Ứng dụng phương pháp ica phát hiện vùng não hoạt hóa trong dữ liệu ảnh cộng hưởng từ chức năng

Bài báo đã xây dựng được một mô hình xử lý ảnh cộng hưởng từ chức năng fMRI dựa trên phương pháp ICA (thuật toán FastICA). Phương pháp ICA cho phép phân tách dữ liệu fMRI thành các thành phần không gian (ảnh) độc lập và phi Gauss. Từ các thành phần độc lập này, chúng ta có thể xác định những thành phần tín hiệu có ích liên quan đến tác động kích thích cũng như xác định những khu vực hoạt hóa trong não.

Vũ Hồng Vinh Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 128(14): 49 - 54 ỨNG DỤNG PHƯƠNG PHÁP ICA PHÁT HIỆN VÙNG NÃO HOẠT HÓA TRONG DỮ LIỆU ẢNH CỘNG HƯỞNG TỪ CHỨC NĂNG Vũ Hồng Vinh1, Đinh Thị Nhung1, Vương Hoàng Nam , Nguyễn Văn Sơn2, Đào Huy Du3* 1Trường Đại học Bách Khoa Hà Nội, 2Viện Đại học Mở Hà Nội Đại học Kỹ thuật Cơng nghiệp – ĐH Thái Ngun 3Trường TĨM TẮT Bài báo xây dựng mơ hình xử lý ảnh cộng hưởng từ chức fMRI dựa phương pháp ICA (thuật toán FastICA) Phương pháp ICA cho phép phân tách liệu fMRI thành thành phần không gian (ảnh) độc lập phi Gauss Từ thành phần độc lập này, xác định thành phần tín hiệu có ích liên quan đến tác động kích thích xác định khu vực hoạt hóa não Trong phần mơ phỏng, sử dụng sở liệu fMRI thu thập Institutional Review Board of Johns Hopkins University Kết phân tích cho phép xác định vùng não hoạt hóa chịu tác động kích thích thị giác bán não bên trái bán não bên phải bệnh nhân Từ khóa: ảnh cộng hưởng từ chức năng, phân tích thành phần độc lập, vùng não hoạt hóa, thuật tốn fastICA GIỚI THIỆU* Chụp cộng hưởng từ hay MRI (Magnetic Resonance Imaging) kỹ thuật chẩn đốn y khoa tạo hình ảnh giải phẫu thể nhờ sử dụng từ trường sóng radio Cộng hưởng từ hình ảnh (MRI) cung cấp hình ảnh cấu trúc bên thể, chức cộng hưởng từ hình ảnh fMRI (funtional MRI ) đánh giá trình trao đổi chất MRI sử dụng nơi thể, nghiên cứu fMRI tập trung vào não, nơi hình ảnh mà tiết lộ thay đổi tinh tế mức độ hoạt động đặc biệt quan trọng MRI có độ phân giải khơng gian cao fMRI có độ phân giải thời gian Tuy nhiên, tín hiệu đo thu kỹ thuật cộng hưởng từ chức tín hiệu phức hợp có chứa nhiều thành phần mang thông tin khác biệt từ nhiều nguồn phần tử khác Do tái tạo ảnh sử dụng liệu thô hiển thị tính chất nguồn phát sóng xung kích thích sóng điện từ Để giải vấn đề việc tách biệt tín hiệu thành phần giải pháp Vào năm 1994, tác giả Comon đề xuất khái niệm phân tích * Tel: 0912 347222, Email: daohuydu@tnut.edu.vn tín hiệu thành phần khơng tn theo phân bố Gauss nghĩa hoàn toàn độc lập mặt thống kê, đặt tên Phân tích thành phần độc lập ICA (Independent Component Analysis) Sau đó, khái niệm tác giả Bell Sejnowski phát triển vào năm 1995 [1] Ứng dụng phương pháp Phân tích thành phần độc lập ICA để phân tích ảnh chụp cộng hưởng từ chức fMRI hướng khoa học nghiên cứu phát triển giới khoảng mười năm trở lại đạt nhiều kết triển vọng dùng cho việc hỗ trợ chẩn đoán y tế Một hướng nghiên cứu quan phân tích liệu fMRI việc xác định vùng não hoạt hóa Phương pháp ICA cho phép phân tách liệu fMRI thành thành phần không gian (ảnh) độc lập phi Gauss Từ thành phần độc lập này, xác định thành phần tín hiệu có ích liên quan đến tác động kích thích xác định khu vực hoạt hóa não Kết nghiên cứu thu triển khai vào thực tiễn cho