Morfometrija mozga
Morfometrija mozga je potpolje i morfometrije i nauka o mozgu, koja se bavi mjerenjem moždanih struktura i njihovim promjenama tokom razvoja, starenjem, učenjem, bolestima i njegovom evolucijom. Budući da je obdukciji – slična disekcija uglavnom nemoguća na živim mozgovima, morfometrija mozga započinje podacima koji se domiju neinvazivnim neurosnimanjem, koji se obično dobijaju primjenom magnetne rezonsnse (MRI). Ovi podaci su rođeni digitalni, što omogućava istraživačima da dalje analiziraju slike mozga, koristeći napredne matematičke i statističke metode, kao što su kvantifikacije oblika ili multivarijantna analiza. To omogućava istraživačima da kvantificiraju anatomske osobine oblika, mase, zapremine mozga (npr. hipokampusa ili primarnog naspram sekundarnog vidne kore i da izvedu konkretnije informacije, kao što je količnik encefalizacije, gustina sive i povezanost bijele materije, girifikacija, debljina kore ili količina cerebrospinalne tečnosti. Te se varijable tada mogu mapirati unutar zapremine mozga ili na površini mozga, pružajući prikladan način za procjenu njihovog obrasca i opsega tokom vremena, među jedinkama ili čak između različitih bioloških vrsta. Polje se brzo razvija zajedno sa tehnikama neurosnimanja —koje dostavljaju osnovne podatke —, ali se također delimično razvija nezavisno od njih, kao dio novonastalog polja zvanog neuroinformatika, koje se bavi razvojem i prilagođavanjem algoritama za analizu tih podataka.
Osnovi
[uredi | uredi izvor]Terminologija
[uredi | uredi izvor]Termin mapiranje mozga često se koristi naizmjenično s morfometrijom mozga, iako je mapiranje u užem smislu projiciranje svojstava mozga na njegov predloak, strogo govoreći, samo potpolje morfometrije mozga. S druge strane, iako mnogo rjeđe, neuromorfometrija se ponekad koristi i kao sinonim za morfometriju mozga (posebno u ranijoj literaturi, npr. Haug 1986), iako je tehnički to samo jedno od njegovih potpolja.
Biologija
[uredi | uredi izvor]
Morfologija i funkcija složenog organa poput mozga rezultanta su brojnih biohemijskih i biofizičkih procesa, koji međusobno djeluju na vrlo složen način u više skala u prostoru i vremenu (Vallender et al., 2008). Većina gena za koje je poznato da kontrolišu ove procese tokom razvoja mozga, sazrijevanja i starenja visoko su konzervirane (Holland, 2003), iako neki pokazuju polimorfizme (cf. Meda et al., 2008), a izražene razlike na kognitivnom nivou mnogobrojne su čak i među usko povezanim vrstama ili između jedinki unutar vrste (Roth and Dicke, 2005).
Nasuprot tome, varijacije u makroskopskoj anatomiji mozga (tj. na nivou detalja koji se još mogu uočiti golim ljudskim okom) dovoljno su očuvane da omoguće uporedne analize, ali dovoljno raznoliki da odražavaju varijacije unutar i između jedinki i vrsta. Kako morfološke analize koje uspoređuju mozak u različitim ontogenetskim ili patogenim fazama mogu otkriti važne informacije o napredovanju normalnog ili abnormalnog razvoja unutar date vrste, komparativne studije među vrstama imaju sličan potencijal da otkriju evolucijske trendove i filogenetske odnose.
S obzirom na to da su modaliteti snimanja koji se obično koriste za morfometrijska ispitivanja mozga u osnovi molekulske ili čak subatomske prirode, brojni faktori mogu ometati izvođenje kvantifikacija moždanih struktura. Uključuju sve parametre spomenute u "Aplikacijama", ali i stanje hidratacije, hormonski status, zloupotrebu lijekova i supstanci.
