[논문]쥐 뇌의 고해상도 이미지에서 임계화 기법을 활용한 뇌혈관 네트워크 분석 및 3D 재현

이준석

doi:10.9717/kmms.2019.22.9.992

쥐 뇌의 고해상도 이미지에서 임계화 기법을 활용한 뇌혈관 네트워크 분석 및 3D 재현
Analysis and 3D Reconstruction of a Cerebral Vascular Network Using Image Threshold Techniques in High-resolution Images of the Mouse Brain 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.22 no.9, 2019년, pp.992 - 999

이준석 (Dept. of Computer Eng., Korea Army Academy at Yeongcheon)

Abstract ▼ AI-Helper

In this paper, I lay the foundation for creating a multiscale atlas that characterizes cerebrovasculature structural changes across the entire brain of a mouse in the Knife-Edge Scanning Microscopy dataset. The geometric reconstruction of the vascular filaments embedded in the volume imaging dataset provides the ability to distinguish cerebral vessels by diameter and other morphological properties across the whole mouse brain. This paper presents a means for studying local variations in the small vascular morphology that have a significant impact on the peripheral nervous system in other cerebral areas, as well as the robust and vulnerable side of the cerebrovasculature system across the large blood vessels. I expect that this foundation will prove invaluable towards data-driven, quantitative investigations into the system-level architectural layout of the cerebrovasculature and surrounding cerebral microstructures.

주제어

표/그림 (8)

그림 Fig. 1. Knife-Edge Scanning Microscope(KESM).
그림 Fig. 2. KESM tissue imaging workflow. It illustrates the process of obtaining a tissue image using KESM.
그림 Fig. 3. A cross section of the mouse brain. The black parts are vascular stained with India ink. Coronal view(↑: Dorsan, ↓: Ventral).
그림 Fig. 4. 2 steps Z axis sub-sampling and binarization process. Image z1 is the average of image of image z and image z+1. Image e is a blank image for replacing bad condition image z1. Image z2 is the average of image e and image z1+1. Image b is the minimum thresholding result of image z2. Coronal view(↑: Dorsan, ↓: Ventral).
표 Table 1. Four criteria of the blood vessel diameter (D)
그림 Fig. 5. Example of the categorized vessel in the coronal imaging slice according to the diameter size. Binarized image with minimum threshold method. It is classified into three groups depending on the size of the blood vessel diameter. (26±2 ≤ Diameter ≤ 52±4 μm, 52±4 μm < Diameter ≤ 78±6μm, Equal or greater than 78±6 μm).
그림 Fig. 6. Categorized vessels according to diameter size.
그림 Fig. 7. Distribution of vessels according to diameter size over the whole mouse brain.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 인디아 잉크로 뇌혈관이 염색된 C57BL/6L 생쥐의 고해상도 뇌 이미지에서 뇌혈관에 대한 정보를 추출하기 위해 이미지 임계화(image threshold) 기법을 활용하여 혈관을 분류하고, 분류된 이미지 정보를 활용하여 뇌혈관의 지름을 측정하며 지름의 크기에 따라 뇌혈관 네트워크를 3D로 재현하고 분석하는 프레임워크(framework)를 제안하고자 한다. 이 프레임워크는 크게 두 단계로 구성되어 있다.

