[국내논문]확률 및 통계적 개념에 근거한 한국인 표준 뇌 지도 작성 및 기능 영상 분석을 위한 가시화 방법에 관한 연구 Developing a Korean Standard Brain Atlas on the basis of Statistical and Probabilistic Approach and Visualization tool for Functional image analysis원문보기
이 논문에서는 한국인의 뇌 기능 영상 연구에서의 정확한 분석을 위한 한국인 뇌 확률 지도를 제작하였고 이를 실제 기능 영상 연구에 적용할 수 있도록 하는 뇌 위치 정보 추출 프로그램에 대하여 소개하였다. 한국인의 표준 뇌 확률 지도를 작성하기 위하여 정신과적 병력이 없는 정상인 76개의 뇌 영상을 서울대학교 신경정신과와 핵의학과로부터 수집하였으며, 이를 바탕으로 표준 뇌 영상을 결정하였다. 결정된 표준 뇌 영상은 숙련된 전문의로부터 89개의 해부학적 영역으로 분할하는 작업이 이루어졌다. 표준 뇌 영상에서 분할된 정보들은 자동 분할 알고리즘에서의 기준으로 사용되어 나머지 75개의 뇌 영상들에 대해서도 해부학적 정보들을 가지도록 하였다. 76개의 뇌 영상들에 생성된 각각의 89개의 해부학적 정보들은 동일 위치에서의 확률정보로서 변환되어 뇌 확률 지도를 생성하였다. 제작된 한국인의 뇌 확률지도는 한국인의 뇌에 대한 편차 정보와 해부학적인 정보를 가지며 이는 한국인의 기능 영상 연구에 있어서 보다 정확한 결과를 제시할 수 있다.
이 논문에서는 한국인의 뇌 기능 영상 연구에서의 정확한 분석을 위한 한국인 뇌 확률 지도를 제작하였고 이를 실제 기능 영상 연구에 적용할 수 있도록 하는 뇌 위치 정보 추출 프로그램에 대하여 소개하였다. 한국인의 표준 뇌 확률 지도를 작성하기 위하여 정신과적 병력이 없는 정상인 76개의 뇌 영상을 서울대학교 신경정신과와 핵의학과로부터 수집하였으며, 이를 바탕으로 표준 뇌 영상을 결정하였다. 결정된 표준 뇌 영상은 숙련된 전문의로부터 89개의 해부학적 영역으로 분할하는 작업이 이루어졌다. 표준 뇌 영상에서 분할된 정보들은 자동 분할 알고리즘에서의 기준으로 사용되어 나머지 75개의 뇌 영상들에 대해서도 해부학적 정보들을 가지도록 하였다. 76개의 뇌 영상들에 생성된 각각의 89개의 해부학적 정보들은 동일 위치에서의 확률정보로서 변환되어 뇌 확률 지도를 생성하였다. 제작된 한국인의 뇌 확률지도는 한국인의 뇌에 대한 편차 정보와 해부학적인 정보를 가지며 이는 한국인의 기능 영상 연구에 있어서 보다 정확한 결과를 제시할 수 있다.
The probabilistic anatomical maps are used to localize the functional neuro-images and morphological variability. The quantitative indicator is very important to inquire the anatomical position of an activated legion because functional image data has the low-resolution nature and no inherent anatomi...
The probabilistic anatomical maps are used to localize the functional neuro-images and morphological variability. The quantitative indicator is very important to inquire the anatomical position of an activated legion because functional image data has the low-resolution nature and no inherent anatomical information. Although previously developed MNI probabilistic anatomical map was enough to localize the data, it was not suitable for the Korean brains because of the morphological difference between Occidental and Oriental. In this study, we develop a probabilistic anatomical map for Korean normal brain. Normal 75 blains of T1-weighted spoiled gradient echo magnetic resonance images were acquired on a 1.5-T GESIGNA scanner. Then, a standard brain is selected in the group through a clinician searches a brain of the average property in the Talairach coordinate system. With the standard brain, an anatomist delineates 89 regions of interest (ROI) parcellating cortical and subcortical areas. The parcellated ROIs of the standard are warped and overlapped into each brain by maximizing intensity similarity. And every brain is automatically labeledwith the registered ROIs. Each of the same-labeled region is linearly normalize to the standard brain, and the occurrence of each legion is counted. Finally, 89 probabilistic ROI volumes are generated. This paper presents a probabilistic anatomical map for localizing the functional and structural analysis of Korean normal brain. In the future, we'll develop the group specific probabilistic anatomical maps of OCD and schizophrenia disease.
