뇌 형태측정학

Brain morphometry

뇌 형태측정학은 발달, 노화, 학습, 질병 및 진화 중 뇌 구조와 그 변화를 측정하는 것과 관련된 형태측정학과 뇌과학의 하위 분야다. 부검과 같은 해부는 살아있는 뇌에서 일반적으로 불가능하기 때문에 뇌 형태측정학은 일반적으로 자기공명영상(MRI)에서 얻은 비침습적 신경영상 데이터로 시작한다. 이 데이터들은 디지털로 태어나서, 연구자들이 형상 정량화나 다변량 분석과 같은 진보된 수학적, 통계적 방법을 사용하여 뇌 영상을 더 분석할 수 있게 한다. 이를 통해 연구자들은 뇌의 해부학적 특징을 형태, 질량, 부피(예: 해마 또는 1차 대 2차 시각피질)의 관점에서 정량화하고 뇌화 지수, 회백질 밀도 및 백질 연결성, 지리피질화, 피질 두께 또는 뇌와 같은 보다 구체적인 정보를 도출할 수 있다. 뇌척수액의 양 그리고 나서 이러한 변수들은 시간 경과에 따른 그들의 패턴과 범위를 개인들 간에 또는 심지어 다른 생물종들 사이에서 평가할 수 있는 편리한 방법을 제공하면서 뇌 용적이나 뇌 표면에서 매핑될 수 있다. 이 분야는 (기초 데이터를 전달하는) 신경 영상화 기법과 함께 급속도로 발전하고 있지만, 또한 부분적으로 그것들로부터 독립적으로 발전하고 있는데, 이는 이러한 데이터를 분석하기 위한 알고리즘을 개발하고 조정하는 것과 관련이 있다.

배경

용어.

두뇌 매핑이라는 용어는 두뇌의 특성을 템플릿 뇌에 투영한다는 좁은 의미의 매핑은 엄밀히 말하면, 단지 뇌 형태학의 하위 영역일 뿐이지만, 종종 뇌 형태측정학과 호환되게 사용된다. 반면에 훨씬 더 드물기는 하지만, 신경동형계학은 때때로 뇌의 형태측정학(특히 초기 문헌, 예를 들어 Hug 1986)의 동의어로 쓰이기도 하지만, 기술적으로는 그 하위 분야 중 하나일 뿐이다.

생물학

뇌와 같은 복잡한 장기의 형태학 및 기능은 수많은 생화학적 및 생물물리학적 과정이 공간과 시간의 여러 척도에 걸쳐 매우 복잡한 방식으로 상호작용한 결과물이다(Vallender et al., 2008). 뇌 발달, 성숙, 노화 과정에서 이러한 과정을 조절하는 것으로 알려진 유전자의 대부분은 다형성(cf)을 보이기도 하지만 보존율이 높다(Holland, 2003). Meda 등, 2008), 그리고 밀접하게 연관되어 있는 종들 사이에서도 또는 한 종 내의 개인들 사이에서도 인지 수준의 현저한 차이가 많다(Roth and Dicke, 2005).

대조적으로 거시적 뇌 해부학의 변화(즉, 육안으로 여전히 식별할 수 있는 세부 수준의)는 비교 분석이 가능할 만큼 충분히 보존되어 있지만, 개인과 종 사이의 변화를 반영할 수 있을 만큼 충분히 다양하다. 다른 유전학 또는 병원성 단계에서 뇌를 비교하는 형태학적 분석은 주어진 종 내에서 정상 또는 비정상적인 발달의 진행에 관한 중요한 정보를 밝혀낼 수 있기 때문에, 종간 비교 연구는 진화적 경향과 계통적 관계를 밝혀낼 수 있는 유사한 잠재력을 가지고 있다.

