Комплексная магнитно-резонансная морфометрия очаговых и атрофических изменений головного мозга (на примере рассеянного склероза и ранних стадий ВИЧ-инфекции) тема диссертации и автореферата по ВАК РФ 14.01.13, кандидат наук Магонов, Евгений Петрович

• Магонов, Евгений Петрович
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Магонов, Евгений Петрович

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. СОВРЕМЕННОЕ СОСТОЯНИЕ, ПРОБЛЕМЫ И ВОЗМОЖНОСТИ МРТ-МОРФОМЕТРИИ В ДИАГНОСТИКЕ АТРОФИЧЕСКИХ И ОЧАГОВЫХ ИЗМЕНЕНИЙ ГОЛОВНОГО МОЗГА

1.1. Методы автоматизированной постпроцессинговой обработки

МРТ изображений, используемые в морфометрическом анализе

1.1.1. Сегментация

1.1.2. Регистрация

1.1.3. Основные методы морфометрии головного мозга

1.1.4. Нормализация морфометрических данных

1.2. Атрофия вещества головного мозга при различных заболеваниях ЦНС

1.2.1. Атрофия вещества головного мозга при рассеянном склерозе

1.2.1.1. Клинически изолированный синдром

1.2.1.2. Рецидивирующе-ремиттирующий рассеянный склероз

1.2.1.3. Вторично-прогрессирующий рассеянный склероз

1.2.1.4. Первично-прогрессирующий рассеянный склероз

1.2.1.5. Региональная атрофия

1.2.1.6. Атрофия мозга как маркер инвалидизации

1.2.1.7. Атрофия мозга как маркер когнитивных нарушений

1.2.1.8. Прогноз для пациентов с клинически изолированным синдромом

и впервые выявленным рассеянным склерозом

1.2.2. Атрофия вещества головного мозга при ВИЧ-инфекции

1.3. Очаговое поражение головного мозга у пациентов с РС

ГЛАВА 2. МАТЕРИАЛЫ И МЕТОДЫ ОБСЛЕДОВАНИЯ

2.1. Общая характеристика обследованных пациентов

2.2. Клиническое обследование

2.3. Метод высокопольной магнитно-резонансной томографии

2.4. Метод позитронно-эмиссионной томографии

2.5. Методы статистического анализа результатов исследования

2.6. Методы постпроцессинговой обработки

2.6.1. Подготовка изображений к морфометрическому анализу

структур головного мозга

2.6.1.1. Регистрация изображений

2.6.1.2. Использование нейроанатомических атласов для МРТ-морфометрии

2.6.2. Программы для удаления внемозговых структур и расчета внутричерепного объема

2.6.3. Программы для оценки общей и регионарной атрофии вещества головного мозга

2.6.3.1. AutoSeg

2.6.3.2. FSL

2.6.3.3. SIENAX

2.6.3.4. FreeSurfer

2.6.4. Методика сегментации очаговых изменений головного мозга

2.6.4.1. Подготовка исходных МРТ-данных для сегментации очагов

2.6.4.2. Мануальная сегментация

2.6.4.3. Автоматическая сегментация

2.6.4.3.1. Сегментация очагов с использованием атласов

2.6.4.3.2. Сегментация очагов с использованием машинного обучения. .68 ГЛАВА 3. СРАВНИТЕЛЬНЫЕ ХАРАКТЕРИСТИКИ РАЗЛИЧНЫХ АЛГОРИТМОВ СЕГМЕНТАЦИИ МРТ-ИЗОБРАЖЕНИЙ

ГОЛОВНОГО МОЗГА

3.1. Сравнение алгоритмов удаления внемозговых структур

3.2. Сравнение алгоритмов сегментации структур для оценки общей атрофии вещества головного мозга

3.3. Сравнение алгоритмов сегментации структур для оценки регионарной атрофии вещества головного мозга

3.3.1. Сегментация подкорковых ядер головного мозга

3.3.2. Сегментация кортикального серого вещества головного мозга

и измерение толщины коры

3.3.3. Сегментация белого вещества

3.4. Сравнение методов сегментации очагов

3.5. Общий алгоритм постпроцессинговой обработки МРТ-изображений

3.6. Влияние параметров МРТ-сканирования на результаты постпроцессинговой обработки

ГЛАВА 4. МРТ-МОРФОМЕТРИЯ ГОЛОВНОГО МОЗГА У ПАЦИЕНТОВ С РАССЕЯННЫМ СКЛЕРОЗОМ

4.1. Анализ общей атрофии

4.2. Анализ регионарной атрофии

4.3. Анализ очагового поражения

ГЛАВА 5. МРТ-МОРФОМЕТРИЯ ГОЛОВНОГО МОЗГА У ПАЦИЕНТОВ

С ВИЧ-ИНФЕКЦИЕЙ

5.1. Изменения объемов базальных ядер головного мозга на ранних стадиях ВИЧ-инфекции

5.2. Регионарное изменение объема белого вещества головного мозга

у пациентов на ранних стадиях ВИЧ-инфекции

5.3. Корреляция результатов МРТ-морфометрии с относительным уровнем регионарного метаболизма глюкозы по данным ПЭТ у пациентов

на ранних стадиях ВИЧ-инфекции

ГЛАВА 6. ОБСУЖДЕНИЕ ПОЛУЧЕННЫХ РЕЗУЛЬТАТОВ

ВЫВОДЫ

ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ

СПИСОК СОКРАЩЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

Приложение

Введение диссертации (часть автореферата) на тему «Комплексная магнитно-резонансная морфометрия очаговых и атрофических изменений головного мозга (на примере рассеянного склероза и ранних стадий ВИЧ-инфекции)»

ВВЕДЕНИЕ

Актуальность темы исследования

Многие хронические неврологические заболевания, в том числе болезнь Альцгеймера, болезнь Паркинсона, рассеянный склероз, мультисистемная атрофия, наследственные нейродегенерации и др., по мере прогрессирования проявляются атрофическими изменениями центральной нервной системы (ЦНС) [1], [2], [3], [4]. Более того, в наше время атрофические изменения рассматриваются как диагностический критерий [5], показатель тяжести процесса [6], биомаркер эффективности лечения [7], при этом важнейшим условием является их точная количественная оценка. Помимо атрофических изменений, многие неврологические заболевания сопровождаются очаговым поражением головного мозга, которое также может служить количественным предиктором и биомаркером тяжести заболевания и эффективности лечения [8]. Своевременное выявление и динамическое определение степени выраженности общей, регионарной атрофии и объема очагового поражения ЦНС играют важную роль в диагностике, мониторинге и назначении эффективной терапии ряда неврологических заболеваний.

МРТ является одним из наиболее информативных методов визуализации, а для исследования ЦНС имеет ряд преимуществ по сравнению с другими методами, в частности, благодаря способности получать трехмерные изображения с высокой межтканевой контрастностью. Объем информации об анатомических структурах головного мозга, представленный на МРТ-изображениях, настолько велик, что визуальный анализ, наиболее широко используемый в клинической практике, не позволяет полностью использовать полученные в ходе исследования данные, так как они остаются за пределами возможностей человеческого глаза и не учитываются. Возникает необходимость прибегать к автоматическим и полуавтоматическим компьютеризированным методам анализа данных для более полного извлечения информации из МРТ-изображений и проведения сложных количественных измерений. Одним из таких методов, повышающих возможности метода МРТ, является количественная оценка атрофических изменений мозга,

проявляющихся на MPT уменьшением объема структур.

Основной задачей при оценке общей и локальной атрофии является сегментация — классификация тканей мозга, в частности, серого вещества, белого вещества и спинномозговой жидкости, с целью их количественного анализа. МРТ-изображения наиболее подходят для данной задачи в силу высокой тканевой контрастности. Характеристики МРТ-изображений в значительной степени зависят от параметров и условий их получения. При добавлении радиочастотных или градиентных импульсов и тщательном подборе времени релаксации во время сканирования можно выделить те или иные компоненты изучаемого объекта с высокой степенью контрастности, что способствует высокому качеству постпро-цессинговой сегментации. Однако идеальные изображения на практике получить невозможно из-за возникающих артефактов — шумов, неоднородности магнитного поля и эффекта частичного объема, в результате чего выделенные классы значений интенсивности сигнала, соответствующие разным тканям, пересекаются. В результате межтканевая граница является нечеткой (в терминах нечетких множеств), что приводит к возникновению погрешностей при сегментации.

В настоящее время существует множество методов автоматизированной компьютерной сегментации изображений, различающихся между собой алгоритмами классификации, обработки ошибок и контроля результатов. При широком разнообразии программного обеспечения, использующего данные методы для сегментации структур головного мозга, получаемые результаты не всегда точны. Для программных продуктов характерна ориентированность на узкие задачи, сложность настройки для применения в практике и недостаточное документирование. Поэтому для полноценного морфометрического анализа структур головного мозга необходимо использовать последовательный ряд специально отобранных, апробированных специализированных приложений, настроенных для выполнения конкретных клинико-диагностических задач.

При анализе литературных источников мы встретили различные варианты протоколов МРТ-исследований и методов морфометрической обработки получае-

мых данных, однако, как правило, они не учитывают необходимость комбинированного анализа атрофических изменений и очагового поражения головного мозга. Необходимость внедрения комбинированных методов МРТ-морфометрии и оценка их эффективности определяет актуальность представляемой работы.

Степень разработанности темы

Известно, что магнитно-резонансная томография является оптимальным методом оценки структурных изменений вещества головного мозга. Изображения МРТ характеризуются более высокой тканевой контрастностью и чувствительностью по сравнению с компьютерной томографией (КТ) [9]. МРТ может использоваться для визуальной и количественной характеристики патологических изменений, диагностики, динамического наблюдения за больными, а также для планирования и оценки результатов лечения. Результаты измерения атрофии отдельных ключевых структур головного мозга на основе структурных МРТ-изоб-ражений можно использовать в качестве биомаркеров неврологических заболеваний, например, болезни Альцгеймера [10], дополняющих информацию, получаемую при помощи когнитивных тестов. Так, степень гидроцефалии может устанавливаться на основании размера желудочков [11], а степень и динамика поражения белого вещества позволяет определить течение рассеянного склероза и сосудистой деменции [12]. Показатели атрофии головного мозга могут быть использованы в качестве маркеров прогноза или лечения различных атрофических заболеваний [13], [14], [15], [16].

МРТ-волюметрия стала первым неинвазивным методом точной оценки объема внутричерепных структур in vivo [17], [18]. Однако большинство методов количественного анализа объемных характеристик МРТ-изображений даже сегодня основаны либо на сегментации вручную — то есть, осуществляются исследователем путем обрисовки внешнего контура области интереса на каждом срезе, либо на полуавтоматической сегментации, которая также требует непосредственного участия исследователя. Как ручные, так и полуавтоматические методы требуют больших временных затрат, поэтому являются слишком дорогими и неу-

добными для использования в клинической практике.

