DOI QR코드

DOI QR Code

Comparison of Differences in Subcortical between Men and Women in their Seventies

70대의 성별에 따른 피질하부 차이 비교

  • Ahn, Beyung-Ju (Department of Radiology, Nambu University) ;
  • Park, Hye-Mi (Department of Psychiatry, Chungbuk National University Hospital) ;
  • Kim, Joo-Yeon (Department of Research Equipment Operation, Korea Basic Science Institute) ;
  • Lee, Jeong-hwan (Department of Psychiatry, Chungbuk National University Hospital)
  • 안병주 (남부대학교 방사선학과 교수) ;
  • 박혜미 (충북대학교병원 정신건강의학과 진료교수) ;
  • 김주연 (한국기초과학지원연구원 연구장비운영부 연구원) ;
  • 이정환 (충북대학교병원 정신건강의학과 전임의)
  • Received : 2020.09.15
  • Accepted : 2020.10.31
  • Published : 2020.10.31

Abstract

Magnetic resonance imaging(MRI) has become an important technique for examining changes in human brain structure with neurological disorders. Brain development is a very complex process, and is affected by neurogenesiss and genetic programs. As age increases, structures of the brain change, which can contribute to the formation of brain diseases. Among the various factors, Gender is one of the greatest influential factors that affect the development of a healthy brain. The images were analyzed through various programs found in FSL such as SIENAX, FIRST, and Vertex analysis. Our results show that significant gender-related differences in subcortical areas were observed at the particular age group. The magnitude of these differences between gender and volume varied depending on the area investigated. In this study, we used more advanced 3T MRI for the structural analysis of subcortical structures between each gender. In addition, Vertex Analysis was used to visualize the volumetric differences in subcortical structures between each gender. This study is limited to groups in their 70s, therefore, further studies are needed for wider age groups.

자기 공명 영상(MRI)은 인간의 신경계 장애에서 뇌 구조의 변화를 검사하는 중요한 기술이다. 뇌 발달은 매우 복잡한 과정이며, 신경 생성과 유전자 프로그램의 영향을 받게 된다. 나이가 들어감에 따라 뇌의 다양한 구조 영역이 변화하면서 뇌 질환 형성에 기여하게 되며, 건강한 뇌의 발달에 영향을 미치는 다양한 변수 중 성별은 가장 큰 영향을 주는 요인 중 하나이다. 영상 데이터는 FSL(FMRIB software library)에서 제공하는 SIENAX, FIRST, 정점분석(Vertex Analysis)과 같은 다양한 프로그램을 통해 분석이 수행되었다. 우리의 결과는 특정 연령대의 피질하부영역에서 유의한 성별 관련 차이가 관찰되었음을 보여주고 있다. 성별과 볼륨간의 이러한 변화 정도 차이의 크기는 조사 된 영역에 따라 다르게 나타나고 있다. 이 연구에서 우리는 각 성별간 피질하부영역의 구조 분석을 위해 고해상도 3T MRI를 사용하였다. 또한, 정점 분석은 각 성별간의 피질 구조에서 체적 차이를 시각화하는데 사용되었다. 이 연구는 70대 그룹으로 제한되어 있으며, 향후 더 넓은 연령대를 대상으로 추가 연구가 필요하다.

Keywords

Ⅰ. INTRODUCTION

MRI는 생체 내(In-vivo) 상태에서 인간의 뇌에 대한 형태학적 특징과 기능을 특성화하기 위해 사용되고 있다. 특히 구조적 MRI(sMRI; structural MRI) 연구에서 영역의 부피(Volume) 또는 피질두께(Cortical thickness)와 같은 측정값은 포괄적인 미가공 이미지(Raw Image)에서 생성된다. 측정값은 뇌구조 영역에서 백질(WM; White Matter) 또는 회색질(GM; Gray Matter) 구조의 기하학적 특성이나 피질의 부피, 두께 또는 표면적(Surface)을 설명하는데 유용하다. 현대의 연구에서 이러한 측정 방법이다양한 뇌 관련 병리를 이해하는 행동 변화, 학습, 노화와 같은 변화에 얼마나 관련되어 있는지를 설명하는 것을 목표로 하고 있다.[1,2]

