[논문]쥐 전체 뇌의 단면 이미지에서 뇌혈관의 구조 재현 및 정량적 측정 기법에 관한 연구

이준석

doi:10.9717/kmms.2019.22.9.1020

쥐 전체 뇌의 단면 이미지에서 뇌혈관의 구조 재현 및 정량적 측정 기법에 관한 연구
A Study on the Reconstruction and Quantitative Measurement Method of Cerebrovascular Structure in Cross-sectioned Images of the Whole Mouse Brain 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.22 no.9, 2019년, pp.1020 - 1028

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

Abstract ▼ AI-Helper

Cerebrovascular disease is a common disease in the elderly population. However, we do not have enough understanding of brain-related diseases. Recent advances in microscopy technology have resulted in the acquisition of vast amounts of image data sets for small organs, and it has become possible to handle vast amounts of image data sets due to improved computer performance and software technology. In this paper, the author proposes introduce a method for classifying and analysing only cerebrovascular information in the mouse brain image, as well as a quantitative measure of the portion of the cerebrovascular in the mouse brain. The study of the cerebrovascular structure is significant, and it can be helpful to improve the understanding of cerebrovasculature. As a result, the author expects that this study will be useful for neuroscientists conducting clinical research.

주제어

표/그림 (10)

그림 Fig. 1. Operating principle of the Knife-Edge Scanning Microscope. Adapted from [7].
그림 Fig. 2. Visualization, and quantification of the vessels network in the sham and tMCAO (transient middle cerebral artery occlusion) mouse brain coronal section. Scale bar=1mm.
그림 Fig. 3. The subregion sample of interest in whole mouse brain vasculature.
그림 Fig. 4. A dataset of a mouse brain and quantity of microvascular volume by cortical depth (three male mice, C57BL/6).
그림 Fig. 5. Flow diagram of the proposed method.
그림 Fig. 6. Replacement and reorder process, and 2nd Z-axis sub-sampling Coronal view (↑: Dorsan, ↓: Ventral).
그림 Fig. 7. A whole mouse brain divided into 10 parts. (←: Anterior,→: Posterior).
그림 Fig. 8. Cropped portion of each dataset. (200 μm×200 μm).
표 Table 1. Voxel and resolution size of the sample for each study
표 Table 2. Analysis of quantity of microvascular network (% of total)

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 1 μm 이하의 고해상도에서 얻은 쥐 전체 뇌의 단면 이미지를 활용하여 이미지 프로세싱 기법을 통해 뇌혈관에 대한 정보만을 추출하고, 뇌 영역에서 뇌혈관이 차지하는 부분에 대한 전체 및 부분적인 정량적 측정이 가능하게 하였다.
본 논문에서는 쥐 전체 뇌에서 뇌혈관이 차지하는 영역의 양적인 분석을 진행하기 위한 기법을 제안하고, 제안하는 기법으로 얻은 결과와 이전 연구들과의 뇌혈관에 대한 정량적 측정 결과를 분석할 것이다. 이를 위해 쥐 뇌에서 뇌혈관 정보만을 추출하는 기법은 이전 연구에서[12] 진행했던 임계값을 이용한 이미지 이진화 방법(쥐 뇌의 이미지 단면에서 혈관 정보만을 추출)이 적용된 결과 데이터셋을 활용한다.

