» مقالات انگلیسی » {STEAM} — Statistical Template Estimation for Abnormality Mapping: A personalized {DTI} analysis technique with applications to the screening of preterm infants

{STEAM} — Statistical Template Estimation for Abnormality Mapping: A personalized {DTI} analysis technique with applications to the screening of preterm infants



شناسه مقاله
10.1016/j.neuroimage.2015.08.079
دریافت مقاله

انگلیسی

Title: {STEAM} — Statistical Template Estimation for Abnormality Mapping: A personalized {DTI} analysis technique with applications to the screening of preterm infants

Authors: Brian G. Booth and Steven P. Miller and Colin J. Brown and Kenneth J. Poskitt and Vann Chau and Ruth E. Grunau and Anne R. Synnes and Ghassan Hamarneh

Journal: NeuroImage

Year: 2016

Abstract:

Abstract We introduce the {STEAM} {DTI} analysis engine: a whole brain voxel-based analysis technique for the examination of diffusion tensor images (DTIs). Our {STEAM} analysis technique consists of two parts. First, we introduce a collection of statistical templates that represent the distribution of {DTIs} for a normative population. These templates include various diffusion measures from the full tensor, to fractional anisotropy, to 12 other tensor features. Second, we propose a voxel-based analysis (VBA) pipeline that is reliable enough to identify areas in individual {DTI} scans that differ significantly from the normative group represented in the {STEAM} statistical templates. We identify and justify choices in the {VBA} pipeline relating to multiple comparison correction, image smoothing, and dealing with non-normally distributed data. Finally, we provide a proof of concept for the utility of {STEAM} on a cohort of 134 very preterm infants. We generated templates from scans of 55 very preterm infants whose {T1} {MRI} scans show no abnormalities and who have normal neurodevelopmental outcome. The remaining 79 infants were then compared to the templates using our {VBA} technique. We show: (a) that our statistical templates display the white matter development expected over the modeled time period, and (b) that our {VBA} results detect abnormalities in the diffusion measurements that relate significantly with both the presence of white matter lesions and with neurodevelopmental outcomes at 18 months. Most notably, we show that {STEAM} produces personalized results while also being able to highlight abnormalities across the whole brain and at the scale of individual voxels. While we show the value of {STEAM} on {DTI} scans from a preterm infant cohort, {STEAM} can be equally applied to other cohorts as well. To facilitate this whole-brain personalized {DTI} analysis, we made {STEAM} publicly available at http://www.sfu.ca/bgb2/steam.

Keywords: Diffusion tensor imaging, Preterm infants, Brain development, Statistical modeling, Voxel-based analysis, Outcome prediction

ترجمه فارسی
این متن به صورت خودکار و توسط موتور مترجم ترجمه شده است. برای سفارش ترجمه دقیق به قسمت 'سفارش ترجمه' مراجعه کنید

عنوان: {STEAM} – برآورد الگو آماری اختلال نقشه برداری: شخصی {DTI} روش تجزیه و تحلیل با برنامه های کاربردی به غربالگری نوزادان نارس

نویسندگان: Brian G. Booth and Steven P. Miller and Colin J. Brown and Kenneth J. Poskitt and Vann Chau and Ruth E. Grunau and Anne R. Synnes and Ghassan Hamarneh

ژورنال: NeuroImage

سال: ۲۰۱۶

چکیده:
خلاصه ما {STEAM} {DTI} موتور تجزیه و تحلیل معرفی: یک مبتنی بر وکسل روش تجزیه و تحلیل کل مغز برای بررسی تصاویر کشیدگی عضله (DTIs) {STEAM} روش تجزیه و تحلیل ما شامل دو بخش اول، ما مجموعه ای از قالب های آماری معرفی که نشان دهنده توزیع {DTIs} برای یک جمعیت هنجاری این قالب شامل اقدامات نفوذ مختلف از تانسور کامل، به ناهمسانگردی کسری، به ۱۲ تانسور دیگر ویژگی های دوم، ما یک خط لوله تجزیه و تحلیل مبتنی بر وکسل (VBA) به اندازه کافی است که قابل اعتماد به پیشنهاد شناسایی مناطق در فرد {DTI} اسکن که به طور قابل توجهی از گروه هنجاری در {STEAM} قالب های آماری ما شناسایی متفاوت و توجیه انتخاب در {VBA} خط لوله مربوط به اصلاح مقایسه چندگانه، صاف تصویر، و برخورد با غیر معمول توزیع داده در نهایت، ما شما را به اثبات مفهوم برای ابزار از {STEAM} در یک گروه از ۱۳۴ نوزاد بسیار زودرس ما قالب از اسکن از ۵۵ تولید بسیار نوزادان نارس که {T1} {MRI} اسکن نشان می دهد هیچ ناهنجاری و که عصبی تکاملی طبیعی پس از آن نتیجه ۷۹ نوزاد باقی مانده را به قالب در مقایسه با استفاده از {VBA} روش ما شد ما نشان می دهد: (الف) که قالب های آماری ما را نشان توسعه ماده سفید انتظار می رود بیش از مدت زمان مدل، و (ب) که ما {VBA} نتایج تشخیص اختلال در اندازه گیری نفوذ که به طور قابل توجهی مربوط با هر دو وجود ضایعات ماده سفید و با نتایج عصبی تکاملی در ۱۸ ماه قابل ذکر است، ما نشان می دهد که {STEAM} نتایج شخصی در حالی که همچنین قادر است تا ناهنجاری در سراسر مغز و در مقیاس بودن از وکسل فرد در حالی که ما ارزش {STEAM} در {DTI} اسکن از یک گروه نوزادان نارس نشان می دهد، {STEAM} می توان به همان اندازه به دیگر گروه های اعمال و همچنینبرای تسهیل این تمام مغز شخصی {DTI} تجزیه و تحلیل، ما {STEAM} در دسترس عموم در http: // wwwsfuca / bgb2 / بخار
کلمات کلیدی:   انتشار تصویربرداری تانسور، نوزادان نارس، رشد مغز، مدل سازی آماری، تجزیه و تحلیل مبتنی بر وکسل، پیش بینی نتیجه

سفارش ترجمه

سفارش ترجمه

توانایی ترجمه

توانایی ترجمه

  • فیلد های زیر را به عنوان نمونه کار ترجمه کنید. دقت کنید که کیفیت ترجمه در انتخاب شما به عنوان مترجم این مقاله موثر است.


دریافت مقاله