Detailed analysis of voxel based morphometry

Abstract

Voksel Tabanlı Morfometri, VTM, farklı insan gruplarının beyin MR imgeleri arasındaki yapısal değişikliği ortaya çıkarmaya çalışan ve en çok kullanılan beyin mor- fometri metodlarından biridir. VTM'de beyin imgeleri bir bütün olarak ve tamamen otomatik yöntemlerle işlenir. VTM analizi, imgelerin ortak bir şablona kaydedilmesi, bu imgelerin doku gruplarına ayrılması (gri madde, ak madde ve beyin-omurilik sıvısı), seçmeli modülasyon (dokuların, ortak şablona kaydedilmesi sırasında değişen hacimlerinin, özgün hacimlerine döndürülmeleri), yumuşatma (verilerin dağılımının normalleşebilmesi ve imgelerin doğrusal olmayan şekilde kaydedilmesinden kaynaklı hataların azaltılması) ve voksel bazında istatistiki hesaplamalar gibi aşamalardan oluşmaktadır. Birçok çalışmada gösterildiği gibi, bu aşamalarda ya da bu aşamaların parametrelerinde yapılan değişiklikler, VBM analizi sonuçlarını da değiştirebilmektedir. VBM analizinin nasıl yapılacağına dair bazı kısa kılavuzlar olsa da, bu tez, VBM'in ana aşamalarını kısaca açıklayıp, bu aşamalarla ilgili literatürde çıkmış tartışmaları bir araya getirerek, VBM kullanıcılarını, VBM'in yanlış sonuçlara götürebilecek özellikleri konusunda uyarmaya çalışmaktadır. Aynı zamanda, diğer morfometri metodlarına da kısaca değinerek, VBM'in bu alanda nerede durduğuna ilişkin bir fikir verilmeye çalışılmaktadır. Bu tezde, özellikle, modülasyon ve istatistik aşamasında maskeleme stratejisi konusu araştırılmıştır ve modülasyonun kullanılmamasının ve istatistiki hesaplamalarda, ortalama imgeye bağlı maskeleme kullanılmasının, VBM'in fark bulma yeteneğini yükselttiği gösterilmiştir. Ayrıca, bu tez kapsamında, VBM ile; matematikçiler, SSPE hastaları ve çözücü kullanıcıları ile normal denekler arasında olmak üzere, üç farklı klinik çalışma yapılmıştır.

Voxel Based Morphometry, VBM, is one of the most widely used brain morphometry methods which aims to reveal the structural differences between the brain MR images of different populations. It is a whole brain and fully automatic approach in which all the images are registered onto a common template and then segmented into grey matter, white matter and cerebrospinal fluid. After an optional modulation step (regaining the original volume which is shrinked or enlarged during the registration), smoothing takes place in order to make the data more normally distributed and to diminish the inexact nature of the nonlinear registration. Finally, voxel-wise statistical operations are performed between the groups of the images. As revealed in several studies, changes in these steps and changes in their parameters might influence the resulting statistics. Although some short guidelines exist for conducting the processing stages, this thesis tries to explain each main step and gathers the discussions in the literature to make the VBM users aware of some pitfalls and limitations of VBM; and also gives brief descriptions about the other brain morphometry methods to give a view for where VBM stands at. In this thesis, the effect of modulation and masking strategy at the statistical stage were studied and concluded that not using the modulation and using average-based masking for the statistical part increased the detection power of VBM. Additionally, within the scope of this thesis, three clinical applications of VBM are performed and presented: Comparisons of the brain images of mathematicians, SSPE patients, and solvent abusers vs healthy controls.