Очевидно, что для внедрения в клиническую практику необходимо иметь инструменты быстрого и надежного автоматического измерения объемов анатомических структур и патологических очагов. Сейчас разработаны и продолжают совершенствоваться различные варианты программного обеспечения сегментации структур головного мозга в полностью автоматическом режиме [19], [20], [21], [22]. Большинство автоматических методов сегментации основано на компьютеризации мануальных протоколов, что объясняет появление новых методов мануальной сегментации структур головного мозга [23], [24].

В литературных источниках сведения об унифицированных методиках, использующих комплексные последовательности различных алгоритмов и позволяющих проводить комплексное морфометрическое исследование анатомических структур и патологических очагов головного мозга у пациентов с неврологическими заболеваниями, достаточно скудны, а результаты зачастую противоречивы. Цель исследования

Усовершенствование диагностики и мониторинга неврологических заболеваний путем разработки унифицированного алгоритма получения и постпроцес-синговой обработки МРТ-изображений для количественной оценки атрофических и очаговых изменений головного мозга на примере PC и ранних стадий ВИЧ-инфекции.

Задачи исследования:

1. Проанализировать возможности различных компьютерных программ для МРТ-морфометрии очаговых и атрофических изменений головного мозга, подобрать инструменты для решения различных клинических задач;

2. Разработать унифицированный протокол МРТ-исследования головного мозга и алгоритм постпроцессинговой обработки изображений;

3. Оценить влияние отклонения от заданных параметров протокола МРТ на результаты МРТ-морфометрии структур головного мозга;

4. Валидировать процедуру постпроцессинговой обработки МРТ данных для

оценки степени выраженности и локализации атрофических и очаговых изменений головного мозга на примере пациентов с рассеянным склерозом;

5. Изучить особенности изменения глобальных и регионарных объемных показателей структур головного мозга у ВИЧ-инфицированных пациентов на ранних стадиях заболевания;

6. Изучить взаимосвязь атрофических и функциональных изменений структур головного мозга у ВИЧ-инфицированных пациентов на ранних стадиях заболевания.

Научная новизна исследования

Разработан новый комплексный алгоритм получения и постпроцессинговой обработки структурных МРТ-изображений у пациентов с заболеваниями, сопровождающимися развитием атрофии и очагового поражения головного мозга, позволяющий получить точные количественные значения объемов анатомических структур и патологических очагов.

Определено влияние технических условий и параметров получения структурных МРТ-изображений на их постпроцессинговую обработку и точность получаемых результатов. Описаны технические сложности выявления атрофических изменений вещества головного мозга.

Выполнен анализ автоматизированных методов оценки объема очагового поражения головного мозга и их сравнение с мануальным методом сегментации.

Проведен анализ МРТ-изображений добровольцев без патологических изменений со стороны ЦНС, а также пациентов с рассеянным склерозом и ВИЧ-инфекцией с применением автоматизированных методик воксельной морфомет-рии, благодаря чему выявлены изменения общего объема и объемов регионарных структур головного мозга, не подлежащие определению при визуальной оценке исходных данных.

Уточнены варианты соотношений объемных показателей различных структур головного мозга в норме и при патологических состояниях. Уточнены паттерны атрофии, характерные для рассеянного склероза. Впервые описаны пат-

терны формирования атрофии головного мозга на ранних стадиях ВИЧ-инфекции.

Определены особенности развития атрофии и очагового поражения головного мозга у пациентов с рассеянным склерозом. Используя принципы доказательной медицины, подтверждена связь общей и регионарной атрофии с тяжестью ин-валидизации и с типом течения заболевания у пациентов данной группы.

При исследовании изменения объемных характеристик базальных ядер у пациентов с ВИЧ-инфекцией на ранних стадиях заболевания получены данные об увеличении объема миндалевидных тел, а при анализе регионарных объемов белого вещества получены новые данные о билатеральном уменьшении объема зон, соответствующих веретенообразной, верхней височной и надкраевой извилинам. Кроме этого, уже на ранних стадиях заболевания установлено наличие атрофиче-ского процесса в передней трети поясной извилины, что согласуется с данными о снижении метаболизма глюкозы на этом уровне.

Теоретическая и практическая значимость

На основании результатов исследования разработан комплексный алгоритм МРТ-исследования и воксельной морфометрии структур головного мозга, научно доказана целесообразность его применения как инструмента, позволяющего получать новые данные о количественных объемных характеристиках нормальных и патологических структур, описывать динамические процессы и проводить мониторинг структурных изменений головного мозга при неврологических заболеваниях, влиять на тактику лечения пациентов.

Разработан шаблон структурированного отчета, позволяющий быстро оценить основные морфометрические показатели, объем очагового поражения и выявить возможные ошибки алгоритма обработки МРТ-изображений.

Сформулированы практические рекомендации по применению разработанной методики с целью повышения эффективности диагностики и мониторинга атрофических изменений ЦНС при рассеянном склерозе и ВИЧ-инфекции.

Методология и методы исследования

Диссертационное исследование выполнялось в несколько этапов. На первом

этапе изучалась отечественная и зарубежная литература, посвященная данной проблеме. Всего проанализировано 239 источников, из них 9 - отечественных, 230 - зарубежных.

На втором этапе были обследованы 45 человек, которые составили группу контроля и 107 пациентов, из которых 86 — с рассеянным склерозом и 21 — с ВИЧ-инфекцией. Обследование включало в себя оценку неврологического статуса и выполнение МРТ-исследования (традиционные импульсные последовательности и дополнительные 3D Tl, Т2 и FLAIR последовательности). С целью сопоставления данных МРТ-морфометрии с функциональными характеристиками в различных регионах головного мозга, для пациентов с ВИЧ-инфекцией была проведена позитронно-эмиссионная томография (ПЭТ) с 18-ФДГ.

На третьем этапе диссертационного исследования проводился сравнительный- анализ различных методов постпроцессинговой обработки изображений МРТ, морфометрическое исследование атрофических и очаговых изменений вещества головного мозга и статистическая обработка полученных результатов.

Клиническая характеристика пациентов

Магнитно-резонансное томографическое обследование (МРТ) было выполнено 187 пациентам с рассеянным склерозом и ВИЧ-инфекцией на базе Института Мозга Человека им. Н. П. Бехтеревой Российской Академии Наук в период с 2012 по 2014 гг.

Диагноз устанавливали на основании данных анамнеза, клинических проявлений, данных объективного обследования, лабораторных данных, результатов МРТ.

В основную группу были отобраны 106 пациентов, из них 85 больных рассеянным склерозом и 21 больной с ВИЧ-инфекцией. Критерии включения пациентов в исследование: отсутствие по данным МРТ патологических морфологических изменений белого вещества головного мозга, не характерных для PC и ВИЧ, клиническое обострение заболевания, нарушения гематоэнцефалического барьера, выявленные при внутривенном контрастном усилении во время МРТ-исследова-

ния, нейрохирургические оперативные вмешательства в анамнезе, психические нарушения.

Контрольную группу составили 45 человек, из них 16 мужчин (36%) и 29 женщин (64%) в возрасте от 21 до 40 лет. На основании углубленного медицинского обследования всем пациентам из контрольной группы был поставлен диагноз «практически здоров». Комплексное МРТ-исследование головного мозга проводилось в контрольной группе в том же объеме, что и пациентам исследуемых групп, за исключением программ с внутривенным контрастным усилением. Положения, выносимые на защиту:

1. Комплексная воксельная МРТ-морфометрия позволяет выполнить точную количественную оценку анатомических структур и очагового поражения головного мозга и может использоваться для объективизации диагностики неврологических заболеваний-и динамического контроля; ~ ~~

2. Применение воксельной МРТ-морфометрии позволяет выявить паттерны атрофии белого и серого вещества головного мозга, характеризующие ранние стадии ВИЧ-инфекции;

3. Регионарные атрофические изменения, выявленные у пациентов с ВИЧ-инфекцией на ранних стадиях заболевания при помощи МРТ-морфометрии, позволяют объективизировать снижение функциональной активности в соответствующих структурах головного мозга.

Степень достоверности и апробация результатов

Степень достоверности результатов проведенного исследования определяется значительным и репрезентативным объемом выборки обследованных пациентов (п=106), применением современных методов исследования (высокопольная МРТ, ПЭТ), а также обработкой полученных данных современными методами статистики.

Основные результаты исследования были доложены и обсуждались на научно-практических конференциях: заседаниях Санкт-Петербургского Радиологического Общества (СПб) в 2012 и 2013гг., на Невском Радиологическом Форуме

(СПб) в 2013, 2014 и 2015гг., на Всероссийской конференции «Нейроиммуноло-гия. Рассеянный склероз» (СПб) в 2013 и 2015гг., на Конгрессе Российской Ассоциации Радиологов (Москва) в 2014г, на обучающем курсе для врачей-рентгенологов «Инновационные технологии в нейрорадиологии» (Новосибирск) в 2014г., на научно-практической конференции «Нейрорадиологические биомаркеры в диагностике и прогнозировании заболеваний головного мозга» (Москва) в 2015г.

Личный вклад

Автор участвовал в подборе больных и добровольцев без признаков неврологических нарушений, проводил первичные и динамические МРТ-исследования, выполнял планирование и разрабатывал методологию постпроцессинговой обработки полученных данных МРТ. Автором были написаны компьютерные программы, позволяющие существенно упростить и ускорить работу с существующим программным обеспечением, минимизировать участие оператора в обработке данных путем частичной автоматизации процесса. Автор выполнял статистическую обработку и анализ полученных результатов, оформлял рукопись.

Мы выражаем глубокую признательность за помощь при выполнении диссертационного исследования директору ИМЧ РАН, член-корр. РАН, д. б. н., зав. лабораторией ПЭТ С. В. Медведеву, руководителю СПбГБУЗ «Центр по профилактике и борьбе со СПИД и инфекционными заболеваниями», академику РАМН, проф. Н. А. Белякову, д. м. н. Л. Н. Праховой, к. б. н., заместителю директора ИМЧ им. Н. П. Бехтеревой РАН по научной работе Г. В. Катаевой и зав. отделением лучевой диагностики ИМЧ им. Н. П. Бехтеревой РАН Е. А. Громовой.

Реализация результатов исследования

Результаты исследования внедрены в практическую деятельность лаборатории нейровизуализации ИМЧ им. Н. П. Бехтеревой РАН, отделения МРТ клиники «Скандинавия», в учебный процесс Научно-клинического и образовательного центра «Лучевая диагностика и ядерная медицина» института высоких медицинских технологий медицинского факультета СПбГУ, факультета последипломного образования ПСПбГМУ им. акад. И. П. Павлова, в образовательные программы

института медицинского образования НовГУ. Публикации

По теме диссертационного исследования опубликовано 9 печатных работ, из них 3 — в изданиях, рекомендованных ВАК Министерства образования и науки РФ.

Структура и объем диссертации

Диссертационная работа изложена на 167 страницах машинописного текста и состоит из введения, 6 глав, выводов, практических рекомендаций. Текст иллюстрирован 9 таблицами, 1 диаграммой и 46 рисунками.

