Cours 3 - Morphométrie Flashcards
3 grandes approches d’analyse
- Volumétrie
- Morphologie basée sur les voxels (VBM)
- Analyses de surface
Volumétrie
Vise à mesurer la taille d’une région cérébrale
Morphologie basée sur les voxels (VBM)
Vise à mesurer le volume de matière grise situé immédiatement autour d’un voxel donné.
Analyses de surface
Exploitent la structure en ruban de la matière grise pour mesurer l’épaisseur et la surface corticale
Étapes d’analyses d’images utiles pour les 3 techniques
1) le recalage
2) la segmentation
3) le lissage
4) le contrôle de qualité
Morphométrie
- L’étude de la forme du cerveau et de ses structures
*En grec: morphos (forme) et métron (mesure)
Vrai ou faux. La morphométrie est la mesure de la forme.
VRAI!
Que devons-nous faire pour mesurer la forme du cerveau?
Il faut nécessaire de pouvoir observer clairement les délimitations neuroanatomiques
Quelle technique de neuroimagerie nous permet de voir clairement les délimitations neuroanatomiques?
IRM pondérée T1 qui donne un contraste de la matière grise, matière blanche et du liquide céphalorachidien
Vrai ou faux. Avec seulement l’IRM T1, on est capable de de réaliser des études de morphologie computationnelle.
Faux. Il faut que l’IRM T1 soit combinée à des outils automatiques d’analyses d’images.
Étude de Dürer
- Étudier les proportions du visages et comparer les visages dans une population
- Analogie avec le cerveau: comparer grâce à des analyses d’images les proportions du cerveau dans une population!
Études des variations morphologiques
les études morphologiques IRM permettent de comparer des individus et des groupes.
À quoi servent ces comparaisons entre les individus?
- Peuvent nous informer sur l’effet de l’âge, ou bien encore l’effet d’une lésion ou d’une maladie sur la forme du cerveau.
Ex. Étude des variations morphologiques
Différences entre 3 groupes pour étudier l’effet d’une maladie sur le cerveau
1. sans atteinte cognitive
2. troubles légers de la cognition
3. démence de type Alzheimer
Maladie d’Alzheimer - IRM T1
- Atrophie cérébral et expansion du liquide céphalorachidien (plus grosse ventricule)
- Atrophie de l’hippocampe
2 techniques de volumétrie
- Segmentation manuelle
- Segmentation automatique
Volumétrie - Segmentation manuelle
- Délimiter visuellement une aire cérébrale particulière
- Quantification du volume d’une aire cérébrale particulière (ou du cerveau entier).
- Nécessite un protocole validé de segmentation.
- Test statistique sur les mesures de volume à l’échelle de la population.
Désavantage 1 - Segmentation manuelle
- Nécessite du temps, car le contour des structures d’intérêt doit être dessiné à la main sur chaque coupe d’IRM.
Désavantage 2 -Segmentation manuelle
- La segmentation peut être difficile et/ou subjective.
Désavantage 3 - Segmentation manuelle
- Nécessite également un protocole de segmentation avec des critères anatomiques clairs (ex. pour l’hippocampe, il existe des protocoles détaillés, mais pour d’autres régions, non comme les aires visuelles!)
Que devenons- faire dans le cas où les délimitations anatomiques ne sont pas toujours disponibles ou bien établies?
- Il est nécessaire de réaliser des expériences fonctionnelles afin de pouvoir les délimiter.
Étapes segmentation manuelle
- segmenter une structure dans un premier plan de coupe (par exemple, dans le plan axial),
- il faudra aller corriger cette segmentation dans les autres plans (par exemple, dans le plan sagittal, puis dans le plan coronal).
Pour avoir un bon niveau de concordance des résultats entre différents chercheurs (accord inter-juges), que devons-avoir?
- Un protocole de segmentation rigoureux.
-> Certains protocoles proposent aussi un processus de certification, ce qui offre une garantie que la personne effectuant la segmentation applique le protocole correctement.
Volumétrie - Segmentation automatique
- Utiliser un atlas, c’est-à-dire une segmentation déjà effectuée par une équipe de chercheurs
-> choisir adéquatement l’atlas en fonction des structures étudiées
Étapes de segmentation automatique
- Les images structurelles de ce dernier sont d’abord recalées de manière automatisée vers l’espace stéréotaxique de référence (espace de référence).
- Cette transformation permet par la suite d’adapter l’atlas à l’anatomie de chaque sujet.