뇌 형태학 조사에 일반적으로 사용되는 영상 촬영 양식이 본질적으로 분자 또는 심지어 아원자 성질의 것이라는 점을 고려할 때, 많은 요소들이 뇌 구조의 파생 정량화를 방해할 수 있다. 여기에는 "응용프로그램"에서 언급된 모든 매개변수뿐만 아니라 수화 상태, 호르몬 상태, 약물 및 약물 남용 상태도 포함된다.

기술 요구 사항

뇌 형태측정학에는 두 가지 주요 전제조건이 있다. 첫째, 관심 있는 뇌 특징은 측정할 수 있어야 하며, 둘째, 측정값을 정량적으로 비교할 수 있는 통계적 방법이 마련되어야 한다. 형상 특성 비교는 린내안 분류학의 기초를 이루고 있으며, 수렴 진화나 뇌 장애의 경우에도 여전히 관련 과정의 본질에 대한 풍부한 정보를 제공한다. 형상 비교는 오랫동안 단순하고 주로 볼륨 또는 슬라이스 기반 측정에 구속되어 왔지만 디지털 혁명으로부터 막대한 이득을 얻었는데, 지금은 어떤 차원의 모든 종류의 형상이 숫자로 처리될 수 있기 때문이다.

또한 뇌 질량이나 술의 부피와 같은 형태변수의 추출은 사후 모뎀 표본에서 비교적 간단할 수 있지만, 살아 있는 대상의 대부분의 연구는 필연적으로 간접적인 접근법을 사용해야 할 것이다: 뇌나 그 구성요소의 공간적 표현은 어떤 적절한 신경영상 기법에 의해 얻어지는 것이다.nd 관심 매개변수를 그 기초로 분석할 수 있다. 이러한 뇌의 구조적 표현도 기능적 신경영상 해석의 전제조건이다.

뇌 형태학 연구의 설계는 다음과 같이 대략적으로 분류할 수 있는 여러 요인에 따라 달라진다. 첫째, 존재유전성, 병리학적 또는 위전성학적 문제가 대상인지 여부에 따라, 연구는 종적(동일한 뇌 내에서, 다른 시간에 측정) 또는 단면(동일한 뇌 전체)으로 설계될 수 있다. 둘째, 뇌 영상 데이터는 서로 다른 신경영상 촬영양식을 사용하여 획득할 수 있다. 셋째, 뇌 성질은 다른 척도로 분석할 수 있다(예: 뇌 전체, 관심 영역, 피질 또는 아질체 구조). 넷째, 데이터는 다른 종류의 처리 및 분석 단계를 따를 수 있다. 하나의 분야로서의 뇌 형태학은 주로 이 네 번째 지점을 다루는 도구의 개발과 이전 지점과의 통합과 관련이 있다.

방법론

일반적으로 뇌의 슬라이스 기반 이력을 제외하고 신경 영상화 데이터는 복셀의 행렬로 저장된다. 따라서 가장 인기 있는 형태측정법은 복셀 기반 형태측정법(VBM; cf)으로 알려져 있다. Wright 등, 1995; Ashburner 및 Friston, 2000; Good 등, 2001). 그러나 이미징 복셀은 생물학적으로 의미 있는 단위가 아니기 때문에 생물학적 구조와 더 밀접하게 일치하는 다른 접근법이 개발되었다. 변형 기반 형태측정법(DBM), 표면 기반 형태측정법(SBM) 및 확산가중영상(DTI 또는 DSI) 기반 섬유 추적. 4개 모두 보통 자기공명(MR) 영상 데이터를 기반으로 수행되는데, 전자 3개는 일반적으로 T1-가중치(예: 자기화 준비 고속 그라데이션 에코, MP-RAG)와 때로는 T2-가중치 펄스 시퀀스를 사용하며, DTI/DSI는 확산가중치를 사용한다. 그러나, 최근 형태측정 알고리즘/소프트웨어에 대한 평가는 그들 중 몇몇의 모순을 보여준다.[1] 이를 통해 현장의 체계적이고 정량적인 검증과 평가가 필요하게 된다.