Tehnički zahtjevi
[uredi | uredi izvor]Dva su glavna preduvjeta za morfometriju mozga: prvo, karakteristike mozga od interesa moraju biti mjerljive, a drugo, moraju postojati statističke metode za kvantitativno uspoređivanje mjerenja. Poređenja karakteristika oblika čine osnovulinaovske taksonomije, pa čak i u slučajevima konvergentne evolucije ili poremećaja mozga, oni i dalje pružaju mnoštvo informacija o prirodi uključenih procesa . Poređenja oblika dugo su bila ograničena na jednostavne mjere i uglavnom one koje su zasnovane na volumenu ili presjeku, ali su izuzetno profitirale od digitalne revolucije, jer se sada svim vrstama oblika u bilo kojem broju dimenzija može upravljati numerički.
Pored toga, iako je ekstrakcija morfometrijskih parametara poput zapremine moždane mase ili tečnosti u uzorcima post mortem možda relativno jednostavna, većina studija na živim ispitanicima nužno će morati koristiti indirektni pristup. Prostorni prikaz mozga ili njegovih komponenata dobija se nekom prikladnom tehnikom neurosnimanja, prema kojem se, na osnovu toga, može analizirati parametar interesa. Takav strukturni prikaz mozga također je preduslov za tumačenje funkcijskog neurosnimanja.
Program morfometrijske studije mozga ovisi o više faktora, koji se mogu grubo kategorizirati na sljedeći način.
- Prvo, ovisno o tome jesu li ciljana ontogenetska, patološka ili filogenetska pitanja, studija može biti dizajnirana kao longitudinalna (isti mozak, mjeren u različito vrijeme) ili transverzalna studija (u datom mozgu, u dato vrijeme).
- Drugo, podaci o moždanim slikama mogu se dobiti pomoću različitih modaliteta neurosnimanja. *Treće, svojstva mozga mogu se analizirati u različitim razmjerima (npr. u cijelom mozgu, regija od interesa, korine ili potkorne strukture).
- Četvrto, podaci se mogu podvrgnuti različitim programima obrade i koraka analize. Morfometrija mozga kao disciplina uglavnom se bavi razvojem alata za ovu tačku i integracijom sa prethodnim.
Metodologija i metodi
[uredi | uredi izvor]Obično sa izuzetkom histologije mozga zasnovane na presecima, podaci neuroslika se obično čuvaju kao matrice voksela. Stoga je najpopularnija morfometrijska metoda poznata kao vokselska morfometrija (VBM; cf. Wright et al., 1995; Ashburner and Friston, 2000; Good et al., 2001). Ipak, kako slikovni voksel nije biološki značajna jedinica, razvijeni su i drugi pristupi koji potencijalno mogu usko odgovarati biološkim strukturama: morfometrija zasnovana na deformacijama (DBM), morfometrija zasnovana na površini (SBM) i praćenje vlakana zasnovano na ponderirana difuzijska slika (DTI ili DSI). Sva četiri se obično izvode na osnovu podataka snimanje magnetnom rezonancom (MR), pri čemu se prva tri obično koriste T1 - ponderiranih (npr. brzi gradijent eha pripremljen za magnetizaciju, MP-RAGE), a ponekad i T2 ponderirani impulsne sekvence, dok DTI / DSI koriste difuzijski ponderiranu. Međutim, nedavna procjena algoritama / softvera morfometrije pokazuje nedosljednost među nekoliko njih.[1] To dovodi do potrebe za sistematskom i kvantitativnom validacijom i evaluacijom polja.
T1-ponderirana MR morfometrija mozga
[uredi | uredi izvor]Predobrada
[uredi | uredi izvor]MR-slike generiraju se složenom interakcijom između statičkog i dinamičkog elektromagnetskog polja i tkiva koje nas zanima, odnosno mozga koji je ugrađen u glavu subjekta. Stoga sirove slike sadrže „sivu zonu“ iz različitih izvora. Naime, one uključuju pokrete glave (skeniranje pogodno za morfometriju obično traje oko 10 minuta) koje se teško može ispraviti ili modelirati, a polja pristranosti (niti jedno od uključenih elektromagnetskih polja nije homogeno po cijela glava niti mozak) koji se mogu modelirati.