제안 방법

3Scan은 미국의 스타트업 회사로 KESM을 자체적으로 제작하였고, Michael 등의 연구[16]에서 자체 제작한 KESM을 통해 얻은 쥐 뇌의 단면 이미지 데이터셋을 바탕으로 쥐 뇌의 혈관 부분을 양적으로 분석하였다. Fig.
3장에서 기술한 기법을 통해 Fig. 7과 같이 쥐 전체 뇌의 혈관 네트워크를 3D로 구현하였다(10 개 부분을 구분하기 위해 적색과 청색 교차 사용). 비록, 컴퓨터 성능 문제로 뇌 전체 이미지를 10개 부분으로 나누었지만, 결과적으로는 전체 뇌에서 연구자가 원하는 부분의 이미지를 절단하여 뇌혈관 분포를 정량적으로 측정할 수 있는 환경을 조성하게 되었다.
또한, 기존 연구[13,16,17]에서는 한정된 부분에 대해 제한적으로 정략적 측정이 이루어진 반면, 본 논문에서 제안한 방법을 적용하면 연구자가 원하는 뇌 영역에 대한 뇌혈관의 정량적 측정이 가능하다. 물론, 연구마다 사용한 쥐의 종류가 다르거나 분석을 위해 선택한 뇌의 부분에 따라 뇌혈관의 정량적 측정값의 차이는 존재하지만, 전뇌 부분보다 소뇌 영역의 뇌혈관에 대한 정략적 측정치가 높게 나타나는 단편적인 특징을 살펴볼 수 있었다.
Vaa3D(3D Visualization-Assisted Analysis)[18] 소프트웨어는 최신 현미경 등을 사용하여 생성된 대용량의 이미지 데이터셋을 3D, 4D 및 5D로 렌더링하거나 이미지 데이터 객체의 특성을 분석하는데 활용되는 오픈 소스로서 다양한 종류의 혈관 추적(tracing) 플러그 인을 지원하는 기능을 가지고 있다. 본 논문에서는 Vaa3D에서 지원하는 MOST(Micro Optical Sectioning Tomography) 추적 플러그 인[17]을 활용하여 뇌혈관의 3차원 중심 좌표(x, y, z), 반지름 길이 및 중심 좌표 간 혈관의 연결 관계에 대한 정보를 추출해 냈으며, 이러한 정보는 SWC 파일[19] 형태로 저장하여 3D 렌더링 구현 및 뇌혈관 네트워크 특성 분석에 활용되게 하였다.
Junseok 등의 연구[12]에서 소개한 디지털 이미지 프로세싱 기법을 활용하면 뇌의 단면 이미지는 이진화 되어 혈관 부분만의 정보를 온전하게 포함하게 된다. 본 논문에서는 컴퓨터 성능 제한에 따라 전체 이미지 데이터셋을 한 번에 처리할 수 없는 문제가 발생됨으로 인해 이진화 된 이미지 데이터셋을 균등하게 10등분하여 뇌혈관에 대한 정보를 부분적으로 분석하고 종합하였다. 이렇게 10등분 된 각각의 이미지 데이터셋은 뇌혈관에 대한 정보를 포함하고 있으며, 정량적인 분석 과정을 진행하기 위해 뇌혈관 네트워크 구조의 3D 렌더링 및 혈관을 추적하는 단계가 필요하다.
위에서 제안한 기법을 활용하여 원본 이미지를 이진화하고, 이진화 된 이미지에서 원하는 부분을 잘라내어(crop) 3D로 렌더링하여 뇌 영역에서 뇌혈관이 차지하는 부분을 정량적으로 측정할 수 있는 데이터셋을 생성하였다. 뇌의 영역을 정량적으로 측정하는 과정은 Junseok 등의 연구[20]에서 서술한 Convex hull mask 기법을 활용하여 쥐 뇌의 이미지 단면에서 뇌 영역만을 이진화하여 추출하는 방법을 사용하였다.
이 단계에서 Image B와 Image B+1과 같이 빈 이미지가 연속되어 있을 경우 온전한 이미지가 포함하고 있는 혈관 정보를 유지하기 위해 이미지 Image Z'+2와 Image Z'+3과 같이 온전한 이미지들 사이에 Image B+1과 같이 빈 이미지가 위치할 수 있도록 순서를 조정하였다.
하지만, 전뇌 부분보다 소뇌 부분의 뇌혈관에 대한 정략적 측정치가 높게 나타나는 것은 결과를 통해 확인할 수 있다. 제안하는 방법을 사용하면 뇌의 영역에 따라 뇌혈관의 분포에 대한 정량적 측정이 가능하며 뇌의 부분별 뇌혈관의 정량적 측정을 전체 뇌에 대한 간단하면서 빠르게 진행할 수 있고, 전체 뇌 영역에 대한 뇌혈관의 정량적 측정 결과를 다른 연구와 비교할 수 있는 기준을 제시하였다.
Jingpeng 등의 연구[17]에서는 뇌혈관에 대한 정보뿐만 아니라 뇌 세포에 대한 분석이 가능한 데이터셋을 생성하였으며, 깊이의 변화에 따른 뇌혈관의 정량적 측정을 실시하였다. 추가하여, 복수의 쥐를 대상으로 실험하여 결과의 객관성을 높였다. 적색, 녹색 및 청색 곡선은 각각 무과립피질(M1), 과립(PMBSF) 및 부분적인 과립피질(V1)을 나타내며, 곡선의 반투명 영역은 표준편차를 나타내는 그래프이다.

