Modelo interactivo del cerebro: Anatomia estructural y

funcional.

Poster no.: S-1336

Congreso: SERAM 2014
Tipo del póster: Presentación Electrónica Educativa
Autores: A. M. Granados Sanchez, J. F. Orejuela Zapata, L. M. Valenzuela
Gallego; Cali/CO
Palabras clave: Neurorradiología cerebro, RM
DOI: 10.1594/seram2014/S-1336

Cualquier información contenida en este archivo PDF se genera automáticamente

a partir del material digital presentado a EPOS por parte de terceros en forma de
presentaciones científicas. Referencias a nombres, marcas, productos o servicios de
terceros o enlaces de hipertexto a sitios de terceros o información se proveen solo
como una conveniencia a usted y no constituye o implica respaldo por parte de SERAM,
patrocinio o recomendación del tercero, la información, el producto o servicio. SERAM no
se hace responsable por el contenido de estas páginas y no hace ninguna representación
con respecto al contenido o exactitud del material en este archivo. De acuerdo con las
regulaciones de derechos de autor, cualquier uso no autorizado del material o partes
del mismo, así como la reproducción o la distribución múltiple con cualquier método
de reproducción/publicación tradicional o electrónico es estrictamente prohibido. Usted
acepta defender, indemnizar y mantener indemne SERAM de y contra cualquier y todo
reclamo, daños, costos y gastos, incluyendo honorarios de abogados, que surja de o
es relacionada con su uso de estas páginas. Tenga en cuenta: Los enlaces a películas,
presentaciones ppt y cualquier otros archivos multimedia no están disponibles en la
versión en PDF de las presentaciones.

Página 1 de 13
Objetivo docente

Desarrollar una aplicación que sirva al grupo médico y residentes de radiología como
herramienta académica y de apoyo en la práctica clínica que permita interactuar con
el cerebro humano explorando áreas anatómicas y funcionales de la corteza cerebral,
núcleos basales y tractos de sustancia blanca.

Revisión del tema

Esta aplicación fue implementada en el entorno de desarrollo integrado de MatLab

utilizando sus diferentes librerías y herramientas para el manejo de matrices,
procesamiento de imágenes, almacenamiento de información y generación de interfaces
de usuario con el fin de ofrecer una herramienta práctica e intuitiva.

Imagen por Tensor de Difusión (DTI)

DTI es una técnica que permite mapear los tractos de sustancia blanca a partir de la
cuantificación del grado de anisotropía de los protones de agua en los tejidos (figura 1).
La tractografía es la representación tridimensional de DTI donde se visualizan los tractos
en un mapa de colores que depende de la dirección de las fibras neuronales (figura 2).

Página 2 de 13
Fig. 1: La difusión es la propiedad física que describe el movimiento de las moléculas
en una solución. Este movimiento depende del peso molecular, las interrelaciones
moleculares, la viscosidad y la temperatura.
Referencias: Fundación Valle del Lili - Cali/CO

Página 3 de 13
Fig. 2: Codificación de colores según la dirección de las fibras.
Referencias: Fundación Valle del Lili - Cali/CO

Las imágenes fueron adquiridas con un equipo de resonancia de 1.5 teslas con una
antena de 32 canales utilizando secuencias ecoplanares de 20 direcciones en un sujeto
masculino sano de 24 años de edad. A partir del software Syngo.Via versión VA20B
se realizó la generación de los volúmenes anatómicos fusionados con los tractos de
sustancia blanca. Las series multiplanares de mapas de colores y las reconstrucciones
tridimensionales de los tractos fueron obtenidas mediante Syngo versión VE31A.

Los tractos más frecuentemente utilizados son:

• Fibras de asociación: Fascículo fronto-occipital, fascículo longitudinal

superior e inferior, fascículo arcuato.
• Fibras comisurales: Cuerpo calloso.
• Fibras de proyección: Tracto corticoespinal.

Página 4 de 13
Fig. 3: Tractografía: Tracto Corticoespinal, Cuerpo Calloso y Cíngulo.
Referencias: Fundación Valle del Lili - Cali/CO

En los últimos años esta técnica se ha convertido en una herramienta adicional muy
importante durante el planeamiento quirúrgico de pacientes con diagnóstico de tumores,
malformaciones arteriovenosas, enfermedades cerebrovasculares y desmielinizantes,
entre otras.

Volumetría

La volumetría es un proceso de segmentación cerebral realizado con el fin de obtener

información cuantitativa sobre regiones cerebrales y núcleos basales.

