Connectivity-based segmentation of brain regions using probabilistic diffusion tractography

2016 Fiscal Year Annual Research Report

• Project/Area Number: 24689047
• Research Institution: The University of Tokyo
• Principal Investigator: 高尾 英正 東京大学, 医学部附属病院, 講師 (10444093)
• Project Period (FY): 2012-04-01 – 2017-03-31
• Keywords: 脳・神経 / MRI

Outline of Annual Research Achievements

現状のMRIでは内部構造の評価が困難な扁桃体といった脳構造に対して、拡散強調画像（diffusion-weighted imaging）による確率的トラクトグラフィ（probabilistic tractography; Behrens et al. Nature Neuroscience 2003、Behrens et al. Neuroimage 2007）を用いて、形態画像（structural imaging）などにより同定される他領域との結合性の強さを評価することにより、内部構造の分画化を試みた。拡散強調画像は他の画像に比べて歪みが強く、他の画像との位置ずれを補正することが正確な評価に重要であり、高精度画像に対しては、位相方向を入れ替えた撮像により歪みのマップを取得してsusceptibilityによる歪みを補正し（Andersson et al. NeuroImage 2003）、また、動きおよびエディーカレントによる歪みを補正した。これらの補正を行えない画像に対しては、T2強調画像を仲介させる形で、拡散強調画像とT1強調画像を非線形にあわせこむことにより、歪みの影響を軽減させた。T1強調画像より抽出した扁桃体をシード、全脳灰白質をターゲットとして、確率的トラクトグラフィを行った。シードの各ボクセルにおいて、ターゲットとの連結性パターンの相関を算出し、これをクラスタリングすることで内部分画化を行った。また、これにあわせて、通常の拡散強調画像解析、機械学習による判別、全脳の確率的トラクトグラフィによるグラフ解析といった評価も行った。現在、脳画像解析は、高精度化、大規模化の方向にあり、今後は、マルチパラメトリックにより、精度をあげる方向に発展させていきたいと考えている。

Research Progress Status

28年度が最終年度であるため、記入しない。

Strategy for Future Research Activity

28年度が最終年度であるため、記入しない。