Shape morphometry based on the 3D shape model of human organs has emerged as a preferred tool to investigate their morphological changes with respect to pathological processes (e.g., neurodegenerative diseases and cancers). Various methods have been proposed for the shape morphometry, but it is still challenging to estimate accurate surface boundaries against rough and noisy segmentations and to achieve good anatomical correspondence between the individual models. In addition, the sensitivity and comparability of the geometric measures, which quantify the shape differences between subjects, need to be validated and guaranteed for the comparison of the individuals` shapes with anatomical knowledge.
In order to address these issues in the shape morphometry, we introduce a template model-based approach on the shape modeling and its quantification. In our approach, the template model is defined as a pre-defined layout of their shape representations and anatomical landmarks for the shape feature measurement. The template model includes not only the surface mesh to encode the generic shape information of the target structure but also anatomical landmarks to determine the spatial normalization of the shape models and the baseline for measuring the geometric differences between corresponding primitives in the individualized models. For the template model-based morphometry, we develop computational methods for the template model construction, the template model adaptation to individual subjects, and the template model-based shape quantification with a focus on the morphology analysis of the hippocampus and the third ventricle. More specifically, we first propose a template model representation based on the multi-level neighborhood and the Laplacian coordinates and a progressive surface model deformation minimizing the geometric distortion while reconstructing the target shape via a non-rigid model deformation. In the study on the third ventricle, we extend the definition of the template model to include the midsagittal of the brain as an anatomical basis for the shape morphometry to investigate the morphological changes of the third ventricle in relation to brain atrophy in the left and right hemispheres separately.
In this dissertation, we present the experiments showing (1) accuracy and robustness of the proposed methods in smooth surface reconstruction with the distortion minimization while filtering out high-frequency noises in input volumes, (2) its sensitivity in detecting significant shape differences with respect to the neurodegenerative diseases (mild cognitive impairment and Alzheimer`s disease) and cognitive ability, (3) its robustness in constructing the anatomical shape correspondence between the individualized models, and (4) its reproducibility and consistency in quantifying the shape characteristics of target structures using the shape models and feature descriptors. In the experiments, we compared the performance of the proposed method with other well-known shape modeling methods: SPHARM-PDM, ShapeWorks and LDDMM volume registration with template injection. In addition, we employed various metrics of shape similarity, surface roughness, volume and shape deformity of the structures to quantitatively investigate the performance (e.g., accuracy, robustness, sensitivity and denoising effect) of the proposed method. The experimental results showed that the proposed method performed better than others in generating smoothen surfaces with less volume differences and better shape similarity to input volumes. The statistical analyses with clinical variables also showed that it was sensitive enough to detect subtle shape differences of the brain structures.
인체 장기의 3차원 형상 모델을 이용한 형상 계측 기법은 뇌 퇴행성 질환, 암과 같은 임상적 요인에 따른 장기의 구조적 변화를 정량적으로 조사하는데 유용한 도구로써 활용되고 있다. 의료 영상 모달리티의 발전과 더불어 다양한 형상 계측 기법이 제안되었지만, 인체 장기의 형상의 변이가 개인에 따라 크고, 입력 영상의 품질에서도 편차가 크기 때문에 이에 대응하여 보다 향상된 형상 모델을 구현하기 위한 연구가 활발히 진행되고 있다. 특히, 형상 계측을 위한 형상 모델링 기법은 형상 특징 복원의 정확성 확보, 개인의 형상 모델 간 형상 대응성 구축, 그리고 형상 변화에 대한 정량적 측정을 목표로 한다.
이에 대해 우리는 인체 장기의 형상 계측을 위한 템플릿 모델 기반 형상 모델링 및 정량화 기법을 제안한다. 본 연구에서 템플릿 모델은 인체 장기의 형상에 대한 전산적 표현과 형상 변화 측정 혹은 형상 정량화를 위한 해부학적 특징점들을 포함하는 사전에 정의된 형상 표현의 레이아웃으로 정의한다. 이와 같은 템플릿 모델의 정의를 토대로 우리는 (1) 템플릿 모델 구축, (2) 개인의 형상 특징 복원을 위한 템플릿 모델의 변형, (3) 개인화된 템플릿 모델을 이용한 형상의 변화를 정량적으로 측정하는 전산 기법들을 제안한다. 구체적으로 템플릿 모델에서 표면의 각 정점을 입력 영상에서 대상 구조의 표면에 해부학적 대응성을 가지고 배치하기 위한 다중 레벨 이웃 연결성 기반 템플릿 표면 모델 표현 기법, 이에 기반하여 특징 복원 중 템플릿 모델의 기하적 왜곡을 최소화하는 점진적 템플릿 모델 변형 기법을 개발하였다. 이를 확장하여 대상 구조의 해부학적 특징을 반영하는 기하적 제한 요소를 정의하고, 변형 과정 중 이를 만족시키는 제한적 템플릿 변형 기법을 개발하였다. 마지막으로 구축된 3차원 표면 모델로부터 대상 구조의 형상 특징을 해부학적 지식에 따라 정량화하는 구조적 특징 기술자들을 제안하였다.
우리는 제안한 템플릿 모델 기반 형상 계측 기법의 검증을 위해 뇌 해마 및 제 3 뇌실을 대상으로 선정하고, 제안 기법의 성능을 (1) 입력 영상의 거친 표면에 대응하여 대상 구조의 특징을 정확히 복원하는 동시에 템플릿 모델의 기하적 왜곡을 최소화하는 템플릿 모델 변형 기법의 정확도, (2) 알츠하이머 병, 경도 인지 장애 등 임상적 요인에 의한 형상 변화를 검출할 수 있는 형상 계측의 민감도, (3) 개인에 따른 대상 구조의 형상 및 크기의 편차에 대응하여 형상 모델 간의 해부학적 대응성을 구축하는 강직성, (4) 형상 특징의 정량적 측정에 대한 일관성 및 재생산성 등으로 나누어 검증하는 실험들을 수행하였다. 특히, 뇌 구조의 형상 계측을 위하여 기 제안된 모델링 기법인 SPHARM-PDM, ShapeWorks, LDDMM 영상 정합 및 템플릿 주입 들과 성능을 비교하였으며, 제안한 기법이 다른 모델링 기법에 비해 보다 적은 크기 변화와 높은 형상 유사도를 가지고 부드러운 표면을 복원할 수 있음을 확인하였다. 그리고 임상적 변수와 제안 기법으로 측정한 형상 변화 간의 통계적 분석을 통해 제안한 기법이 뇌 구조의 형상 변화를 감지하기에 충분한 정확도를 가지고 있음을 확인하였다.