ГЛАВА 1. СОВРЕМЕННОЕ СОСТОЯНИЕ, ПРОБЛЕМЫ И ВОЗМОЖНОСТИ МРТ-МОРФОМЕТРИИ В ДИАГНОСТИКЕ АТРОФИЧЕСКИХ И ОЧАГОВЫХ ИЗМЕНЕНИЙ ГОЛОВНОГО МОЗГА

1.1. Методы автоматизированной постпроцессинговой обработки

МРТ изображений, используемые в морфометрическом анализе

1.1.1. Сегментация

Сегментация здоровых тканей различных типов, а также патологических очагов, является основной частью постпроцессинговой обработки МРТ-изображе-ний головного мозга с целью их волюметрической оценки. Принцип сегментации заключается в разделении изображения на различные регионы в соответствии с интенсивностью МР сигнала, которая, в свою очередь, зависит от типа ткани. Выделенные регионы характеризуются общими свойствами и, как правило, связаны физиологическими и анатомическими характеристиками. Разделение изображения на регионы осуществляется в соответствии с поставленной перед исследователем задачей. В одних случаях сегментация применяется в качестве последнего шага интерпретации исследования, например, для уточнения границ и объема патологического процесса. В других случаях она служит предварительным шагом для последующего анализа, например, при воксельной морфометрии структур мозга.

Предпочтительно использовать автоматическую сегментацию, т. к. ручные методы требуют значительных трудовых и временных затрат, характеризуются низкой воспроизводимостью [25] и требуют высокой классификации исследователя. Однако для успешного проведения автоматической сегментации необходимо преодолеть ряд технических ограничений, к которым относится относительно невысокое пространственное разрешение, низкая контрастность изображений, нечеткие границы между структурами, шум и артефакты в исходных данных [26].

Существует три основных вида технических ограничений, в значительной

степени способные повлиять на точность сегментации:

• исходные изображения содержат шумы (рисунок 1а), влияющие на интенсивность сигнала отдельных вокселей и затрудняющие их классификацию;

• изображения имеют неоднородную интенсивность (рисунок 1 б), которая заключается в том, что уровень интенсивности сигнала одного класса ткани изменяется в разных зонах изображения (при этом разница между уровнями сигнала от тканей разных классов для каждой такой зоны сохраняется);

• количество вокселей в изображении ограничено, что приводит к эффекту частичного объема, как показано на рисунке 1в, когда в результате малого пространственного разрешения происходит наложение различных структур внутри одного вокселя.

Рисунок 1. Примеры технических ограничений, влияющих на точность сегментации: а— шум на МРТ-изображении, б— неоднородная интенсивность сигнала, в — эффект частичного объема: передний рог левого бокового желудочка (стрелка).

Помимо технических ограничений, на точность сегментации могут влиять различные артефакты изображения, вызванные, например, движением пациента во время исследования.

Также ключевым фактором для успешного выполнения процесса сегментации является исходная контрастность изображения. Тем не менее, известны различные подходы, позволяющие гибко настраивать параметры сегментации для успешного преодоления данных ограничений. К тому же, методы автоматической

сегментации изображений постоянно оптимизируются, так как представляют немалый интерес для исследователей [25], [27], [28], [29], [30] .

Существует множество различных подходов к сегментации данных, которые делятся на три типа: структурные, стохастические и смешанные методы. Кроме того, все методы сегментации изображений независимо от их типа можно условно разбить на три поколения, каждое из которых представляет новый уровень развития алгоритмов [31].

К первому поколению относятся низкоуровневые методы, которые не используют прототипирование (prior knowledge), что делает их уязвимыми по отношению к техническим ограничениям [26], [32]. К ним относятся:

• пороговый метод (threshold) — разделение изображения на регионы по уровню контрастности;

• метод выращивания регионов (region growing) — сначала по заданному критерию гомогенности выбираются центры регионов (seeds), к которым поэтапно присоединяются соседние воксели, удовлетворяющие критерию. Процесс-выращивания регионов останавливается, когда ни один вексель изображения не может быть присоединен ни к одному региону;

в метод выделения границ объектов (edge detection) — группа эвристических алгоритмов, позволяющих получить контурное изображение объектов путем последовательного включения соседних вокселей, находящихся на границе различных по характеристикам областей [32].

Второе поколение методов сегментации возникло с появлением моделей неопределенности и новых методов оптимизации, а также в связи с отказом от эвристических алгоритмов в целом. Перечисленные ниже методы разработаны для преодоления описанных ранее технических ограничений, однако результаты их применения существенно зависят от качества исходных данных:

• Методы статистического распознавания образов (statistical pattern recognition). В данной группе методов используется модель, в которой каждому вокселю изображения присваивается вероятность принадлежности к

одному из известных наборов классов. Рассматриваемые методы подразделяются на методы обучения с учителем (Байесовский классификатор, дискриминантный анализ, метод к-ближайших соседей [33]) и методы самообучения, например, статистическая кластеризация с использованием максимизации ожидания (ЕМ). Последний метод позволяет проводить одновременную сегментацию и коррекцию неоднородности изображения [34]. При расчетах также учитывается контекстная информация, полученная при помощи модели МШ? {случайные поля Маркова) [35], что снижает ошибки классификации.

• Метод кластеризации с-средних. Воксели изображения группируются на основании набора описательных характеристик [27]. Численное значение каждой характеристики, как правило, нормализуется между 0 и 1, а количество кластеров предполагается заранее известным. Циклический алгоритм выполнения заканчивается, когда достигается первый локальный минимум. Метод нечеткой кластеризации с-средних применяется, в частности, для обработки медицинских изображений [29]. В качестве «объектов» выступают воксели, а в качестве «кластеров» - сегментируемые области. Схожими характеристиками могут быть любые свойства вокселя, например, его интенсивность, градиент, цвет (в случае цветного изображения) [36].

• Методы деформируемых моделей. Деформируемые модели представляют собой искусственные замкнутые контуры или поверхности, которые обладают свойством расширяться или сужаться с течением времени в соответствии со свойствами изображения. К наиболее распространенным типам метода относятся модель минимизации функционала энергии [37] и априорная модель [38].

• Методы, использующие теорию графов. Каждая вершина графа соответствует вокселю изображения, при этом воксели соединены с соседними. Для каждой связи между вокселями определяется некое значение емкости, чтобы отобразить меру сходства между парой связанных вершин. Для создания оп-

Список литературы диссертационного исследования кандидат наук Магонов, Евгений Петрович, 2015 год

СПИСОК ЛИТЕРАТУРЫ

1. Miller, D. Н. Measurement of atrophy in multiple sclerosis: pathological basis, methodological aspects and clinical relevance / D. H. Miller, F. Barkhof, J. A. Frank et al. // Brain - 2002. - № 125(8) - P. 1676-1695.

2. Хаймов, Д. А. Многовоксельная МР-морфометрия в оценке атрофии структур головного мозга у пациентов с болезнью Паркинсона / Д. А. Хаймов, В. А. Фокин, А. Ю. Ефимцев и др. // Доктор.ру - 2012. - № 5(73) - С. 21-28.

3. Pelletier, D. Measurement of Whole-Brain Atrophy in Multiple Sclerosis / D. Pelletier, K. Garrison, R. Henry // Journal of Neuroimaging - 2004. - № 14(3) - P. 11S-19S .

4. Юдина, E. H. Оценка распространения и течения нейродегенеративного процесса при болезни Гентингтона методом воксель-ориентированной МРТ-морфометрии / Е. Н. Юдина, Р. Н. Коновалов, С. Н. Иллариошкин // Клиническая неврология - 2013. - № 4 - С. 20-23.

5. Прахова, Л. Н. Влияние нейродегенеративных изменений в головном мозге на формирование клинической картины заболевания у больных рассеянным склерозом / Л. Н. Прахова, Е. П. Магонов, А. Г. Ильвес и др. // Бюллетень сибирской медицины - 2013. - № 3, Том 12 - С. 52-60.

6. Tofts, P. Quantitative MRI of the Brain. Measuring changes caused by disease / P. Tofts. - Chichester: John Wiley & Sons, 2003. - 657 p.

7. Rudick, R. A. Preventing brain atrophy should be the gold standard of effective therapy in MS (after the first year of treatment): Yes / R. A. Rudick, E. Fisher // Mutiple sclerosis - 2013. - № 19(8) - P. 1003-1004.

8. Popescu, V. Brain atrophy and lesion load predict long term disability in multiple sclerosis / V. Popescu, F. Agosta, H. E. Hulst et al. // Journal of neurology, neurosurgery and psychiatry-2013,-№ 84(10)-P. 1082-1091.

9. Nesbit, G. M. Multiple sclerosis: histopathologic and MR and/or CT correlation in 37 cases at biopsy and three cases at autopsy / G. M. Nesbit, G. S. Forbes, B. W. Scheithauer et al. //Radiology - 1991. -№ 180(2) - P. 467-474.

10. Fox, N. C. Effects of Abeta immunization (AN1792) on MRI measures of cerebral volume in Alzheimer disease /N. C. Fox, R. S. Black, S. Gilman et al. // Neurology - 2005. - № 64(9) - P. 1563-1572.

11. Ambraki, K. Brain ventricular size in healthy elderly: comparison between Evans index and volume measurement / K. Ambarki, H. Israelsson, A. Wahlin et al. // Neurosurgery - 2010. - № 67(1) - P. 94-99.

12. Yoshita, M. Extent and distribution of white matter hyperintensities in normal aging, MCI, and AD / M. Yoshita, E. Fletcher, D. Harvey et al. // Neurology - 2006. -№67(12)-P. 2192-2198.

13. Desikan, R. S. Temporoparietal MR imaging measures of atrophy in subjects with mild cognitive impairment that predict subsequent diagnosis of Alzheimer disease / R. S. Desikan, H. J. Cabral, B. Fischl et al. //American Journal of Neuroradiology -2009. - № 30(3) - P. 532-538.

14. Fjell, A. M. Mini-mental state examination is sensitive to brain atrophy in Alzheimer's disease / A. M. Fjell, I. K. Amlien, L. T. Westlye, K. B. Walhovd // Dementia and Geriatric Cognitive Disorders - 2009. - № 28(3) - P. 252-258.

15. Henneman, W. J. Hippocampal atrophy rates in Alzheimer disease: added value over whole brain volume measures / W. J. Henneman, J. D. Sluimer, J. Barnes et al. // Neurology - 2009. - № 72(11) - P. 999-1007.

16. Zeidman, L. A. Growth rate of non-operated meningiomas / L. A. Zeidman, W. J. Ankenbrandt, H. Du et al. // Journal of Neurology - 2008. - № 255(6) - P. 891-895.

17. Condon, B. Use of magnetic resonance imaging to measure intracranial cerebrospinal fluid volume / B. Condon, D. Wyper, R. Grant et al. // The Lancet -1986. - № 1(8494) - P. 1355 - 1357.

18. Kohn, M. I. Analysis of brain and cerebrospinal fluid volumes with MR imaging. Part I. Methods, reliability, and validation / M. I. Kohn, N. K. Tanna, G. T. Herman etal.//Radiology - 1991.-№ 178(1)-P. 115-122.

19. Anbeek, P. Automatic segmentation of different-sized white matter lesions by voxel probability estimation / P. Anbeek, K. L. Vincken, M. J. van Osch et al. // Medical Image Analysis - 2004. - № 8(3) - P. 205-215.