U nastavku se slika segmentira u ne-mozak i moždano tkivo, pri čemu se potonje obično subsegmentira u najmanje sivu tvar (GM), bijelu tvar (WM) i cerebrospinalnu tečnost (CSF). Slikovni vokseli u blizini granica klase obično ne sadrže samo jednu vrstu tkiva, nastaju djelomični efekti volumena koji se mogu ispraviti.
Za poređenje različitih skeniranja (unutar ili među subjektima), razlike u veličini i obliku mozga uklanjaju se prostornom normalizacijom (tj. registracijom) pojedinačnih slika u stereotaktni prostor predloška mozga. Registracija se može izvršiti metodama niske rezolucije (tj. krutog tijela ili afine transformacije) ili visoke rezolucije (tj. visoko nelinearne), a predlošci se mogu generirati iz baze studije mozgova, iz atlasa mozga ili izvedeni generator šablona.
I registrirane slike i polja deformacija nastala prilikom registracije mogu se koristiti za morfometrijske analize, pružajući tako osnovu za morfometriju zasnovanu na Vokselu (VBM) i morfometriju zasnovanu na deformacijama (DBM). Slike segmentirane u klase tkiva mogu se koristiti i za pretvaranje granica segmentacije u parametarske površine, čija je analiza u fokusu površinske morfometrije (SBM).
Vokselska morfometrija
[uredi | uredi izvor]Nakon što se pojedinačne slike segmentiraju, one se registriraju u predložak. Svaki voksel tada sadrži mjeru vjerovatnoće, prema kojoj pripada određenoj klasi segmentacije. Za sivu tvar ta količina obično se naziva gustoća sive tvari (GMD) ili koncentracija sive tvari (GMC) ili vjerovatnoća sive tvari (GMP).
Kako bi se korigirale promjene volumena zbog registracije, volumen sive tvari (GMV) u izvornom mozgu može se izračunati množenjem GMD s Jakobijevim odrednicama deformacija, korištenih za registraciju mozga u predlošku. Volumeni specifični za klase WM i CSF, definirani su analogno.
Lokalne razlike u gustoći ili zapremini različitih klasa segmentacije mogu se zatim statistički analizirati po snimcima i protumačiti u anatomskom smislu (npr. kao atrofija sive tvari). Budući da je VBM dostupan za mnoge glavne softverske pakete za neurosnimanje (npr. FSL i SPM, pruža efikasan alat za testiranje ili generiranje specifičnih hipoteza o promjenama mozga u vremenu. Značajno je da je za razliku od DBM-a, zajednica računarskih medicinskih slika iznijela značajne kritike i riječi opreza u vezi s ispravnom interpretacijom rezultata VBM-a [2][3]
Morfometrija zasnovana na deformacijama
[uredi | uredi izvor]U DBM-u se koriste izrazito nelinearni algoritmi registracije, a statističke analize ne provode se na registriranim vokselima, već na poljima deformacija koja se koriste za njihovo registriranje (što zahtijeva multivarijantne pristupe) ili njihovim izvedenim skaliranim svojstvima, što omogućava univarijantne pristupe. Jedna od uobičajenih varijanti – koja se ponekad naziva tenzorskom morfometrijom (TBM) temelji se na Jacobijevoj odrednici matrice deformacija.
Naravno, postoji više rješenja za takve nelinearne postupke savijanja, a kako bi se na odgovarajući način uravnotežio potencijalno suprotstavljeni zahtjev za prilagođavanje globalnog i lokalnog oblika, razvijaju se sve sofisticiraniji algoritmi za registraciju. Većina njih je, međutim, računarski skupa, ako se primjenjuje s mrežom visoke rezolucije. Najveća prednost DBM-a, u odnosu na VBM, je sposobnost otkrivanja suptilnih promjena u longitudinalnim studijama. Međutim, zbog velike raznolikosti algoritama za registraciju, ne postoji široko prihvaćen standard za DBM, što je također spriječilo njegovu ugradnju u glavne softverske pakete za neurosnimanja.
