Geometric vascular morphology of the human brain: an MRI study of MCI

Une approche automatisée pour l’analyse vasculaire cérébrale de grandes cohortes n’est pas disponible présentement. Conséquemment, l’information géométrique des trajets et distance des vaisseaux cérébraux n’est consignée dans aucun atlas. Une approche pour arriver à cela serait nécessaire vu l'intérêt accrut dans l'étude du vieillissement vasculaire et le déclin cognitif. On a acquis des images par résonance magnétique de temps-de-vol chez 38 sujets jeunes (HY), 15 sujets âgées sans trouble cognitif (CON) et 16 sujets avec trouble cognitif (MCI). Nous avons utilisé un réseau de neurones U-net centré sur le cercle de Willis (CoW) pour segmenter les troncs vasculaires du cerveau. Cette segmentation a servi à normaliser les images de temps-de-vol (ToF). Un filtre VED (« vesselness enhancing diffusion ») a servi à augmenter le signal intravasculaire. Un modèle à trois gaussiennes a été employé pour décrire ce signal. La vascularisation du cerveau entier a été segmentée à l'aide d'un seuil d'hystérésis et des paramètres des trois gaussiennes. Les segmentations des troncs vasculaires au CoW ont été étendues à l'ensemble du cerveau à l'aide d'un algorithme de segmentation en bassin versant. Nous avons déterminé les trajets artériels en joignant les points de départ au CoW aux terminaisons de notre segmentation artérielle via une implémentation de l'algorithme de Dijkstra. Un tronc principal pour les artères cérébrales antérieures (ACA), moyennes (MCA) et postérieures (PCA) a été calculé en analysant les chemins les plus essentiels pour atteindre les terminaisons vasculaires. Des métriques vasculaires telles que le diamètre, la tortuosité, l'intensité du signal ToF normalisé ont été calculées. Enfin, des atlas décrivant les trajets vasculaires à partir du CoW et la distance aux vaisseaux ont été calculés. En comparent HY et CON au CoW, les diamètres carotidiens étaient similaires (p = 0,97). Les artères cérébrales étaient significativement plus étroites (p = 9,4E-09, 4,0E-05, 0,02, pour ACA, MCA et PCA respectivement) chez CON. Pour la MCA et PCA, des différences de diamètre ont été observées à partir de 50 /25 mm; d’intensité, de 65 / 25 mm ; et de tortuosité, de 15 / 20 mm respectivement. En comparant CON et MCI, les carotides étaient plus étroites (p = 0,018). La MCA-MCI était plus tortueuse entre 10 et 70 mm du CoW. L'intensité de la MCA-MCI et de la PCA-MCI entre 5-95mm et 5-50mm, respectivement, était significativement réduite (p = 0,0035 à 1,13E-17 et 0,042 à 8,46E-11 respectivement). Notre méthode semble avoir décelé des particularités non documentées des vaisseaux cérébraux en contexte de trouble neurocognitif léger.Abstract: The anatomical neurovascular analysis of large cohorts with chronic neurodegenerative disease is currently lacking a fully automated approach to tackle large datasets. Consequently, no neurovascular maps informing on the nearest detectable feeding vessel nor vascular track geometry is currently available. With the growing interest in studying the relation between vascular aging and cognitive decline, this has hindered the study of the cognitively impaired brain and of vascular aging in the human brain. We acquired time-offlight magnetic resonance images in 38 healthy young patients (HY), 15 non cognitively impaired older adults (CON) and 16 cognitively impaired (MCI). We used a U-net architecture neural network centered at the circle of Willis (CoW) to predict the detect and segment the main vascular trunks feeding the brain. This segmentation was used to normalize time-of-flight image (ToF) intensities. A previously described vesselness enhancing diffusion filter was used to augment intravascular signal and a three gaussian mixture model was used to describe this array. Whole-brain vasculature was segmented using a hysteresis threshold and parameters from the 3 gaussian mixture model. The vascular trunk labels found at the CoW were extended into the whole brain using a watershed algorithm. Vascular tracts were found by determining start points at the CoW and joining them to endpoints in the brain vasculature through least-cost paths through the binary whole-brain array with an implementation of Dijkstra's algorithm. A main trunk for the anterior (ACA), middle (MCA), and posterior cerebral (PCA) arteries was computed by assessing the paths most traveled to reach vascular endpoints. Vascular metrics such as diameter, tortuosity, normalized ToF signal intensity were computed. Finally, vascular distance travelled from the CoW and distance to a vessel average whole brain maps were computed from the above-described tracks. We found similar carotid diameters (p=0.97) and significantly narrower cerebral arteries (p=9.4E-09, 4.0E-05, 0.02, for ACA, MCA and PCA respectively) comparing HY and CON. Main trunk caliber changes were seen until 50 and 25 mm; intensity changes until 65 and 25 mm away and tortuosity changes starting at 15 and 20mm respectively for the MCA and PCA. Comparing CON and MCI, narrower carotids were found (p = 0.018). The MCA was more tortuous between 10 to 70mm away from the CoW in MCI. Interestingly, we found an early significant difference in MCA and PCA ToF intensity from most of 5mm to 95mm and 5 to 50mm along the main trunk respectively (p=0.0035 to 1.13E-17 and 0.042 to 8.46E-11 respectively). Our successful development of an automated neurovascular analysis pipeline seems to have yielded previously undocumented insight on the hemodynamic properties of cerebral vessels in MCI