Utilizando secuencias volumétricas MPRAGE obtenidas en un equipo de resonancia

de 1.5 Teslas, se realiza el post procesamiento en FreeSurfer que consiste en
la extracción de cerebro, corrección de intensidad, normalización, segmentación
subcortical, sustancia blanca, segmentación utilizando los atlas de Destrieux y Desikan-
Killiany, y generación de tablas con valores volumétricos (figura 3). Posteriormente,
se generan las series multiplanares segmentadas y volúmenes de núcleos basales
independientes para la modelación en 3D (figura 4). Los valores de volúmenes
cerebrales y espesor cortical que se utilizan en la descripción de cada uno de los
segmentos fueron extraídos de la base de datos web de volumen cerebral (IBVD por
sus siglas en inglés).

Página 5 de 13
Fig. 4: Segmentación cerebral obtenida a partir del post procesamiento de imágenes
anatómicas con FreeSurfer.
Referencias: Fundación Valle del Lili - Cali/CO

Fig. 5: Volúmenes 3D de ventrículos y segmentos cerebrales subcorticales.

Referencias: Fundación Valle del Lili - Cali/CO

Página 6 de 13
Fig. 7: Segmentación cerebral en 3D.
Referencias: Fundación Valle del Lili - Cali/CO

Este tipo de información cuantitativa constituye una herramienta promisoria en el

diagnóstico y seguimiento de diferentes patologías como hidrocefalia, esclerosis mesial
temporal, atrofia cortical, entre otras.

Resonancia Magnética Funcional (fMRI)

La fMRI es un estudio basado en el efecto BOLD (Blood Oxygen Level Dependent) que
consiste en la detección, a través de resonancia magnética, de la alteración del campo
magnético producido por el cambio de concentración de la desoxihemoglobina debido
a la variación en el flujo sanguíneo y aumento del consumo de oxígeno en las regiones
cerebrales que se utilizan para la ejecución de cierta tarea.

Actualmente, esta técnica es utilizada como herramienta adicional durante el

planeamiento quirúrgico de pacientes con diagnóstico de epilepsia, tumores y
malformaciones arteriovenosas con el fin de lateralizar el hemisferio dominante del
lenguaje y determinar la localización de las áreas elocuentes con respecto a una lesión
estructural o foco epileptógeno.

Los patrones de activación de resonancia magnética funcional basada en tareas

(RMf) fueron obtenidas a partir del análisis de alto nivel de un grupo de sujetos
sanos donde se aplicaron tareas motoras, visuales, de lenguaje y memoria. Por su
parte, las redes neuronales identificadas durante la resonancia magnética funcional
en reposo fueron obtenidas mediante el Análisis de Componentes Independientes

Página 7 de 13
(ICA) basada en la descomposición de la serie funcional según sus características
temporoespaciales permitiendo identificar señales relacionadas con actividades
neurales. Este procesamiento fue realizado utilizando las herramientas FEAT, FLIRT,
BET y melodic ICA de FSL (Analysis Group, FMRIB, Oxford, UK). Las imágenes fueron
normalizadas y presentadas en el estándar MNI152.

Fig. 6: Ejemplos de patrones normales de activación obtenidos a partir del análisis

de alto nivel y normalización en estándar MNI152 de secuencias de Resonancia
Magnética Funcional basada en tareas.
Referencias: Fundación Valle del Lili - Cali/CO

Aplicación

Página 8 de 13
Fig. 8: Navegación en dos y tres dimensiones con o sin segmentación cerebral.

Página 9 de 13
Referencias: Fundación Valle del Lili - Cali/CO

Fig. 9: Navegación y menú intuitivo.

Referencias: Fundación Valle del Lili - Cali/CO

Página 10 de 13
Fig. 10: Series anatómicas fusionadas con tractos de sustancia blanca.

Página 11 de 13
Referencias: Fundación Valle del Lili - Cali/CO

Conclusiones

Esta aplicación permite de una manera fácil e intuitiva navegar a través del cerebro
adquiriendo referentes anatómicos y áreas funcionales que permiten el aprendizaje de
personas en entrenamiento y a su vez es una herramienta útil en la práctica clínica para
especialistas en las áreas de neurología, neurocirugía, neuropsiquiatría y especialidades
a fines.