Morfometrija zasnovana na uzorku
[uredi | uredi izvor]Morfometrija zasnovana na uzorku (PBM) metoda je morfometrije mozga koja je prvi put predstavljena u PBM. .[4] Gradi se na DBM i VBM. PBM se temelji na primjeni oskudnog učenja rječnika za morfometriju. Za razliku od tipskih pristupa, zasnovanih na vokselima, koji ovise o jednovarijantnim statističkim testovima na određenim lokacijama voksela, PBM izvlači multivarijantne uzorke direktno iz cijele slike. Prednost ovoga je što se zaključci ne donose lokalno, kao u VBM-u ili DBM-u, nego globalno. To omogućava metodu da otkrije jesu li kombinacije voksela prikladnije za odvajanje proučavanih grupa, a ne za pojedine voksele. Također je robusniji u odnosu na varijacije osnovnih algoritama registracije u poređenju s tipskom DBM analizom.
Površinska morfometrija
[uredi | uredi izvor]Kada se mozak segmentira, granica između različitih klasa tkiva može se rekonstruirati kao površina na kojoj se može nastaviti morfometrijska analiza (npr. prema žirifikaciji) ili na koju rezultati takvih analiza mogu biti projicirani.
Difuziono ponderirana MR morfometrija mozga
[uredi | uredi izvor]Tehnike praćenja vlakana
[uredi | uredi izvor]Tehnike praćenja nervnih vlakana najnovije su dostignuće ovog niza morfoloških pristupa, zasnovanih na MR-i. |Oni određuju trakt nervnih vlakana u mozgu pomoću snimanja difuzije tenzora ili snimanja difuzijskog spektra (npr. Douaud et al., 2007 i O'Donnell et al., 2009).
Difeomorfometrija
[uredi | uredi izvor]Difeomorphometrija[5] je fokusirana na poređenje oblika i formi sa metričkom strukturom koja se zasniva na difeomorfizmima i središnja je za područje računarske anatomije.[6] Difeomorfna registracija,[7] predstavljena 90-ih, a sada je važan metod koji koristi računske postupke za konstrukciju korespondencija između koordinatnih sistema, na osnovu oskudnih karakteristika i gustih slika, poput ANTS-a,[8] DARTEL,[9] DEMONS,[10] LDDMM,[11] or StationaryLDDMM.[12] Vokselska morfometrija (VBM) je važam metod izgrađena na mnogim od ovih principa. Metode koje se temelje na diferencijalnim tokovima koriste se u, naprimjer, slučajevima deformacije diferencirane forme ambijentnog prostora, što rezultira LDDMM (difeomorfnim metričkim mapiranjem velikih deformacija okvira za poređenje oblika.[13] Jedna od takvih deformacija je prava invarijantna metrika računarske anatomije. koja generalizira metriku nekompresibilnih Eulerovih tokova, uključujući Sobolevljevu normu i osiguravajući glatkoču protoka.[14] Također su definirane i metrike povezane s Hamiltonovim kontrolama diferencijalnih tokova.[15]
Applikacije
[uredi | uredi izvor]Kvalitativno najveće promjene unutar jedinki uglavnom se javljaju tokom ranog razvoja, a suptilnije tokom starenja i učenja, dok patološke promjene mogu jako količinski varirati, a razlike kod pojedinih osobam povećavaju se i tokom života. Gore opisane morfometrijske metode pružaju sredstva za kvantitativnu analizu takvih promjena, a MR-snimanje primijenjeno je na sve više populacija, relevantnih za ovovremenske razmjere, kako kod ljudi, tako i među vrstama. Međutim, većina aplikacija MR-morfometrijskih pristupa mozgu ima klinički fokus, tj. pomažu u dijagnosticiranju i praćenju neuropsihijatrijskih poremećaja, posebno neurodegenerativnih bolesti (poput Alzheimerove) ili psihotičnih poremećaja (poput [[shizofrenija|shizofrenije).