20. Wen, W. The topography of white matter hyperintensities on brain MRI in healthy 60- to 64-year-old individuals / W. Wen, P. Sachdev // Neuroimage - 2004. - № 22(1)-P. 144-154.

21. Admiraal-Behloul, F. Fully automatic segmentation of white matter hyperintensities in MR images of the elderly / F. Admiraal-Behloul, D. M. van den Heuvel, H. Olofsen et al. // Neuroimage - 2005. - № 28(3) - P. 607-617.

22. Maillard, P. An automated procedure for the assessment of white matter hyperintensities by multispectral (Tl, T2, PD) MRI and an evaluation of its between-centre reproducibility based on two large community databases / P. Maillard, N. Delcroix, F. Crivello et al. // Neuroradiology - 2008. - № 50(1) - P. 31-42.

23. Entis, J. J. A reliable protocol for the manual segmentation of the human amygdala and its subregions using ultra-high resolution MRI / J. J. Entis, P. Doerga, L. F. Barrett, B. C. Dickerson // Neuroimage - 2012. - № 60(2) - P. 1226-1235.

24. Moore, M. A comprehensive protocol for manual segmentation of the medial temporal lobe structures / M. Moore, Y. Hu, S. Woo et al. // Journal of visualised experiments - 2014. - № 89 - P. 1.

25. Clarke, L. P. MRI segmentation: Methods and applications / L. P. Clarke, R. P. Velthuizen, M. A. Camacho et al. // Magnetic Resonance Imaging - 1995. - № 13(3) -P. 343-368.

26. Bankman, I. H. Handbook of medical image processing and analysis /1. H. Bankman. - Burlington: Elsevier, 2009. - 984 p.

27. Bezdek, J. C. Review of MR image segmentation techniques using pattern recognition / J. C. Bezdek, L. O. Hall, L. R Clarke // Medical Physics - 1993. - № 20(4)-P. 1033-1048.

28. Olabarriaga, S. D. Interaction in the segmentation of medical images: A survey / S. D. Olabarriaga, A. W. Smeulders // Medical Image Analysis - 2001. - № 5(2) - P. 127-142.

29. Pham, D. L. Current methods in medical image segmentation / D. L. Pham, C. Xu, J. L. Prince //Annual Review of Biomedical Engineering - 2000. - № 2 - P. 315337.

30. Duncan, J. S. Medical image analysis: Progress over two decades and the challenges ahead / J. S. Duncan, N. Ay ache // Pattern Analysis and Machine Intelligence, IEEE Transactions - 2000. - № 22(1) - P. 85-106.

31. Witney, D. J. Medical Image Segmentation: Methods and Software / D. J. Withey, Z. J. Koles // Noninvasive Functional Source Imaging of the Brain and Heart and the International Conference on Functional Biomedical Imaging - 2007. - № - P. MOMS.

32. Pitas, I. Digital Image Processing Algorithms And Applications /1. Pitas. . - New York: Wiley-Interscience, 2000. - 360 p.

33. Anbeek, P. Probabilistic segmentation of brain tissue in MR imaging / P. Anbeek, K. L. Vincken, G. S. van Bochove et al. // Neuroimage - 2005. - № 27(4) - P. 795-804.

34. Wells, W. M. Adaptive segmentation of MRI data / W. M. Wells, W. L. Grimson, R. Kikinis , F. A. Jolesz // IEEE Transactions on Medical Imaging - 1996. - № 15(4) -P. 429-442.

35. Zhang, Y. Segmentation of brain MR imagesthrough a hidden Markov random field model and the expectation-maximization algorithm / Y. Zhang, M. Brady, S. Smith // IEEE Transactions on Medical Imaging - 2001. - № 20(1) - P. 45-57.

36. Верхлютов, В. M. Обзор методов сегментации и триангуляции данных МРТ / В. М. Верхлютов, Г. В. Гапиенко //

http://www.ihna.ru/files/member/verkhlyutov/art/mriseg2005.pdf- 2005. - № - С. 1-19.

37. Mclnerney, Т. Deformable models in medical image analysis: A survey / T. Mclnerney, D. Terzopoulos // Medical Image Analysis - 1996. - № 2(1) - P. 91-108.

38. Ghanei, A. Knowledge-Based Deformable Surface Model with Application to Segmentation of Brain Structures in MRI / A. Ghanei, H. Soltanian-Zadeh, K. Elisevich, J. Fessier // SPIE Medical Imaging: Image Processing - 2001. - № 4322 -P. 356-365.

39. Z, Song Integrated graph cuts for brain MRI segmentation / Z. Song, N. Tustison, B. Avants, J. C. Gee // Medical image computing and computer-assisted intervention : MICCAI... International Conference on Medical Image Computing and Computer-Assisted Intervention - 2006. - № 9(2) - P. 831-838.

40. Udupa, J. K. Fuzzy connectedness and image segmentation / J. K. Udupa, P. K. Saha // Proceedings of the IEEE - 2003. - № 91(10) - P. 1649-1669.

41. Vincent, L. Watersheds in digital spaces: An efficient algorithm based on immersion simulations / L. Vincent, P. Soille // Pattern Analysis and Machine Intelligence, IEEE Transactions - 1991.-№ 13(6)-P. 583-598.

42. Falcâo, A. X. The image foresting transform: Theory, algorithms, and applications / A. X. Falcâo, J. Stolfi, R. de Alencar Lotufo // Pattern Analysis and Machine Intelligence, IEEE Transactions - 2004. - № 1(26) - P. 19-29.

43. Jain, A. K. Statistical pattern recognition: A review / A. K. Jain, R. P. W. Duin, J. Mao // Pattern Analysis and Machine Intelligence, IEEE Transactions - 2000. - № 1(22)-P. 4-37.

44. Boskovitz, V. An adaptive neuro-fuzzy system for automatic image segmentation and edge detection / V. Boskovitz, H. Guterman // IEEE Transactions on Fuzzy Systems - 2002. - № 2(10) - P. 247-262.

45. Neissen, W. J. Multiscale segmentation of three-dimensional MR brain images / W. J. Neissen, K. L. Vinken, J. Weickert et al. // International Journal of Computer Vision - 1999.-№31(2/3)-P. 185-202.

46. Cohen, L. D. Global minimum for active contour models: A minimal path approach / L. D. Cohen, R. Kimmel // International Journal of Computer Vision -1997.-№24(1)-P. 57-58.

47. Abolmaesumi, P. An interacting multiple model probabilistic data association filter for cavity boundary extraction from ultrasound images / P. Abolmaesumi, M. R. Sirouspour // IEEE Transactions on Medical Imaging - 2004. - № 23(6) - P. 772784.

48. Witney, D. Dynamic Edge Tracing: Recursive methods for medical image segmentation / D. Withey. - Edmonton: University of Alberta, 2006. - 358 p.

49. Wyawahare, M. V. Image Registration Techniques: An overview / M. V. Wyawahare, P. M. Patil, H. K. Abhyankar // International Journal of Signal Processing, Image Processing and Pattern Recognition - 2009. - № 3(2) - P. 11-28.

50. Elsen, P. A. Medical image matching-a review with classification / P. A. van den Elsen, E.-J. D. Pol, M. A. Viergever // Engineering in Medicine and Biology Magazine - 1993. - № 12(1) - P. 26-39.

51. Maintz, J. B. A survey of medical image registration / J. B. Maintz, M. A. Viergever // Medical Image Analysis - 1998. - № 2(1) - P. 1-36.

52. Rui, W. An overview of medical image registration / W. Rui, Li Minglu // Computational Intelligence and Multimedia Applications, 2003. ICCIMA2003. Proceedings. Fifth International Conference - 2003. - № - P. 385-390.

53. Beown, L. G. A survey of image registration techniques / L. G. Brown // ACM Computing Surveys - 1992. - № 24(4) - P. 325-376.

54. Maurer, C. R. A Review of Medical Image Registration / C. R. Maurer, J. M. Fitzpatrick // Interactive imageguided neurosurgery - 1993. - № 1 - P. 17-44.

55. Lester, H. A survey of hierarchical non-linear medical image registration / H. Lester, S. R. Arridge // Pattern Recognition - 2003. - № 32(1) - P. 129-149.

56. Lemieux, L. Voxel-based localization in frame-based and frameless stereotaxy and its accuracy / L. Lemieux, N. D. Kitchen, S. W. Hughes, D. G. Thomas // Medical physics - 1994.-№21(8)-P. 1301-1310.

57. Lemieux, L. Effect of fiducial marker localization on stereotactic target coordinate calculation in CT slices and radiographs / L. Lemieux, R. Jagoe // Physics in medicine and biology - 1994.-№ 39(11)-P. 1915-1928.

58. Strother, S. C. Quantitative comparisons of image registration techniques based on high-resolution MRI of the brain / S. C. Strother, J. R. Anderson, X. L. Xu et al. // Journal of computed assisted tomography - 1994. - № 18(6) - P. 954-962.

59. Peters, T. Three-dimensional multimodal image-guidance for neurosurgery / T. Peters, B. Davey, P. Munger et al. // IEEE Transactions on Medical Imaging - 1996. -№ 15(2)-P. 121-128.

60. Gall, K. P. Computer-assisted positioning of radiotherapy patients using implanted radiopaque fiducials / K. P. Gall, L. J. Verhey, M. Wagner // Medical physics - 1993. -№20(4)-P. 1153-1159.

61. Maurer, C. R. Registration of CT and MR brain images using a combination of points and surfaces / C. R. Maurer Jr, G. B. Aboutanos, B. M. Dawant et al. // Medical Imaging: image processing - 1995. - № 109(2434) - P. 109-123.

62. Ellis, R. Use of a biocompatible fiducial marker in evaluating the accuracy of computed tomography image registration / R. Ellis, S. Toksvig-Larsen, M. Marcacci et al. // Investigative Radiology - 1996. - № 31(10) - P. 658-667.

63. Maurer, C. R. Estimation of accuracy in localizing externally attached markers in multimodal volume head images / C. R. Maurer Jr, J. J. McCrory, J. M. Fitzpatrick // Medical Imaging: Image Processing - 1993. - № 1898 - P. 43-54.

64. Evans, A. C. MRI-PET correlation in three dimensions using a volume-of-interest (VOI) atlas / A. C. Evans, S. Marrett, J. Torrescorzo et al. // Journal of cerebral blood flow and metabolism - 1991.-№ 11 (2)-P. A69-78.

65. Malison, R, T. Computer-assisted coregistration of multislice SPECT and MR brain images by fixed external fiducials / R. T. Malison, E. G. Miller, R. Greene et al. // Journal of computer assisted tomography - 1993. - № 17(6) - P. 952-960.

66. Alpert, N. M. The principal axes transformation - a method for image registration / N. M. Alpert, J. F. Bradshaw, D. Kennedy, J. A. Correia // Journal of Nuclear Medicine - 1990. -№37(10) -P. 1717-1722.

67. De Castro, E. Registration of Translated and Rotated Images Using Finite Fourier Transforms / E. De Castro, C. Morandi // Pattern Analysis and Machine Intelligence

- 1987. - № 9(5) - P. 700-703.

