高解像度パターン認識を用いた脳年齢の推定:長期瞑想実践者の若い脳

Estimating brain age using high-resolution pattern recognition: Younger brains in long-term meditation practitioners
Luders, Eileen and Cherbuin, Nicolas and Gaser, Christian
Neuroimage, vol.134, pp. 508–513, 2016

正常な老化は,脳の物質の喪失を伴うことが知られている.本研究は,瞑想の実践が脳の年齢の低下に関連しているかどうかを調べることを目的としている.中年期は老化プロセスがより顕著になることが知られている時代であるため,特定の焦点は50歳以上を対象としていた.我々は,脳の年齢の解剖学的相関を同定するために訓練された最近開発された機械学習アルゴリズムを適用して,それらを1つの単一スコア:BrainAGE指数(年)に変換した.高次元のパターン認識に基づいたこの検証されたアプローチを使用して,我々は,50人の長期瞑想者と50人の対照被験者の大規模なサンプルを再解析し,脳の年齢を推定し比較した.我々は,50歳瞑想者の脳は対照の脳よりも7.5歳若いと推定された.さらに,年齢の増加に伴い脳年齢の推定値が変化するかどうかを調べた.脳の年齢の推定値は対照群ではほんのわずかしか変化しなかったが,瞑想者には重大な変化が検出された.50歳を超える人の脳は,同年代よりもさらに1か月と22日若いと推定された.全体的に,これらの知見は瞑想が脳保存に有益であり一生を通して脳老化の一貫して遅い速度で年齢関連萎縮症を効果的に防御することを示唆しているようである.

拡散テンソルイメージングへのB 行列空間分布手法の理論的検証

A theoretical validation of the B-matrix spatial distribution approach to diffusion tensor imaging
Magnetic Resonance Imaging,vol. 36,pp.1-6,2017
170220_syokoyama

近年発表されたB行列空間分布(BSD)手法は,空間におけるB行列の実際の分布を得る較正技術である.
B行列の空間的変動を考慮すると,拡散テンソルイメージング(DTI)の精度が向上すると主張されている.
本研究の目的は,コンピュータシミュレーションによってこの手法を理論的に検証することである.
B行列の3つの異なる空間分布を仮定すると,モデルの異方性ファントムの6つの方位について拡散重み付き信号が計算された.
続いて,BSD較正の2つの変形が3つの場合のそれぞれについて実行された.
ファントムのモデル(uBSD-DTI)の高い均一性を前提としたものと,他はファントム構造(BSD-DTI)における不完全性を考慮したものである.ファントムの均一性の程度の異なるいくつかのケースを分析し,得られたB行列の分布を等方性ファントムモデルの拡散テンソル計算に用いた.結果を標準拡散テンソル計算と比較した.シミュレーションにより,較正後の拡散テンソルの決定における精度の向上が確認された.BSD-DTIは,ファントムの均一度とB行列の不均一性の両方に関係なく精度を向上させた.B行列の空間分布におけるファントムおよび歪みの比較的良好な均一性の場合には,uBSD-DTI手法で十分である.

従来の MRI から白質の微細構造の統計的推定

Statistical estimation of white matter microstructure from conventional MRI
UPENN BIOSTATISTICS WORKING PAPERS, VBol.44, 2015

拡散テンソル画像法(DTI)は,多発性硬化症(MS),および他の神経障害において白質の整合性を研究するた めの主要なモダリティとなっている.残念ながら,大規模な多施設研究で DTI ベースのバイオマーカーの使用は, 疾患に関連する変化の研究を混乱させる系統的バイアスによって妨げられている.また,多施設研究でサイト間の ばらつきは従来のMRIベースのマーカーに比べDTIのほうが大きい.私たちの研究では,MD,FA,RD,ADの 4 つの DTI の指標を推定するために ”the Quantitative MR Estimation Employing Normalization”(QUEEN) モデルを適用する.QuEEn モデルは,DTI などの量的モダリティと 1 つまたは複数の従来の MRI モダリティの 標準化された強度と関連付けるために,ボクセルワイズ一般化加法回帰モデルを使用している.私たちは,2 組 の検査をした被験者の検査と再検査のエラーから推定される DTI 画像の予測誤差を比較することにより,モデル の精度を評価する.4 つの DTI 指標から,MD と RD の両方の推定は,非常に正確であるように思われる.また, AD の推定は MD と RD より不正確である.そして,FA の推定の精度は悪い.このように,モデルの性能は一貫 していない.従って,白質の整合性を評価するいくつかの場合には,従来の MRI シーケンスだけを取得するには 充分である

国立衛生研究所のMRI 研究による正常な脳の発達における構成要素である拡散テンソル画像の研究

The diffusion tensor imaging (DTI) component of the
NIH MRI study of  normal brain development
(PedsDTI)