T1-가중치 MR 기반 뇌 형태측정법

주요기사 : 자기공명영상

사전 처리

주요 기사: 이미지 등록

MR 영상은 정적 및 동적 전자기장과 관심 조직, 즉 피험자의 머리에 캡슐화된 뇌 사이의 복잡한 상호작용에 의해 생성된다. 따라서 원시 이미지에는 수정이나 모델링이 거의 불가능한 머리 움직임(일반적으로 10분씩 형태측정법에 적합한 스캔)과 모델링이 가능한 바이어스 필드(관련 전자기장 중 어느 것도 머리 전체와 뇌에 걸쳐 균일하지 않음) 등 다양한 소스의 노이즈가 포함되어 있다.

다음에서 영상은 비뇌조직과 뇌조직으로 분할되며, 후자는 보통 적어도 회백질(GM), 백질(WM), 뇌척수액(CSF)으로 하위분할된다. 클래스 경계 부근의 영상 복셀에는 일반적으로 한 종류의 조직만 포함되어 있지 않기 때문에 수정될 수 있는 부분 볼륨 효과가 뒤따른다.

서로 다른 스캔들(대상 내 또는 피험자 간)에 걸친 비교의 경우, 개별 영상을 템플릿 두뇌의 입체적 공간에 등록함으로써 뇌의 크기와 형태의 차이가 제거된다. 등록은 저해상도(즉, 강체 변형이나 부착형 변환) 또는 고해상도(즉, 비선형 변환) 방법을 사용하여 수행할 수 있으며, 뇌 지도책이나 파생된 템플릿 생성기에서 연구의 뇌 풀에서 템플릿을 생성할 수 있다.

등록된 영상과 등록 시 생성되는 변형장면을 모두 형태학적 분석에 사용할 수 있어 복셀 기반 모포메트리(VBM)와 변형 기반 모포메트리(DBM)의 기초를 제공할 수 있으며, 조직 등급으로 분할된 영상은 분할 경계를 파라메트릭 표면으로 변환하는 데에도 사용할 수 있다.s는 SBM(Surface-Based Morphometry)의 초점이다.

복셀 기반 형태측정법

주요 기사: 복셀 기반 형태측정법

개별 영상이 분할된 후 템플릿에 등록된다. 그런 다음 각 복셀은 특정 분할 등급에 속하는 확률의 측도를 포함한다. 회백질의 경우 이 양을 보통 회백질밀도(GMD) 또는 회백질농도(GMC) 또는 회백질확률(GMP)이라고 한다.

등록으로 인한 볼륨 변화를 보정하기 위해, 원뇌의 그레이 물질 볼륨(GMV)을 템플릿에 뇌를 등록하는 데 사용되는 변형의 GMD에 GMD를 곱하여 계산할 수 있다. WM과 CSF에 대한 클래스별 볼륨은 유사하게 정의된다.

그런 다음 여러 분할 클래스의 밀도 또는 부피에 대한 국부적 차이는 스캔 전반에 걸쳐 통계적으로 분석하여 해부학적 용어(예: 회백질 위축으로 해석)로 해석할 수 있다. VBM은 많은 주요 신경영상화 소프트웨어 패키지(예: FSL 및 SPM)에 사용할 수 있기 때문에 시간이 지남에 따라 뇌 변화에 대한 특정 가설을 테스트하거나 생성하는 효율적인 도구를 제공한다. 주목할 점은 DBM과 달리 의료영상컴퓨팅 커뮤니티에서 VBM 결과의 정확한 해석에 대한 상당한 비판과 주의의 말이 평준화됐다는 점이다.