68. Flusser, J. Pattern recognition by affine moment invariants / J. Flusser, T. Suk // Pattern recognition - 1993. - № 26(1) - P. 167-174.

69. Hurley, J. R. The procrustes program: Producing direct rotation to test a hypothesized factor structure / J. R. Hurley, R. B. Cattell // Behavioral Science -2007. - № 7(2) - P. 258-262.

70. Schonemann, P. H. A generalized solution of the orthogonal procrustes problem / P. H. Schonemann // Psychometrika - 1966. -№ 31(1) - P. 1-10.

71. Bookstein, F. L. Principal warps: thin-plate splines and the decomposition of deformations / F. L. Bookstein // Pattern Analysis and Machine Intelligence - 1989.

- № 11(6)-P. 567-585.

72. Christensen, G. E. A Deformable Neuroanatomy Textbook Based on Viscous Fluid Mechanics / G. E. Christensen, R. D. Rabbitt, M. I. Miller //Annual Conference on Information Sciences and Systems - 1993. - № 27 - P. 211-216.

73. Periaswamy, S. Elastic registration in the presence of intensity variations / S. Periaswamy, H. Farid // Medical Imaging - 2003. - № 22(7) - P. 865-874.

74. Ashburner, J. Identifying global anatomical differences: deformation-based morphometry / J. Ashburner, C. Hutton, R. Frackowiak et al. // Human Brain Mapping - 1998. - № 6(5) - P. 348-357.

75. Ashburner, J. Voxel-based morphometry—the methods / J. Ashburner, K. J. Friston // Neuroimage - 2000. - № 11(6 Pt 1) - P. 805-821.

76. Mechelli, A. Voxel-Based Morphometry of the Human Brain: Methods and Applications / A. Mechelli, C. J. Price, K. J. Friston, J. Ashburner // Current Medical Imaging Reviews - 2005. - № 1(1) - P. 1-8.

77. Giuliani, N. R. Voxel-based morphometry versus region of interest: a comparison of two methods for analyzing gray matter differences in schizophrenia / N. R. Giuliani, V. D. Calhoun, G. D. Pearlson et al. // Schizophrenia research - 2005. - № 74(2-3) -P. 135-147.

78. Keller, S. S. Voxel-based morphometric comparison of hippocampal and extrahippocampal abnormalities in patients with left and right hippocampal atrophy / S. S. Keller, C. E. Mackay, T. R. Barrick et al. // Neuroimage - 2002. - № 16(1) - P. 23-31.

79. Mehta, S. Evaluation of voxel-based morphometry for focal lesion detection in individuals / S. Mehta, T. J. Grabowski, Y. Trivedi, H. Damasio // Neuroimage -2003. - № 20(3) - P. 1438-1454.

80. Bookstein, F. L. Voxel-based morphometry should not be used with imperfectly registered images / F. L. Bookstein // Neuroimage - 2001. - № 14(6) - P. 1454-1462.

81. Corbo, V. Size versus shape differences: contrasting voxel-based and volumetric analyses of the anterior cingulate cortex in individuals with acute posttraumatic stress disorder / V. Corbo, M. H. Clément, J. L. Armony et al. // Biological Psychiatry-2005.-№ 58(2)-P. 119-124.

82. Schwarz, D. Comparison of Two Methods for Automatic Brain Morphometry Analysis / D. Schwarz, T. Kasparek // Radioengineering - 2011. - № 20(4) - P. 9961001.

83. Bartzokis, G. Age-Related Changes in Frontal and Temporal Lobe Volumes in Men / G. Bartzokis, M. Beckson, P. H. Lu et al. //Archives of General Psychiatry -2001. -№ 58(5) - P. 461-465.

84. Raz, N. Selective aging of the human cerebral cortex observed in vivo: differential vulnerability of the prefrontal gray matter / N. Raz, F. M. Gunning, D. Head et al. // Cerebral cortex - 1997. - № 3(7) - P. 268-282.

85. Graves, А. В. Head circumference as a measure of cognitive reserve. Association with severity of impairment in Alzheimer's disease / A. B. Graves, J. A. Mortimer, E. B. Larson et al. // The British journal of psychiatry - 1996. - № 169(1) - P. 86-92.

86. Shofield, P. W. The age at onset of Alzheimer's disease and an intracranial area measurement. A relationship / P. W. Schofield, R. E. Mosesson, Y. Stern et al. // Archives of Neurology - 1995. - № 52(1) - P. 95-98.

87. Blatter, D. D. Quantitative volumetric analysis of brain MR: normative database spanning 5 decades of life / D. D. Blatter, E. D. Bigler, S. D. Gale et al. //American Journal of Neuroradiology - 1995. - № 16 - P. 241-251.

88. Edland, S. D. Total intracranial volume: Normative values and lack of association with Alzheimer's disease / S. D. Edland, Y. Xu, M. Plevak et al. // Neurology - 2002. - № 59(2) - P. 272-274.

89. Jenkins, R. Intracranial Volume and Alzheimer Disease: Evidence Against the Cerebral Reserve Hypothesis / R. Jenkins, N. C. Fox, A. M. Rossor et al. // Archives of Neurology - 2000. - № 57(2) - P. 220-224.

90. Mathalon, D. H. Correction for head size in brain-imaging measurements / D. H. Mathalon, E. V. Sullivan, J. M. Rawles, A. Pfefferbaum // Psychiatry research -1993.-№55(3)-P. 179.

91. Davis, P. J. M. A new method for measuring cranial cavity volume and its application to the assessment of cerebral atrophy at autopsy / P. J. M. Davis, E. A. Wright // Neuropathology and Applied Neurobiology - 1977. - № 5(3) - P. 341-458.

92. Epstein, H. T. The relationship between brain weight and head circumference from birth to age 18 years / H. T. Epstein, E. B. Epstein //American Journal of Physical Anthropology - 1978. - № 48(4) - P. 471-473.

93. Ежова, P. В. Применение воксельной морфометрии для диагностики поражения лимбических структур при височной эпилепсии с аффективными расстройствами / Р. В. Ежова, JI. М. Шмелева, Н. И. Ананьева и др. // Обозрение психиатрии и медицинской психологии им. В.М. Бехтерева - 2013. -№2-С. 23-31.

94. Valsasina, P. Evidence for progressive gray matter loss in patients with relapsing-remitting MS / P. Valsasina, B. Benedetti, M. Rovaris et al. // Neurology - 2005. - № 65(7)-P. 1126-1128.

95. Dalton, C. M. Progressive ventricular enlargement in patients with clinically isolated syndromes is associated with the early development of multiple sclerosis / C. M. Dalton, P. A. Brex, R. Jenkins et al. // Journal of Neurology, Neurosurgery and Psychiatry with Practical Neurology - 2002. - № 73(2) - P. 141-147.

96. Dalton, C. M. Ventricular enlargement in MS: one-year change at various stages of disease / C. M. Dalton, K. A. Miszkiel, P. W. O'Connor et al. // Neurology - 2006. -№66(5)-P. 693-698.

97. Dalton, C. M. Early development of multiple sclerosis is associated with progressive grey matter atrophy in patients presenting with clinically isolated syndromes / C. M. Dalton, D. T. Chard, G. R. Davies et al. // Brain - 2004. - № 127(5) - P. 1101-1107.

98. Filippi, M. Evidence for widespread axonal damage at the earliest clinical stage of multiple sclerosis / M. Filippi, M. Bozzali, M. Rovaris et al. // Brain - 2003. - № 126(2)-P. 433-437.

99. Rovaris, M. Conventional and magnetization transfer MRI predictors of clinical multiple sclerosis evolution: a medium-term follow-up study / M. Rovaris, F. Agosta, M. P. Sormani et al. // Brain - 2003. - № 126(10) - P. 2323-2332.

100. Agosta, F. Magnetization transfer MRI metrics predict the accumulation of disability 8 years later in patients with multiple sclerosis / F. Agosta, M. Rovaris, E. Pagani et al. // Brain - 2006. - № 129(10) - P. 2620-2627.

101. Rovaris, M. Axonal injury in early multiple sclerosis is irreversible and independent of the short-term disease evolution / M. Rovaris, A. Gambini, A. Gallo et al. // Neurology - 2005. - № 65(10) - P. 1626-1630.

102. Paolillo, A. The relationship between inflammation and atrophy in clinically isolated syndromes suggestive of multiple sclerosis: a monthly MRI study after triple-dose gadolinium-DTPA / A. Paolillo, M. C. Piattella, P. Pantano et al. // Journal of Neurology - 2004. - № 251(4) - P. 432-439.

103. Filippi, M. Interferon beta-la for brain tissue loss in patients at presentation with syndromes suggestive of multiple sclerosis: a randomised, double-blind, placebo-controlled trial / M. Filippi, M. Rovaris, M. Inglese et al. // Lancet - 2004. - № 364(9444) _P. 1489-1496.

104. Calabrese, M. Cortical atrophy is relevant in multiple sclerosis at clinical onset / M. Calabrese, M. Atzori, V. Bernardi et al. // Journal of Neurology - 2007. - № 254(9)-P. 1212-1220.

105. Bermel, R. A. Selective caudate atrophy in multiple sclerosis: a 3D MRI parcellation study / R. A. Bermel, M. D. Innus, C. W. Tjoa, R. Bakshi // Neuroreport - 2003. - № 14(3) - P. 335-339.

106. De Stefano, N. Evidence of early cortical atrophy in MS: relevance to white matter changes and disability / N. De Stefano, P. M. Matthews, M. Filippi et al. // Neurology - 2003. - № 60(7) - P. 1157-1162.

107. Lin, X. The relationship of brain and cervical cord volume to disability in clinical subtypes of multiple sclerosis: a three-dimensional MRI study / X. Lin, L. D. Blumhardt, C. S. Constantinescu//Acta Neurologica Scandinavica - 2003. -№ 108(6)-P. 401-406.

108. Traboulsee, A. Disability in multiple sclerosis is related to normal appearing brain tissue MTR histogram abnormalities / A. Traboulsee, J. Dehmeshki, K. R. Peters et al. // Multiple Sclerosis - 2003. - № 9(6) - P. 566-573.

109. Chard, D. T. Progressive grey matter atrophy in clinically early relapsing-remitting multiple sclerosis / D.T. Chard, C.M. Griffin, W. Rashid et al. // Multiple Sclerosis -2004.-№ 10-P. 387-391.

110. Oreja-Guevara, C. Progressive gray matter damage in patients with relapsing-remitting multiple sclerosis: a longitudinal diffusion tensor magnetic resonance imaging study / C. Oreja-Guevara, M. Rovaris, G. Iannucci et al. // Archives of Neurology - 2005. - № 62(4) - P. 578-584.

111. Kalkers, N. F. Longitudinal brain volume measurement in multiple sclerosis: rate of brain atrophy is independent of the disease subtype / N. F. Kalkers, N. Ameziane, J. C. Bot et al. //Archives of Neurology - 2002. - № 59(10) - P. 1572-1576.

112. Tiberio, M. Gray and white matter volume changes in early RRMS: a 2-year longitudinal study / M. Tiberio, D. T. Chard, D. R. Altmann et al. // Neurology -2005.-№64(6)-P. 1001-1007.

