Cours 3: Analyses morphométriques Flashcards
Morphométrie NSC
C’est l’étude de la forme du cerveau et de ses structures.
Volumétrie
Qui vise à mesurer la taille d’une région cérébrale
Morphométrie basée sur les voxels (Voxel-based morphometry ou VBM)
Qui vise à mesurer le volume de matière grise locale pour chaque voxel dans le cerveau
Les analyses de surface
Qui exploitent la structure en ruban de la matière grise pour mesurer l’épaisseur et la surface corticale.
Vrai ou faux. La morphométrie est donc la “mesure” de la “forme”. Pour mesurer la forme du cerveau, il est n’est pas nécessaire de pouvoir observer clairement les délimitations neuroanatomiques.
Faux. La morphométrie est donc la “mesure” de la “forme”. Pour mesurer la forme du cerveau, il est est NÉCESSAIRE de pouvoir observer clairement les délimitations neuroanatomiques.
Vrai ou faux.l’IRM permet donc de réaliser des études de morphologie computationnelle.
Vrai
Vrai ou faux. il est également possible d’observer des différences longitudinales au sein d’un même individu
Faux.il est également possible d’observer des différences transversales (T2) au sein d’un même individu
Volumétrie: segmentation manuelle (schéma)
La volumétrie manuelle (segmentation manuelle)
Cette technique consiste à délimiter visuellement une aire cérébrale particulière, comme l’hippocampe. Cette approche nécessite du temps, car le contour des structures d’intérêt doit être dessiné à la main sur chaque coupe d’IRM.
On commence d’abord par segmenter une structure dans un premier plan de coupe (par exemple, dans le plan axial), puis il faudra aller corriger cette segmentation dans les autres plans (par exemple, dans le plan sagittal, puis dans le plan coronal).
Afin de déterminer où une région cérébrale se situe, la segmentation manuelle nécessite …….
Un protocole de segmentation avec des critères anatomiques clairs. Il est nécessaire de réaliser des expériences fonctionnelles afin de pouvoir les délimiter. En effet, dans ce dernier cas, les délimitations anatomiques ne sont pas toujours disponibles ou bien établies.
2 types de volumétrie :
1- Segmentation manuelle
2-Segmentation automatique
Un exemple d’atlas de régions anatomiques:
L’atlas Harvard-Oxford
Segmentation automatique
Afin d’automatiser le travail de segmentation, il est possible d’utiliser un atlas, c’est-à-dire une segmentation déjà effectuée par une équipe de chercheurs. Pour ce faire, ceux-ci ont construit une carte des régions d’intérêt à l’intérieur d’un espace de référence, aussi appelé espace stéréotaxique
Espace stéréotaxique
une carte des régions d’intérêt à l’intérieur d’un espace de référence
Vrai ou faux. Afin d’ajuster l’atlas sur les données d’un participant, les images structurelles de ce dernier sont d’abord recalées de manière automatisée vers l’espace stéréotaxique de référence.
Vrai. Afin d’ajuster l’atlas sur les données d’un participant, les images structurelles de ce dernier sont d’abord recalées de manière automatisée vers l’espace stéréotaxique de référence.
Le recalage
Afin d’appliquer un atlas de régions cérébrales sur une IRM individuelle, ou plus généralement mettre en correspondance deux images de cerveaux, il est nécessaire de recaler cette IRM sur l’espace stéréotaxique qui a été utilisé pour établir les régions. Ce processus mathématique va chercher à déformer l’image individuelle afin de l’ajuster à l’espace stéréotaxique.
Le recalage affine
1- translation,
2- rotation
3- mise à l’échelle
Le recalage non-linéaire
Déplacement dans n’importe quelle direction de l’espace
L’objectif du recalage est :
D’augmenter le niveau de similarité entre les images, mais il est aussi important que les déformations soient continues. Autrement dit, des endroits adjacents dans les images non-recalées doivent toujours être adjacents après le recalage.
Cerveau “moyen”.
Afin de définir une anatomie de référence, les chercheurs utilisent généralement un cerveau “moyen”. Pour y parvenir, les cerveaux de plusieurs dizaines d’individus sont recalés les uns avec les autres, puis moyennés jusqu’à obtenir une seule image. Si le recalage a bien fonctionné, les détails de la neuroanatomie sont préservés dans la moyenne.