Recalages
- Mettre en correspondance deux images de cerveaux
-> Recaler cette IRM sur l’espace stéréotaxique qui a été utilisé pour établir les régions.
-> Déformer l’image individuelle afin de l’ajuster à l’espace stéréotaxique.
Recalage affine - Transformation linéaire
- translation
- rotation
- mise à l’échelle
Recalage non-linéaire - Transformation non-linéaire
déplacement dans n’importe quelle direction de l’espace (grossir ou réduire)
Objectif du recalage
Augmenter le niveau de similarité entre les images, mais il est aussi important que les déformations soient continues.
Vrai ou faux. Des endroits adjacents dans les images non-recalées ne doivent pas toujours être adjacents après le recalage.
Faux.
Espace stéréotaxique (espace de référence)
- 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.
Analyses statistiques - Volumétrie
- Le volume de chaque structure segmentée (en mm^3) -> Ensuite, comparer statistiquement le volume moyen entre plusieurs groupes
Ex. analyses statistiques - Volumétrie
- Volume de l’hippocampe en fonction des groupes (MA, TCL et cognitivement sain)
-> Résultat: atrophie de l’hippocampe importante chez le groupe avec MA.
Possibilités d’erreurs - Volumétrie
A. 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 (trou dans la tête)
B. Le recalage peut parfois échouer (étapes du recalage échoué ou artefacts->ex. présence d’objets métalliques)
C. Image de mauvaise qualité si le sujet bouge pendant l’acquisition.
Vrai ou faux. Si le sujet bouche, ça va créer des problèmes à B0 et va se refléter dans la carte VBM
Vrai
Solution - Contrôle de qualité de la volumétrie
- Éliminer les images inutilisables avant de procéder aux analyses statistiques.
-> Les conserver pourrait avoir des impacts importants sur les résultats ainsi que sur les conclusions tirées.
Comment savoir s’il y a échec du recalage?
On s’attend à ce que les structures rouges s’alignent sur l’image T1 après recalage.
Voxel-based morphometry (VBM): principes
- Quantification de la densité locale de matière grise.
- Ne dépend pas d’une structure particulière, couvre toute la matière grise.
- Test statistique répété à chaque voxel: problème de comparaisons multiples.
Étapes du VBM
- Segmentation.
- Lissage spatial.
- Recalage dans un espace stéréotaxique de référence.
- Analyse statistique.
Vrai ou faux. Le VBM n’est donc pas limitée par le besoin d’avoir des frontières préétablies claires entre différentes structures cérébrales.
Vrai.
Résultat du VBM sous quelle forme?
une carte 3D de la densité de la matière grise.
Avantages du VBM
- La présence d’une personne ne devient nécessaire que pour vérifier que la procédure a fonctionné correctement: c’est l’étape du contrôle de qualité
- On va aussi tester la morphologie du cerveau à travers l’ensemble de la matière grise.
Inconvénient du VBM
Le grand nombre de mesures générées pose un problème de comparaisons multiples lorsque vient le temps de faire les analyses statistiques.
Segmentation
- Vise à catégoriser les types de tissus du cerveau en différentes classes contenant notamment la matière grise, la matière blanche et le liquide céphalo-rachidien.
Algorithme de segmentation
Un algorithme de segmentation va ensuite examiner la distribution des niveaux de gris dans l’image (par exemple, dans une image pondérée en T1) et estimer pour chaque voxel la proportion du voxel qui contient un type de tissu donné.
Effet de volume partiel
la proportion du voxel qui contient un type de tissu donné.
Vrai ou faux. L’effet de volume partiel peut indiquer si le niveau de gris résultant pourrait alors donner une indication trompeuse sur son contenu réel.
Vrai (ex. 80% de matière grise et 20% de LCR)
Problème de la segmentation - Effet de volume partiel
- Il est possible que la segmentation automatique nous retourne pour certains tissus non-désirés des valeurs similaires à celle de la matière grise sur l’image résultant de cette étape.
-> Ex. valeur résultante = une valeur s’apparentant plutôt au gris associé à la matière grise (valeur moyenne entre blanc et noir). Mais c’est faux (jonction entre une zone blanche et une zone noire)!
Lissage spatial
- Consiste à ajouter un filtre (balle) sur l’image qui va la rendre plus floue
But du lissage spatial
Obtenir des valeurs de densité de matière grise pour des zones qui dépasse le voxel unique, mais qui représentent plutôt le volume d’une petite région, centrée sur le voxel.