113. Fox, N. C. Progressive cerebral atrophy in MS: a serial study using registered, volumetric MRI / N. C. Fox, R. Jenkins, S. M. Leary et al. // Neurology - 2000. - № 54(4)-P. 807-812.

114. Leigh, R. Estimating cerebral atrophy in multiple sclerosis patients from various MR pulse sequences / R. Leigh, J. Ostuni, D. Pham et al. // Multiple Sclerosis -2002. - № 8(5) - P. 420-429.

115. Hoogervorst, E. L. Cerebral volume changes in multiple sclerosis patients treated with high-dose intravenous methylprednisolone / E. L. Hoogervorst, C. H. Polman, F. Barkhof // Multiple Sclerosis - 2002. - № 8(5) - P. 415-419.

116. Rao, A. B. Methylprednisolone effect on brain volume and enhancing lesions in MS before and during IFNbeta-lb / A. B. Rao, N. Richert, T. Howard et al. // Neurology - 2002. - № 59(5) - P. 688-694.

117. Amato, M. P. Neocortical volume decrease in relapsing-remitting MS patients with mild cognitive impairment / M. P. Amato, M. L. Bartolozzi, V. Zipoli et al. // Neurology - 2001. - № 63(1) - P. 89-93.

118. Benedict, R. H. Neocortical atrophy, third ventricular width, and cognitive dysfunction in multiple sclerosis / R. H. Benedict, J. M. Bruce, M. G. Dwyer et al. // Archives of Neurology - 2006. -№ 63(9)-P. 1301-1306.

119. Molyneux, P. D. The effect of interferon beta-lb treatment on MRI measures of cerebral atrophy in secondary progressive multiple sclerosis. European Study Group on Interferon beta-lb in secondary progressive multiple sclerosis / P. D. Molyneux, L. Kappos, C. Polman et al. // Brain - 2000. - № 123(11) - P. 2256-2263.

120. Rovaris M. Short-term accrual of gray matter pathology in patients with progressive multiple sclerosis: an in vivo study using diffusion tensor MRI / M. Rovaris, A. Gallo, P. Valsasina et al. // Neuroimage - 2005. - № 24(4) - P. 11391146.

121. Ge, Y. Brain atrophy in relapsing-remitting multiple sclerosis and secondary progressive multiple sclerosis: longitudinal quantitative analysis / Y. Ge, R. I. Grossman, J. K. Udupa et al. // Radiology - 2000. - № 214(3) - P. 665-670.

122. Fox, N. C. Progressive cerebral atrophy in MS: a serial study using registered, volumetric MRI / N. C. Fox, R. Jenkins, S. M. Leary et al. // Neurology - 2000. - № 54(4)-P. 807-812.

123. Turner, B. Cerebral atrophy and disability in relapsing-remitting and secondary progressive multiple sclerosis over four years / B. Turner, X. Lin, G. Calmon et al. // Multiple Sclerosis - 2003. - № 9(1) - P. 21-27.

124. Carone, D. A. Semi-automatic brain region extraction (SABRE) reveals superior cortical and deep gray matter atrophy in MS / D. A. Carone, R. H. Benedict, M. G. Dwyer et al. // Neuroimage - 2006. - № 29(2) - P. 505-514.

125. Chen, J. T. Relating neocortical pathology to disability progression in multiple sclerosis using MRI / J. T. Chen, S. Narayanan, D. L. Collins et al. // Neuroimage -2004.-№23(3)-P. 1168-1175.

126. Sastre-Garriga, J. Grey and white matter atrophy in early clinical stages of primary progressive multiple sclerosis / J. Sastre-Garriga, G. T. Ingle, D. T. Chard et al. // Neuroimage - 2004. - № 22(1) - P. 353-359.

127. Stevenson, V. L. One year follow up study of primary and transitional progressive multiple sclerosis / V. L. Stevenson, D. H. Miller, S. M. Leary et al. // Journal of Neurology Neurosurgery and Psychiatry - 2000. - № 68(6) - P. 713-718.

128. Ingle, G. T. Two-year follow-up study of primary and transitional progressive multiple sclerosis / G. T. Ingle, V. L. Stevenson, D. H. Miller et al. // Multiple Sclerosis - 2002. - № 8(2) - P. 108-114.

129. Stevenson, V. L. Monitoring disease activity and progression in primary progressive multiple sclerosis using MRI: sub-voxel registration to identify lesion changes and to detect cerebral atrophy / V. L. Stevenson, S. M. Smith, P. M. Matthews et al. // Journal of Neurology - 2002. - № 249(2) - P. 171-177.

130. Jasperse, B. Determinants of cerebral atrophy rate at thetime of diagnosis of multiple sclerosis / B. Jasperse, A. Minneboo, V. de Groot et al. //Archives of Neurology - 2007. - № 64(2) - P. 190-194.

131. Sastre-Garriga, J. Grey and white matter volume changes in early primary progressive multiple sclerosis: a longitudinal study / J. Sastre-Garriga, G. T. Ingle, D. T. Chard et al. // Brain - 2005. - № 128(6) - P. 1454-1460.

132. Ingle, G. T. Primary progressive multiple sclerosis: a 5-year clinical and MR study / G. T. Ingle, V. L. Stevenson, D. H. Miller, A. J. Thompson // Brain - 2003. - № 126(11)-P. 2528-2536.

133. Stevenson, V. L. Magnetic resonance imaging predictors of disability in primary progressive multiple sclerosis: a 5-year study / V. L. Stevenson, G. T. Ingle, D. H. Miller, A. J. Thompson // Multiple Sclerosis - 2004. - № 10(4) - P. 398-401.

134. Redmond, I. T. Short-term ventricular volume changes on serial MRI in multiple sclerosis /1. T. Redmond, S. Barbosa, L. D. Blumhardt, N. Roberts //Acta Neurologica Scandinavica - 2000. - № 102(2) - P. 99-105.

135. Prinster, A. Grey matter loss in relapsing-remitting multiple sclerosis: a voxel-based morphometry study / A. Prinster, M. Quarantelli, G. Orefice et al. // Neuroimage - 2006. - № 29(3) - P. 859-867.

136. Bermel, R. A. Bicaudate ratio as a magnetic resonance imaging marker of brain atrophy in multiple sclerosis / R. A. Bermel, R. Bakshi, C. Tjoa et al. // Archives of Neurology - 2002. - № 59(2) - P. 275-280.

137. Bermel, R. A. Selective caudate atrophy in multiple sclerosis: a 3D MRI panellation study / R. A. Bermel, M. D. Innus, C. W. Tjoa, R. Bakshi // Neuroreport - 2003. - № 14(3) - P. 335-339.

138. Audoin, B. Localization of grey matter atrophy in early RRMS : A longitudinal study / B. Audoin, G. R. Davies, L. Finisku et al. // Journal of Neurology - 2006. -№253(11)-P. 1495-1501.

139. Sepulcre, J. Regional gray matter atrophy in early primary progressive multiple sclerosis: a voxel-based morphometry study / J. Sepulcre, J. Sastre-Garriga, M. Cercignani et al. //Archives ofNeurology-2006. -№ 63(8) - P. 1175-1180.

140. Cifelli, A. Thalamic neurodegeneration in multiple sclerosis / A. Cifelli, M. Arridge, P. Jezzard et al. //Annals ofNeurology - 2002. - № 52(5) - P. 650-653.

141. Wylezinska, M. Thalamic neurodegeneration in relapsing-remitting multiple sclerosis / M. Wylezinska, A. Cifelli, P. Jezzard et al. // Neurology - 2003. - № 60(12)-P. 1949-1954.

142. Taylor, I. Serial MRI in multiple sclerosis: a prospective pilot study of lesion load, whole brain volume and thalamic atrophy /1. Taylor, H. Butzkueven, L. Litewka et al. // Journalof Clinical Neuroscience - 2004. - № 11(2) - P. 153-158.

143. Craner, M. J. Molecular changes in neurons in multiple sclerosis: altered axonal expression ofNavl.2 andNavl.6 sodium channels andNa+/Ca2+ exchanger / M. J. Craner, J. Newcombe, J. A. Black et al. // Proceedings of the National Academy of Sciences USA-2004.-№ 101(21)-P. 8168-8173.

144. Kurtzke, J. F. Rating neurologic impairment in multiple sclerosis: an expanded disability status scale (EDSS) / J. F. Kurtzke // Neurology - 1983. - № 33(11) - P. 1444-1452.

145. Rudick, R. A. Brain atrophy in relapsing multiple sclerosis: relationship to relapses, EDSS, and treatment with interferon beta-la / R. A. Rudick, E. Fisher, J. C. Lee et al. // Multiple sclerosis - 2000. - № 6 - P. 365-372.

146. Zivadinov, R. A longitudinal study of brain atrophy and cognitive disturbances in the early phase of relapsing-remitting multiple sclerosis / R. Zivadinov, J. Sepcic, D. Nasuelli et al. // Journal ofNeurology Neurosurgery and Psychiatry - 2001. - № 70(6)-P. 773-780.

147. Gasperini, C. MRI brain volume changes in relapsing-remitting multiple sclerosis patients treated with interferon beta-la / C. Gasperini, A. Paolillo, E. Giugni et al. // Multiple Sclerosis-2002.-№ 8(2)-P. 119-123.

148. Rovaris, M. Short-term brain volume change in relapsing-remitting multiple sclerosis: effect of glatiramer acetate and implications / M. Rovaris, G. Comi, M. A. Roccaetal.//Brain-2001.-№ 124(9)-P. 1803-1812.

149. Fisher, E. Relationship between brain atrophy and disability: an 8-year follow-up study of multiple sclerosis patients / E. Fisher, R. A. Rudick, G. Cutter et al. // Multiple Sclerosis - 2000. - № 6(6) - P. 373-377.

150. Rudick, R. A. Use of the Multiple Sclerosis Functional Composite to predict disability in relapsing MS / R. A. Rudick, G. Cutter, M. Baier et al. // Neurology -2001.-№56(10)-P. 1324-1330.

151. Fisher, E. Eight-year follow-up study of brain atrophy in patients with MS / E. Fisher, R. A. Rudick, J. H. Simon et al. // Neurology - 2002. - № 59(9) - P. 14121420.

152. Rovaris, M. Long-term follow-up of patients treated with glatiramer acetate: a multicentre, multinational extension of the European/Canadian double-blind, placebo-controlled, MRI-monitored trial / M. Rovaris, G. Comi, M. A. Rocca et al. // Multiple Sclerosis - 2007. - № 13(4) - P. 502-508.

153. Achiron, A. Cognitive impairment in probable multiple sclerosis / A. Achiron, Y. Barak // Journal ofNeurology Neurosurgery and Psychiatry - 2003. - № 74(4) - P. 443-446.

154. Lazeron, R. H. Brain atrophy and lesion load as explaining parameters for cognitive impairment in multiple sclerosis / R. H. Lazeron, J. B. Boringa, M. Schouten et al.//Multiple Sclerosis - 2005. - № 11(5)-P. 524-531.

