Автоматический анализ количественных характеристик гиппокампа при магнитно-резонансной томографии головного мозга для диагностики возможной болезни Альцгеймера (обзор литературы и результаты собственных исследований)

Целью исследования является анализ известных математических основ, методов и алгоритмов диагностики признаков заболевания Альцгеймера на базе обработки данных магнитно-резонансной томографии (МРТ). Разработка нового математического аппарата и алгоритмического обеспечения для автоматизированного вычисления параметров гиппокампа как одной из наиболее информативных структур головного мозга, анализ характеристик которой позволяет сделать предположение о наличии болезни Альцгеймера. Разработанный подход основан на последовательном анализе серии магнитно-резонансных снимков сагиттальной проекции, итерационной обработке каждого снимка с целью автоматического обнаружения гиппокампа и последующего измерения его объемных характеристик и характеристик, прилегающих к гиппокампу областей и структур головного мозга. На финальном шаге предложенного подхода вектор полученных геометрических линейных и объемных параметров гиппокампа и прилегающих к нему областей передается в нейросетевую процедуру анализа и принятия решения о соответствии гиппокампа норме или признаков болезни Альцгеймера. Таким образом, предложен подход автоматического обнаружения, вычисления параметров и формирования предположения о наличии или отсутствии болезни Альцгеймера. Его отличительной новизной являются полностью автоматический процесс вычислений и принятий решений при одновременном обеспечении достаточной для практического применения точности локализации гиппокампа и измерения его характеристик, а также измерения близлежащих к нему областей, используемых как признаковое пространство для принятия решения об обнаружении болезни или здоровом состоянии пациента. Значимость разрабатываемого подхода заключается в последующем построении специализированного отечественного программного продукта, позволяющего проводить автоматический и автоматизированный анализ МРТ-изображений головного мозга в интересах своевременного выявления болезни Альцгеймера и инструментальной оценки динамики ее развития.

1. Ананьева Н. И., Ежова Р. В., Гальсман И. Е., Давлетханова М. А., Ростовцева Т.М., Стулов И. К., Вассерман Л. И., Шмелева Л. М., Чуйкова А. В., Сорокина А. В., Иванов М. В. Гиппокамп: лучевая анатомия, варианты строения // Лучевая диагностика и терапия. 2015. № 1 (6). С. 39–44.

2. Вартанов А. В., Анисимов Н. В., Ушаков B. Л., Пирогов Ю. А., Козловский С. А., Гапиенко Г. В. Метод автоматического выделения биологических тканей по комплексу МРТ-изображений // Мед. физика. 2004. № 1. С. 31–35.

3. Вартанов А. В., Козловский С. А., Скворцова В. Б. и др. Память человека и анатомические особенности гиппокампа // Вестник Моск. ун-та. Сер. 14 Психология. 2009. № 4. С. 3–16.

4. Гридин В. Н., Титов В. С., Труфанов М. И. Адаптивные системы технического зрения: Центр информ. технологий в проектировании РАН. СПб.: Наука, 2009. 441 с.

5. Ежова Р. В., Гальсман И. Е., Давлетханова М. А. Сравнительный анализ программных пакетов FREESURFER и DISPLAY на примере воксельбазированной МР-морфометрии гиппокампальной формации // Альманах современной науки и образования. Тамбов: Грамота. 2015. № 6. С. 67–69.

6. Казначеева А. О. Фрактальный анализ зашумленности магнитно-резонансных томограмм // Альманах современной науки и образования. Тамбов: Грамота, 2013. № 2. С. 73–76.

7. Лобзин В. Ю., Киселев В. Н., Фокин В. А., Емелин А. Ю., Воробьёв С. В., Лупанов И. А., Соколов А. В., Ефимцев А. Ю. Применение магнитно-резонансной морфометрии в диагностике болезни Альцгеймера и сосудистых когнитивных нарушений // Вестник Российской военно-медицинской академии 2013. № 3 (43). С. 1–7.

8. Магонов Е. П., Катаева Г. В., Трофимова Т. Н. Современные методы автоматического вычисления объема внутричерепного пространства при МРТ-морфометрии головного мозга // Вестник Новгородского гос. Университетаи м. Ярослава Мудрого. 2015. № 2 (85). С. 98–104.

9. Сидорова М. В., Ваколюк И. А. Определение структурных изменений гиппокампа на раннем сроке моделирования посттравматического стрессового расстройства у крыс // Междунар. журнаприкладных и фундаментальных исследований. 2017. № 7–1. С. 106–110.

10. Тишкина А. О. Метод автоматического количественного анализа микрофотографий срезов мозга // Нейрохимия. 2009. Т. 26. № 4. С. 341–346.