Bibliografía

1. M. Jenkinson, C.F. Beckmann, T.E. Behrens, M.W. Woolrich, S.M. Smith.

FSL. NeuroImage, 62:782-90, 2012
2. M.W. Woolrich, S. Jbabdi, B. Patenaude, M. Chappell, S. Makni, T. Behrens,
C. Beckmann, M. Jenkinson, S.M. Smith. Bayesian analysis of neuroimaging
data in FSL. NeuroImage, 45:S173-86, 2009
3. S.M. Smith, M. Jenkinson, M.W. Woolrich, C.F. Beckmann, T.E.J. Behrens,
H. Johansen-Berg, P.R. Bannister, M. De Luca, I. Drobnjak, D.E. Flitney, R.
Niazy, J. Saunders, J. Vickers, Y. Zhang, N. De Stefano, J.M. Brady, and
P.M. Matthews. Advances in functional and structural MR image analysis
and implementation as FSL. NeuroImage, 23(S1):208-19, 2004
4. M. Jenkinson, M. Pechaud, and S. Smith. BET2: MR-based estimation
of brain, skull and scalp surfaces. In Eleventh Annual Meeting of the
Organization for Human Brain Mapping, 2005.
5. M. Jenkinson and S.M. Smith. A global optimisation method for robust affine
registration of brain images. Medical Image Analysis, 5(2):143-156, 2001.
6. M. Jenkinson, P.R. Bannister, J.M. Brady, and S.M. Smith. Improved
optimisation for the robust and accurate linear registration and motion
correction of brain images. NeuroImage, 17(2):825-841, 2002.
7. Desikan, R.S., Segonne, F., Fischl, B., Quinn, B.T., Dickerson, B.C.,
Blacker, D., Buckner, R.L., Dale, A.M., Maguire, R.P., Hyman, B.T., Albert,
M.S., Killiany, R.J., 2006. An automated labeling system for subdividing the
human cerebral cortex on MRI scans into gyral based regions of interest.
Neuroimage 31, 968-980.
8. Dale, A.M., Fischl, B., Sereno, M.I., 1999. Cortical surface-based analysis. I.
Segmentation and surface reconstruction. Neuroimage 9, 179-194.
9. Fischl, B., Dale, A.M., 2000. Measuring the thickness of the human cerebral
cortex from magnetic resonance images. Proc Natl Acad Sci U S A 97,
11050-11055.
10. Fischl, B., Salat, D.H., Busa, E., Albert, M., Dieterich, M., Haselgrove,
C., van der Kouwe, A., Killiany, R., Kennedy, D., Klaveness, S., Montillo,

Página 12 de 13
 A., Makris, N., Rosen, B., Dale, A.M., 2002. Whole brain segmentation:
automated labeling of neuroanatomical structures in the human brain.
Neuron 33, 341-355.
11. Fischl, B., Salat, D.H., van der Kouwe, A.J., Makris, N., Segonne, F., Quinn,
B.T., Dale, A.M., 2004a. Sequence-independent segmentation of magnetic
resonance images. Neuroimage 23 Suppl 1, S69-84.
12. Fischl, B., Sereno, M.I., Dale, A.M., 1999a. Cortical surface-based analysis.
II: Inflation, flattening, and a surface-based coordinate system. Neuroimage
9, 195-207.
13. Fischl, B., Sereno, M.I., Tootell, R.B., Dale, A.M., 1999b. High-resolution
intersubject averaging and a coordinate system for the cortical surface. Hum
Brain Mapp 8, 272-284.
14. Fischl, B., van der Kouwe, A., Destrieux, C., Halgren, E., Segonne, F., Salat,
D.H., Busa, E., Seidman, L.J., Goldstein, J., Kennedy, D., Caviness, V.,
Makris, N., Rosen, B., Dale, A.M., 2004b. Automatically parcellating the
human cerebral cortex. Cereb Cortex 14, 11-22.
15. Han, X., Jovicich, J., Salat, D., van der Kouwe, A., Quinn, B., Czanner,
S., Busa, E., Pacheco, J., Albert, M., Killiany, R., Maguire, P., Rosas, D.,
Makris, N., Dale, A., Dickerson, B., Fischl, B., 2006. Reliability of MRI-
derived measurements of human cerebral cortical thickness: the effects of
field strength, scanner upgrade and manufacturer. Neuroimage 32, 180-194.
16. Lippert, H., 2000. Anatomía: Estructura y Morfología del Cuerpo Humano.
MARBAN.
17. Huettel, S. A., Song, A. W., McCarthy, G., 2009. Functional Magnetic
Resonance Imaging. Segunda edición. SINAUER.

Página 13 de 13