변형 기반 형태측정법

DBM에서는 고도로 비선형적인 등록 알고리즘이 사용되며, 통계 분석은 등록된 복셀에 대해 수행되는 것이 아니라 (다변량 접근법이 필요한) 복셀을 등록하는 데 사용되는 변형 필드 또는 그 변형된 스칼라 특성에 대해 수행되므로 일변량 접근법이 가능하다. 하나의 일반적인 변종(Tensor-based morphometry, TBM)은 변형 행렬의 Jacobian 결정 인자에 기초한다.

물론, 그러한 비선형 뒤틀림 절차를 위한 복수의 솔루션이 존재하며, 글로벌 및 로컬 형상 적합에 대해 잠재적으로 대립할 수 있는 요건 사이에 적절한 균형을 유지하기 위해, 훨씬 더 정교한 등록 알고리즘이 개발되고 있다. 그러나 이 중 대부분은 고해상도 그리드를 적용하면 계산적으로 비싸다. VBM과 관련하여 DBM의 가장 큰 장점은 종방향 연구의 미묘한 변화를 감지하는 능력이다. 그러나 방대한 등록 알고리즘으로 인해 DBM에 대해 널리 받아들여지는 표준이 존재하지 않아 주요 신경영상 소프트웨어 패키지에 통합되는 것도 막았다.

패턴 기반 형태측정법

패턴 기반 형태측정법(PBM)은 PBM에서 처음 제시된 뇌 형태측정법이다.[4] DBM과 VBM을 기반으로 구축된다. PBM은 형태측정학에 희박한 사전 학습의 응용에 기반을 두고 있다. 특정 복셀 위치에서 일변량 통계 시험에 의존하는 일반적인 복셀 기반 접근 방식과는 달리, PBM은 전체 이미지에서 직접 다변량 패턴을 추출한다. 이를 통해 VBM이나 DBM처럼 로컬로 추론하는 것이 아니라 글로벌하게 추론을 할 수 있다는 장점이 있다. 이를 통해 복셀의 조합이 단일 복셀보다 연구 대상 그룹을 분리하는 데 더 적합한지 탐지할 수 있다. 또한 이 방법은 일반적인 DBM 분석과 비교하여 기본 등록 알고리즘의 변화에 더욱 강력하다.

표면 기반 형태측정법

주요 기사: 표면 기반 형태측정법

일단 뇌가 분할되면, 다른 종류의 조직 사이의 경계는 형태학적 분석이 진행될 수 있는 표면(예: 석회화 쪽으로) 또는 그러한 분석의 결과를 투영할 수 있는 표면으로 재구성될 수 있다.

확산가중 MR 기반 뇌 형태측정법

섬유추적기법

신경섬유 추적 기술은 이러한 MR 기반 형태론적 접근법의 최신 자손이다. 그들은 확산 텐서 이미징 또는 확산 스펙트럼 이미징을 통해 뇌 내 신경 섬유의 트랙을 결정한다(예: Douaud et al., 2007 및 O'Donnell et al., 2009).

차이점정법

차이점형[5] 계량법은 도형과 형태를 차이점형에 기초한 미터 구조와 비교하는 데 중점을 두고 있으며, 계산 해부학 분야의 중심이다.[6] 90년대에 도입된 [7]차이점형 등록은 이제 ANTES,[8] DARTEL,[9] DEAMES,[10] LDDM [11]또는 Stateral과 같은 희박한 특징과 밀도 있는 영상을 바탕으로 좌표계 사이의 대응관계를 구성하기 위한 계산 절차를 이용하는 중요한 플레이어가 되었다.LDDMM.[12] 복셀 기반 형태측정법(VBM)은 이러한 원리의 많은 부분을 바탕으로 만들어진 중요한 방법이다. 차이점형 흐름에 기초한 방법들은 에 사용된다. 예를 들어, 변형은 주변 공간의 차이점형이 될 수 있고, 형상비교를 위한 LDDM(Large Transformation Differentic Metric Mapping) 프레임워크가 될 수 있다.[13] 그러한 변형 중 하나는 압축할 수 없는 오일러 흐름의 측정 기준을 소볼레프 규범을 포함하도록 일반화하여 흐름의 부드러움을 보장하는 연산 해부학의 우측 불변측정법이다.[14] 또한 차이점형 흐름의 해밀턴 제어와 관련된 측정기준이 정의되었다.[15]