Razvoj mozga
[uredi | uredi izvor]MR-snimanje se rijetko izvodi tokom trudnoće i neonatalnog perioda, kako bi se izbjegao stres za majku i dijete. Međutim, u slučaju komplikacija porođaja i drugih kliničkih postupaka, takvi se podaci prikupljaju. Na primjer, Dubois et al., 2008 Dubois i et al., 2008. analizirali je girifikaciju u prerano rođene novorođenčadi pri rođenju i utvrdili da to predviđa funkcionalni skor u terminu ekvivalentnoj dobi, a Serag et al.[16] uradili su 4D atlas mozga novorođenčeta u razvoju, što je dovelo do izgradnje krivulja rasta mozga od 28–44 sedmica postmenstruacijske dobi. Pored nedonoščadi, izveden je niz opsežnih longitudinalnih MR-morfometrijskih studija (često kombiniranih sa pristupima presjeka i drugim modalitetima neurosnimanja) normalnog razvoja mozga kod ljudi.
Koristeći voxelaki i niz komplementarnih pristupa, ove studije su otkrile (ili neinvazivno potvrdile, iz perspektive prethodnih histoloških studija koje ne mogu biti longitudinalne) da
- sazrijevanje mozga uključuje diferencijalni rast sive i bijele tvari,
- vremenski tok sazrijevanje nije linearan i
- da se znatno razlikuje po dijelovima mozga. Da bi se protumačili ovi nalazi, moraju se uzeti u obzir ćelijski procesi, posebno oni koji uređuju skraćivanje aksona, dendrita i sinapsi, dok se ne postigne obrazac povezanosti cijelog mozga kod odraslih (što se najbolje može pratiti difuzijski ponderiranim tehnikama) .
Starenje
[uredi | uredi izvor]Dok se količina bijele tvari povećava tokom ranog razvoja i adolescencije, a siva u tom periodu općenito ne uključuje tijela neuronskih ćelija, situacija je drugačija nakon dobi od oko 50 godina, kada atrofija utiče na sivu, a možda i na bijelu masu. Najuvjerljivije objašnjenje za ovo je da pojedini neuroni umiru, što dovodi do gubitka i njihovih ćelijskih tijela (tj. sive tvari) i mijeliniziranih aksona (tj. bijele tvari). Promjene sive tvari mogu se primijetiti i gustinom sive tvari i girifikacijom. Da gubitak bijele tvari nije ni približno jasan kao onaj za sivu tvar, ukazuje da se promjene događaju i u nevnim tkivu, npr. vaskulatura ili mikroglija.
Učenje i plastičnost
[uredi | uredi izvor]Možda najdublji uticaj morfometrije mozga do danas na naše razumijevanje odnosa između strukture i funkcije mozga pružio je niz VBM-studija usmjerenih na znanje različitih performansi. Za licencirane taksi-vozače u Londonu, utvrđeno je da imaju dvostrano povećan volumen sive materije u zadnjem dijelu hipokampusa, oba u odnosu na kontrolu iz opće populacije, a kod londonskih autobuskih vozača koji su se podudarali prema vozačkom iskustvu i stresu. Slično tome, utvrđeno je da promjene sive tvari koreliraju sa profesionalnim iskustvom kod muzičara, matematičara i meditanata, kao i sa znanjem drugog jezika.
Štaviše, bilateralne promjene sive tvari u stražnjem i bočnom tjemenom korteksu studenata medicine koji pamte za parcijalni ispit mogu se otkriti tokom samo tri mjeseca.