대상 데이터

4. A dataset of a mouse brain and quantity of microvascularvolume by cortical depth (three male mice, C57BL/6). (a) Simultaneous crosssectionof cells and blood vessels (thickness: 30 μm, posterior direction).
본 논문에서는 KESM을 이용하여 얻은 쥐 뇌 이미지를 활용하였으며, 단면 이미지의 복셀 해상도 크기는 1.2 μm × 1.4 μm × 1.0 μm(원본 크기는 0.6 μm × 0.7 μm × 1.0 μm이지만, 전처리 단계를 거친 이미지 활용)이고, 7,790 px × 6,050 px 크기의 쥐 뇌 단면 이미지(8,560개)를 사용하였다.

이론/모형

위에서 제안한 기법을 활용하여 원본 이미지를 이진화하고, 이진화 된 이미지에서 원하는 부분을 잘라내어(crop) 3D로 렌더링하여 뇌 영역에서 뇌혈관이 차지하는 부분을 정량적으로 측정할 수 있는 데이터셋을 생성하였다. 뇌의 영역을 정량적으로 측정하는 과정은 Junseok 등의 연구[20]에서 서술한 Convex hull mask 기법을 활용하여 쥐 뇌의 이미지 단면에서 뇌 영역만을 이진화하여 추출하는 방법을 사용하였다. 이 기법은 Wookyung 등의 연구[21]에서 뇌 영역만을 추출하기 위해 수동으로 진행된 단계를 자동화하여 뇌 영역 마스크를 만들 수 있게 하였으며, Junseok등의 연구[20]에서는 단순히 뇌 영역 외부의 노이즈를 제거하기 위해 뇌 영역 마스크가 사용되었다면, 본 연구에서는 뇌 영역에서 뇌혈관이 차지하는 부분을 측정하기 위해 뇌 영역만을 포함하는 마스크가 활용되었다.
본 논문에서는 쥐 전체 뇌에서 뇌혈관이 차지하는 영역의 양적인 분석을 진행하기 위한 기법을 제안하고, 제안하는 기법으로 얻은 결과와 이전 연구들과의 뇌혈관에 대한 정량적 측정 결과를 분석할 것이다. 이를 위해 쥐 뇌에서 뇌혈관 정보만을 추출하는 기법은 이전 연구에서[12] 진행했던 임계값을 이용한 이미지 이진화 방법(쥐 뇌의 이미지 단면에서 혈관 정보만을 추출)이 적용된 결과 데이터셋을 활용한다. 뇌혈관 연결구조의 연구는 매우 중요하며 이러한 연구를 통해 뇌혈관 질환에 대한 이해를 높이고, 신경과학 분야의 임상 연구에도 활용될 것으로 기대된다.

성능/효과

18%의 결과를 보였다. 뇌혈관의 정량적 측정 결과를 통해 확인할 수 있듯이 뇌의 샘플 영역에 따라 뇌혈관이 차지하는 측정치의 차이가 존재하는 것을 알 수 있다.
7과 같이 쥐 전체 뇌의 혈관 네트워크를 3D로 구현하였다(10 개 부분을 구분하기 위해 적색과 청색 교차 사용). 비록, 컴퓨터 성능 문제로 뇌 전체 이미지를 10개 부분으로 나누었지만, 결과적으로는 전체 뇌에서 연구자가 원하는 부분의 이미지를 절단하여 뇌혈관 분포를 정량적으로 측정할 수 있는 환경을 조성하게 되었다.
제안한 방법은 전체 쥐 뇌를 10개 부분으로 나누고, 각각의 뇌혈관에 대한 정략적 측정 결과 0.81%∼1.65%의 분표를 보였다.
본 논문에서는 1 μm 이하의 고해상도에서 얻은 쥐 전체 뇌의 단면 이미지를 활용하여 이미지 프로세싱 기법을 통해 뇌혈관에 대한 정보만을 추출하고, 뇌 영역에서 뇌혈관이 차지하는 부분에 대한 전체 및 부분적인 정량적 측정이 가능하게 하였다. 쥐 전체 뇌에 대한 분석을 실시하기 위해 뇌를 10개 부분으로 나누어 연구를 진행하였고, 제안하는 기법을 사용하여 쥐 전체 뇌에 대한 뇌혈관 부분의 정량적 측정을 진행하여 전체 뇌에서 10개의 부분별로 뇌혈관이 차지하는 영역의 정량적 기준을 제시하였으며, 분석을 필요로 하는 뇌의 일부분을 선택하여 뇌혈관의 정량적 측정을 간단하면서도 빠르게 진행할 수 있었다. 이것은 원본 뇌 단면 이미지의 크기를 두 단계의 서브샘플링 기법과 이진화 과정을 통해 다루기 쉬운 데이터셋으로 만들었으며, 전체 뇌 이미지를 10개 부분으로 나눔으로써 연구자가 원하는 뇌 영역에 보다 쉽게 접근할 수 있도록 하였기 때문에 가능했다.