적용들

개인 내에서 질적으로 가장 큰 변화는 일반적으로 초기 발달 동안 발생하고 노화와 학습 중에 더욱 미묘한 변화가 발생하는 반면, 병리학적 변화는 그 정도에서 매우 다양할 수 있으며, 개인 간 차이는 수명 동안과 전체 수명 동안 모두 증가한다. 위에서 설명한 형태측정학 방법은 그러한 변화를 정량적으로 분석하는 수단을 제공하며, MR 영상촬영은 이러한 시간 척도와 관련된 두뇌 집단에 인간 내 및 종 간에 적용되어 왔다. 그러나 현재 MR 기반 뇌형성술의 대부분의 적용은 임상적인 초점을 두고 있다. 즉, 신경정신과 질환, 특히 신경퇴행성 질환(알츠하이머와 같은)이나 정신질환(조현병 같은)을 진단하고 감시하는 데 도움을 준다.

뇌 발달

주요기사 : 뇌 발달

MR 영상촬영은 산모와 아이의 스트레스를 피하기 위해 임신과 신생아 기간 동안 거의 수행되지 않는다. 그러나 출생 합병증 및 기타 임상 사건의 경우에는 그러한 데이터를 획득하고 있다. 예를 들어, 두부아 외 연구진, 2008년 출생 시 미숙아들의 지리파화를 분석하여 그것이 기수동등한 나이에 기능적 점수를 예측하는 것으로 밝혀졌으며, 세라그 [16]외 연구진은 신생아 뇌의 발달에 대한 4D 지도도를 구축하여 생리 후 28-44주부터 뇌 성장 곡선을 구축하게 되었다. 프리테머를 넘어서, 인간에게 정상적인 뇌 발달에 대한 많은 대규모의 종적 MR-모르퍼메트릭 연구(종종 단면 접근법 및 기타 신경 영상화 양식과 결합)가 있었다.[17] 복셀 기반과 여러 보완적 접근법을 사용하여, 이러한 연구는 뇌 성숙은 회색과 흰색의 차등 성장을 수반하며, 성숙의 시간이 선형적이지 않고 다른 것을 밝혀냈다(또는 종적이 될 수 없는 이전의 역사학 연구의 관점에서 비확정적(nonvaviously)).뇌 부위가 심하게 [18]흔들렸지 이러한 연구 결과를 해석하기 위해서는 특히 전뇌 연결의 성인 패턴이 달성될 때까지(확산 가중 기법을 사용하여 가장 잘 모니터링할 수 있는) 액손, 덴드라이트 및 시냅스의 가지치기 작업을 관리하는 세포 프로세스를 고려해야 한다.

노화

주요 기사: 노화

초기 발달과 청소년기에 걸쳐 백색 물질이 증가하고, 그 기간 동안 백색 물질이 감소하는 것은 일반적으로 뉴런 세포체를 수반하지 않지만, 위축이 백색 물질에 영향을 미치는 50세 전후의 상황은 다르다. 이에 대한 가장 설득력 있는 설명은 개별 뉴런이 죽어서 세포체(즉, 회백질)와 골수축(하백질)을 모두 잃게 된다는 것이다. 회백질 변화는 회백질 밀도와 회백질 모두를 통해 관찰될 수 있다. 백색 물질 손실이 회백질 물질에 대한 손실만큼 명확하지 않다는 것은 혈관 조직이나 미세 글리아와 같은 비신경 조직에서도 변화가 발생한다는 것을 나타낸다.