제안 방법

6과 같이 4가지 색으로 가시화 하였다. 2.2장에서 언급한 것과 같이 z축을 기준으로 연속된 이미지에서 혈관이 서로 연결되어 있으면 그 혈관들의 중심점을 찾고 연결하는 방법을 사용하여 x, y, z의 좌표 정보를 저장하고 있는 VTK(Visualization Toolkit) [25] 파일을 생성하였다. 이렇게 생성된 VTK 파일을 Paraview(데이터 분석 및 가시화 소프트웨어) [26] 프로그램으로 실행하면 Fig.
0 μm의 복셀(voxel) 해상도로 이미지를 얻을 수 있으며, 이렇게 추출된 고 해상도 이미지는 쥐 뇌와 같이 작은 장기의 미세혈관에 대한 정보까지도 포함하게 된다[8]. KESM을 활용하여 작은 장기의 조직(tissue)을 분석하기 위해 장기 샘플을 준비하고, 샘플의 단면을 자름(cutting)과 동시에 2D 이미지를 추출하고, 추출된 이미지를 활용하여 3D 이미지로 복원 및 수학적으로 분석하는 일련의 과정을 Fig. 2와 같이 시간 순서에 따라 그림으로 표현하였다.
또한, 1.5 TB 크기의 원본 이미지를 분석하기 위해 2단계에 걸쳐 서브샘플링(sub-sampling) 기법을 적용하였고, 서브샘플링(sub-sampling) 단계에서 손상된 이미지를 제외하고 연속된 이미지를 결합하는 기법을 추가하여 혈관에 대한 자세한 정보를 얻도록 처리하였다[14]. Fig.
본 논문에서는 KESM으로부터 얻은 인디아 잉크로 염색된 쥐 전체 뇌의 혈관 이미지 데이터 세트로부터 다양한 디지털 이미지 프로세싱 기법을 적용함으로써 노이즈를 제거하고, 혈관의 정보만을 분류하기 위해 최소화 임계법 기법으로 이미지를 이진화하였다. 이렇게 이진화 된 이미지에서 혈관의 지름 크기에 따라 혈관 정보를 4단계의 기준에 따라 분류하고, 혈관의 크기별 네트워크 구조를 시각화하여 구분하기 위해 각기 다른 4가지 색을 적용하여 쥐의 전체 뇌혈관 네트워크 구조를 분석 하였다.
지름을 측정하기 위해 사용된 플러그 인을 활용하면 이진화 된 단면 이미지의 혈관 부분 각각의 영역과 면적의 크기가 같은 원의 지름 크기를 각각 반환해주게 된다. 이 플러그 인을 활용하여 모든 혈관의 지름을 측정한 후 4단계로 나눈 기준을 각각 적용하여 해당되는 혈관의 정보만을 남기는 Fig. 5에서 보여준 방법을 똑같이 적용하여 결과 이미지들을 분류하였다.
본 논문에서는 KESM으로부터 얻은 인디아 잉크로 염색된 쥐 전체 뇌의 혈관 이미지 데이터 세트로부터 다양한 디지털 이미지 프로세싱 기법을 적용함으로써 노이즈를 제거하고, 혈관의 정보만을 분류하기 위해 최소화 임계법 기법으로 이미지를 이진화하였다. 이렇게 이진화 된 이미지에서 혈관의 지름 크기에 따라 혈관 정보를 4단계의 기준에 따라 분류하고, 혈관의 크기별 네트워크 구조를 시각화하여 구분하기 위해 각기 다른 4가지 색을 적용하여 쥐의 전체 뇌혈관 네트워크 구조를 분석 하였다. 본 논문에서의 결과는 1 μm 이하의 고해상도에서 모세혈관(지름이 10 μm 이하)에 대한 풍부한 정보를 얻을 수 있으며, 뇌 혈관계 및 주변 대뇌의 구조에 대한 데이터 중심의 정량적 연구에 매우 유용하게 활용될 것으로 기대된다.
이번 장에서는 2.1에서 이미지 프로세싱 결과로 얻은 이진화 된 이미지를 활용하여 뇌혈관의 지름 크기에 따라 혈관 정보를 분류하고 분류된 정보를 바탕으로 혈관 크기별로 구조를 분석하였다. 이전에 진행되었던 연구들을 [15-19] 살펴보면 혈관을 크게 미세혈관(capillaries, 지름이 10 μm 이하), 중간크기 혈관(medium-sized vessels, 지름이 11∼20 μm), 큰 크기 혈관(지름이 20 μm 이상) 으로 구분한다.
이미지의 크기가 작이진 만큼 z축으로도 단면 이미지의 개수가 50% 줄어야 한다. 최초 8,560개의 단면 이미지에서 우리가 필요로 하는 이미지의 수는 4,280개로 줄어들게 되며, 이 과정에서 단면 이미지별 보유하고 있는 혈관에 대한 정보를 획득하기 위해 두 이미지를 결합(픽셀 밝기값의 평균값 적용)하여 한 이미지로 만들었다. 첫 번째 서브샘플링 과정을 진행하다 보면 Fig.
하지만, 본 논문에서는 이미지의 한 픽셀 당 해상도(4.8 μm × 5.6 μm)를 고려하여 쥐 전체 뇌혈관의 크기를 Table 1과 같이 4단계로 분류하는 기준을 적용하였다.