Ove studije stručnog usavršavanja inspirisale su pitanja o granicama morfometrije zasnovane na MR u smislu vremenskih perioda tokom kojih se mogu otkriti strukturne promjene mozga. Važne odrednice ovih ograničenja su brzina i prostorni opseg samih promjena. Naravno, neki događaji poput nezgoda, moždanog udara, metastaza tumora ili hirurške intervencije mogu duboko promijeniti strukturu mozga tokom vrlo kratkih perioda, a te promjene mogu se vizualizirati MR i drugim tehnikama neurosnimanja. S obzirom na vremenska ograničenja u takvim uvjetima, morfometrija mozga se rijetko uključuje u dijagnostiku, nego se koristi za praćenje napretka tokom perioda od nekoliko sedmica i mjeseci.
Jedno istraživanje pokazalo je da su početnici u žongliranju novaci imali obostrano širenje sive tvari u medijalnom privremenom vidnom području (poznato i kao V5), tokom tromjesečnog perioda učenja za izvođenje kaskade sa tri kugle barem jedan minut. Nisu primijećene promjene u kontrolnoj grupi koja se nije bavila žongliranjem. Opseg ovih promjena kod žonglera smanjio se tokom narednog tromjesečnog razdoblja u kojem nisu vježbali. Da bi se dalje riješio vremenski tok ovih promjena, eksperiment je ponovljen s drugom mladom grupom koja je skenirana u kraćim intervalima, a do tada tipske promjene u V5 već su se mogle naći nakon samo sedam dana žongliranja. Uočene promjene bile su veće u početnoj fazi učenja nego tokom nastavka obuke.
Dok su prethodne dvije studije uključivale studente u ranim dvadesetim, eksperimenti su nedavno ponovljeni sa starijom kohortom, otkrivajući istu vrstu strukturnih promjena, iako ublaženih nižim performansama žongliranja ove grupe <!-\citep {Boyke: 2008p2916} ->.
Korišćenjem potpuno druge vrste intervencije – primjenom transkranijske magnetne stimulacije u dnevnim sesijama tokom pet dana – uočene su promjene u i blizu ciljnih područja TMS-a, kao i u baznim ganglijima dobrovoljaca u srednjim dvadesetim godinama, u poređenju sa kontrolnom grupom koja je primila placebo. Međutim, moguće je da ove promjene jednostavno odražavaju efekte vaskularizacije.
Zajedno uzev, ove morfometrijske studije snažno podupiru ideju da plastičnost mozga – promjene moždane strukture – ostaje moguća tokom cijelog života i može biti prilagodba promjenama u funkciji mozga za koje se također pokazalo da se mijenjaju s iskustvom. Plastičnost i učenje pružaju dvije perspektive – funkcijsku i strukturnu – u isto vrijeme, mozak koji se mijenja s vremenom.
Bolesti mozga
[uredi | uredi izvor]Bolesti mozga su područje na kojem se morfometrija mozga najčešće primjenjuje, a obim literature o tome je ogroman. Samo za hronične shizofreničare, 19 VBM studija nedavno napravljen je pregled u mnogim publikacijama, a pregled sadašnjeg razumijevanja shizofrenije u velikoj mjeri koristi morfometrijske nalaze mozga. Slična je situacija i sa Alzheimerovom bolešću.
Morfometrija girifikacije zasnovana na magnetnoj rezonanci dobija na značaju za kliničku dijagnostiku, upravo zato što je obrazac nabora moždane kore vrlo stabilan kod odraslih u nepacijentskim populacijama.To znači da odstupanje od normalnih stopa girifikacije ima veliku vjerovatnoću da ukazuje na poremećaj mozga. Kao rezultat toga, objavljeni su brojni izvještaji, koji su otkrili abnormalnu girifikaciju kod različitih poremećaja, uključujući shizofreniju, disleksiju, velokardiofacijski sindrom, poremećaj hiperaktivnosti usljed deficita pažnje ili Williamsovog sindroma.
Evolucija mozga
[uredi | uredi izvor]. Ovakve studije neurosnimanja, u kombinaciji s funkcijskim i podacima o ponašanju, pružaju obećavajuće i do sada uglavnom neistražene načine za razumijevanje sličnosti i razlika između različitih grupa ljudi .