학습과 가소성

주요기사 : 뇌소성소성

아마도 뇌 구조와 기능 사이의 관계에 대한 우리의 이해에 현재까지 뇌 형태 측정의 가장 심오한 영향은 다양한 수행의 숙련도를 목표로 한 일련의 VBM 연구에 의해 제공되었을 것이다. 런던에서 면허를 받은 택시 운전사들은 해마의 후부에서 운전경험과 스트레스 수준에 따라 런던 버스 운전자와 일반 인구의 대조군과[19] 비교했을 때 양방향으로 증가된 회백질량을 보이는 것으로 밝혀졌다. 마찬가지로 회백질 변화도 음악가, 수학자, 명상가의 전문적인 경험과 제2언어 숙련도와 상관관계가 있는 것으로 나타났다.

더욱이 중간고사를 위해 암기하는 의대생의 후두정피질과 횡두정피질에서 양자회백질 변화가 단 3개월에 걸쳐 감지될 수 있었다.

이러한 전문적 훈련의 연구는 구조적인 두뇌 변화를 감지할 수 있는 기간 측면에서 MR 기반 형태 측정의 한계에 대한 질문을 불러일으켰다. 이러한 한계의 중요한 결정요인은 변화 자체의 속도와 공간적 범위다. 물론 사고, 뇌졸중, 종양 전이 또는 외과적 개입과 같은 어떤 사건들은 매우 짧은 기간 동안 뇌의 구조를 크게 변화시킬 수 있으며, 이러한 변화는 MR과 다른 신경 영상화 기법으로 시각화할 수 있다. 이러한 조건 하에서 시간 제약이 있는 경우, 뇌 형태 측정은 진단에 거의 관여하지 않고 오히려 몇 주, 몇 달 이상에 걸친 진행률 모니터링에 사용된다.

한 연구는 저글링 초보자들이 적어도 1분 동안 3볼 폭포를 유지하는 것을 배운 3개월 동안 양쪽의 시간적 시각 영역(V5)에서 회백질이 팽창하는 것을 보여준다는 것을 발견했다. 저글링에 관여하지 않은 대조군에서는 아무런 변화도 관찰되지 않았다. 이후 3개월 동안 저글링 연습을 하지 않은 저글러의 이러한 변화 정도는 줄어들었다. 이러한 변경의 시간 과정을 더욱 해결하기 위해 실험은 더 짧은 간격으로 스캔된 또 다른 젊은 코호트로 반복되었고, 그때까지 V5의 전형적인 변화는 단지 7일간의 저글링 연습 후에 이미 발견될 수 있었다. 관찰된 변화는 초기 학습 단계에서 계속 훈련하는 동안보다 더 컸다.

이전의 두 연구는 20대 초반의 학생들을 대상으로 한 반면, 이 실험은 비록 이 그룹의 저글링 수행능력은 낮아졌지만, 같은 종류의 구조적 변화를 보여주면서 최근에 노인 코호트를 통해 반복되었다.[20]

완전히 다른 종류의 개입을 사용함으로써 즉, 5일 동안 매일의 세션에서 TMS 표적 영역과 근방에서 위약을 받은 대조군과 비교했을 때 20대 중반의 자원봉사자들의 기초 집단에서뿐만 아니라 변화도 관찰되었다. 그러나 이러한 변화는 단순히 혈관화 효과를 반영하는 것일 수 있다.

종합해 보면, 이러한 형태학 연구는 뇌의 가소성(뇌 구조의 변화)이 평생 동안 가능함을 유지하며, 또한 경험에 따라 변화하는 것으로 보여지는 뇌 기능의 변화에 적응하는 것일 수 있다는 개념을 강력히 뒷받침한다. 본 섹션의 제목은 이것을 강조하기 위한 것으로, 즉, 가소성과 학습이 기능성과 구조성이라는 두 가지 관점을 동일한 현상에서 제공한다는 것을 강조하기 위한 것으로, 시간이 지남에 따라 변화하는 두뇌를 의미한다.

