Volumetría ventricular encefálica en imágenes de tomografía computarizada multicorte en adultos con funciones cognitivas normales
Texto completo:
PDF (English)Resumen
Introducción: Debido a la necesidad de un diagnóstico precoz de los trastornos neurodegenerativos, se ha intentado armonizar los criterios diagnósticos mediante métodos morfométricos basados en técnicas de neuroimagen, pero aún no se han obtenido resultados concluyentes.
Objetivo: Determinar el volumen ventricular debido a su amplio uso como marcador de atrofia cerebral e identificar el efecto del sexo sobre estas estructuras, según el tipo de cráneo, estimado a partir de técnicas de imagen de tomografía computarizada multicorte.
Métodos: Se desarrolló un estudio observacional y descriptivo en 30 sujetos con funciones neurocognitivas y exploración neuropsiquiátrica normales, con edades comprendidas entre 45 y 54 años, a los que se les realizó una tomografía computarizada multicorte simple de cráneo. Se utilizó un método de segmentación de imágenes basado en la homogeneidad.
Resultados: Los volúmenes ventriculares mostraron una correlación significativa y positiva entre ellos, excepto entre el tercer y cuarto ventrículo y el tercero y el volumen ventricular derecho. Los estadísticos del modelo lineal multivariante aplicado mostraron que sólo eran significativos en función del sexo y del tipo de cráneo. No se encontraron diferencias significativas con respecto al sexo en ningún volumen, excepto en el tercer ventrículo (p= 0,01). Lo mismo ocurrió por tipo de cráneo (p= 0,005).
Conclusiones: El método de morfometría del sistema ventricular encefálico a partir de imágenes de Tomografía Computarizada / Segmentación por homogeneidad, permitió cuantificar los cambios volumétricos cerebrales asociados al envejecimiento normal y puede ser utilizado como biomarcador de la relación entre la estructura cerebral y las funciones cognitivas.
Palabras clave
Referencias
Hernández KS, Mesa AA, García O, Montoya A. Brain morphometry in adult: volumetric visualization as a tool in image processing. Rev Mex Neuroci. 2021;22(3):101-1. DOI: https://doi.org/10.24875/rmn.20000074
Fernández C, Verduga R, Dámaso S. Deterioro cognitivo leve. Patrones de envejecimiento cerebral. Rev Esp Ger Geront. 2017;52Supl1:7-14. DOI: https://doi.org/10.1016/S0211-139X(18)30073-8
Buchpiguel M, Rosa P, Squarzoni P, Duran FL, Tamashiro-Duran JH, Leite CC, et al. Differences in total brain volume between sexes in a cognitively unimpaired elderly population. Clinics. 2020;75:e2245. DOI: https://doi.org/10.6061/clinics/2020/e2245
Valdés PA, Galán L, Bosch J, Bringas ML, Aubert E, Rodríguez I, et al. The cuban Human Brain Mapping Project, a young and middle age population-based EEG, MRI, and cognition dataset. Scient Data. 2021;8(1). DOI: https://doi.org/10.1038/s41597-021-00829-7
Spalletta G, Piras F, Gili T. Brain Morphometry. Totowa, New Jersey: Human Press; 2018. p. 165-70.
Rueda A, Enríquez LF. Una revisión de técnicas básicas de neuroimagen para el diagnóstico de enfermedades neurodegenerativas. Rev Biosal. 2018;17(2):59-90. DOI: https://doi.org/10.17151/biosa.2018.17.2.5
Honnegowda TM, Nautiyal A, Deepanjan MA. Morphometric study of ventricular system of human brain by computerised tomography in an Indian population and its clinical significance. Austin J Anat. 2017 [access 24/01/2021];4(4):1075. Available at: https://austinpublishinggroup.com/anatomy/fulltext/Anatomy-v4-id1075.php
Sudheesh KV, Basavaraj L. Texture feature abstraction based on assessment of HOG and GLDM features for diagnosing brain abnormalities in MRI images. GJCST-D Neural AI. 2018 [access 24/01/2021];18(D2):25-30. Available at: https://computerresearch.org/index.php/computer/article/view/1785
Soltanian H, Windham JP. A multiresolution approach for contour extraction from brain images. Med Phys. 1997;24(12):1844-53. DOI: https://doi.org/10.1118/1.598099
Heurtier A. Texture feature extraction methods: A survey. IEEE Access. 2019;7: 8975-9000. DOI: https://doi.org/10.1109/ACCESS.2018.2890743
Rouviere H, Delmas A, Delmas V. Anatomía Humana Descriptiva, Topográfica y Funcional. Paris, Francia: Elsevier Masson; 2005.
