کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8687321 | 1580843 | 2018 | 22 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Framework for shape analysis of white matter fiber bundles
ترجمه فارسی عنوان
چارچوب تجزیه و تحلیل شکل از بسته نرم افزاری فیبر مواد سفید
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ماده سفید، تجزیه و تحلیل شکل، توسعه،
ترجمه چکیده
تصویربرداری پراش، همراه با الگوریتم های تراکتوری، به محققین اجازه می دهد تا در فضای بسته ای از الیاف فیبر مواد سفید سفید انسان تصویر نمایند. این بسته ها ساختارهای سه بعدی با شکل هایی هستند که در طول دوره توسعه و همچنین در شرایط پاتولوژیک تغییر می کنند. در حالی که اغلب مطالعات بر روی تغییرات ماده سفید بر تجزیه و تحلیل خواص بافت براساس اطلاعات منتشر شده تمرکز می کنند، برای مثال آنیزوتروپیک کسری، تغییر شکل از بسته نرم افزاری فیبر مواد سفید بسیار کمتر است. در این مقاله، مجموعه ای از ابزارهایی برای تجزیه و تحلیل شکل کمپلکسهای فیبر مواد سفید ارائه می شود: (1) یک مدل هندسی مختصر از اشکال بسته؛ (2) یک روش برای ثبت نام بسته بین افراد؛ (3) یک روش برای تخمین تغییر شکل. چارچوب ما برای تجزیه و تحلیل تغییرات شکل در بسته های فیبر مواد سفید مفید است. ما چارچوب خود را با استفاده از روش های ما در دو مجموعه داده نشان می دهیم: یکی از داده ها برای 6 فرد سالم و دیگری شامل داده ها برای 38 کودک طبیعی 11 تا 5 ساله است. ما پیشنهاد می کنیم یک روش قوی و قابل تکرار برای اندازه گیری تغییرات در شکل بسته های فیبر مواد سفید. ما نشان می دهیم که چگونه این روش می تواند برای ایجاد یک مدل برای ارزیابی تغییرات وابسته به سن در شکل بسته های فیبر خاص استفاده شود. ما چنین مدلهایی را برای مجموعهای از بستههای فیبر نوری ماده در مجموعه دادههای اطفال ما به دست میآوریم و نشان میدهیم که نتایج ما با دادههای رشد هورمونی انسان و مغز منطبق است. ایجاد این مدل ها برای یک مجموعه داده های طولی بزرگ کودکان ممکن است درک پیشرفت های عادی و بیماری های پاتولوژیک را بهبود بخشد و پارامترهای جدیدی را برای بررسی مغز کودکان ارائه دهد.
موضوعات مرتبط
علوم زیستی و بیوفناوری
علم عصب شناسی
علوم اعصاب شناختی
چکیده انگلیسی
Diffusion imaging coupled with tractography algorithms allows researchers to image human white matter fiber bundles in-vivo. These bundles are three-dimensional structures with shapes that change over time during the course of development as well as in pathologic states. While most studies on white matter variability focus on analysis of tissue properties estimated from the diffusion data, e.g. fractional anisotropy, the shape variability of white matter fiber bundle is much less explored. In this paper, we present a set of tools for shape analysis of white matter fiber bundles, namely: (1) a concise geometric model of bundle shapes; (2) a method for bundle registration between subjects; (3) a method for deformation estimation. Our framework is useful for analysis of shape variability in white matter fiber bundles. We demonstrate our framework by applying our methods on two datasets: one consisting of data for 6 normal adults and another consisting of data for 38 normal children of age 11 days to 8.5 years. We suggest a robust and reproducible method to measure changes in the shape of white matter fiber bundles. We demonstrate how this method can be used to create a model to assess age-dependent changes in the shape of specific fiber bundles. We derive such models for an ensemble of white matter fiber bundles on our pediatric dataset and show that our results agree with normative human head and brain growth data. Creating these models for a large pediatric longitudinal dataset may improve understanding of both normal development and pathologic states and propose novel parameters for the examination of the pediatric brain.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: NeuroImage - Volume 167, 15 February 2018, Pages 466-477
Journal: NeuroImage - Volume 167, 15 February 2018, Pages 466-477
نویسندگان
Tanya Glozman, Lisa Bruckert, Franco Pestilli, Derek W. Yecies, Leonidas J. Guibas, Kristen W. Yeom,