대상 데이터

본 논문에서는 8,560개의 Fig. 3과 같은 뇌의 단면 이미지를 활용하였으며, 이때 사용된 이미지 해상도는 7,790 px × 6,050 px 이고, 복셀(voxel)의 해상도는 1.2 μm × 1.4 μm × 1.0 μm이다[12].
본 연구에서 사용된 작은 장기는 C57BL/6L 생쥐의 뇌 이미지를 활용하였으며, 뇌혈관에 대한 분석을 위해 인디아 잉크(India-ink)로 염색된 뇌혈관의 이미지를 사용하였다[11]. 인디아 잉크로 염색된 뇌혈관의 이미지는 혈관의 정보도 가지고 있지만, 물리적으로 장기의 단면을 자르면서 이미지를 추출하는 과정에서 원하지 않는 노이즈가 포함되기 때문에 다양한 종류의 이미지 프로세싱 기법이 적용된 사전 작업을 통해서 노이즈를 제거하는 단계를 거쳐야 한다.

이론/모형

이 그림에서는 최소화 임계값(minimum threshold) 기법을 이용한 결과 이미지에서 혈관의 지름 크기에 따라 이미지를 세 그룹(26±2 ≤ 지름 < 52±4 μm, 52±4 μm ≤ 지름 < 78±6 μm, 지름이 78±6 μm 이상)으로 분류한 결과 이미지들을 나타낸다. 본 연구에서는 최소 임계값으로 이진화 된 이미지를 MATLAB[21] 프로그램에서 제공하는 이미지 프로세싱 툴박스(image processing toolbox)[22-23]에서 혈관 부분의 지름을 측정할 수 있는 기능을 활용하였다. 지름을 측정하기 위해 사용된 플러그 인을 활용하면 이진화 된 단면 이미지의 혈관 부분 각각의 영역과 면적의 크기가 같은 원의 지름 크기를 각각 반환해주게 된다.
우선 인디아 잉크로 염색된 혈관의 정보를 추출해야 하기 위해 쥐 뇌의 이미지 단면을 이진화(binarization) 해야 하고, 이를 위해 최소 임계값(minimum threshold) 기법[13]을 사용하였다. 최소 임계화 기법은 Fig.

성능/효과

손상되지 않은 이미지는 첫 번째 서브샘플링 과정에서와같이 두 이미지의 결합이 이루어진다. 결과적으로 본 논문에서는 두 단계의 서브샘플링 기법을 통해 이미지 데이터 셋의 x, y축은 원본 이미지의 25% 크기가 되며, z축으로는 2,140개의 단면 이미지만을 사용하게 된다.

