau giữa phiên bản 5.3 và 6.0, các phân tích tương quan ROI dường như cho ra kết quả tương tự, cho thấy khả năng thay thế của thể tích ROI cho các nghiên cứu tương quan.
Từ khóa
Tài liệu tham khảo
Bigler, E. D. (2015). Structural image analysis of the brain in neuropsychology using magnetic resonance imaging (MRI) techniques. Neuropsychology Review, 25(3), 224–249. https://doi.org/10.1007/s11065-015-9290-0.
Bigler, E. D. (2016). Systems biology, neuroimaging, neuropsychology, neuroconnectivity and traumatic brain injury. Frontiers in Systems Neuroscience, 10, 55. https://doi.org/10.3389/fnsys.2016.00055.
Bigler, E. D., Abildskov, T. J., Wilde, E. A., McCauley, S. R., Li, X., Merkley, T. L., . . . Levin, H. S. (2010). Diffuse damage in pediatric traumatic brain injury: a comparison of automated versus operator-controlled quantification methods. Neuroimage, 50(3), 1017–1026. https://doi.org/10.1016/j.neuroimage.2010.01.003.
Blatter, D. D., Bigler, E. D., Gale, S. D., Johnson, S. C., Anderson, C. V., Burnett, B. M., . . . Horn, S. D. (1995). Quantitative volumetric analysis of brain MR: normative database spanning 5 decades of life. AJNR. American Journal of Neuroradiology, 16(2), 241–251. Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/7726068.
Breiman, L. (2001). Random forests. Machine Learning, 45, 5–32.
Brewer, J. B., Magda, S., Airriess, C., & Smith, M. E. (2009). Fully-automated quantification of regional brain volumes for improved detection of focal atrophy in Alzheimer disease. AJNR. American Journal of Neuroradiology, 30(3), 578–580. https://doi.org/10.3174/ajnr.A1402.
Chepkoech J. L., Walhovd K. B., & Grydeland H. (2016). Fjell AM Alzheimer's Disease Neuroimaging Initiative. Effects of change in FreeSurfer version on classification accuracy of patients with Alzheimer's disease and mild cognitive impairment. Human Brain Mapping, 37(5), 1831–41. https://doi.org/10.1002/hbm.23139
Cifu, D. X., & Dixon, K. J. (2016). Chronic effects of neurotrauma consortium. Brain Injury, 30(12), 1397–1398. https://doi.org/10.1080/02699052.2016.1219065.
Dewey, J., Hana, G., Russell, T., Price, J., McCaffrey, D., Harezlak, J., . . . Consortium, H. I. V. N. (2010). Reliability and validity of MRI-based automated volumetry software relative to auto-assisted manual measurement of subcortical structures in HIV-infected patients from a multisite study. Neuroimage, 51(4), 1334–1344. https://doi.org/10.1016/j.neuroimage.2010.03.033.
Fischl, B. (2012). FreeSurfer. Neuroimage, 62(2), 774–781. https://doi.org/10.1016/j.neuroimage.2012.01.021.
Gronenschild E. H., Habets P., Jacobs H. I., Mengelers R., Rozendaal N., van Os J., & Marcelis M. (2012). The effects of FreeSurfer version, workstation type, and Macintosh operating system version on anatomical volume and cortical thickness measurements. PLoS One. 7(6):e38234. https://doi.org/10.1371/journal.pone.0038234
Guzman Perez-Carrillo, G. J., Owen, C., Schwetye, K. E., McFarlane, S., Vellimana, A. K., Mar, S., . . . Benzinger, T. L. S. (2017). The use of hippocampal volumetric measurements to improve diagnostic accuracy in pediatric patients with mesial temporal sclerosis. Journal of Neurosurgery. Pediatrics, 19(6), 720–728. https://doi.org/10.3171/2016.12.PEDS16335.
Jack, C. R., Jr., Barnes, J., Bernstein, M. A., Borowski, B. J., Brewer, J., Clegg, S., . . . Weiner, M. (2015). Magnetic resonance imaging in Alzheimer's disease neuroimaging initiative 2. Alzheimers Dement, 11(7), 740–756. https://doi.org/10.1016/j.jalz.2015.05.002.
Jahanshad, N., & Thompson, P. M. (2017). Multimodal neuroimaging of male and female brain structure in health and disease across the life span. Journal of Neuroscience Research, 95(1–2), 371–379. https://doi.org/10.1002/jnr.23919.
Kuhn, M. (2008). Building predictive models in R using the caret package. Journal of Statistical Software, 28(5) Retrieved from http://www.jstatsoft.org.
Makowski, C., Beland, S., Kostopoulos, P., Bhagwat, N., Devenyi, G. A., Malla, A. K., et al. (2017). Evaluating accuracy of striatal, pallidal, and thalamic segmentation methods: comparing automated approaches to manual delineation. NeuroImage, 170, 182–198. https://doi.org/10.1016/j.neuroimage.2017.02.069.
Makris, N., Hodge, S. M., Haselgrove, C., Kennedy, D. N., Dale, A., Fischl, B., . . . Schmahmann, J. D. (2003). Human cerebellum: surface-assisted cortical parcellation and volumetry with magnetic resonance imaging. Journal of Cognitive Neuroscience, 15(4), 584–599. https://doi.org/10.1162/089892903321662967.
Marizzoni, M., Antelmi, L., Bosch, B., Bartres-Faz, D., Muller, B. W., Wiltfang, J., . . . PharmaCog, C. (2015). Longitudinal reproducibility of automatically segmented hippocampal subfields: a multisite European 3T study on healthy elderly. Human Brain Mapping, 36(9), 3516–3527. https://doi.org/10.1002/hbm.22859.
