An Automated Framework for Large-Scale Graph-Based Cerebrovascular Analysis

技術的概要：脳血管分析のための CaravelMetrics フレームワーク

問題定義
脳血管の形態は、血管密度の低下、曲率の増加、分岐パターンの再編成など、生涯を通じて著しい変化を遂げる。これらの変化を理解することは、病理学的状態と正常な老化を区別する上で不可欠である。しかし、大規模な集団研究は、現在、手動による血管追跡への依存と、多様な神経血管画像モダリティにわたる複雑なバイオマーカーを抽出できる完全自動化ツールの欠如によって妨げられている。既存のアプローチは、しばしば単純な体積測定に限定されるか、特定の画像タイプと半自動ワークフローに制限されており、血管木の完全なトポロジー的および幾何学的複雑さを捉えられていない。

手法
著者らは、二値化された血管マスクから 15 の定量的血管特徴を抽出するように設計された、完全自動化された計算フレームワーク「CaravelMetrics」を提示する。本フレームワークはモダリティ非依存であり、特定の画像強度ではなく、血管ネットワークのグラフベース表現に依存する。

1. グラフ構築:

   • スケルトン化: 二値化血管マスク（$M$）は、トポロジー的特性（接続性とループ）を保持する 1 ボクセル厚のスケルトン（$S$）に変換される。
   • グラフ生成: スケルトン点は、無向重み付きグラフ（$G$）内のノード（$V$）となる。エッジ（$E$）は、26-近傍内のノード同士を接続する。
   • 後処理: 測地距離とユークリッド距離の閾値に基づき、偽のエッジを除去する。孤立点（マスク内にあるがスケルトンには含まれないボクセル）は、分岐角度と距離の制約条件下で重心接続を介して統合される。
   • セグメント定義: 代表性のあるカバレッジを確保するため、血管径と分岐状態に基づいて 3 つのルートノードが定義される。血管セグメントは、これらのルートと到達可能な端点との間の最短経路として定義される。

2. 特徴抽出:
   フレームワークは、4 つのカテゴリーにわたる 15 の特徴量を計算する（論文の表 1）:

   • 形態計測: 総血管長と体積。
   • トポロジー: 分岐数、分岐密度、ループ数、ループ長、異常次数ノード、および連結成分。
   • フラクタル: フラクタル次元（ボックスカウント法による）およびラクラニティ（空間的不均一性）。
   • 幾何学: 測地長、瞬間曲率および平均曲率、平均二乗曲率、およびアーク・オーバー・コード比（蛇行度）。

3. 領域分析:
   動脈アトラスは脳を 30 の領域に分割する。本フレームワークは、血管マスクをアトラスで定義された領域と交差させることで、脳全体分析と領域固有分析の両方をサポートし、マルチスケールな特徴付けを可能にする。

4. 実装:
   パイプラインは、scikit-image、NetworkX、vedo などのライブラリを使用して Python で実装されている。登録には、アトラスを TOF-MRA データに整合させるための多段階アライメント（脳抽出、MNI 再向き付け、共登録）が含まれる。

主要な貢献

• 自動化フレームワーク: CaravelMetrics は、手動介入なしに複雑な血管特徴を抽出するためのスケーラブルで完全自動化されたパイプラインを提供する。
• モダリティ非依存性: 二値化マスクとグラフ構造上で動作することで、本ツールは任意の 3D 神経血管画像モダリティで機能するように設計されている。
• マルチスケール特徴付け: 動脈アトラスの統合により、グローバル（脳全体）およびリージョナル（領域固有）分析を同時に可能にする。
• 包括的な特徴セット: 15 の異なる特徴の抽出は、構造的、トポロジー的、フラクタル的、および幾何学的性質を捉え、単純な体積や径の指標よりも完全な特徴付けを提供する。

実験結果
本フレームワークは、IXI データセットから TOF-MRA スキャンと VesselVerse データセットから深層学習によって生成された血管マスクを利用し、570 名の健康な被験者（年齢 20〜86 歳）に適用された。

• サイト効果: 初期分析により、特に IOP サイトにおいて顕著なスキャナ誘発バイアスが明らかとなり、2 つの均質センターからの 488 名を分析するためにこのサイトを除外する必要があった。
• 年齢関連変化:
  • 低下: 年齢と総血管長（$r \approx -0.55$）、分岐数、フラクタル次元、および体積の間には、有意な負の相関が認められた。総血管長は生涯を通じて約 20% 減少した。
  • 増加: 曲率（$r \approx +0.20$）およびラクラニティ（$r \approx +0.50$）については、年齢との正の相関が観察され、蛇行度と疎性の増加を示している。
  • 領域変動: 年齢の影響は大脳皮質領域間で異なり、深部核領域は皮質領域とは異なるパターンを示した。
• 人口統計学的関連:
  • BMI: 高い BMI は、構造的単純化（分岐数とノード数の減少）および曲率/ラクラニティの増加と関連していた。正常体重の個人は、過体重または肥満群よりも長い血管を持っていた。
  • 性別: バイアス除去後、女性は男性よりも高いフラクタル次元と分岐密度を示し、よりコンパクトで複雑なネットワークを示唆した。
  • 学歴: 高い学歴は、血管長の増加、高いフラクタル次元、および減少したラクラニティと関連しており、より複雑で空間的に均質な血管組織を示唆している。

意義と主張
本論文は、CaravelMetrics が老化、性別、および学歴に関連する既知の生物学的変異を捉える再現性のある血管グラフを成功裡に生成すると主張している。本フレームワークは、既存の文献と一致し、血管の複雑さが加齢とともに減少し、蛇行度が増加することを示している。さらに、学歴と血管複雑さの間の関連を特定しており、これは認知予備能と関連する可能性がある。

著者らは、CaravelMetrics を血管健康の規範的モデリングおよび集団レベル研究のためのツールとして位置づけている。彼らは、人口統計学的に固有の参照範囲を提供することで、本フレームワークが正常な老化と病理学的変化の識別を支援することを強調している。本研究は、本ツールが定量的特徴抽出に効果的であると結論付けているが、マスクの質に対する感度に関する限界と、病理学的コホートおよび多様な画像プロトコル全体での将来の検証の必要性を認めている。