155. Шкильнюк, Г. Г. Роль изменений метаболизма глюкозы в головном мозге при формировании когнитивных нарушений у больных ремиттирующим и вторично-прогрессирующим рассеянным склерозом / Г. Г. Шкильнюк, А. Г. Ильвес, Г. В. Катаева и др. // Журнал неврологии и психиатрии им. С.С. Корсакова - 2012. - № 2 - С. 41-46.

156. Lazeron, R. Н. Cognitive slowing in multiple sclerosis is strongly associated with brain volume reduction / R. H. Lazeron, L. M. de Sonneville, P. H. Scheltens et al. // Multiple Sclerosis - 2006. - № 12(6) - P. 760-768.

157. Sanfilipo, M. P. Gray and white matter brain atrophy and neuropsychological impairment in multiple sclerosis / M. P. Sanfilipo, R. H. Benedict, B. Weinstock-Guttman, R. Bakshi // Neurology - 2006. - № 66(5) - P. 685-692.

158. Pelletier, J. A longitudinal study of callosal atrophy and interhemispheric dysfunction in relapsing-remitting multiple sclerosis / J. Pelletier, L. Suchet, Т. Witjas et al. // Archives ofNeurology - 2001. - № 58(1) - P. 105-111.

159. Benedict. R. H. Frontal cortex atrophy predicts cognitive impairment in multiple sclerosis / R. H. Benedict, R. Bakshi, J. H. Simon et al. // Journal ofNeuropsychiatry and Clinical Neurosciences - 2002. - № 14(1) - P. 44-51.

160. Portaccio, E. Neocortical volume decrease in relapsing-remitting multiple sclerosis with mild cognitive impairment / E. Portaccio, M. P. Amato, M. L. Bartolozzi et al. // Journal of theNeurological Sciences - 2006. - № 245(1) - P. 195199.

161. Morgen, К. Evidence for a direct association between cortical atrophy and cognitive impairment in relapsing-remitting MS / K. Morgen, G. Sammer, S. M. Courtney et al. // Neuroimage - 2006. - № 30(3) - P. 891-898.

162. Tekok-Kilic, A. Independent contributions of cortical gray matter atrophy and ventricle enlargement for predicting neuropsychological impairment in multiple sclerosis / A. Tekok-Kilic, R. H. Benedict, B. Weinstock-Guttman et al. // Neuroimage - 2007. - № 36(4) - P. 1294-1300.

163. Paul, R. Relationships between cognition and structural neuroimaging findings in adults with human immunodeficiency virus type-1 / R. Paul, R. Cohen, B. Navia, K. Tashima // Neuroscience and Biobehavioral Reviews - 2002. - № 26(3) - P. 353359.

164. White, D. A. Neuropsychological studies of asymptomatic human immunodeficiency virus-type-1 infected individuals. The HNRC Group. HIV Neurobehavioral Research Center / D. A. White, R. K. Heaton, A. U. Monsch // Journal of international neuropsychological society - 1995. - № 3(1) - P. 304-315.

165. Becker, J. T. Qualitative features of the memory deficit associated with HIV infection and AIDS: Cross-validation of a discriminant function classification scheme / J. T. Becker, R. Caldararo, O. L. Lopez et al. // Journal of Clinical and Experimental Neuropsychology - 1997. - № 17(1) - P. 134-142.

166. McArthur, J. C. Neurological complications of HIV infection / J. C. McArthur, B. J. Brew, A. Nath // Lancet neurology - 2005. - № 9(4) - P. 543-555.

167. Hestad, K. Regional brain atrophy in HIV-l infection: association with specific neuropsychological test performance / K. Hestad, J. H. McArthur, G. J. Dal Pan et al. //ActaNeurologica Scandinavica- 1993. -№ 88(2) - P. 112-118.

168. Broderick, D. F. White matter lesions and cerebral atrophy on MR images in patients with and without AIDS dementia complex / D. F. Broderick, F. J. Wippold 2nd, D. B. Clifford et al. //American Journal of Roentgenology - 1993. -№ 161(1) -P. 177-181.

169. Jakobsen, J. Cerebral ventricular enlargement relates to neuropsychological measures in unselected AIDS patients / J. Jakobsen, C. Gyldensted, B. Brun et al. // Acta Neurologica Scandinavica - 1989. - № 79(1) - P. 59-62.

170. Трофимова, Т. H. Общие особенности лучевой диагностики ВИЧ-ассоциированных поражений головного мозга / Т. Н. Трофимова, Н. А. Беляков, А. В. Трофимова, Ю. А. Щербук // ВИЧ-инфекция и иммуносупрессии - 2010. -№ 1(2)-С. 51-59.

171. Archibald, S. L. Correlation of in vivo neuroimaging abnormalities with postmortem human immunodeficiency virus encephalitis and dendritic loss / S. L. Archibald, E. Masliah, C. Fennema-Notestine et al. //Archives of Neurology - 2004. -№61(3) -P. 369-376.

172. Chiang, M. C. 3D pattern of brain atrophy in HIV/AIDS visualized using tensor-based morphometry / M. C. Chiang, R. A. Dutton, K. M. Hayashi et al. // Neuroimage - 2007. - № 34(1) - P. 44-60.

173. Jernigan, T. L. Effects of methamphetamine dependence and HIV infection on cerebral morphology / T. L. Jernigan, A. C. Gamst, S. L. Archibald et al. //American Journal of Psychiatry - 2005. - № 162(8) - P. 1461-1472.

174. Kieburtz, K. Cognitive performance and regional brain volume in human immunodeficiency virus type 1 infection / K. Kieburtz, L. Ketonen, C. Cox et al. // Archives of neurology - 1996. - № 53(2) - P. 155-158.

175. Price, R. W. Biomarkers of HIV-1 CNS infection and injury / R. W. Price, L. G. Epstein, J. T. Becker et al. // Neurology - 2007. - № 69(18) - P. 1781-1788.

176. Stout, J. C- Progressive cerebral volume loss in human immunodeficiency virus infection: a longitudinal volumetric magnetic resonance imaging study. HIV Neurobehavioral Research Center Group / J. C. Stout, R. J. Ellis, T. L. Jernigan et al. // Archives of Neurology - 1998. - № 55(2) - P. 161-168.

177. Brew, B. J. AIDS dementia complex and HIV-1 brain infection: clinical-virological correlations / B. J. Brew, M. Rosenblum, K. Cronin, R. W. Price //Annals of Neurology - 1995. - № 38(4) - P. 563-570.

178. Hawkins, C. P. Pathological findings correlated with MRI in HIV infection / C. P. Hawkins, J. E. McLaughlin, B. E. Kendall, W. I. McDonald //Neuroradiology -1993. - № 35(4) - P. 264-268.

179. Avison, M. J. Neuroimaging correlates of HIV-associated BBB compromise / M. J. Avison, A. Nath, R. Greene-Avison et al. // Journal of Neuroimmunology - 2004. -№ 157(1-2)-P. 140-146.

180. Berger, J. R. Cerebrovascular changes in the basal ganglia with HIV dementia / J. R. Berger, A. Nath, R. N. Greenberg et al. // Neurology - 2000. - № 54(4) - P. 921926.

181. McMurtray, A. Cortical atrophy and white matter hyperintensities in HIV: the Hawaii Aging with HIV Cohort Study / A. McMurtray, B. Nakamoto, C. Shikuma, V. Valcour // Journal of Stroke and Cerebrovascular Diseases - 2008. - № 17(4) - R 212-217.

182. Thompson, R M. Thinning of the cerebral cortex visualized in HIV/AIDS reflects CD4+ T lymphocyte decline / R M. Thompson, R. A. Dutton, K. M. Hayashi et al. // Proceedings of the National Academy of Sciences of the United States of America -

2005.-№ 102(43)-P. 15647-15652.

183. Thompson, P. M. 3D mapping of ventricular and corpus callosum abnormalities in HIV/AIDS / P. M. Thompson, R. A. Dutton, K. M. Hayashi et al. // Neuroimage -

2006.-№31(1)-P. 12-23.

184. Laissy, J. P. Midsagittal MR measurements of the corpus callosum in healthy subjects and diseased patients: a prospective survey / J. P. Laissy, B. Patrux, C. Duchateau et al. //American Journal of Neuroradiology - 1993. - № 14(1) - P. 145154.

185. Wohlschlaeger, J. White matter changes in HIV-l infected brains: a combined gross anatomical and ultrastructural morphometric investigation of the corpus callosum / J. Wohlschlaeger, E. Wenger, P. Mehraein, S. Weis // Clinical Neurology and Neurosurgery - 2009. - № 111(5) - P. 422-129.

186. Tate, D. F. The role of medical imaging in defining CNS abnormalities associated with HIV-infection and opportunistic infections / D. F. Tate, R. Khedraki, D. McCaffrey et al. // Neurotherapeutics - 2011. - № 8(1) - P. 103-116.

187. Tate, D. F. The Role of Medical Imaging in Defining CNS Abnormalities Associated with HIV-infection and Opportunistic Infections / D. F. Tate, R. Khedraki, D. McCaffrey et al. // Neurotherapeutics - 2011. - № 8(1) - P. 103-116.

188. Aylward, E. H. Magnetic resonance imaging measurement of gray matter volume reductions in HIV dementia / E. H. Aylward, P. D. Brettschneider, J. C. McArthur et al. //American Journal of Psychiatry - 1995. - № 152(7) - P. 987-994.

189. Ge, Y. Whole brain imaging of HIV-infected patients: quantitative analysis of magnetization transfer ratio histogram and fractional brain volume / Y. Ge, D. L. Kolson, J. S. Babb et al. // American Journal of Neuroradiology - 2003. - № 24(1) -P. 82-87.

190. Paley, M. N. Cerebrospinal fluid-intracranial volume ratio measurements in patients with HIV infection: CLASS image analysis technique / M. N. Paley, W. K. Chong, I. D. Wilkinson et al. // Radiology - 1994. - № 190(3) - P. 879-886.

191. Wang, Y. Multivariate Tensor-based Morphometry on Surfaces: Application to Mapping"Ventricular^bnormalitiës"i!TfnV/AIDS7^Y.~Wâng7JrZhang, BTGutman et al. // Neuroimage - 2011. - № 49(3) - P. 2141-2157.

192. Pfefferbaum, A. Contribution ofalcoholism to brain dysmorphology in HIV infection: effects on theventricles and corpus callosum / A. Pfefferbaum, M. J. Rosenbloom, T. Rohlfing.et al. // Neuroimage - 2006. - № 33(1) - P. 239-251.

193. Patel, S. H. Correlation between percentage of brain parenchymal volume and neurocognitive performance in HIV-infected patients / S. H. Patel, D. L. Kolson, G. Glosser et al. //American Journal of Neuroradiology - 2002. - № 23(4) - P. 543549.

194. Castelo, J. M. Putamen hypertrophy in nondemented patients with human immunodeficiency virus infection and cognitive compromise / J. M. Castelo, M. G. Courtney, R. J. Melrose, C. E. Stern //Archives of Neurology - 2007. - № 64(9) - P. 1275-1280.

