Dr. Jurgen Germann, Dr. Flavia Venetucci Gouveia, Dr. Mallar Chakravarty, Dr. Gabriel A. Devenyi
Une publication récente, dirigée par les Drs Gabriel A. Devenyi et Mallar Chakravarty du CoBrALab, décrit un pipeline librement accessible qui facilite l’obtention de mesures optimisées des différences volumétriques dans l’IRM et d’autres types d’imagerie cérébrale. L’article intitulé « Longitudinal deformation-based morphometry pipeline to study neuroanatomical differences in structural MRI based on SyN unbiased templates » compare ce nouveau pipeline aux méthodes standards et démontre sa sensibilité supérieure.
Quels sont les avantages de cette chaîne de traitement ?
La chaîne de morphométrie basée sur la déformation à deux niveaux (DBM), ouverte et librement accessible, est 4,5 fois plus sensible pour détecter les changements volumétriques longitudinaux au sein d’un même individu que les méthodes standards basées sur l’enregistrement sur un cerveau-template commun (DBM à un niveau). Elle est particulièrement adaptée pour capturer ces changements in vivo.
Cette méthode a été validée à l’aide d’un jeu de données ouvert, OASIS-2, comprenant 150 individus avec ou sans démence. Les chercheurs ont constaté que la DBM à deux niveaux était supérieure pour détecter les changements de volume cortical associés au déclin cognitif chez les participants. Elle présente donc une sensibilité et une précision supérieures tout en limitant les faux positifs. L’innovation principale réside dans la construction de templates impartiaux à partir des données elles-mêmes, ce qui minimise les biais et les erreurs d’enregistrement.
Quand devrais-je utiliser la DBM ?
La DBM permet de détecter des différences volumétriques de manière transversale (par exemple entre groupes) ainsi que des changements cérébraux longitudinaux. C’est une technique basée sur l’enregistrement dans un espace de cerveau-template commun (DBM à un niveau) qui peut être utilisée sans classification des tissus ni atlas préétablis. Elle permet des contrastes arbitraires et peut s’appliquer à de nouvelles espèces ou à des anatomies inédites. Elle est donc impartiale et largement applicable, en particulier lorsque la classification des tissus n’est pas possible, contrairement aux pipelines de morphométrie voxel-based (VBM).
Comment ce projet contribue-t-il à la science ouverte ?
Le résultat de ce projet, une chaîne de traitement logicielle ouverte, est gratuite et disponible pour tous sur GitHub. Le pipeline est sous licence académique publique modifiée, qui, hors contexte commercial, permet aux utilisateurs d’utiliser le logiciel, d’en distribuer des copies, d’accéder au code source, de le modifier, et distribuer les versions modifiées sous la même licence.
Le projet repose également sur d’autres pratiques de science ouverte : l’article est publié en open access, et des données ouvertes ont été utilisées pour valider les nouveaux outils et tester la robustesse des résultats.
Figure 1. Illustration du traitement sous-jacent à la chaîne DBM à deux niveaux proposée
Les déterminants jacobiens pour chaque IRM individuelle sont calculés au niveau du sujet afin de capturer les différences et les changements avec une sensibilité maximale. Le cerveau moyen au niveau du sujet est ensuite utilisé pour générer un espace commun impartial, et les déterminants jacobiens sont transformés dans cet espace pour l’analyse statistique.