뇌 장애 및 노화로 인한 뇌 위축은(Brain atrophy) MRI의 3D-T1WI(3D-T1-Weighted Image) 시퀀스(Sequence)를 이용해 피질의 두께, 백질, 회색질, 뇌 척수액(CSF; Cerebrospinal Fluid) 등의 변화와 같은 여러 형태학적 측정값을 처리과정을 통해 추정할 수 있다. 이러한 방법은 일반적으로 조직간 탁월한 대비를 제공하는 T1WI를 이용하여 백질, 회색질, 뇌척수액등 세 가지 주요 뇌 조직을 식별하는 것을 목표로 하는 이미지 분할 단계가 포함된다. 비침습적이며 정량적인 정보를 함께 제공할 수 있는 이러한 바이오마커 관련 연구는 광범위하게 연구되고 있다.[3] 그러나 일반적인 T1WI는 RF(RadioFrequency)의 B1 불균일성, 노이즈 및 부분 체적(PV; Partial Volume) 효과를 도입하는 비교적 낮은 해상도와 같은 MRI 획득의 한계는 자동 이미지 분할 방법에 오류를 나타내어 바이오 마커의 정밀도를 감소시키게 되기 때문에 MPRAGE(Magnetization Prepared Rapid Gradient Echo)를 사용하게 된다.[3] MPRAGE는 T1WI에서 백질과 회색질 간의 대비가 최적화 된 뇌 이미징에 널리 사용되는 시퀀스이며, 표준 임상 스캐너에서 주요 뇌 구조를 시각화 할 수 있는 해상도를 갖고 있다.[5,6]

뇌 해부학에서 성별의 차이는 행동 양상의 차이를 설명 할 수 있다. 여성은 언어 및 기억 작업에 대해 남성보다 뛰어나고 남성은 공간적 작업에서 탁월한 것으로 알려져 있다. 이러한 차이점은 대뇌 피질 기능의 반구형 특수화라는 변화에 기인한다. 이전 연구에서 남성의 경우 몸의 크기에 비해 여성보다 두개골의 크기가 크고 백질의 비율이 더 높은 반면 여성은 회색질이 더 높은 비율로 나타난다.[7,8]

피질하부(Subcortical) 영역에서의 상대적 크기와 모양 차이도 이전 연구에서 나타나고 있다.[9] 신경 및 정신 질환에 기여할 수 있다고 알려져 있는 피질하부의 구조적 변화는 치매, 우울증, 파킨슨병, 헌팅턴 병과 같은 다양한 신경장애와 관련이 있다.[10,11] 또한, 뇌 발달의 성별 차이는 자폐증, 주의력 결핍 과잉, 행동 장애 및 정신 분열증과 같은 여러 신경 정신병 장애의 과정과 치료에 관련이 있을 수 있다.[12]

본 연구에서는 사회 인구 통계학적으로 유사한 남녀 70대 노인의 고해상도 뇌 T1WI를 사용하여 구조물의 부피분석을 통해 성별에 따른 백질, 회색질 그리고 피질 하부영역의 관계를 조사하였다.

Ⅱ. MATERIAL AND METHODS

1. MRI 획득

1.1 연구대상

연구에는 총 46명의 정상 노인 피험자가 참여하였으며, 피험자 그룹은 남성 18명과 여성 28명으로 구성되어 있다. 또한, 각 피험자 집단의 평균 연령은 남성 75.17±3.07세 여성 75.11±2.96세 이었다.

본 연구는 충북대학교 생명윤리위원회의 승인을 받았으며, 모든 참가자에게 연구의 목적과 방법에 대해 충분한 설명 후 사전 서면 동의를 받았다.

1.2 영상획득

본 연구에서 획득하는 구조적 영상 데이터는 한국기초과학지원연구원(Ochangcampus of Korean Basic Science Institute)의 3T Achieva MRI scanner(Philips Medical Systems, Best, Netherlands)를 사용하여 수집되었다. 모든 영상 데이터는 32채널 헤드 코일이 사용되었다. 뇌 구조 분석에 사용되는 3D T1 이미지는 MPRAGE(Magnetization prepared a rapid gradient echo) 시퀀스가 사용되었으며, 영상 획득에 사용된 파라미터는 Repetition Time(TR) = 6.8 ms, Echo Time(TE) = 3.2 ms, Flip Angle(FA) = 9°, Field Of View(FOV) = 256 × 240 × 204 mm³, Matrix size = 256 × 240 × 170, Voxel size = 1 × 1 × 1.2 mm³, Scan time(ST) = 5m 34s이었다.

2. 영상 데이터 분석

피질하부영역의 구조 분석은 FMRIB software library(FSL ver 5.0.1, Oxford, UK)를 사용하여 처리되었다.[13,14] 영상데이터 분석 파이프라인은 다음과 같다. 첫 번째, 획득된 영상데이터인 DICOM 파일을 NIFTI 파일로 변환하여 LINUX 환경으로 옮긴 뒤, BET 기능을 이용해 뇌 영역만 추출한다.[15] 두 번째, 추출된 각 뇌 영상은 MNI152(Montreal Neurological Institute) space에 등록한다.[16,17] 세 번째, GM, WM, CSF 등 전체 뇌 조직의 부피를 계산하기 위해 SIENAX 기능을 이용해 분할이 수행된다.[18] 네 번째, 뇌 심부에 있는 피질하부영역의 분할을 위해 FIRST가 이용된다.[19] 분할된 피질하부영역은 총 7개로 측좌핵(Nucleus Accumbens), 편도체(Amygdala), 미상(Caudate), 해마(Hippocampus), 담창구(Globus pallidus), 피곡(Putamen), 시상(Thalamus)이며, 구조물이 좌측과 우측으로 나뉘어 나타난다. 다섯 번째, 모든 구조물의 부피를 정량화하기 위해 FSLSTATS 기능이 사용됐으며, 마지막으로 표면 기반 정점분석(SURFACE-BASED VERTEX ANALYSIS) 기능을 이용해 선형 모델을 사용하여 분할된 구조물들에 대한 비모수 분석이 수행되었다. 분석은 공변량으로 성별이 사용되었으며, p ≤ 0.05에서 다중 비교를 위해 교정되었다. 전체 파이프라인은 Fig. 1에 제시되었다.