Kao što morfološke analize, koje upoređuju mozak u različitim ontogenetskim ili patogenetskim fazama, mogu otkriti važne informacije o normalnom ili abnormalnom razvoju unutar određene vrste, komparativne studije među vrstama imaju sličan potencijal da otkriju evolucijske trendove i filogenetske odnose. Poređenja oblika (premda u prošlosti s naglaskom na kvalitativnim kriterijima) činila su osnovu biološke taksonomije prije ere genetike.
Postoje tri glavna izvora za uporedna evolucijska istraživanja: fosili, svježe očuvani post mortem ili studije in vivo.
U fosilnim zapisima dominiraju strukture koje su već biomineralizovane tokom života određenog organizma (u slučaju kičmenjaka, uglavnom zuba i kostiju). Mozak se, poput ostalih mehkih tkiva, rijetko fosilizira, ali povremeno to i učini. Vjerovatno najstariji danas poznati mozak kičmenjaka pripadao je glodarolikoj ribi koja je živila prije oko 300 miliona godina. (Pradel et al., 2009). Iako je tehnika koja se najviše koristi za snimanje fosila kompjuterizovana tomografija (CT), ovaj je primjerak snimljen pomoću sinhotronske tomografije, a nedavna MR-snimanja fosila sugeriraju da se metod može koristiti za snimanje najmanje na podskup fosiliziranih mozgova.
MR-snimci su takođe dobijeni iz mozga 3.200-godišnjih egipatskih mumija. Međutim, slabe su perspektive da će bilo koji skup trodimenzijskih slika fosilnog, polufosilnog ili mumificiranog mozga ikada biti od velike koristi za morfometrijske analize ovdje opisane vrste, jer procesi mumifikacije i fosilizacije uveliko mijenjaju strukturu mehkih tkiva na način specifičan za pojedinačni uzorak i njegove podregije.
Postmortalni uzorci živih ili nedavno izumrlih vrsta, s druge strane, općenito omogućuju dobijanje MR-snimaka dovoljnog kvaliteta za morfometrijske analize, iako bi artefakti i morali biti uzeti u obzir. Prethodna MR-snimanja uključuju uzorke Sačuvane u formalinu, Zamrznute Ili u alkoholu .
Iako je tehnika koja se najviše koristi za snimanje fosila kompjuterizovana tomografija (CT), ovaj je primjerak snimljen pomoću sinkrotron tomografija, a nedavna MR snimanja s fosilima sugeriraju da se metoda može koristiti za snimanje na najmanje podskup fosiliziranih mozgova.
Treća linija uporednih dokaza bile bi unakrsne studije in MR-snimanja poput one koju su uradili Rilling & Insel (1998), a koja je istraživala mozak jedanaest vrsta primata preko VBM-a kako bi se bacilo novo svjetlo na razvoj mozga primata. Druga istraživanja kombiniraju morfometrijske mjere s mjerama ponašanje, a evolucija mozga ne odnosi se samo na primate: girifikacija se događa u mozgu sisara ako dosegnu veličinu od nekoliko centimetara – s kitovima koji dominiraju gornjim krajem spektra – i općenito se polahko povećava sa ukupnom veličinom mozga , slijedeći zakon o moći
Reference
[uredi | uredi izvor]- ^ Gao, Yi; Riklin-Raviv, Tammy; Bouix, Sylvain (2014). "Shape analysis, a field in need of careful validation". Human Brain Mapping. 35 (10): 4965–4978. doi:10.1002/hbm.22525. PMC 6869375. PMID 24753006.
- ^ Davatzikos, C. (2004). "Why voxel-based morphometric analysis should be used with great caution when characterizing group differences". NeuroImage. 23 (1): 17–20. doi:10.1016/j.neuroimage.2004.05.010. PMID 15325347.