후속연구

이를 위해 쥐 뇌에서 뇌혈관 정보만을 추출하는 기법은 이전 연구에서[12] 진행했던 임계값을 이용한 이미지 이진화 방법(쥐 뇌의 이미지 단면에서 혈관 정보만을 추출)이 적용된 결과 데이터셋을 활용한다. 뇌혈관 연결구조의 연구는 매우 중요하며 이러한 연구를 통해 뇌혈관 질환에 대한 이해를 높이고, 신경과학 분야의 임상 연구에도 활용될 것으로 기대된다.
본 연구의 결과가 뇌혈관과 관련된 질환에 대한 이해도를 높이고 신경과학 분야의 임상 연구에 활용되기를 기대한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	KESM을 통해 추출된 이미지의 단면 복셀 크기는 얼마인가?	Knife-EdgeScanningMicroscope(KESM)는 미국 TexasA&M 대학교의 Brain Networks Labor-atory에서 개발한 장비로서,KESM을 사용하면 쥐뇌와 같이 작은 장기의 단면 이미지를 고속 처리를 통해 고해상도로 추출하여 대용량의 데이터셋으로 저장할 수 있다.KESM을 통해 추출된 이미지의 단면 복셀 크기는 0.6 μm×0.7 μm×1.0 & mu;m이며, Fig. 1은 KESM의 동작 원리를 묘사하는 그림으로 고속라인 스캔 카메라는 쥐 뇌와 같이 작은 장기의 표본상단이 다이아몬드 나이프를 통해 절단 될 때 해당 단면의 조직을 캡처하여 뇌에 대한 정보를 고속으로 저장한다[8-11].
	쥐의 뇌혈관을 정량화하기 위해서 어떤 기법을 사용하는가	Zhang 등의 연구[13]에서는 쥐의 뇌혈관을 정량화하기 위해 최적화 된 CLARITY 프로토콜[14]을적용하였다. CLARITY[15] 기법은 뇌 조직을 투명하게 만드는 방법으로 CLARITY 기법을 통해 투명화 된 쥐의 뇌는 공초점 스캐닝 현미경(confocal scanning microscopy)을 사용하여 뇌의 단면 이미지를 추출하고, 뇌혈관 네트워크를 3D로 재현하여 분석하는 단계를 거친다.Fig.
	Knife-EdgeScanningMicroscope란 무엇인가	Knife-EdgeScanningMicroscope(KESM)는 미국 TexasA&M 대학교의 Brain Networks Labor-atory에서 개발한 장비로서,KESM을 사용하면 쥐뇌와 같이 작은 장기의 단면 이미지를 고속 처리를 통해 고해상도로 추출하여 대용량의 데이터셋으로 저장할 수 있다.KESM을 통해 추출된 이미지의 단면 복셀 크기는 0.

참고문헌 (22)

R.N. Kalaria, "Cerebral vessels in ageing and Alzheimer's disease." Pharmacology & therapeutics, Vol. 72, No. 3, pp. 193-214, 1996.

상세보기
H.J. van de Haar, J.F. Jansen, .J. van Osch, M.A. van Buchem, M. Muller, S.M. Wong, P.A. Hofman, S. Burgmans, F.R Verhey and W.H. Backes, "Neurovascular unit impairment in early Alzheimer's disease measured with magnetic resonance imaging." Neurobiology of aging, Vol. 45, pp. 190-196, 2016.

상세보기
N.F. Chi, L.N. Chien, H.L. Ku, C.J Hu and H.Y. Chiou, "Alzheimer disease and risk of stroke: a population-based cohort study." Neurology, Vol. 80, No. 8, pp. 705-711, 2013.

상세보기
M. Haft-Javaherian, L. Fang, V. Muse, C.B. Schaffer, N. Nishimura and M.R. Sabuncu, "Deep convolutional neural networks for segmenting 3D in vivo multiphoton images of vasculature in Alzheimer disease mouse models." PloS one, Vol. 14, No. 3, pp. e0213539, 2019.

