Фрактальні розмірності великих півкуль головного мозку: анатомічні кореляції, вікові зміни та перспективи застосування у клінічній практиці

Автор(и)

DOI:

https://doi.org/10.26641/1997-9665.2024.3.166-173

Ключові слова:

головний мозок, великі півкулі, фрактали, томографія, морфометрія.

Анотація

Актуальність. Фрактальний аналіз є перспективним методом аналізу зображень, що може бути використаний у якості морфометричного методу в нейроморфології. Цей метод дозволяє кількісно оцінювати ступінь заповнення простору структурами з геометрично складною конфігурацією. Існують різні варіанти фрактальних розмірностей (ФР) структур головного мозку, однак бракує даних щодо анатомічних кореляцій ФР та особливостей будови структур головного мозку, що впливають на значення ФР. Мета даного дослідження – визначити фактори, що впливають на значення ФР великих півкуль головного мозку шляхом аналізу структурних моделей та кореляційного аналізу значень ФР і кількісних параметрів скелетонованих зображень. Методи. Були розроблені структурні моделі томографічного зрізу великих півкуль головного мозку із моделюванням зменшення кількості звивин та імітацією вікових змін. Після цього був проведений фрактальний аналіз та кількісний аналіз скелетонованих зображень. Також був проведений комплексний кореляційний аналіз досліджуваних параметрів. Результати та підсумок. Основними факторами, що впливають на різні значення фрактальної розмірності, є структурна складність та вікові зміні великих півкуль головного мозку. Структурна складність (кількість та складність конфігурації звивин) позитивно корелювала із ФР кори, цифрового скелету та контурів і мала негативні зв’язки із ФР білої речовини. До вікових змін найбільш чутливими виявились ФР кори, ФР контуру, визначена за допомогою методу згладжування контуру, та ФР тканини мозку в цілому (ФР силуетів). Основними перспективними сферами застосування фрактального аналізу в клінічній практиці є визначення та кількісне характеризування атрофічних змін, диференціювання атрофії при нормальному та патологічному старінні, а також діагностика мальформацій головного мозку.

Посилання

Di Ieva A. Fractal Analysis in Clinical Neurosciences: An Overview. Adv Neurobiol. 2024;36:261-271. doi: 10.1007/978-3-031-47606-8_13. PMID: 38468037.

Mandelbrot BB, author. The fractal geometry of nature. San Francisco: W.H. Freeman and Company; 1982.

Kiselev VG, Hahn KR, Auer DP. Is the brain cortex a fractal? Neuroimage. 2003;20(3):1765-1774. doi: 10.1016/s1053-8119(03)00380-x. PMID: 14642486.

Madan CR, Kensinger EA. Cortical complexity as a measure of age-related brain atrophy. Neuroimage. 2016;134:617-629. doi: 10.1016/j.neuroimage.2016.04.029.

King RD, George AT, Jeon T, Hynan LS, Youn TS, Kennedy DN, Dickerson B. The Alzheimer’s Disease Neuroimaging Initiative. Characterization of Atrophic Changes in the Cerebral Cortex Using Fractal Dimensional Analysis. Brain Imaging Behav. 2009;3(2):154-166. doi: 10.1007/s11682-008-9057-9.

Farahibozorg S, Hashemi-Golpayegani SM, Ashburner J. Age- and sex-related variations in the brain white matter fractal dimension throughout adulthood: an MRI study. Clin Neuroradiol. 2015;25(1):19-32. doi:10.1007/s00062-013-0273-3.

Zhang L, Dean D, Liu JZ, Sahgal V, Wang X, Yue GH. Quantifying degeneration of white matter in normal aging using fractal dimension. Neurobiol Aging. 2007;28(10):1543-1555. doi: 10.1016/j.neurobiolaging.2006.06.020.

Im K, Lee JM, Yoon U, Shin YW, Hong SB, Kim IY, Kwon JS, Kim SI. Fractal dimension in human cortical surface: multiple regression analysis with cortical thickness, sulcal depth, and folding area. Hum Brain Mapp. 2006;27(12):994-1003. doi: 10.1002/hbm.20238.

Kalmanti E, Maris TG. Fractal dimension as an index of brain cortical changes throughout life. In Vivo. 2007;21(4):641-646.

Young K, Morrison H. Quantifying Microglia Morphology from Photomicrographs of Immunohistochemistry Prepared Tissue Using ImageJ. J Vis Exp. 2018;136:57648. doi: 10.3791/57648.

Maryenko N, Stepanenko O. Fractal Dimension of Silhouette Magnetic Resonance Brain Images as a Measure of Age-Associated Changes in Cerebral Hemispheres. Duzce Medical Journal. 2023;25(1):27-37. doi: 10.18678/dtfd.1180625

Maryenko N, Stepanenko O. Cortex and White Matter of the Cerebral Hemispheres: Anatomical Correlations and Age-Related Changes Measured with Fractal Analysis. Galician med. j. 2024;31(2):e-GMJ2024-A11. doi: 10.21802/e-GMJ2024-A11

Maryenko N, Stepanenko O. Quantitative characterization of age-related atrophic changes in cerebral hemispheres: A novel “contour smoothing” fractal analysis method. Translational Research in Anatomy. 2023;33:100263. doi: 10.1016/j.tria.2023.100263

Maryenko NI, Stepanenko OY. Shape of cerebral hemispheres: structural and spatial complexity. Quantitative analysis of skeletonized MR images. Rep. of Morph. 2022;28(3):62-63. doi: 10.31393/morphology-journal-2022-28(3)-10

Chen X, Qu L, Xie Y, Ahmad S, Yap PT. A paired dataset of T1- and T2-weighted MRI at 3 Tesla and 7 Tesla. Sci Data. 2023;10(1):489. doi:10.1038/s41597-023-02400-y

Schneider CA, Rasband WS, Eliceiri KW. NIH Image to ImageJ: 25 years of image analysis. Nat Methods. 2012;9(7):671-675. doi: 10.1038/nmeth.2089

##submission.downloads##

Опубліковано

2024-10-30

Номер

Розділ

Статті