뇌질환

주요기사 : 뇌질환

뇌질환은 뇌형태학이 가장 많이 적용되는 분야로 이에 관한 문헌의 양이 방대하다.

뇌진화

주요기사 : 뇌진화

뇌 변화도 개인의 수명보다 긴 기간에 걸쳐 축적되지만 인간의 뇌 구조가 유전성이 높다는 것이 쌍둥이 연구로 밝혀졌음에도 이처럼 범위가 넓은 뇌 형태학 연구는 드물다. 그러나 유전적 요소가 알려져 있거나 의심되는 질환의 맥락에서, 많은 연구들이 환자의 뇌 형태측정학을 영향을 받지 않는 대조군과 장애 발생 위험이 높은 피실험자의 뇌 형태측정법 모두를 비교했다. 후자 그룹은 보통 가족 구성원을 포함한다.

심지어 더 큰 시간 간격은 중앙 유럽인과 일본인과 같이 유전적 분리의 역사가 충분히 긴 인구를 비교함으로써 메울 수 있다. 한 표면 기반 연구는 이 두 집단 사이의 뇌 형태를 비교했고 성별에 의존하는 뇌의 비대칭성에서 차이를 발견했다. 이러한 종류의 신경영상 연구는 기능적 연구와 행동적 데이터와 결합하여 서로 다른 그룹의 사람들 사이의 유사점과 차이점을 이해할 수 있는 유망하고 대부분 미개척된 방법을 제공한다.

서로 다른 존재유전적 또는 병원유전적 단계에서 뇌를 비교하는 형태학적 분석에서 주어진 종 내 정상 또는 비정상적 발달에 대한 중요한 정보가 드러날 수 있는 것처럼, 종간 비교 연구는 진화적 경향과 혈전적 관계를 밝혀낼 수 있는 유사한 잠재력을 가지고 있다. 실제로 형상비교(역사적으로 질적 기준에 중점을 둔 형태비교)는 유전학시대 이전의 생물 분류학의 기초를 형성했다. 비교 진화 조사를 위한 세 가지 주요 출처가 있다. 화석, 새로 보존된 사후 또는 생체내 연구.

화석 기록은 각각의 유기체( 척추동물의 경우 주로 치아와 뼈)의 수명 동안 이미 생물학적으로 만들어진 구조물이 지배하고 있다. 뇌는 다른 연조직과 마찬가지로 좀처럼 화석화되지 않지만 때로는 화석화되기도 한다. 오늘날 알려진 가장 오래된 척추동물 뇌는 약 3억년 전에 살았던 쥐의 것이었다. 화석을 이미지화하는 데 가장 널리 사용되는 기술이 컴퓨터 단층촬영(CT)인 반면, 이 특별한 표본은 싱크로트론 단층촬영에 의해 이미징되었으며, 화석을 이용한 최근의 MR영상연구는 이 방법이 적어도 화석화된 뇌의 일부를 이미지화하는 데 사용될 수 있다고 시사한다.

MR 영상은 또한 3200년 된 이집트 미라의 뇌로부터 얻어졌다. 그러나 미라화와 화석의 과정이 개별 표본과 특정 방식으로 연조직의 구조를 크게 변화시키기 때문에 화석, 반 화실 또는 미라화뇌의 3차원 영상 데이터 집합은 여기에서 설명하는 종류의 형태학적 분석에 많은 도움이 될 것이라는 견해는 희박하다. 그곳의 하위 지역

반면에, 살아있는 종이나 최근에 멸종된 종의 사후에 채취한 샘플은 일반적으로 형태학적 분석에 충분한 MR 영상 품질을 얻을 수 있지만, 보존 유물을 고려해야 한다. 이전의 MR 영상 연구에는 포르말린,[21][22] 냉동 또는 알코올에 보존된 시료가 포함된다.[23]