상세보기
S.P. Amato, F. Pan, J. Schwartz and T.M. Ragan, "Whole brain imaging with serial two-photon tomography." Frontiers in neuroanatomy, Vol. 10, pp. 31, 2016.

상세보기
B. Lavina, "Brain vascular imaging techniques." International journal of molecular sciences, Vol. 18, No. 1, pp. 70, 2017.

상세보기
D. Mayerich, B.H. McCormick and J. Keyser, "Noise and artifact removal in knife-edge scanning microscopy." 4th IEEE International Symposium on Biomedical Imaging: From Nano to Macro, pp. 556-559, 2007.
B.H. McCormick and D.M. Mayerich,. "Threedimensional 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, D. Mayerich, Z. Melek and B.H. McCormick, "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, J. Keyser and L.C. Abbott, "Knife-edge scanning microscopy for connectomics research." In The 2011 International Joint Conference on Neural Networks, IEEE, pp. 2258-2265, 2011.
Y. Choe, D. Mayerich, J. Kwon, D.E. Miller, C. Sung, J.R. Chung, T. Huffman, J. Keyser and L.C. Abbott, "Specimen preparation, imaging, and analysis protocols for knifeedge scanning microscopy." JoVE (Journal of Visualized Experiments) , No. 58, pp. e3248, 2011.
J. Lee, W. An and Y. Choe, "Mapping the full vascular network in the mouse brain at submicrometer resolution." 39th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) , pp. 3309-3312, 2017.
L.Y. Zhang, P. Lin, J. Pan, Y. Ma, Z. Wei, L. Jiang, L. Wang, Y. Song, Y. Wang, Z. Zhang and K. Jin, "CLARITY for high-resolution imaging and quantification of vasculature in the whole mouse brain." Aging and disease, Vol. 9, No. 2, p. 262, 2018.

상세보기
B. Yang, J.B. Treweek, R.P. Kulkarni, B.E. Deverman, C.K. Chen, E. Lubeck, S. Shah, L. Cai and V. Gradinaru, "Single-cell phenotyping within transparent intact tissue through whole-body clearing." Cell, Vol. 158, No. 4, pp. 945-958, 2014.

상세보기
K. Chung, J. Wallace, S.Y. Kim, S. Kalyanasundaram, A.S. Andalman, T.J. Davidson, J.J. Mirzabekov, K.A. Zalocusky, J. Mattis, A.K. Denisin and S. Pak, "Structural and molecular interrogation of intact biological systems." Nature, Vol. 497, No. 7449, pp. 332, 2013.

상세보기
M.J. Pesavento, C. Miller, K. Pelton, M. Maloof, C.E. Monteith, V. Vemuri and M. Klimen, "Knife-edge scanning microscopy for bright-field multi-cubic centimeter analysis of microvasculature." Microscopy Today, Vol 25, No. 4, pp. 14-21, 2017.

상세보기
J. Wu, Y. He, Z. Yang, C. Guo, Q. Luo, W. Zhou, S. Chen, A. Li, B. Xiong, T. Jiang and H. Gong, "3D BrainCV: simultaneous visualization and analysis of cells and capillaries in a whole mouse brain with one-micron voxel resolution." Neuroimage, Vol. 87, pp. 199-208, 2014.

상세보기
H. Peng, Z. Ruan, F. Long, J.H. Simpso and E.W. Myers, "V3D enables real-time 3D visualization and quantitative analysis of largescale biological image data sets." Nature biotechnology, Vol. 28, No. 4, pp. 348, 2010.

상세보기
R.C. Cannon, D.A. Turner, G.K. Pyapali and H.V. Wheal, "An on-line archive of reconstructed hippocampal neurons." Journal of neuroscience methods, Vol. 84, Issues 1-2, pp. 49-54, 1998.
J. Lee, J. Yoo and Y. Choe, "Tracing and analysis of the whole mouse brain vasculature with systematic cleaning to remove and consolidate erroneous images." 40th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) , pp. 143-146, 2018.
W. An and Y. Choe, "December. Automated reconstruction of neurovascular networks in knife-edge scanning microscope rat brain nissl data set." In International Symposium on Visual Computing, Springer, Cham, pp. 439-448, 2016.
Y.S. Lee and H.K. Choi, "A Hippocampus Segmentation in Brain MR Images using Level-Set Method." Journal of Korea Multimedia Society, Vol. 15, No. 9, pp. 1075-1085, 2012.

원문보기 상세보기

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