SCIENTIFIC HUB

Araştırmanın izini sürün.

SCIENTIFIC LITERATURE · MED

Anatomik fiducials çerçevesinin Parkinson hastalığı olan hastaların klinik bir veri setine uygulanması.

Application of the anatomical fiducials framework to a clinical dataset of patients with Parkinson's disease.

Makine çevirisi · Editoryal inceleme bekliyor

Brain Struct Funct · 2021-10-23

DOI: 10.1007/s00429-021-02408-3PMID: 34687354

Open accessresearch-article; Journal ArticleKaynağa git ↗

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Konu ve şablon görüntüleri arasında mekansal yazışmaların kurulması, beyin haritalama ve stereotaktik nörocerrahi gibi nörogörüntüleme araştırmalarında ve klinik uygulamalarda gereklidir. Anatomik fiducial (AFID) çerçevemiz, son zamanlarda belirgin anatomik özelliklere dayanarak görüntü kaydının nicel bir ölçüsü olarak hizmet etmek için doğrulanmıştır. Bu çalışmada, Parkinson hastalığı (PD) olan hastalardan elde edilen yapısal manyetik rezonans görüntülerine odaklanarak, AFID protokolünü kliniğe uygulamaya çalıştık. AFID'lerin PD veri kümesinde milimetrik doğrulukta yerleştirilebileceğini ve normal kontrol deneklerindeki sonuçlarla karşılaştırılabilir sonuçlarla birlikte yerleştirilebileceğini doğruladık. Klinik taramaları sağlam bir açık ön işleme iş akışı kullanarak standart şablon alanına hizalayarak bu çerçeveyi kullanarak özneden şablona kaydı değerlendirdik. AFID'ler kullanılarak ölçülen kayıt hatalarının daha önce bildirilenden daha yüksek olduğunu bulduk, bu da klinik sınıf veri setleri için görüntü işleme boru hatlarının optimizasyonuna ihtiyaç olduğunu düşündürdü. Son olarak, AFID'ler arasındaki noktadan noktaya mesafeleri PD'nin morfometrik biyobelirteç olarak kullanmanın yararını inceledik, substantia nigra dahil olmak üzere PD'de etkilendiği bilinen bölgeleri çevreleyen AFID'ler arasındaki mesafelerin azaldığına dair kanıtlar bulduk. Genel olarak, AFID'lerin klinik bir ortamda başarılı bir şekilde uygulanabileceğine ve kayıt hatasının lokalize ve nicel ölçümlerini sağlamak için kullanılabileceğine dair kanıtlar sunuyoruz. AFID'ler, klinisyenlere ve araştırmacılara, mekansal yazışmaların ve anatomik yapıların yerinin kontrol edilmesi ve onaylanması için ortak, açık bir çerçeve sağlar, görüntüleme veri kümelerinin toplanmasını ve çeşitli nörolojik koşullar arasındaki karşılaştırmaları kolaylaştırır.

Özgün kaynak özetini okuyun

Establishing spatial correspondence between subject and template images is necessary in neuroimaging research and clinical applications such as brain mapping and stereotactic neurosurgery. Our anatomical fiducial (AFID) framework has recently been validated to serve as a quantitative measure of image registration based on salient anatomical features. In this study, we sought to apply the AFIDs protocol to the clinic, focusing on structural magnetic resonance images obtained from patients with Parkinson's disease (PD). We confirmed AFIDs could be placed to millimetric accuracy in the PD dataset with results comparable to those in normal control subjects. We evaluated subject-to-template registration using this framework by aligning the clinical scans to standard template space using a robust open preprocessing workflow. We found that registration errors measured using AFIDs were higher than previously reported, suggesting the need for optimization of image processing pipelines for clinical grade datasets. Finally, we examined the utility of using point-to-point distances between AFIDs as a morphometric biomarker of PD, finding evidence of reduced distances between AFIDs that circumscribe regions known to be affected in PD including the substantia nigra. Overall, we provide evidence that AFIDs can be successfully applied in a clinical setting and utilized to provide localized and quantitative measures of registration error. AFIDs provide clinicians and researchers with a common, open framework for quality control and validation of spatial correspondence and the location of anatomical structures, facilitating aggregation of imaging datasets and comparisons between various neurological conditions.

Bilimsel değerlendirme

01

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

02

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

03

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

04

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.