phép bác sĩ xác định khu vực não hoạt hóa người bệnh chịu tác động kích thích định từ giúp bác sĩ tìm phương án điều trị tối ưu cho người bệnh 49 Vũ Hồng Vinh Đtg Tạp chí KHOA HỌC & CƠNG NGHỆ PHƯƠNG PHÁP ICA Phân tách mù nguồn tín hiệu BSS (Blind Source Separation) phương pháp sử dụng phổ biến cho mục đích đánh giá nguồn tín hiệu ban đầu thơng qua tín hiệu thu cảm biến đầu ra, mà không cần biết đến đặc tính hàm truyền đạt kênh truyền Mơ hình tốn học đơn giản tốn BSS tuyến tính sau: Nếu gọi s s1, s2 , , sN T vectơ ngẫu nhiên, thành phần xem nguồn tín hiệu gốc ban đầu, x x 1, x , , x M T vectơ tín hiệu thu cảm biến xác định phương trình: x As (1) A ma trận trộn (khơng biết) đặc trưng cho đặc tính truyền đạt kênh truyền Khi nhiệm vụ tốn BSS phải xác định ma trận W , gọi ma trận tách, y Wx tín hiệu nguồn khơi phục Một cách lý tưởng ma trận W ma trận nghịch đảo A thực tế hoàn tồn khơng biết A mà biết tín hiệu thu x Một phương pháp giải phổ biến tốn BSS tuyến tính phương pháp phân tích thành phần độc lập ICA Phương pháp ICA dựa giả thiết thực tế nguồn tín hiệu gốc độc lập thống kê với Ma trận trộn x1(t) s2(t) x2(t) A sN(t) xM(t) x(t) Tín hiệu trộn Hình Mơ hình tốn BSS tổng quát 50 Phương pháp phân tích thành phần độc lập ICA định nghĩa sau [2]: Định nghĩa ICA: ICA vector biến ngẫu nhiên x RN tìm phép biến đổi tuyến tính y Wx cho thành phần yi i 1, N độc lập hỗ tương thơng qua việc cực đại hóa hàm đo tính độc lập hỗ tương (hàm mục tiêu) F y1, y2 , , yN Định nghĩa xem định nghĩa tổng qt khơng cần có điều kiện ràng buộc liệu.Mơ hình ICA tuyến tính đòi hỏi giả thiết sau [2]: Các nguồn tín hiệu gốc ban đầu độc lập thống kê với Ma trận trộn A ma trận vuông (số lượng tín hiệu nguồn tín hiệu trộn nhau) khả nghịch Tối đa có nguồn tín hiệu gốc có phân bố Gauss Với giả thiết trên, mục tiêu phương pháp ICA vector ngẫu nhiên x RN tìm ma trận tách W cho T y1 n , , yN n tín hiệu đầu y n xác định bởi: y n Wx n (2) gồm thành phần độc lập với Trong báo thuật toán ICA chúng tơi sử dụng thuật tốn FastICA với hàm đo tính độc lập hàm Negentropy [2,3] TÍN HIỆU CỘNG HƯỞNG TỪ CHỨC NĂNG s1(t) s(t) Tín hiệu nguồn 128(14): 49 - 54 Cơ chế hoạt động Khác với ảnh cấu trúc cho hình ảnh cụ thể rõ ràng giải phẫu não, fMRI dùng khảo sát hoạt động não nhờ vào phát thay đổi huyết động não đáp ứng kích thích thần kinh Các hoạt động thần kinh làm tăng mức tiêu thụ Oxygen tăng dòng chảy mạch máu não Lúc đó, vùng não hoạt động tăng tương đối lượng oxyhemoglobin so với deoxyhemoglobin Việc giảm tương đối nồng độ deoxyhemoglobin chỗ có tác động Vũ Hồng Vinh Đtg Tạp chí KHOA HỌC & CƠNG NGHỆ thuận từ làm tăng thống qua tín hiệu T2*, điều phát fMRI Đây nguyên lý tương phản lệ thuộc oxygen máu BOLD (Blood Oxygen Level Dependent) dùng fMRI Điều quan trọng cần lưu ý BOLD fMRI không đo, đánh giá trực tiếp hoạt động nơron thần kinh mà đánh giá lượng tiêu thụ (lượng ôxi hóa) nơron hoạt hóa Hàm đáp ứng huyết lưu HRF (Haemodynamic Response Function) Hàm đáp ứng huyết lưu HRF tắc h  t  tín hiệu BOLD xung kích thích (sự kiện) minh họa hình Đối với hàm đáp ứng HRF tắc h  t  , thấy đỉnh đáp ứng khoảng 5s sau kích thích sau giảm xuống kéo dài khoảng 30s (hình vẽ 2) quanh kích thích Tuy nhiên thực tế khoảng thời gian kích thích thường nhỏ so với hàm đáp ứng HRF