The probabilistic anatomical maps are used to localize the functional neuro-images and morphological variability. The quantitative indicator is very important to inquire the anatomical position of an activated legion because functional image data has the low-resolution nature and no inherent anatomical information. Although previously developed MNI probabilistic anatomical map was enough to localize the data, it was not suitable for the Korean brains because of the morphological difference between Occidental and Oriental. In this study, we develop a probabilistic anatomical map for Korean normal brain. Normal 75 blains of T1-weighted spoiled gradient echo magnetic resonance images were acquired on a 1.5-T GESIGNA scanner. Then, a standard brain is selected in the group through a clinician searches a brain of the average property in the Talairach coordinate system. With the standard brain, an anatomist delineates 89 regions of interest (ROI) parcellating cortical and subcortical areas. The parcellated ROIs of the standard are warped and overlapped into each brain by maximizing intensity similarity. And every brain is automatically labeledwith the registered ROIs. Each of the same-labeled region is linearly normalize to the standard brain, and the occurrence of each legion is counted. Finally, 89 probabilistic ROI volumes are generated. This paper presents a probabilistic anatomical map for localizing the functional and structural analysis of Korean normal brain. In the future, we'll develop the group specific probabilistic anatomical maps of OCD and schizophrenia disease.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
뇌 확률지도가 가지는 각각의 해부학적 영역에 대한 편차정보는 같은 한국인의 뇌영상을 분석하는데 있어서 보다 정확하고 정량적인 해부학적 정보를 제공한다. 이는 기능 영상분석 연구에 있어서 기존의 Talairach 뇌 영상이나 MNI 305 뇌 영상을 사용하는 것보다 많은 장점을 가진다 Talairach 뇌 지도의 경우는 유럽인 여성 한 명의 사후해부된 뇌를 바탕으로 만든 결과이며 인간의 뇌가 가지는 인종, 나이 성별, 질병의 유무 등에 따른 구조적인 편차를 고려하지 않은 것이어서 분석에 대한 정확성을 확신하기 힘들고 Talairach 이 제안한 정위좌표계 또한 대뇌 피질영역에서의 서로 다른 데이터 간의 편차를 정확하게 보정할 수.
본 연구에서는 한국인의 뇌기능 영상 분석 연구에 대한 보다 정확한 결과를 제공할 수 있는 한국인 뇌 확률지도를 제시하였고, 이를 실제 기능 영상 연구에 효율적으로 사용할 수 있는 뇌 영역의 위치정보 추출 프로그램을 소개하였다.
제안 방법
개발된 뇌 영역의 위치정보 추출 프로그램은 뇌 기능 영상 결과에 대한 연구에서 뇌 확률지도를 사용한 분석을 하기 쉽도록 하는 여러 가지의 기능들을 포함하고 있으며, 사용자의 편의성을 최대한 고려하여 특별한 훈련이 없이도 사용 가능하도록 제작되 었다.
뇌 확률지도는 89개의 정의된 영역들에 대하여 각각의 영역이 76개의 뇌 영상들에서 얼마만큼의 편차를 나타내는 가를 확률개념을 사용하여 표현한 것이다. 먼저 선행단계의 결과로 나온 75개의 뇌 영상들을 표준 뇌 영상에선형 공간 정합을 실행한다. 이는 각각의 영상들이 가지는 전역적인 편차를 제거하고 국소적인 편차에 대한 정보만 추출하기 위함이다.
본 연구에서는 신경과 또는 정신과적인 병력이 없는 한국인 뇌 영상 데이터 76개를 사용하여 뇌 확률 지도를 제작하였고, 이에 대한 효과적인 사용이 가능하도록 하는 뇌 영역의 위치정보 추출 프로그램을 제작하였다 76개의 뇌영상 데이터 중에서 선택된 표준 뇌 영상은 Fig.3에서와 같이 89개의 영역에 대하여 수동적으로 분할되어 각각의 영역마다 고유의 정수값을 가지도록 만들어졌다.
Omm，크기의 voxel들 로 이루어지는 영상이 되도록 재구성되었다. 재구성된 영상들은 신호대 잡음비를 향상시키도록 이방성 필터 (anisotropic filter)처리를 가하였다. 필터 처리가 끝난 모든 영상에 대해서는 뇌에 대한 연구에있어서 관심 영역 밖에 있는 뇌척수액 (Cerebrospiiml Fluid, CSF)과 두개골(skull) 부분이 제거되었다.
최종적으로 생성된 뇌 확률 지도를 효과적으로 사용하기 위하여 뇌 영역의 위치정보 추출 프로그램을 개발하였다. 이 프로그램은 기능 영상 연구 결과에 대한 해부학적인 정보를 보여주기 위한 여러 가지의 기능을 포함하고 있다.