Matsumae, M., Kikinis, R., Morocz, I. A., Lorenzo, A. V., Sandor, T., Albert, M. S., . . . Jolesz, F. A. (1996). Age-related changes in intracranial compartment volumes in normal adults assessed by magnetic resonance imaging. Journal of Neurosurgery, 84(6), 982–991. https://doi.org/10.3171/jns.1996.84.6.0982.
Michael, A. P., Stout, J., Roskos, P. T., Bolzenius, J., Gfeller, J., Mogul, D., & Bucholz, R. (2015). Evaluation of cortical thickness after traumatic brain injury in military veterans. Journal of Neurotrauma, 32(22), 1751–1758. https://doi.org/10.1089/neu.2015.3918.
Ochs, A. L., Ross, D. E., Zannoni, M. D., Abildskov, T. J., Bigler, E. D., & Alzheimer's Disease Neuroimaging, I. (2015). Comparison of automated brain volume measures obtained with NeuroQuant and FreeSurfer. Journal of Neuroimaging, 25(5), 721–727. https://doi.org/10.1111/jon.12229.
Pfefferbaum, A., Mathalon, D. H., Sullivan, E. V., Rawles, J. M., Zipursky, R. B., & Lim, K. O. (1994). A quantitative magnetic resonance imaging study of changes in brain morphology from infancy to late adulthood. Archives of Neurology, 51(9), 874–887 Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/8080387.
Seal, K. H., Bertenthal, D., Barnes, D. E., Byers, A. L., Strigo, I., Yaffe, K., & Chronic Effects of Neurotrauma Consortium Study, G. (2017). Association of Traumatic Brain Injury with chronic pain in Iraq and Afghanistan veterans: effect of comorbid mental health conditions. Archives of Physical Medicine and Rehabilitation, 98(8), 1636–1645. https://doi.org/10.1016/j.apmr.2017.03.026.
Stelmokas, J., Yassay, L., Giordani, B., Dodge, H. H., Dinov, I. D., Bhaumik, A., . . . Hampstead, B. M. (2017). Translational MRI Volumetry with NeuroQuant: effects of version and normative data on relationships with memory performance in healthy older adults and patients with mild cognitive impairment. Journal of Alzheimer's Disease, 60(4), 1499–1510. https://doi.org/10.3233/JAD-170306.
Tate, D. F., Wade, B. S., Velez, C. S., Drennon, A. M., Bolzenius, J., Gutman, B. A., . . . York, G. E. (2016). Volumetric and shape analyses of subcortical structures in United States service members with mild traumatic brain injury. Journal of Neurology, 263(10), 2065–2079. https://doi.org/10.1007/s00415-016-8236-7.
Tustison, N. J., Cook, P. A., Klein, A., Song, G., Das, S. R., Duda, J. T., . . . Avants, B. B. (2014). Large-scale evaluation of ANTs and FreeSurfer cortical thickness measurements. Neuroimage, 99, 166–179. https://doi.org/10.1016/j.neuroimage.2014.05.044.
Vanderploeg, R. D., Silva, M. A., Soble, J. R., Curtiss, G., Belanger, H. G., Donnell, A. J., & Scott, S. G. (2015). The structure of postconcussion symptoms on the neurobehavioral symptom inventory: a comparison of alternative models. The Journal of Head Trauma Rehabilitation, 30(1), 1–11. https://doi.org/10.1097/HTR.0000000000000009.
Visser, E., Keuken, M. C., Douaud, G., Gaura, V., Bachoud-Levi, A. C., Remy, P., . . . Jenkinson, M. (2016). Automatic segmentation of the striatum and globus pallidus using MIST: Multimodal image segmentation tool. Neuroimage, 125, 479–497. https://doi.org/10.1016/j.neuroimage.2015.10.013.
Walker, W. C., Carne, W., Franke, L. M., Nolen, T., Dikmen, S. D., Cifu, D. X., . . . Williams, R. (2016). The Chronic Effects of Neurotrauma Consortium (CENC) multi-centre observational study: Description of study and characteristics of early participants. Brain Injury, 30(12), 1469–1480. doi:https://doi.org/10.1080/02699052.2016.1219061.
Weathers, F. W., Litz, B. T., Herman, D. S., Huska, J. A., & Keane, T. M. (1993). The PTSD checklist (PCL): Reliability, validity, and diagnostic utility. San Antonio: Annual Convention of the International Society for Traumatic Stress Studies.
Wilde, E. A., Bouix, S., Tate, D. F., Lin, A. P., Newsome, M. R., Taylor, B. A., . . . York, G. (2015). Advanced neuroimaging applied to veterans and service personnel with traumatic brain injury: state of the art and potential benefits. Brain Imaging and Behavior, 9(3), 367–402. https://doi.org/10.1007/s11682-015-9444-y.
Wilde, E. A., Bigler, E. D., Huff, T., Wang, H., Black, G. M., Christensen, Z. P., . . . Tate, D. F. (2016). Quantitative structural neuroimaging of mild traumatic brain injury in the Chronic Effects of Neurotrauma Consortium (CENC): comparison of volumetric data within and across scanners. Brain Injury, 30(12), 1442–1451. https://doi.org/10.1080/02699052.2016.1219063.
Wilkins, K. C., Lang, A. J., & Norman, S. B. (2011). Synthesis of the psychometric properties of the PTSD checklist (PCL) military, civilian, and specific versions. Depression and Anxiety, 28(7), 596–606. https://doi.org/10.1002/da.20837.