文献

J-GLOBAL ID：202102287759603947   整理番号：21A2901377

縦脳MRIデータの構造体積解析の新しい方法と小児期の解剖学的脳構造の成長軌跡の研究におけるその応用【JST・京大機械翻訳】

A new method for structural volume analysis of longitudinal brain MRI data and its application in studying the growth trajectories of anatomical brain structures in childhood

著者 (11件)： Aubert-Broche B. (Montreal Neurological Institute, Brain Imaging Center, McGill University, Canada) ,  Fonov V.S. (Montreal Neurological Institute, Brain Imaging Center, McGill University, Canada) ,  Garcia-Lorenzo D. (Montreal Neurological Institute, Brain Imaging Center, McGill University, Canada) ,  Garcia-Lorenzo D. (ICM, UPMC/INSERM UMR975 CNRS UMR7225, Hopital de la Salpetriere, Paris) ,  Mouiha A. (Montreal Neurological Institute, Brain Imaging Center, McGill University, Canada) ,  Guizard N. (Montreal Neurological Institute, Brain Imaging Center, McGill University, Canada) ,  Coupe P. (Montreal Neurological Institute, Brain Imaging Center, McGill University, Canada) ,  Coupe P. (Laboratoire Bordelais de Recherche en Informatique, Unite Mixte de Recherche CNRS (UMR 5800), Bordeaux, France) ,  Eskildsen S.F. (Montreal Neurological Institute, Brain Imaging Center, McGill University, Canada) ,  Eskildsen S.F. (Center of Functionally Integrative Neuroscience and MINDLab, Aarhus University, Aarhus, Denmark) ,  Collins D.L. (Montreal Neurological Institute, Brain Imaging Center, McGill University, Canada)
資料名： NeuroImage  (NeuroImage)
巻： 82  ページ： 393-402  発行年： 2013年 
JST資料番号： W3139A  ISSN： 1053-8119  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 縦断的解剖学的磁気共鳴画像法(MRI)データの断面解析は,各データセットが独立に分析されるので,準最適であるかもしれない。本研究では,縦断解析を用いて縦断データにおける構造体積変化を解析することにより,多くの変動性をいかに低減できるかを評価した。縦レジストレーションと縦分類から成る2部パイプラインを提案した。縦レジストレーションステップは,母集団テンプレートに登録される主題特異的線形および非線形テンプレートの生成を含む。縦分類ステップは4次元期待値最大化アルゴリズムからなり,断面的に得られた全時点の組織クラスを平均化して計算した先験的クラスを用いた。これら2つのステップの影響を検討するために,フレームワーク(”LL法”:縦列登録と縦断分類)と部分(”LC法”:縦レジストレーションと断面分類)を適用し,これらを標準断面フレームワーク(”CC法”:断面登録と断面分類)と比較した。3つの方法を(1)スキャン-スキャンデータベースに適用し,信頼性を分析し,(2)NIH小児集団を線形混合モデルで評価した灰白質成長軌跡を比較する。LL法,およびLC法は,スキャン-スキャン研究における測定の変動性を著しく減少させ,NIH小児MRIデータベースによる最良適合灰白質成長モデルを与えた。その結果,縦方向フレームワークの両ステップは,断面フレームワークと比較して,変動性を低減し,精度を改善し,縦方向分類は,最大の影響を与えることを確認した。縦断的データを分析する改良法を用いて,NIH小児MRIデータベースを用いて小児における解剖学的脳構造の成長軌跡を研究した。脳発達に与える神経疾患の影響を検討する基準として使用できる,小児期の脳の特定領域の年齢および性と関係した成長軌跡を報告する。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  データベース ,  灰白質 ,  神経系疾患 ,  線形性 ,  子供 ,  *解剖学 ,  母集団 ,  NMRイメージング ,  結合クラスタ法 ,  四次元
準シソーラス用語： EMアルゴリズム ,  *小児期 ,  *脳構造 , 【Automatic Indexing@JST】

著者キーワード (5件)： 縦脳MRI ,  縦断的分析 ,  構造体積解析 ,  脳の発達 ,  成長軌跡

分類 (2件)： 神経系の診断  (GN02000H) ,  生体計測  (EL03020C)

タイトルに関連する用語 (11件)： 縦 ,  脳MRI ,  体積 ,  解析 ,  小児期 ,  解剖学 ,  脳構造 ,  成長 ,  軌跡 ,  研究 ,  応用