Boynton et al., 1996 [4] giả thiết tín hiệu BOLD đầu hệ thống tuyến tính bất biến thời gian (linear time-invariant), với hàm kích thích đầu vào u  t  biểu diễn biến thiên theo thời gian (time-course) X  t  tín hiệu BOLD phép tích chập hàm kích thích hàm đáp ứng xung HRF 128(14): 49 - 54 CƠ SỞ DỮ LIỆU ẢNH FMRI Cơ sở liệu BOLD-fMRI (theo định dạng Analyze) sử dụng báo dùng đánh giá chức thị giác (visual) thu thập Institutional Review Board of Johns Hopkins University máy cộng hưởng từ Gyroscan NT PT-6000 hoạt động 1,5 Tesla (hãng Philips Medical Systems) [5] Người tham gia (3 đối tượng) nằm máy quét MRI kích thích hình ảnh chiếu từ máy video-projector phòng cộng hưởng từ cách ly từ trường nhờ lồng Faraday Một gương giúp chiếu hình ảnh lên hình cuộn dây máy Người tham gia nhìn hình gương cố định (đối diện người bệnh với góc nghiêng khoảng 25 độ) trước mắt người bệnh Kích thích đưa đến máy chiếu từ PC (hình vẽ 3) Ảnh chụp theo phương pháp EPI, phương pháp chụp ảnh cộng hưởng từ siêu nhanh đạt tới tốc độ video EPI sử dụng để thể thay đổi lớn thông số sinh lý học, đặc biệt thăm khám chức não Tuy nhiên phương pháp có nhược điểm nhiều nhiễu ma trận liệu thơ thường bị giới hạn Hình Q trình thu nhận liệu fMRI Dữ liệu thu nhận đối tượng gồm 220 ảnh FMRI ghi ghi nhận 220 thời điểm (cách 1s) Hình Hàm đáp ứng HRF T X t u t h u t h d (3) Các thông số chụp EPI: TR=1sec; TE= 39ms; FOV= 24cm; matrix= 53 x 63; góc flip=90 độ; độ dày slice (theo trục z)= mm; 51 Vũ Hồng Vinh Đtg Tạp chí KHOA HỌC & CƠNG NGHỆ Hình Q trình kích thích thị giác fMRI Q trình kích thích thị giác gồm: mẫu bàn cờ thay đổi (đảo) màu độ sáng với tần số (nhấp nháy) Hz chiếu 15 giây hemi-field (trường nhìn) thị giác bên phải Năm giây hình cố hình khơng có kích thích Mẫu kích thích thị giác (ơ bàn cờ) với tần số Hz lặp lại 15 giây cho hemi-field thị giác trái Cuối hình khơng mẫu kích thích 20 giây tiếp Q trình hiển thị hiển thị thơng qua lập trình máy tính Q trình kích thích thị giác lặp lại kiện lần (sự kiện có chu kỳ 55 giây) với tổng cộng 220 giây (hình 4) ỨNG DỤNG ICA PHÂN TÍCH DỮ LIỆU FMRI NHẰM PHÁT HIỆN VÙNG HOẠT HÓA Ứng dụng phương pháp ICA để phân tích liệu ảnh fMRI cho phép tách thành phần độc IC (Independent Component) liệu ảnh trình biến thiên theo thời gian (time-course) chúng dựa ma trận tách W [6,7] Trong phạm vi nghiên cứu, báo quan tâm đến vùng não (vùng hoạt hóa) bị chịu ảnh hưởng tác động kích thích thị giác Như quan tâm đến hai thành phần liên quan đến vùng não thị giác bên trái (Visuo-Left) bên phải (Visuo-Right) sở liệu fMRI (mục 4) Sau tìm thành phần độc lập liệu fMRI, thành phần tín hiệu quan tâm xác định việc so sánh tương quan trình biến thiên theo thời gian thành phần với hàm biến thiên theo thời gian dự đoán 52 128(14): 49 - 54 tín hiệu BOLD thực nghiệm (mục 3) Đối với thực nghiệm, có time-course (dự dốn) thực nghiệm liên quan đến tín hiệu BOLD vùng não chịu ảnh hưởng kích thích Với hàm tham chiếu này, đánh giá mức độ “giống nhau” time-course thành phần IC so với time-course tham chiếu dự đốn thơng qua hệ số tương quan (Corelation Coefficient- CC) [8] n xi CC x yi y i n xi i n x yi (4) y i CC sử dụng để đánh giá độ tương quan time-course x với timecourse dự đoán y , i số thời gian Các IC liên quan đến tác động kích thích có