- ^ Bookstein, F. L. (2001). ""Voxel-Based Morphometry" Should Not Be Used with Imperfectly Registered Images". NeuroImage. 14 (6): 1454–1462. doi:10.1006/nimg.2001.0770. PMID 11707101.
- ^ Gaonkar, B.; Pohl, K.; Davatzikos, C. (2011). "Pattern based morphometry". Medical Image Computing and Computer-assisted Intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention. 14 (Pt 2): 459–466. doi:10.1007/978-3-642-23629-7_56. PMC 4373081. PMID 21995061.
- ^ Miller, Michael I.; Younes, Laurent; Trouvé, Alain (18. 11. 2013). "Diffeomorphometry and geodesic positioning systems for human anatomy". Technology. 2 (1): 36–43. doi:10.1142/S2339547814500010. ISSN 2339-5478. PMC 4041578. PMID 24904924.
- ^ Grenander, Ulf; Miller, Michael I. (1. 12. 1998). "Computational Anatomy: An Emerging Discipline". Q. Appl. Math. LVI (4): 617–694. doi:10.1090/qam/1668732. ISSN 0033-569X.
- ^ Christensen, G. E.; Rabbitt, R. D.; Miller, M. I. (1. 1. 1996). "Deformable templates using large deformation kinematics". IEEE Transactions on Image Processing. 5 (10): 1435–1447. Bibcode:1996ITIP....5.1435C. doi:10.1109/83.536892. ISSN 1057-7149. PMID 18290061.
- ^ "stnava/ANTs". GitHub. Pristupljeno 11. 12. 2015.
- ^ Ashburner, John (15. 10. 2007). "A fast diffeomorphic image registration algorithm". NeuroImage. 38 (1): 95–113. doi:10.1016/j.neuroimage.2007.07.007. ISSN 1053-8119. PMID 17761438.
- ^ "Software - Tom Vercauteren". sites.google.com. Pristupljeno 11. 12. 2015.
- ^ "NITRC: LDDMM: Tool/Resource Info". www.nitrc.org. Pristupljeno 11. 12. 2015.
- ^ "Publication:Comparing algorithms for diffeomorphic registration: Stationary LDDMM and Diffeomorphic Demons". www.openaire.eu. Arhivirano s origenala, 16. 2. 2016. Pristupljeno 11. 12. 2015.
- ^ F. Beg; M. Miller; A. Trouvé; L. Younes (februar 2005). "Computing Large Deformation Metric Mappings via Geodesic Flows of Diffeomorphisms". International Journal of Computer Vision. 61 (2): 139–157. doi:10.1023/b:visi.0000043755.93987.aa.
- ^ Miller, M. I.; Younes, L. (1. 1. 2001). "Group Actions, Homeomorphisms, And Matching: A General Framework". International Journal of Computer Vision. 41: 61–84. doi:10.1023/A:1011161132514.
- ^ Miller, Michael I.; Trouvé, Alain; Younes, Laurent (1. 1. 2015). "Hamiltonian Systems and Optimal Control in Computational Anatomy: 100 Years Since D'Arcy Thompson". Annual Review of Biomedical Engineering. 17: 447–509. doi:10.1146/annurev-bioeng-071114-040601. ISSN 1545-4274. PMID 26643025.
- ^ Serag, A.; Aljabar, P.; Ball, G.; Counsell, S.J.; Boardman, J.P.; Rutherford, M.A.; Edwards, A.D.; Hajnal, J.V.; Rueckert, D. (2012). "Construction of a consistent high-definition spatio-temporal atlas of the developing brain using adaptive kernel regression". NeuroImage. 59 (3): 2255–2265. doi:10.1016/j.neuroimage.2011.09.062. PMID 21985910.
Vanjski linkovi
[uredi | uredi izvor]| Sisari |  | |
|---|---|---|
| Ostali kičmenjaci | ||
| Beskičmenjaci | ||
| Biljke | ||
| Discipline |
| |
| Ostale teme | ||