NeuroImage, Available online 3 June 2015

国立衛生研究所の正常な脳の発達に関するMRIの研究は連合国家の人工の民族多様性や社会経済性を含み,infants,toddlers,children,adolescents,youngadultsにおける脳の発達の典型的な特徴づけを探求している.この研究は1999年に指導し,2001年から2007にかけてデータが収集された.この研究は,計算手法や画像処理ツールの発達のための資源としてや典型的な脳の発達を解明するため,脳ベースの障害や病気に関連する逸脱の確認するための強力なツールといて役立つことができ,資格を持つ研究者と臨床医のみ閲覧できるアクセス制御されたデータベースの提供を目標として計画された.本稿では,正常な脳の発達のNIHMRIの研究のDTIの構成要素に着目する.本研究では,我々はDTIデータを取得するプロトコル,データの処理過程,評価手順の質,またデータベースのアクセス条件とともにデータベースに含まれたデータを記述する.詳細はhttp://www.pediatricmri.nih.govを閲覧してください.274人の特有な被験者から得られた498個の低解像度(3mm)のDTIデータセットと152人の特有な被験者から得られる193個の高解像度(2.5mm)のDTIデータセットにおけるローデータや処理された拡散データの水平方向のDTIデータセットが含まれている.被験者は生後10日から22歳までの人.さらに,年齢別のDTIのテンプレートのセットが含まれている.国立衛生研究所の大規模な正常な脳の発達に対するMRI研究の一つの構成要素であるT1,T2,水分子の加重密度,水分子のMRスペクトロスコピーによる画像データ,人口統計学,臨床,行動のデータもまた含まれている.

20150623_iishida

10 種類のtractography アルゴリズムによるMR ファントムにおける現実的な拡散の定量的な評価

20150407_iishida

Quantitative evaluation of 10 tractography algorithms
on a realistic diffusion MR phantom

P. Fillard, M. Descoteaux, A. Goh, S. Gouttard, B. Jeurissen, J. Malcolm,A.R. Manzanares, M. Reisert, K.
Sakaie, F. Tensaouti, T. Yo, J.F. Mangin and C. Poupon

NeuroImage vol. 56,no. 2011,pp220-234

生体内の白質線維をマッピングする唯一の手法であるため拡散MRI tractography が臨床および神経科学研究
において重要性が増加している.しかし,異なる拡散モデルやtractography アルゴリズムによる増加可用性にも
関わらず,与えられた画像処理パラメータから最適な線維の復元方法をどのように選択しているのか不明瞭なま
まである.そのため,様々なモデルやアルゴリズムの定量的な比較や対応の良し悪しの理解を深める事が最も重
要である.本研究では,様々な拡散モデルやtractography アルゴリズムの性能を定量的に評価する再現可能な手
法と既知のデータセットを共通に使用する.様々な手法の評価を行うために, Fiber Cup コンテストで既知では
ないデータセットが一般に公開された.そして,10 種類の線維の復元方法が評価された.その結果を以下に示す.
1. SNR の高いデータセットの場合,配向分布関数で正しく潜在的な線維の配分をモデル化する拡散モデルは,流
線形のtractography 手法と連携して使用される.2. SNR がさほど高くないか,SNR の低いデータセットの場合,
事前の空間的滑らかさは,拡散モデル,または,正しくモデリングされた繊維の配向や適切なtractography の結
果から推奨される繊維のいずれかによる.これまでの既存手法と新規手法のための比較基盤として役立つファン
トムのデータセット,既知な線維,評価方法及び結果はhttp://www.lnao.fr/spip.php?rubrique79 より一般的に
入手可能である.新しい結果は bercup09@gmail.com に提出することができ,ウェブページに公開することが出
来る.

空間的位置合わせと画像の正規化

Spatial Registration and Normalization of Images
Human brain mapping . 1995, vol. 3, no. 3, p. 165-189.

本論文では,他の画像上に一つの画像をマッピングするための空間的及び強度変換に関するものである.私たちは,非線形空間の正規化および画像再編を容易にする一般的な手法を提示する.この手法は,非線形空間変形およびボクセル(強度)値を二つの画像間で二乗和を最小化する.空間的及び強度の変換は,最小二乗解と一連の線形化する装置を使用して、明示的に同時に得られる.アプローチは,完全に非対話型(自動),非線形および非反復である.これは,任意の次元数で適用することができる.様々なアプリケーションは,機能的磁気共鳴イメージングの時系列の再調整,構造的MRI画像や陽電子放出断層撮像の線形及び非線形の空間的正規化,PETとMRIの結合は高解像度機能画像を得るための構造MRIとPETの位置合わせ,などが考慮されている.

pdf