Analytical Methods for the Analysis of Structural Connectivity in the Mouse Brain

• 영문명: 마우스 뇌의 구조적 연결성 분석을 위한 분석 방법
• 발행기관: 한국방사선학회
• 저자명: 임상진(Sang-Jin Im) 백현만(Hyeon-Man Baek)
• 간행물 정보: 『한국방사선학회 논문지』 제15권 제4호, 505~518쪽, 전체 14쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2021.08.30

국문 초록

자기공명영상(MRI)은 뇌의 구조적 및 기능적 연구에서 핵심 기술로 필요성이 증가하고 있다. Tractography 분석을 이용하는 뇌지도(Connectome)는 MRI를 통해 뇌의 구조적 연결성을 확인하고 연결성의 변동성을 이용해 질병 병리학에 대한 이해를 높이는 방법으로 인간을 대상으로 활발한 연구가 진행되고 있다. 하지만 마우스 같은 작은 동물의 경우 분석 방법의 표준화가 부족하고 영상에 대한 정확한 전처리 전략 및 아틀라스 기반 신경 정보학에 대한 과학적 합의가 없다. 또한, 인간의 뇌에 비해 마우스의 뇌는 매우 작기 때문에 높은 해상도를 갖는 영상을 획득하는 것에도 어려움이 있다. 연구에서는 구조적 영상과 확산 텐서 영상을 이용해 구조 영역 세분화를 포함한 구조적 연결성 분석을 가능하게 하고 마우스 뇌 데이터를 처리하는 Allen Mouse Brain Atlas 기반 영상 데이터 분석 파이프라인을 제시한다. 각 분석 방법은 마우스 뇌 영상 데이터의 분석을 가능하게 하고 이미 인간 영상데이터로 검증된 소프트웨어를 이용해 신뢰성을 가질 수 있게 하였다. 또한, 연구에서 제시되는 파이프라인은 복잡한 분석 과정과 다양한 기능들 중 마우스 Tractography에 필요한 기능들을 정리하여 사용자가 효율적으로 데이터 처리를 하는데 최적화되었다.

영문 초록

Magnetic resonance imaging (MRI) is a key technology that has been seeing increasing use in studying the structural and functional innerworkings of the brain. Analyzing the variability of brain connectome through tractography analysis has been used to increase our understanding of disease pathology in humans. However, there lacks standardization of analysis methods for small animals such as mice, and lacks scientific consensus in regard to accurate preprocessing strategies and atlas-based neuroinformatics for images. In addition, it is difficult to acquire high resolution images for mice due to how significantly smaller a mouse brain is compared to that of humans. In this study, we present an Allen Mouse Brain Atlas-based image data analysis pipeline for structural connectivity analysis involving structural region segmentation using mouse brain structural images and diffusion tensor images. Each analysis method enabled the analysis of mouse brain image data using reliable software that has already been verified with human and mouse image data. In addition, the pipeline presented in this study is optimized for users to efficiently process data by organizing functions necessary for mouse tractography among complex analysis processes and various functions.

목차

Ⅰ. INTRODUCTION

Ⅱ. MATERIAL AND METHODS

Ⅳ. RESULT

Ⅳ. DISCUSSION

Ⅴ. CONCLUSIONS

키워드

커넥톰 뇌지도 확률론적 분석 결정론적 분석 구조적 연결성 확산 텐서 영상 Connectome Tractography Probabilistic analysis Deterministic Analysis Structural Connectivity DTI