11. Тотолян А. А., Трофимова Т. Н. Возможности магнитно-резонансной томографии в оценке структурых изменений головного мозга у пациентов с височной эпилепсией // Russian Electronic J. of Radiol. 2011. Т. 1. № 1. С. 11–16.

12. Фурман Я. А. Введение в контурный анализ и его приложения к обработке сигналов и изображений. М.: Физматлит, 2002. 592 с.

13. Хаймов Д. А., Фокин В. А., Ефимцев А. Ю. и др. Многовоксельная МР-морфометрия в оценке атрофии структур головного мозга у пациентов с болезнью Паркинсона // Доктор.Ру. 2012. № 5 (73). С. 21–28.

14. Яхно Н. Н., Захаров В. В., Локшина А. Б. Деменции: руководство для врачей. 3-е изд. М.: МЕДпресс-информ, 2011. 272 с.

15. Atkins M. S., Mackiewich B. Automatic segmentation of the brain in MRI / conference on visualisation in biomedical computing, 96, Springer, Verlag lecture Notes in Computer Science. 1996. V. 1131. Р. 210–216.

16. Chow N., Hwang K., Hurtz S., Green A., Somme J., Thompson P., Elashoff D., Jack C., Weiner M., Apostolova L. Alzheimer's disease neuroimaging initiative. Comparing 3 T and 1,5 T MRI for mapping hippocampal atrophy in the Alzheimer's disease neuroimaging Initiative // AJNR Am. J. Neuroradiol. 2015. V. 36 (4). Р. 653–660.

17. Chupin M., Mukuna Bantumbakulu A. R., Hasboun D., Bardinet E., Baillet S., Kinkingnéhun S., Lemieux L., Dubois B., Garnero L. Automated segmentation of the hippocampus and the amygdala driven by competition and anatomical priors: method and validation on healthy subjects and patients with Alzheimer's disease // Neuroimage. 2007. № 34. P. 996–1019.

18. Chupin M., Gerardin E., Cuingnet R. et al. Fully automatic hippocampus segmentation and classification in Alzheimer's disease and mild cognitive im pairment applied on data from ADNI // Hippocampus. 2009. V. 19. Р. 579–587.

19. Cuingnet R., Gerardin E., Tessieras J. et al. Automatic classification of patients with Alzheimer’s disease from structural MRI: A comparison of ten methods using the ADNI database // Neuroimage. 2011. № 56. P. 766–781.

20. Freund Yu., Shapire R. A decision-theoretic generalization of online learning and an application to boosting // J. of Computer and System Sciences. 1997. V. 55. Р. 119–139.

21. Gerardin E., Chételat G., Chupin M., Cuingnet R., Desgranges B., Kim H. et al. Multidimensional classification of hippocampal shape features discriminates Alzheimer’s disease and mild cognitive impairment from normal aging // Neuroimage. 2009. Р. 1476–1486.

22. Jing Z., Yu C., Jiang G., Liu W., Tong L.. 3D texture analysis on MRI images of Alzheimer’s disease // Brain Imaging and Behavior. 2012. P. 61–69.

23. Kim P., Lee Y., Jung Y., Cho J., Myoung K. Liver extraction in the abdominal CT image by watershed segmentation algorithm // World Congress on Medical Physics and Biomedical Engineering, 2006. IFMBE Proc. 2007. V. 14. P. 2563–2566.

24. McLean J. The investigation of hippocampal and hippocampal subfield volumetry, morphology and metabolites using 3T MRI // Thesis for the degree of Ph. D. University Glasgow, 2012. 354 р.

25. Morra J. H., Tu Z., Toga A. W. et al. Machine learning for brain image segmentation //

26. Gonzalez F. A., Romero E., eds. Biomedical image analysis and machine learning technologies // Hershey: Medical Information Science References. 2009. P. 851–874.

27. Kodama N., Kawase Yu., Okamoto K. Application of texture analysis to differentiation of dementia with lewy bodies from alzheimer’s disease on magnetic resonance images // IFMBE Proceedings. 2006. V. 14/3. P. 1444–1446.

28. Patil M. M., Yardi A. R. Diagnosis of Alzheimer’s disease from 3D MR images with statistical features of hippocampus / V. V. Das and N. Thankachan (eds.): CIIT, 2011. CCIS 250. P. 744–749.

29. Rabeh A., Benzarti F., Amiri H. Diagnosis of Alzheimer disease from MRI images of the brain throughout time // Proceedings of the 16th International conference on hybrid intelligent systems (HIS 2016), Advances in Intelligent Systems and Computing. P. 219–226.