대상 데이터
4ms)을 서울대학병원 핵의학과와 신경정신과로부터 수집하였다. 수집한 75명에 대한 모든 영상은 서울대학병원의 L5T GE SIGNA scanner로부터 촬영되었다. 수집된 자료의 남녀 성비와 연령층에 대한 것은 Fig.
영역 분할된 표준뇌 영상은 75개의 뇌영상 데이터를 자동적으로 영역분할하여 각각의 뇌 영상이 해부학적인 정보를 포함하도록 하는 기준 영상으로 사용되었다. Fig.
한국인의 확률뇌 지도를 만들기 위해서 신경과 또는 정신과적인 병력이 없는 정상인 76명의 뇌에 대한 자기공명 영상(T1-weighted spoiled gradient echo MR images, echo time=5.5ms, repetition time-14.4ms)을 서울대학병원 핵의학과와 신경정신과로부터 수집하였다. 수집한 75명에 대한 모든 영상은 서울대학병원의 L5T GE SIGNA scanner로부터 촬영되었다.
이론/모형
필터 처리가 끝난 모든 영상에 대해서는 뇌에 대한 연구에있어서 관심 영역 밖에 있는 뇌척수액 (Cerebrospiiml Fluid, CSF)과 두개골(skull) 부분이 제거되었다. 이 작업은 region growing method를 사용하였다.如
성능/효과
76개의 모든 뇌 영상 데이터들은 앞선 두 단계의 과정을 거쳐 모두 기능별 해부학적 영역에 대한 정보를 가지게 되었다. 뇌 확률지도는 89개의 정의된 영역들에 대하여 각각의 영역이 76개의 뇌 영상들에서 얼마만큼의 편차를 나타내는 가를 확률개념을 사용하여 표현한 것이다.
총 75번의 Intensity 유사도를 이용한 비선형 공간정합 방법이 실행되고, 각각의 실행단 계마다 목표 영상에 최대한 유사한 Intensity 분포를 가지도록 변환된 자료 영상이 결과로 나온다. 결과로서 나온 각각의 결과 영상은 75개의 뇌 영상을 수동적으로 분할한 결과를 대신하여 얻어진 것이다.
제공한다. 이는 기능 영상분석 연구에 있어서 기존의 Talairach 뇌 영상이나 MNI 305 뇌 영상을 사용하는 것보다 많은 장점을 가진다 Talairach 뇌 지도의 경우는 유럽인 여성 한 명의 사후해부된 뇌를 바탕으로 만든 결과이며 인간의 뇌가 가지는 인종, 나이 성별, 질병의 유무 등에 따른 구조적인 편차를 고려하지 않은 것이어서 분석에 대한 정확성을 확신하기 힘들고 Talairach 이 제안한 정위좌표계 또한 대뇌 피질영역에서의 서로 다른 데이터 간의 편차를 정확하게 보정할 수.없다는 문제점을 가지고 있다.
4는 영역 분할된 표준 뇌 영상을 사용하여 자동영역 분할한 결과를 나타내었다. 이러한 자동영역 분할 결과를 바탕으로 제작된 뇌 확률지도는 뇌기능별 해부학적 영역으로 정의된 89개의 영역들에 대한 편차에 대한 정보를 확률값으로 가지고 있다. 이는 생성된 확률 뇌 지도 영상을 각각의 영역별로 분리했을 때 각각의 영역에 대한 영상의 경계 부분으로 갈수록 희미한 명도를 가지고 있는 것으로서 확인 가능하다.
한국인의 뇌 확률지도를 만드는 데는 총 89개의 기능별 해부학적 영역들이 정의되었으 며, 각각의 뇌 영역들은 표에 나타나있다 이러한 뇌 영상을 기능별로 정의된 해부학적 영역들로 분할하여 주는 작업은 숙련된 전문의로부터 수동적인 작업으로 이루어졌다. 총 89개의 영역들은 ANALYZE (version 4.0, Mayo Foundation, USA)를 사용하여 뇌영사의 1mm 간격의 2차원 단면상에서 수동적으로 각각의 경계를 표시해주는 것으로 정의되었으며, 정의된 각각의 경계들을 영역별로 0부터 89까지의 정수값이 할당된 3차원 체적 영상으로 변환시켜 주었다. 이와 같은 수동적인 분할 방법은 하나의 뇌 영상을 분할하는 데 장시간의 작업시간을 소요하게 되는 단점이 있다.