giá trị tương quan với time-course tín hiệu BOLD lớn Cuối cùng, việc xác định vùng hoạt hóa (activation map) thực thành phần Chúng ta thực trình tìm kiếm vùng hoạt hóa ROA (Region of Activation) Phương pháp đơn giản tìm kiếm điểm có giá trị lớn (outlier) cách tạo ảnh thống kê T (s ) để tìm kiếm vùng hoạt hóa, sau chọn ngưỡng giá trị t vùng ROA xác định tất điểm s ROA thỏa mãn T s t Các ROA tìm kiếm dựa tham số Z-score (chỉ số Z) định nghĩa sau [6,7]: Z x (5) Chỉ số Z dùng để diễn đạt mối liên hệ điểm giá trị liệu cụ thể x biết giá trị trung bình liệu độ lệch chuẩn KẾT QUẢ MÔ PHỎNG Việc phân tích liệu ảnh fMRI (CSDL Institutional Review Board of Johns Hopkins University) thực thuật toán FastICA Số thành phần độc lập phân tích Vũ Hồng Vinh Đtg Tạp chí KHOA HỌC & CƠNG NGHỆ chọn 20 xem phù hợp (Kiviniemi.V et al đưa số lượng thành phần đánh giá nên từ 20 đến 40 thành phần [9]) Dữ liệu fMRI đối tượng thuật toán FastICA tách thành 20 thành phần không gian (ảnh) độc lập Trong IC cần tìm IC liên quan đến tác động kích thích từ thực nghiệm Hình vẽ thể thay đổi (dự đốn) theo thời gian tín hiệu BOLD vùng não thị giác trái phải xem phép tích chập hàm kích thích (hình 4) hàm đáp ứng xung HRF (hình 2) Dữ liệu fMRI thực nghiệm báo phân tích ICA tách thành thành phần liên quan đến hai tác động khác (một vùng vùng não thị giác trái VisuoLeft, vùng thị giác phải Visuo- Right) 128(14): 49 - 54 Thành phần IC7, hình 7, liên quan đến tác động thị giác trường nhìn (hemi-field) bên phải (ở vùng vỏ não thị giác trái-VL) thành phần IC6, hình 6, liên quan đến tác động thị giác trường nhìn (hemi-field) bên trái (ở vùng vỏ não thị giác phải-VR) đối tượng thực nghiệm Tien trinh thoi gian (time-course) tuong ung voi Visuo-Left 1.5 0.5 IC 20 40 60 80 100 120 140 160 180 200 220 Thoi gian(s) -1 Tien trinh thoi gian (time-course) tuong ung voi Visuo-Right 20 1.5 40 60 80 100 120 140 Thoi gian (Scans) 160 180 200 220 Don vi tin hieu da chuan hoa Hình Thành phần IC6 liên quan đến vị trí hoạt hóa vùng thị giác phải não (VR) 1 0.5 0 20 40 60 80 100 120 140 160 180 200 220 Thoi gian(s) R Hình Quá trình thay đổi dự đốn tín hiệu BOLD ứng với VL VR Hai thành phần IC sau xác định tìm kiếm vùng hoạt hóa thông qua việc đánh giá số Z Chỉ số Z tính cho voxel voxel có giá trị số Z lớn ngưỡng cụ thể (trong báo chọn Z ) dùng nhận dạng vùng hoạt hóa, voxel có số Z nhỏ ngưỡng trả giá trị Kết thực nghiệm (của đối tượng) sau phân tích ảnh FMRI thuật tốn FastICA thu hai thành phần có time-course tương quan lớn (giống) với time-course thực nghiệm IC6 IC7 9.3 0 Hình Thành phần IC7 liên quan đến vị trí hoạt hóa vùng thị giác trái não (VL) Tiến hành phân tích liệu đối tượng tham gia cho kết thu tốt với vị trí hoạt hóa chịu tác động thực nghiệm KẾT LUẬN Bài báo xây dựng mơ hình xử lý ảnh cộng hưởng từ chức fMRI dựa phương pháp ICA (thuật toán FastICA) cho 53 Vũ Hồng Vinh Đtg Tạp chí KHOA HỌC & CƠNG NGHỆ phép xác định thành phần tín hiệu có ích liên quan đến tác động kích thích xác định vùng hoạt hóa não Kết nghiên cứu triển khai vào thực tiễn cho phép bác sĩ xác định khu vực não hoạt hóa người bệnh chịu tác động kích thích định từ giúp bác sĩ tìm phương án điều trị tối ưu Hướng phát triển nghiên cứu thực đánh giá chức liên kết não (functional connection) fMRI