후속연구

본 논문에서의 결과는 1 μm 이하의 고해상도에서 모세혈관(지름이 10 μm 이하)에 대한 풍부한 정보를 얻을 수 있으며, 뇌 혈관계 및 주변 대뇌의 구조에 대한 데이터 중심의 정량적 연구에 매우 유용하게 활용될 것으로 기대된다.
본 논문에서의 결과는 1 μm 이하의 고해상도에서 모세혈관(지름이 10 μm 이하)에 대한 풍부한 정보를 얻을 수 있으며, 뇌 혈관계 및 주변 대뇌의 구조에 대한 데이터 중심의 정량적 연구에 매우 유용하게 활용될 것으로 기대된다. 향후 연구에서는 제안된 방법보다 더 발달된 이미지 임계화 기법을 활용하여 이진화 된 이미지에서 보다 더 풍부한 양의 혈관 정보를 얻을 수 있도록 기법을 적용하고, 결과를 비교 분석 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	뇌 소혈관 질환이란 무엇인가?	뇌 소혈관 질환(Cerebral small vessel disease, CSVD)은 노년 계층에게서 매우 흔히 나타나는 신경계 질환의 일종으로 서서히 뇌혈관의 조직을 손상시킴으로써 뇌졸중, 치매 그리고 인지 저하 등 노화로 인해 발생되는 질환의 주요 원인으로 작용하고 있다[1-2]. 하지만, 이처럼 빈번하게 발생하는 주요 질병이지만 정작 이 질병에 대해 알려진 정보는 그리 많지 않다.
	인디아 잉크로 염색된 혈관의 정보를 추출하기 위해 사용된 기법은 무엇인가?	우선 인디아 잉크로 염색된 혈관의 정보를 추출해야 하기 위해 쥐 뇌의 이미지 단면을 이진화(binari-zation) 해야 하고, 이를 위해 최소 임계값(minimum threshold) 기법[13]을 사용하였다. 최소 임계화 기법은 Fig.
	뇌 소혈관 질환에 대한 질병 정보가 많지 않은 이유는 무엇인가?	하지만, 이처럼 빈번하게 발생하는 주요 질병이지만 정작 이 질병에 대해 알려진 정보는 그리 많지 않다. 그 이유는 CT(Computerized Tomography)나 MRI(MagneticResonanceImaging)를 이용하여 얻은 저해상도의 뇌 이미지 정보만으로는 생체 내에 있는 작은 혈관에 대한 정확한 분석을 하기 매우 어렵기 때문이다[3-5]. 윤호성 등의 연구[27]에서는 뇌를 분석하기 위해 사용된 MR 영상의 해상도는 256×256이고, 단면 이미지의 수는 192장으로 작은 혈관에 대한 분석을 위한 데이터로는 한계가 있다.

참고문헌 (27)

S. Yulu and J.M. Wardlaw, "Update on Cerebral Small Vessel Disease: A Dynamic Whole-brain Disease," Stroke and Vascular Neurology, Vol. 1, No. 3, pp. 83-92, 2016.

상세보기
D. Pinter, C. Enzinger, and F. Fazekas, "Cerebral Small Vessel Disease, Cognitive Reserve and Cognitive Dysfunction," Journal of Neurology, Vol. 262, No. 11, pp. 2411-2419, 2015.

상세보기
J.M. Wardlaw, C. Smith, and M. Dichgans, "Mechanisms of Sporadic Cerebral Small Vessel Disease: Insights From Neuroimaging," The Lancet Neurology, Vol. 12, No. 5, pp. 483-497, 2013.

상세보기
J.M. Wardlaw, M.S. Dennis, C.P. Warlow, and P.A. Sandercock, "Imaging Appearance of the Symptomatic Perforating Artery in Patients with Lacunar Infarction: Occlusion or Other Vascular Pathology?," Annals of Neurology, Vol. 50, No. 2, pp. 208-215, 2001.

상세보기
G.E. Mead, S.C. Lewis, J.M. Wardlaw, M.S. Dennis, and C.P. Warlow, "How Well Does the Oxfordshire Community Stroke Project Classification Predict the Site and Size of the Infarct on Brain Imaging?," Journal of Neurology, Neurosurgery and Psychiatry, Vol. 68, No. 5, pp. 558-562, 2000.

상세보기
B.H. McCormick and D.M. Mayerich, "Three-dimensional Imaging Using Knife-edge Scanning Microscopy," Microscopy and Microanalysis, Vol. 10, No. S02, pp. 1466-1467, 2004.

상세보기
Y. Choe, L.C. Abbott, D. Han, P.S. Huang, J. Keyser, J. Kwon, et al., "Knife-edge Scanning Microscopy: High-throughput Imaging and Analysis of Massive Volumes of Biological Microstructures," High-Throughput Image Reconstruction and Analysis: Intelligent Microscopy Applications, pp. 11-37, 2008.
Y. Choe, D. Mayerich, J. Kwon, D.E. Miller, J.R. Chung, C. Sung, et al., "Knife-edge Scanning Microscopy for Connectomics Research," Proceeding of The 2011 International J oint Conference on Neural Networks, pp. 2258-2265, 2011.
Y. Choe, D. Mayerich, J. Kwon, D.E. Miller, C. Sung, J.R. Chung, et al., "Specimen Preparation, Imaging, and Analysis Protocols for Knife-edge Scanning Microscopy," Journal of Visualized Experiments, Vol. 58, No. e3248, pp. 1-11, 2011.
M.J. Pesavento, C. Miller, K. Pelton, M. Maloof, C.E. Monteith, V. Vemuri, et al., "Knife-edge Scanning Microscopy for Brightfield Multi-cubic Centimeter Analysis of Microvasculature," Microscopy Today, Vol 25, No. 4, pp. 14-21, 2017.