후속연구
프로그램에 내장된 기능들에 대해서 보면, 기능 영상 연구 결과를 뇌 확률 지도에 있는 정보를 사용하여 그 해부학적인 영역에 대한 정보를 얻기 위해서 결과로 나온 기능 영상을 뇌 확률지도 영상과 공간정합을 시키는 기능 , 뇌 확률지도를 검색하여 결과로 나온 해부학적인 영역에 대한 확률 정보에 대한 결과를 Talairach 뇌 지도와 비교하여 볼 수 있도록 하기 위하여 분석하고자 하는 기능 영상의 좌표를 Talairach 공간상의 좌표로 변환하는 기능, 그리고 프로그램 상에서 분석하고자 하는 영상을 시상절단면(sagittal), 수평 절단면(axial), 관상절단면(coronal)의 세 단면으로 영상화해서 나타내고, 나타낸 각 단면의 영상들에서 하나의 지점을 선택했을 때 그 지점에 해당하는 해부학적인 영역의 확률 정보를 나타내 주는 기능 등이 포함되어 있다. 이러한 기능들은 만들어진 뇌 확률지도가 기능 영상 연구 결과를 분석하는데 얼마만큼의 신뢰도를 가지는지를 정성적으로 판단하는데 이용 될 수 있다.
참고문헌 (19)
Brett M, Johnsrude IS, Owen AM. The problem of functional localization in the human brain. Nature reviews. Neuroscience 2002;3:243-249
Talairach J, Toumoux P. Co-planar stereotacxic atlas of the human brain. New York: Thieme Medical Publishers; 1998
Evans AC. Anatomical mapping of functional activation in stereotactic coordinate space. Neurolmage 1992;1:43-53
Desmond JE, Lim KO. On- and Offline Talairach Registration for Structural and Functional MRI Studies. Human Brain Mapping 1997;5(1):58-73
Evans AC, Collins DL, Milner B. MRI-based stereotactic atlas from 250 young normal subjects. Neurosci. Abstr. 1992;18:408
Collins DL. Automatic 3D intersubject registration of MR volumetric data in standardized Talairach space. J. Comput. Assist. Tomogr. 1994;18:192-205
Fischl B, Sereno MI, Tootell R, Dale AM. High resolution intersubject averaging and a coordinate system for the cortical surface. Human Brain Mapping 1999;8:272-284
Mazziotta JC, Toga AW, Evans AC, Fox P, Lancaster J. A Probabilistic Atlas of the Human Brain; Theory and Rationalefor Its Development. Neurolmage 1995;2:89-101
Evans AC, Kamber M, Collins DL, MacDonald D. An MRI-based probabilistic atlas of neuroanatomy. In: Magnetic Resonance Scanning and Eplilepsy. S. Shorvon, Ed. New York: Plenum; 1994. p. 263-274
Mega MS, Thompson PM. Sulcal variability in the Alzheimer's brain: correlations with cognition. Neurology 1998;50: 145-151
Dinov ID, Mega MS, Thompson PM, Lee L, Woods RP, Holmes CJ, et al. Analyzing fimctional brain images in a probabilistic atlas: a validation of subvolume thresholding. J. Compo Assist. Tomogr. 2000;24: 128-138
Zilles K, Kawashima R, Dabrinhaus A, Fukuda H, Schonnann T. Hemispheric Shape of Europian and Japanese Brains. Neurolmage 2001;13:262-271
Yoon UC, Lee JM, Kim JJ, Kim IY, Kwon JS, Kim SI. Adaptable Fuzzy C-means for ImClassification as a Preprocessing Procedure of Brain Parcellation. J. digital imaging : the official journal of the Society for Computer Applications in Radiology. 2001;14(2): 238-240
Lee JM, Koo BB, Kim JS, Kim IY, Kim SJ. A Novel Automatic Algorithm for Selecting a Standard Brain in a Data Set Using Simple Structure Analysis in Talairach Coordinate System. SCAR, 2003
Kim JJ, Crespo-Facorro B, Anderson NC, O'Leary DS, Zhang B. An MRI-Based Parcellation Method for the Temporal Lobe. Neurolmage 2000;11:271-288
Crespo-Facorro B, Kim JJ, Anderson NC, O'Leary DS, Wiser AK. Human Frontal Cortex: An MRI-Based Parcellation Method. Neurolrnage 1999;10:500-519
Christensen GE, Rabbitt RD, Miller MI. Deformable templates using large deformation kinematics. IEEE Trans on Image Processing. 1996;5(9):1435-1447
Ashbumer J, Friston KJ. Nonlinear spatial normalization using basis fimctions. Human brain Mapping 1999;7(4):254-266
Maes F, Collignon A, Vandermeulen D, Marchal G, Suetens P. Multimodaiity Image Registration by Maximization of Mutual Information. IEEE trans. on Medical Imaging 1997;16(2):187-198
※ AI-Helper는 부적절한 답변을 할 수 있습니다.