việc kết hợp tín hiệu fMRI với tín hiệu y sinh khác (như điện não đồ EEG) việc hỗ trợ chẩn đoán bệnh động kinh TÀI LIỆU THAM KHẢO McKeown M.J and Sejnowski T.J, “Independent Component Analysis of FMRI data: Examining the Assumptions”, Human Brain Mapping, vol.6, pp 368-372, 1998 Aapo Hyvarinen, Juha Karhunen and Erkkl Oja, Independent Component Analysis, John Wiley and Sons Ltd, 2001 128(14): 49 - 54 A.Hyvarien, “Fast and robust fixed-point algorithms for independent component analysis,” IEEE Trans On Neural Networks, 10(3): 626-634, 1999 Boynton GM, Engel SA, Glover GH et al (1996), Linear systems analysis of functional magnetic resonance imaging in human V1, J Neurosci 16: 4207-21 5.http://mialab.mrn.org/software/gift/software_do wnload_links.html V.Calhoun, T.Adali, G.Pearlson, and J.Pekar, “A Method for Making Group Inferences From Functional MRI Data Using Independent Component Analysis” Hum.Brain Map., vol 14, pp 140-151, 2001 V.Calhoun, J.Pekar, T.Adali, and G.Pearlson, “Spatial & Temporal Independent Component Analysis of fMRI Data with TwoTask-Related Waveforms” Proceedings, ISMRM, 10th Annual Meeting, Glasgow,Scotland, p 24, 2001 Chung I-Huang et al, “Using Independent Component Analysis to detect active regions in brain fMRI for tactile stimulation”, Journal of Medical and Biological Engineering, 28(3), 147154, 2008 9.Kiviniemi.V et al, “Independent Component Analysis of nondeterministic fMRI signal sources”, NeuroImage, vol 19, pp.253-260, 2003 SUMMARY DETECTION OF ACTIVATED BRAIN REGIONS FROM FMRI DATA BASED ON INDEPENDENT COMPONENT ANALYSIS Vu Hong Vinh1, Dinh Thi Nhung1, Vuong Hoang Nam , Nguyen Van Son2, Dao Huy Du3* 1Hanoi University of Science and Technology, 2Hanoi Open University College of Technology - TNU In this work, Independent Component Analysis (FastICA algorithm) is employed to separate functional magnetic resonanse image (fMRI) data into spatially independent non-Gaussian components Based on the separation, activation regions related to stimulations on the left and right brain are indicated For the demonstration, the data collected from Institutional Review Board of Johns Hopkins University data base were used The results of the analysis are the images of the patient’s brain which the activation regions of the visual function posed on the left and right half of the brain have been shown Key word: functional MRI, independent component analysis, brain activated region, fastICA Ngày nhận bài:15/9/2014; Ngày phản biện:30/9/2014; Ngày duyệt đăng: 25/11/2014 Phản biện khoa học: PGS.TS Nguyễn Thanh Hà – Đại học Thái Nguyên * Tel: 0912 347222, Email: daohuydu@tnut.edu.vn 54 ... kiện có chu kỳ 55 giây) với tổng cộng 220 giây (hình 4) ỨNG DỤNG ICA PHÂN TÍCH DỮ LIỆU FMRI NHẰM PHÁT HIỆN VÙNG HOẠT HÓA Ứng dụng phương pháp ICA để phân tích liệu ảnh fMRI cho phép tách thành phần... chiếu từ PC (hình vẽ 3) Ảnh chụp theo phương pháp EPI, phương pháp chụp ảnh cộng hưởng từ siêu nhanh đạt tới tốc độ video EPI sử dụng để thể thay đổi lớn thông số sinh lý học, đặc biệt thăm khám chức. .. (Independent Component) liệu ảnh trình biến thiên theo thời gian (time-course) chúng dựa ma trận tách W [6,7] Trong phạm vi nghiên cứu, báo quan tâm đến vùng não (vùng hoạt hóa) bị chịu ảnh hưởng tác động