상세보기
D. Mayerich, L. Abbott, and B. McCormick, "Knife-Edge Scanning Microscopy for Imaging and Reconstruction of Three-Dimensional Anatomical Structures of the Mouse Brain," Journal of Microscopy, Vol. 231, No. 1, pp. 134-143, 2008.

상세보기
J.R. Chung, C. Sung, D. Mayerich, J. Kwon, D.E. Miller, T. Huffman, et al., "Multiscale Exploration of Mouse Brain Microstructures Using the Knife-edge Scanning Microscope Brain Atlas," Frontiers in Neuroinformatics, Vol 5, Article 29, pp. 1-17, 2011.
J. Prewitt and M.L. Mendelsohn, "The Analysis of Cell Images," Annals of the New York Academy of Sciences, Vol. 128, No. 1, pp. 1035-1053, 1966.
J. Lee, W. An, and Y. Choe, "Mapping the Full Vascular Network in the Mouse Brain at Submicrometer Resolution," Proceeding of 39th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp. 3309-3312, 2017.
T.H. Bar and J.R. Wolff, "The Formation of Capillary Basement Membranes during Internal Vascularization of the Rat's Cerebral Cortex," Zeitschrift fur Zellforschung Und Mikroskopische Anatomie, Vol. 133, No. 2, pp. 231-248, 1972.

상세보기
O. Hunziker, H. Frey, and U. Schulz, "Morphometric Investigations of Capillaries in the Brain Cortex of the Cat," Brain Research, Vol. 65, No. 1, pp. 1-11, 1974.

상세보기
M. Mato and S. Ookawara, "A Simple Method for Observation of Capillary Nets in Rat Brain Cortex," Experientia, Vol. 35, No. 4, pp. 501-503, 1979.

상세보기
N.G. Conradi, J. Engvall, and J.R. Wolff, "Angioarchitectonics of Rat Cerebellar Cortex during Pre-and Postnatal Development," Acta neuropathologica, Vol. 50, No. 2, pp. 131-138, 1980.

상세보기
H. Michaloudi, C. Batzios, I. Grivas, M. Chiotelli, and G.C. Papadopoulos, "Developmental Changes in the Vascular Network of the Rat Visual Areas 17, 18 and 18a," Brain Research, Vol. 1103, No. 1, pp. 1-12, 2006.

상세보기
B. Xiong, A. Li, Y. Lou, S. Chen, B. Long, J. Peng, et al., "Precise Cerebral Vascular Atlas in Stereotaxic Coordinates of Whole Mouse Brain," Frontiers in Neuroanatomy, Vol. 11, Article 128, pp. 1-17, 2017.
MATLAB Release, The Mathworks Inc., Natick, Massachusetts, United States, 2013.
R.C. Gonzalez and R.E. Woods, Image Processing Toolbox User's Guide, The Mathworks Inc., Massachusetts, United States, 2000.
A. Georgantzoglou, J.D. Silva, and R. Jena, "Image Processing with Matlab and GPU," MATLAB Applications for the Practical Engineer , IntechOpen, 2014.
S. Lim, M.R. Nowak, and Y. Choe, "Automated Neurovascular Tracing and Analysis of the Knife-edge Scanning Microscope Rat Nissl Data Set Using a Computing Cluster," Proceeding of 38th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp. 6445-6448, 2016.
W.J. Schroder, K.M. Martin, and L.S. Avila, VTK User's Guide-VTK File Formats, Kitware, Inc., New York, United States, 2000.
U. Ayachit, The Paraview Guide: A Parallel Visualization Application, Kitware, Inc., New York, United States, 2015.
H.S. Yoon, N. Hewage, C.W. Moon, Y.H. Kim, and H.K. Choi, "Design of 3D Visualization Software Tool based on VTK for Manual Brain Segmentation of MRI," Journal of Korea Multimedia Society, Vol. 8, No. 2, pp. 120-127, 2015.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증