MNI
Institut Neurologique de Montréal
Analyses statistiques en volumétrie
Afin de procéder aux analyses statistiques, on extrait d’abord le volume de chaque structure segmentée (en mm3). On peut ensuite comparer statistiquement le volume moyen entre deux groupes, par exemple, ou encore tester l’association entre le volume et une autre variable, comme l’âge. Dans l’exemple de la Fig. 30, on compare le volume de l’hippocampe entre différents groupes cliniques ayant différents niveaux de risques liés à la maladie d’Alzheimer.
Cette figure illustre les différences de volume de l’hippocampe entre des participants cognitivement sains (HC), des participants présentant des troubles cognitifs légers stables (sMCI) ou progressifs (pMCI), ainsi que des patients atteints d’une démence de type Alzheimer (AD), dans la cohorte ADNI. Plus les symptômes cliniques sont sévères, plus la probabilité de présenter la maladie d’Alzheimer est grande, et plus le stade d’avancement de la maladie est sévère. L’atrophie de l’hippocampe est claire chez les patients présentant les symptômes les plus sévères. Figure tirée de [LSG+18], sous licence CC-BY.
Contrôle de qualité
Les images peuvent également être de mauvaise qualité si le sujet de recherche bouge pendant l’acquisition. Il est important d’effectuer un contrồle de qualité afin d’éliminer les images inutilisables avant de procéder aux analyses statistiques. Conserver ces dernières pourrait avoir des impacts importants sur les résultats ainsi que sur les conclusions tirées.
La présence de métal ou d’éléments défectueux dans le scanner peuvent causer…..
Des artefacts et des distorsions dans les images qui ne reflètent pas la morphologie réelle de la tête.
Vrai ou faux. Le recalage peut parfois échouer de manière spectaculaire.
Vrai. La forme rouge indique le pourtour attendu du cerveau et de certains repères anatomiques. L’IRM individuelle recalée n’est pas du tout alignée avec les repères attendus
Segmentation en VBM ressemble à quoi (schéma)
Segmentation en VBM
Segmentation probabiliste des principaux types de tissus et distribution des valeurs pondérées en T1 dans les voxels “purs” (probabilité supérieure à 80% pour un type de tissu donné). L’image pondérée en T1 ainsi que les segmentations correspondent à l’espace stéréotaxique MNI152
Lissage en VBM (schéma)
Cette technique consiste à ajouter un filtre sur l’image qui va la rendre plus floue. En pratique, le lissage remplace la valeur associée à chaque voxel par une moyenne pondérée de ses voisins. Comme c’est une moyenne pondérée, la valeur originale du voxel est celle qui aura la plus grande pondération, mais les valeurs des voxels situés directement autour vont aussi l’affecter grandement. La valeur des poids suit le profil d’une distribution Gaussienne 3D (plus un voxel voisin est loin du voxel d’intérêt, moins il en affectera la valeur).
Lissage en VBM
Illustration de l’impact du lissage sur une carte de densité de matière grise en VBM. À mesure que le paramètre FWHM augmente, la mesure de la densité représente une région entourant le voxel de plus en plus grande.
Analyses statistiques en VBM (schéma)
Analyses statistiques en VBM
Régression linéaire en VBM. On teste ici l’effet de l’âge sur un groupe (N=50) de participants de la base de données OASIS. La significativité -log(p)
de l’effet de l’âge est superposée à une image de densité de matière grise.
Contrôle de qualité en VBM (schéma)
Contrôle de qualité en VBM
Image de gauche: IRM individuelle pondérée en T1. Image de droite: classification matière grise et matière blanche générée par le logiciel ANTS. Notez comment la matière blanche proche du gyrus est classifié de manière erronnée comme matière grise.
Analyses de surface: Extraction de surface (schéma)
Analyses de surface: Extraction de surface
Illustration de la position de la surface piale et de la surface intérieure. En haut: coupe d’IRM pondérée en T1 avec les surfaces estimées de manière automatique. En bas: illustration schématique des surfaces.
Épaisseur, surface et volume (schéma)
Épaisseur, surface et volume
Illustration des mesures de surface, d’épaisseur et de volume du cortex
Analyses statistiques dans la reconstruction de la géométrie de la surface
Les analyses statistiques fonctionnent exactement de la même façon pour les analyses de surface que pour la VBM. Mais à la place de faire un test statistique au niveau de chacun des voxels (comme en VBM), on fait maintenant un test pour chacun des vertex (surface).
Contrôle de qualité dans la reconstruction de la géométrie de la surface
Image de gauche: IRM individuelle pondérée en T1. Image de droite: Extraction de surface automatisée. Notez que la surface piale ne suit pas correctement l’interface entre la matière grise et le liquide céphalo-rachidien à l’endroit indiqué.