Vrai ou faux. À mesure que le paramètre FWHM augmente, la mesure de la densité représente une région entourant le voxel de plus en plus grande et plus grand sera le rayon du voisinage contenant les voxels qui auront un impact sur la valeur lissée du voxel
Vrai!
Rayon - Lissage spatial
Permet de mesurer le contenu des voxels voisins de façon pondérée (et leur contenu de matière grise).
Recalage dans un espace stéréotaxique
Les cartes de densité recalées dans l’espace stéréotaxique de référence
Vrai ou faux. Dans la VBM, on utilise la segmentation manuelle et non, automatique.
Faux. Contrairement à la volumétrie manuelle, où chaque volume à l’étude est délimité de façon à représenter la même structure d’intérêt, le recalage utilisé en VBM n’est pas lié à une structure particulière.
Analyse statistique - VBM
- Faire un test statistique au niveau de chacun des voxels.
- Régression linéaire en VBM: comparer les valeurs de densité de matière grise entre les sujets
- Ex. l’effet de l’âge sur la matière grise d’un groupe
Possibilités d’erreurs - VBM
- Erreurs dans l’étape de la segmentation (recalage OU artefacts)
Contrôle de qualité - VBM
- S’assurer qu’il n’y a pas eu d’aberrations qui se sont introduites dans les étapes de traitement.
-> Possible de perdre certaines structures pour lesquelles le contraste entre la matière blanche et la matière grise n’est pas assez important
Solutions - contrôle de qualité du VBM
- Ajouter des a priori (des règles ou des conditions supplémentaires) afin de ne pas les perdre.
- Il est envisageable de corriger cette partie de la segmentation de façon manuelle ou d’exclure les données de certains participants.
Analyses de surface: principes
- Quantification des propriétés géométriques locales de la matière grise (épaisseur, surface).
- Ne dépend pas d’une structure particulière, couvre toute la matière grise.
- Test statistique répété à chaque élément de surface (vertex): problème de comparaisons multiples.
Étapes de l’analyse de surface
- Segmentation du cerveau.
- Estimation de la surface piale (matière grise / liquide céphalo-rachidien) et de la surface intérieure (matière grise / matière blanche).
- Estimation de l’épaisseur corticale et de la surface locale.
- Analyse statistique
Estimation de la surface piale - Extraction de surface
- Algorithme qui va détecter la surface piale, à la frontière entre la matière grise et le liquide céphalo-rachidien, et la surface intérieure (aussi appelée surface blanche), à la frontière entre la matière blanche et la matière grise.
- Extraire un masque du cerveau en éliminant les structures n’appartenant pas au cortex
Croissance de ballon
- Estimer la position des surfaces piale et intérieure.
- Placer un ballon virtuel au centre de chacun des hémisphères du cerveau. - Lorsque l’une des frontières (surface interne ou surface piale) est délimitée, il est possible de continuer la procédure de gonflement/ dégonflement afin d’obtenir la seconde surface.
Estimation de l’épaisseur corticale et de la surface locale - Épaisseur, surface et volume
La reconstruction de la géométrie de la surface va permettre de décomposer le volume de la matière grise en une épaisseur locale, et une surface locale.
Quelles sont les 2 propriétés étudiées dans les analyses de surface?
- Surface locale
- Épaisseur locale
Différence entre VBM et analyses de surface
Au lieu d’analyser le contenu d’unités de volume (voxels), comme c’était le cas pour la VBM, on utilisera ici l’analyse du contenu d’unités de surface: les vertex.
Quel est l’analyse du contenu d’unités de surface?
Les vertex
Que devons-nous faire pour mesurer la morphométrie de structures sous-corticales?
Pour les structures enfouies dans la boîte crânienne, telles que les thalami et les ganglions de la base, il faut combiner l’analyse de surface avec une volumétrie automatique (pour les structures sous-corticales).
Analyses statistiques - Analyses de surface
Même chose que VBM. Sauf que faire un test statistique au niveau de chacun des voxels (comme en VBM), on fait maintenant un test pour chacun des vertex (surface).
Possibilités d’erreurs - Analyses de surface
- La technique d’extraction de surface n’est pas robuste aux effets des volumes partiels.
- Le résultat de ces deux types d’erreur, qui sont possibles tant au niveau de la surface piale que de la surface interne, sera une forte surestimation localisée de l’épaisseur corticale.
Contrôle de qualité: analyses de surface
- La technique d’extraction de surface n’est pas robuste aux effets des volumes partiels.