195. Cardenas, V. A. Evidence for ongoing brain injury in human immunodeficiency virus-positive patients treated with antiretroviral therapy / V. A. Cardenas, D. J. Meyerhoff, C. Studholme et al. // Journal of NeuroVirology - 2009. - № 15(4) - P. 324-333.

196. Horowitz, A. L. The ovoid lesion: a new MR observation in patients with multiple sclerosis / A. L. Horowitz, R. D. Kaplan, G. Grewe et al. //American journal of neuroradiology - 1989. - № 10 Vol. 2 - P. 303-305.

197. Walderveen, M. A. Histopathologic correlate of hypointense lesions on Tl-weighted spin-echo MRI in multiple sclerosis / M. A. van Walderveen, W. Kamphorst, P. Scheltens et al. // Neurology - 1998. - № 50(5) - P. 1282-1288.

198. Simon, J. H. Computerized method of lesion volume quantitation in multiple sclerosis: error of serial studies / J. H. Simon, A. Scherzinger, U. Raff, X. Li // American journal of neuroradiology - 1997. - № 18(3) - P. 580-582.

199. Ge, Y Glatiramer acetate (Copaxone) treatment in relapsing-remitting MS: quantitative MR assessment / Y. Ge, R. I. Grossman, J. K. Udupa et al. // Neurology

—=2000"№-54-(4-)—P.-81-3-81-7:-

200. Ramo-Tello, C. A randomized clinical trial of oral versus intravenous methylprednisolone for relapse of MS / C. Ramo-Tello, L. Grau-Lopez, M. Tintore et al. // Multiple sclerosis - 2014. - № 20(6) - P. 717-725.

201. McFarland, F MRI studies of multiple sclerosis: implications for the natural history of the disease and for monitoring effectiveness of experimental therapies / F. McFarland, L. A. Stone, P. A. Calabresi et al. // Multiple sclerosis - 1996. - № 2(4) -P. 198-205.

202. Ge, Y Magnetization transfer ratio histogram analysis of normal-appearing gray matter and normal-appearing white matter in multiple sclerosis / Y. Ge, R. I. Grossman, J. K. Udupa et al. // Journal of computed assisted tomography - 2002. -№26(1)-P. 62-68.

203. Quantitative assessment of MRI lesion load in monitoring the evolution of multiple sclerosis / M. Filippi, M. A. Horsfield, P. S. Tofts et al. // Brain - 1995. - № 118(6) - P. 1601-1612.

204. Filippi, M. Quantitative assessment of magnetic resonance imaging lesion load in multiple sclerosis / M. Filippi, M. A. Horsfield, J. V. Hajnal et al. // Journal of neurology, neurosurgery and psychiatry - 1998. - № 64 - P. 88-93.

205. Schmitz, В. L. Enhancing gray-to-white matter contrast in 3T T1 Spin-Echo brain scans by optimizing Flip Angle / B. L. Schmitz, G. Gron, F. Brausewetter et al. // American Journal of Neuroradiology - 2005. - № 26 - P. 2000-2004.

206. Катаева, Г. В. Паттерны относительных оценок регионарного мозгового кровотока и скорости метаболизма глюкозы в здоровом мозге человека / Г. В. Катаева, А. Д. Коротков, К. В. Мельничук // Медицинская визуализация - 2007.

- № 2 - С. 84-92.

207. Шкильнюк, Г. Г. Паттерны позитронно-эмиссионной томографии когнитивных нарушений у больных рассеянным склерозом / Г. Г. Шкильнюк, А. Г. Ильвес, JI. Н. Прахова, и др. // Журнал неврологии и психиатрии - 2013. -№ 2(2) - С. 53-56.

208^Talairach^JГСо-р 1 anar StereotaxicAtlas of the~Human ВгатГЗ-Dimensional Proportional System - an Approach to Cerebral Imaging / J. Talairach, P. Tournoux. -New York: Thieme, 1988. - 132 p.

209. Smith, S. M. Fast robust automated brain extraction / S. M. Smith // Human Brain Mapping - 2002. - № 3(17) - P. 143-155.

210. Iglesias, J. E. Robust Brain Extraction Across Datasets and Comparison with Publicly Available Methods / J. E. Iglesias, C. Y. Liu, P. Thompson, Z. Tu // - 2011. -№30(9)-P. 1617-1634.

211. Dale, A. M. Cortical surface-based analysis I: Segmentation and surface reconstruction / A. M. Dale, B. Fishl, M. I. Sereno // Neuroimage - 1999. - № 9 - P. 179-194.

212. Fischl, B. Cortical surface-based analysis II: Inflation, flattening, and a surface-based coordinate system / B. Fischl, M. I. Sereno, A. M. Dale //Neuroimage - 1999.

- № 9 - P. 195-207.

213. Fischl, B. Automatically parcellating the human cerebral cortex / B. Fischl, A. van der Kouwe, C. Destrieux et al. // Cerebral Cortex - 2004. - № 14 - P. 11-22.

214. Fischl, В. Whole brain segmentation. Automated labeling of neuroanatomical structures in the human brain / B. Fischl, D. Salat, E. Busa et al. // Neuron - 2002. -№33(3)-P. 341-355.

215. Smith, S. M. Advances in functional and structural MR image analysis and implementation as FSL / S. M. Smith, M. Jenkinson, M. W. Woolrich et al. // Neurolmage - 2004. - № 23(1) - P. 208-219.

216. Lao, Z.Q. Computer-assisted segmentation of white matter lesions in 3D MR images, using support vector machine / Z. Q. Lao, D. G. Shen, D. F. Liu et al. // Academic Radiology-2008.-№ 15(3)-P. 300-313.

217. Herve, L. Normal age-related brain morphometric changes: nonuniformity across cortical thickness, surface area and gray matter volume? / L. Herve, L. G. Aaron, S.

-Fabio"et-al;7/-Neurobiology ofaging^201"27=№ГЗ(33)~P76 XT.

218. Hackmack, K. Can we overcome the 'clinico-radiological paradox' in multiple sclerosis? / K. Hackmack, M. Weygandt, J. Wuerfel et al. // Journal of Neurology -2002.-№259(10)-P. 2151-2160.

219. Ortega, M. HIV clades В and С are associated with reduced brain volumetrics / M. Ortega, J. M. Heaps, J. Joska et al. // Journal of neurovirology - 2013. - № 19(5) - P. 479-487.

220. Ances, В. M. Independent effects of HIV, aging, and HAART on brain volumetric measures / В. M. Ances, M. Ortega, F. Vaida et al. // Journal od acquired immunodeficiency syndromes - 2012. - № 59(5) - P. 469-477.

221. Рассохин, В. В. Выбор методов нейропсихологической, клинической и инструментальной диагностики ВИЧ-обусловленных нейрокогнитивных расстройств / В. В. Рассохин, Т. Д. Сизова, Н. Е. Дементьева и др. // ВИЧ-инфекция и иммуносупрессии - 2013. - № 1, Том 5 - С. 42-53.

222. Balafar, М. A. Review of brain MRI image segmentation methods / M. A. Balafar, A. R. Ramli, M. I. Saripan, S. Mashohor // Artificial Intelligence Review - 2010. -№33(3)-P. 261-274.

223. Masroor Ahmed, M. Segmentation of Brain Magnetic Resonance Images (MRIs): A Review / M. Masroor Ahmed, D. Bin Mohamad // International Journal of Advances in Soft Computing and its Applications - 2011. - № 3(3) - R 1-24.

224. Vannier, M. W. Multispectral analysis of magnetic resonance images / M. W. Vannier, R. L. Butterfield, D. Jordan et al. // Radiology - 1985. - № 154(1) - P. 221224.

225. Zijdenbos, A. R Brain segmentation and white matter lesion detection in MR images / A. R Zijdenbos, B. M. Dawant // Critical reviews in biomedical engineering - 1994. - № 22(5-6) - P. 401-465.

226. Saeed, N. Magnetic resonance image segmentation using pattern recognition, and applied to image registration and quantitation / N. Saeed // NMR in biomedicine -

-1998—№"rr(4-5)~Prr57-r67r

227. Dunkan, J. S. Geometric strategies for neuroanatomic analysis from MRI / J. S. Duncan, X. Papademetris, J. Yang et al. // Neuroimage - 2004. - № 23, Suppl. 1 - P. 34-35.

228. Vuong, P. Effects of T2-Weighted MRI Based Cranial Volume Measurements on Studies of the Aging Brain / P. Vuong, D. Drucker, C. Schwarz et al. // Proceedings -Society of Photo-Optical Instrumentation Engineers - 2013. - № 8669 - P. 1-12.

229. Shiee N. Revisiting brain atrophy and its relationship to disability in multiple sclerosis / N. Shiee, P. L. Bazin, K. M. Zackowski et al. // - 2012. - № 7(5) - P. 1-9.

230. Bartzokis, G. Age-related changes in frontal and temporal lobe volumes in men: a magnetic resonance imaging study / G. Bartzokis, M. Beckson, P. H. Lu et al. // Archives of general psychiatry - 2001. - № 58(5) - P. 461-465.

231. Gasperini, C. MRI brain volume changes in relapsing-remitting multiple sclerosis patients treated with interferon beta-la / C. Gasperini, A. Paolillo, E. Giugni // Multiple sclerosis - 2002. - № 8 - P. 119-123.

232. Alexander, G. E. Parallel organization of functionally segregated circuits linking basal ganglia and cortex / G. E. Alexander, M. R. DeLong, P. L. Strick //Annual review of neuroscience - 1986. -№ 9 - P. 357-381.

233. Postuma, R. B. 13. Basal ganglia functional connectivity based on a meta-analysis of 126 Positron Emission Tomography and Functional Magnetic Resonance Imaging publications / R. B. Postuma, A. Dagher // Cerebral Cortex - 2006. - № 16 - P. 1508-1521.

234. Henry, R. G. Regional grey matter atrophy in clinically isolated syndromes at Presentation / R. G. Henry, M. Shieh, D. T. Okuda et al. // Journal of neurology, neurosurgery and psychiatry - 2008. - № 79 - P. 1236-1244.

235. Kim J. E. Laterobasal amygdalar enlargementin 6- to 7-year-old children with autism spectrum disorder / J. E. Kim, I. K. Lyoo, A. M. Estes et al. //Archivesof General Psychiatry - 2010. - № 67 - P. 1187-1197.

236. Cremers, H. Extraversión islinked to volume of the orbitofrontal cortex and -amygdala7-HrCremer^M77r№Tol7K7R^lofs^t^ir//TLóS"One - 2011. - №

6(12)-P. 1-6.

237. Bickart, K. C. Amygdala volume and social networksize in humans / K. C. Bickart, C. I. Wright, R. J. Dautoff et al. // Nature Neuroscience - 2010. - № 14 - P. 163-164.

238. Kanai, R. Onlinesocial network size is reflected in human brain structure / R. Kanai, B. Bahrami, R. Roylance, G. Rees // Proceedings of the Royal Society -2012. - № 279 - P. 1327-1334.

239. Jasper, C. Amygdalae Enlargement and Activation are Associated with Social Network Complexity in Individuals with Human Immunodeficiency Virus (HIV) / C. Jasper // Undergraduate review - 2013. - № 9 - P. 68-74.