세 번째 줄의 비교 증거는 영장류 두뇌 진화에 대한 새로운 빛을 내기 위해 VBM에 의해 11종의 영장류로부터 뇌를 조사했던 릴링 앤 인셀(1998)의 것과 같은 이종 간 MR 영상 연구일 것이다. 다른 연구들은 형태측정학과 행동측정을 결합시켰으며, 뇌 진화는 영장류만을 다루는 것이 아니다. 석회화는 포유류 뇌가 수 센티미터의 크기에 도달하면 발생하며, 일반적으로 세테스탄이 스펙트럼의 상단 끝을 지배하고 있으며, 전력 법칙에 따라 전체 뇌 크기에 따라 천천히 증가한다.

참조

  1. ^ 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. S2CID 16053716.
  2. ^ 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. S2CID 7452089.
  3. ^ 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. S2CID 32486095.
  4. ^ Gaonkar, B.; Pohl, K.; Davatzikos, C. (2011). "Pattern based morphometry". 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.
  5. ^ Miller, Michael I.; Younes, Laurent; Trouvé, Alain (2013-11-18). "Diffeomorphometry and geodesic positioning systems for human anatomy". Technology. 2 (1): 36–43. doi:10.1142/S2339547814500010. ISSN 2339-5478. PMC 4041578. PMID 24904924.
  6. ^ Grenander, Ulf; Miller, Michael I. (1998-12-01). "Computational Anatomy: An Emerging Discipline". Q. Appl. Math. LVI (4): 617–694. doi:10.1090/qam/1668732. ISSN 0033-569X.
  7. ^ Christensen, G. E.; Rabbitt, R. D.; Miller, M. I. (1996-01-01). "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.
  8. ^ "stnava/ANTs". GitHub. Retrieved 2015-12-11.
  9. ^ Ashburner, John (2007-10-15). "A fast diffeomorphic image registration algorithm". NeuroImage. 38 (1): 95–113. doi:10.1016/j.neuroimage.2007.07.007. ISSN 1053-8119. PMID 17761438. S2CID 545830.
  10. ^ "Software - Tom Vercauteren". sites.google.com. Retrieved 2015-12-11.
  11. ^ "NITRC: LDDMM: Tool/Resource Info". www.nitrc.org. Retrieved 2015-12-11.
  12. ^ "Publication:Comparing algorithms for diffeomorphic registration: Stationary LDDMM and Diffeomorphic Demons". www.openaire.eu. Archived from the original on 2016-02-16. Retrieved 2015-12-11.
  13. ^ F. Beg; M. Miller; A. Trouvé; L. Younes (February 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. S2CID 17772076.
  14. ^ Miller, M. I.; Younes, L. (2001-01-01). "Group Actions, Homeomorphisms, And Matching: A General Framework". International Journal of Computer Vision. 41: 61–84. CiteSeerX 10.1.1.37.4816. doi:10.1023/A:1011161132514. S2CID 15423783.
  15. ^ Miller, Michael I.; Trouvé, Alain; Younes, Laurent (2015-01-01). "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.
  16. ^ 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. S2CID 9747334.
  17. ^ \citet{Giedd:1999p24137} 및 \citet{Thompson:2000p55997} 및 더 최근에는 \citet{Evans:2006p33597} 및 \citet{Amli:2007p24135}이(가) 사용됨
  18. ^ 뇌의 성숙에 대한 MR 형태학 연구에 대한 리뷰는 \citet[][청소년기에 초점을 맞춘다]{파우스:2005p1501} 및 \citet[][조기발달부터 청소년기까지]{토가:2006p816,렌루트:2006p56183
  19. ^ \citep{Maguire:2000p10353}
  20. ^ \citep{Boyke:2008p2916}
  21. ^ \citep[][인간과 코끼리 두뇌]{Pfefferbaum:2004p4074,Hakeem:2005p39953}
  22. ^ \citep[][brain]{코르필드:2008p45053}
  23. ^ \citep[][carps]{샤넷:2009p51744.