Daudinot M, Miller RA. Una solución pacs cubana bajo software libre que sirve de plataforma a especializaciones médicas. Rev Cub Inform Med. 2016 [access 24/01/2021];8(2):186-96. Available at: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1684-18592016000200004
Sakib S, Siddique A. Unsupervised segmentation algorithms' implementation in ITK for tissue classification via human head MRI Scans. Comp Sci. 2020. DOI: https://doi.org/10.48550/arXiv.1902.11131
Caye R, Le Saux B, Boulch A, Gousseau Y. Guided anisotropic diffusion and iterative learning for weakly supervised change detection. Comp Sci. 2019. DOI: https://doi.org/10.48550/arXiv.1904.08208
Kollem S, Reddy KR, Rao DS. A review of image denoising and segmentation methods based on medical images. Int J Mach Learn Comp. 2019;9(3):288-95. DOI: https://doi.org/10.18178/ijmlc.2019.9.3.800
Mohanty A, Mahapatra S, Bhanja U. Traffic congestion detection in a city using clustering techniques in VANETs. Indon J Elect Eng Comp Sci. 2019;13(2):884-91. DOI: https://doi.org/10.11591/IJEECS.V13.I3.PP884-891
Rocha E. Dimorfismo sexual cerebral [Trabajo final]. Tenerife, España: Universidad de La Laguna; 2019 [access 24/01/2021]. Available at: https://riull.ull.es/xmlui/handle/915/15389
Farheen S, Sukre S. Morphometric study of frontal horn of lateral ventricle by Computerised Tomography. Int J Anat Res. 2017;5(3.1):4063-66. DOI: https://doi.org/10.16965/ijar.2017.250
Polat S, Öksüzler FY, Öksüzler M, Kabakci AG, Yücel AH. Morphometric MRI study of the brain ventricles in healthy Turkish subjects. Int J Morpho. 2019;37(2):554-60. DOI: http://dx.doi.org/10.4067/S0717-95022019000200554
Dzefi-Tettey K , Edzie E , Gorleku PN , Brakohiapa EK , Osei B, Asemah AR, et al. Evans index among adult Ghanaians on normal head computerized tomography scan. Heliyon. 2021;7(5):e06982. DOI: https://doi.org/10.1016/j.heliyon.2021.e06982
Ritchie SJ, Cox SR, Shen X, Lombardo M V, Reus L M, Alloza C, et al. Sex differences in the adult human brain: evidence from 5216 UK biobank participants. Cereb Cortex. 2018;28(8):2959-75. DOI: https://doi.org/10.1093/cercor/bhy109
Kijonka M, Borys D, Psiuk-Maksymowicz K, Gorczewski K, Wojcieszek P, Kossowski B, et al. Whole brain and cranial size adjustments in volumetric brain analyses of sex- and age-related trends. Neurosci. 2020;14:278. DOI: https://doi.org/10.3389%2Ffnins.2020.00278
Kolsur N, Radhika P, Shetty S, Kumar A. Morphometric study of ventricular indices in human brain using computed tomography scans in indian population. Int J Anat Res. 2018;6(3.2):5574-80. DOI: https://doi.org/10.16965/ijar.2018.286
Jäncke L. Sex/gender differences in cognition, neurophysiology, and neuroanatomy. F1000Res. 2018;7(F1000 Faculty Rev):805. DOI: https://doi.org/10.12688/f1000research.13917.1
Hirnsteina M, Hausmann M. Sex/gender differences in the brain are not trivial- A commentary on Eliot et al. (2021). Neurosci Biobehav Rev. 2021;130:408-9. DOI: https://doi.org/10.1016/j.neubiorev.2021.09.012
Toga AW, Thompson PM. Mapping brain asymmetry. Nat Rev Neurosci. 2003;4(1):37-48. DOI: https://doi.org/10.1038/nrn1009
Akeret K, Bas Ch, Sebök M, Muscas G, Visser Th, Marinoni F, et al. Topographic volume-standardization atlas of the human brain. Brain Struct Funct. 2021;226:1699-1711. DOI: https://doi.org/10.1007/s00429-021-02280-1
Güntürkün O, Ströckens F, Ocklenburg S. Brain lateralization: a comparative perspective. Physiol Rev. 2020;100(3):1019-63. DOI: https://doi.org/10.1152/physrev.00006.2019
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.