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

Resumo Técnico: Framework CaravelMetrics para Análise Cerebrovascular

Enunciação do Problema
A morfologia cerebrovascular sofre alterações significativas ao longo da vida, incluindo diminuição da densidade vascular, aumento da curvatura e padrões de ramificação reorganizados. Compreender essas alterações é fundamental para distinguir condições patológicas do envelhecimento normal. No entanto, estudos populacionais em larga escala são atualmente dificultados pela dependência de traçado manual de vasos e pela falta de ferramentas totalmente automatizadas capazes de extrair biomarcadores complexos através de diversas modalidades de imagem neurovascular. Abordagens existentes são frequentemente limitadas a medições volumétricas simples ou restringem-se a tipos específicos de imagem e fluxos de trabalho semi-automáticos, falhando em capturar a complexidade topológica e geomética completa da árvore vascular.

Metodologia
Os autores apresentam o CaravelMetrics, um framework computacional totalmente automatizado projetado para extrair quinze características vasculares quantitativas a partir de máscaras binárias de vasos. O framework é agnóstico à modalidade, baseando-se em uma representação baseada em grafos da rede vascular, em vez de intensidades de imagem específicas.

1. Construção do Grafo:

   • Esqueletização: Uma máscara vascular binária ($M$) é convertida em um esqueleto com espessura de um voxel ($S$) que preserva propriedades topológicas (conectividade e loops).
   • Geração do Grafo: Pontos do esqueleto tornam-se nós ($V$) em um grafo não direcionado ponderado ($G$). Arestas ($E$) conectam nós dentro de uma vizinhança de 26.
   • Pós-processamento: Arestas espúrias são removidas com base em limiares de distância geodésica versus euclidiana. Pontos órfãos (voxels na máscara, mas não no esqueleto) são integrados por meio de conexões de centróide sob restrições de ângulo de ramificação e distância.
   • Definição de Segmentos: Três nós raiz são definidos com base no diâmetro do vaso e no status de bifurcação para garantir cobertura representativa. Segmentos vasculares são definidos como os caminhos mais curtos entre essas raízes e os pontos finais alcançáveis.

2. Extração de Características:
   O framework computa 15 características em quatro categorias (Tabela 1 no artigo):

   • Morfométricas: Comprimento total do vaso e volume.
   • Topológicas: Contagem de bifurcações, densidade de bifurcações, número de loops, comprimentos de loops, nós de grau anormal e componentes conectados.
   • Fractais: Dimensão fractal (via contagem de caixas) e lacunaridade (heterogeneidade espacial).
   • Geométricas: Comprimento geodésico, curvatura instantânea e média, curvatura quadrática média e razão arco-corda (tortuosidade).

3. Análise Regional:
   Um atlas arterial divide o cérebro em 30 territórios. O framework suporta tanto análise de cérebro inteiro quanto análise específica de região, por meio da interseção da máscara vascular com territórios definidos pelo atlas, permitindo caracterização multiescala.

4. Implementação:
   O pipeline é implementado em Python utilizando bibliotecas como scikit-image, NetworkX e vedo. O registro envolve alinhamento em múltiplas etapas (extração do cérebro, reorientação MNI e co-registro) para alinhar o atlas com dados de TOF-MRA.

Principais Contribuições

• Framework Automatizado: O CaravelMetrics fornece um pipeline escalável e totalmente automatizado para extrair características vasculares complexas sem intervenção manual.
• Agnosticismo à Modalidade: Ao operar sobre máscaras binárias e estruturas de grafos, a ferramenta é projetada para funcionar com qualquer modalidade de imagem neurovascular 3D.
• Caracterização Multiescala: A integração de um atlas arterial permite análise global (cérebro inteiro) e regional (específica de território) simultaneamente.
• Conjunto Abrangente de Características: A extração de 15 características distintas captura propriedades estruturais, topológicas, fractais e geométricas, oferecendo uma caracterização mais completa do que métricas simples de volume ou diâmetro.

Resultados Experimentais
O framework foi aplicado a 570 sujeitos saudáveis (idades de 20 a 86 anos) do conjunto de dados IXI, utilizando exames TOF-MRA e máscaras de vasos geradas por aprendizado profundo do conjunto de dados VesselVerse.

• Efeitos de Local: Análise inicial revelou vieses significativos induzidos pelo scanner (particularmente no local IOP), tornando necessária a exclusão deste local para analisar 488 sujeitos de dois centros homogêneos.
• Alterações Relacionadas à Idade:
  • Declínios: Correlações negativas significativas foram encontradas entre idade e comprimento total do vaso ($r \approx -0,55$), contagem de bifurcações, dimensão fractal e volume. O comprimento total do vaso mostrou uma redução de ~20% ao longo da vida.
  • Aumentos: Correlações positivas foram observadas com a idade para curvatura ($r \approx +0,20$) e lacunaridade ($r \approx +0,50$), indicando aumento da tortuosidade e esparsidade.
  • Variabilidade Regional: Os efeitos da idade variaram entre territórios corticais, com regiões nucleares profundas mostrando padrões diferentes em comparação com áreas corticais.
• Associações Demográficas:
  • IMC: IMC mais alto foi associado a simplificação estrutural (redução de bifurcações e nós) e aumento de curvatura/lacunaridade. Indivíduos com peso normal tiveram vasos mais longos do que os grupos com sobrepeso ou obesidade.
  • Sexo: Após remoção do viés, as mulheres exibiram maior dimensão fractal e densidade de bifurcações do que os homens, sugerindo redes mais compactas e complexas.
  • Educação: Níveis mais altos de educação foram associados a maior comprimento vascular, maior dimensão fractal e redução da lacunaridade, sugerindo uma organização vascular mais complexa e espacialmente homogênea.

Significado e Alegações
O artigo afirma que o CaravelMetrics produz com sucesso grafos vasculares reproduzíveis que capturam variações biológicas conhecidas relacionadas ao envelhecimento, sexo e educação. O framework demonstra que a complexidade vascular diminui e a tortuosidade aumenta com a idade, consistente com a literatura existente. Além disso, identifica associações entre educação e complexidade vascular, potencialmente ligando-se à reserva cognitiva.

Os autores posicionam o CaravelMetrics como uma ferramenta para modelagem normativa e estudos em nível populacional da saúde vascular. Eles enfatizam que o framework suporta a discriminação entre envelhecimento saudável e alterações patológicas ao fornecer faixas de referência específicas para demografia. O estudo conclui que a ferramenta é eficaz para extração quantitativa de características, mas reconhece limitações quanto à sensibilidade à qualidade da máscara e a necessidade de validação futura em coortes patológicas e protocolos de imagem diversos.