BSSHB5_2020_v14n5_585_f0001.png 이미지

Fig. 1. Data processing pipeline.

3. 통계 분석

본 연구에서 사용된 통계분석은 SPSS ver 25(Statistical Package for the Social Sciences software, IBM Corporation, New York)에서 수행되었다. 먼저 분산의 정규 분포(Kolmogorov-Smirnov test)와 분산 가정의 균질성(Levene test)에 대해 테스트 되었으며, 남성과 여성의 피질하부영역 부피 차이는 t-test를 통해 평가되었다. 모든 피질하부영역 부피는 각 피험자의 V-Scaling factor를 곱함으로써 정규화 되었다.[20]

Ⅳ. RESULT

1. 그룹간 뇌 분할

그룹간 뇌 분할 분석에는 남성 18명과 여성 28명이 참여하였으며, Fig. 1의 파이프라인이 적용되어 결과를 획득하였다. 먼저 전체 뇌 분할을 진행하여 TBV, GM, WM로 구분되었고, 7종의 피질하부영역 좌-우로 나뉘어 구분하였다. 또한, 남성과 여성으로 나뉜 그룹간 영역 부피 분석이 진행되었다. 마지막으로 각 그룹간 영역의 표면 차이를 확인하기 위해 표면 기반 정적분석이 진행되었다.

1.1. 피질하부영역 분할

FSL을 이용한 뇌 구조물의 분할이 T1WI에서 수행되었으며, Fig. 2에서 분할된 피질하부영역이 제시된다. 분할된 피질하부영역은 모두 좌반구 영역과 우반구영역으로 나뉘어 있으며, 측좌핵(Nucleus Accumbens), 편도체(Amygdala), 미상(Caudate), 해마(Hippocampus), 담창구(Globus pallidus), 피곡(Putamen), 시상(Thalamus)으로 구조물의 정확한 분할 정보를 정석적으로 검증하기 위해 T1WI에서 추출된 뇌 영역 위에 분할된 구조물 정보가 시각화되었다. 시각화된 피질하부영역은 Fig. 2-(A)에서 윤곽선으로 나타났으며, Fig. 2-(B)에서 3D 렌더링 되어 표현되었다.

BSSHB5_2020_v14n5_585_f0002.png 이미지

Fig. 2. T1-weighted MR image of deep gray matter regions segmented with FIRST in (A) volume outline and (B) 3D volume rendering

2. 피질하부영역 체적 분석

2.1. 그룹간 평균 체적 분석

피질하부영역의 모든 평균 체적에 대한 차이는 Table 1에 제시된다. 남성과 여성의 평균 체적 차이에서 TBV(p = 0.316)와 WM(p = 0.711)에서는 유의미한 차이가 나타나지 않았지만 GM에서는 p =0.05로 유의미한 차이를 나타내었다. 피질하부영역에서 좌반구 측좌핵(p = 0.001), 해마(p ≤ 0.001), 담창구(p = 0.001), 피곡(p = 0.042), 시상(p = 0.001)에서 유의미한 차이를 확인할 수 있었으며, 편도체(p = 0.470)와 미상(p = 0.080)에서는 유의미한 차이가 없는 것으로 나타났다. 또한, 우반구 측좌핵(p =0.014), 미상(p = 0.034), 해마(p = 0.005), 담창구(p =0.006), 피곡(p = 0.001), 시상(p = 0.006)에서 유의미한 차이를 확인할 수 있었고, 우반구에서는 유일하게 편도체(p = 0.051)에서만 유의미한 차이가 나타나지 않았다.

Table 1. Group-wise differences of subcortical volumes

BSSHB5_2020_v14n5_585_t0001.png 이미지

*: Displays the Significant P-value.

2.2. 그룹간 평균 부피 차이

남성과 여성 그룹간 피질하부영역 평균 부피 차이는 좌반구와 우반구 모두에서 남성보다 여성이 큰 것으로 나타났다. 특히 좌반구와 우반구 모두에서 측좌핵이(좌 = –27.1%, 우 = -23.9%) 가장 큰 차이를 나타냈으며, 가장 적은 차이를 나타낸 영역은 좌반구에서 편도체가 –5.9%로 가장 적은 차이를 보였고, 우반구에서 미상이 -7.6%로 가장 적은 차이를 나타냈다.

3. 피질하부영역 표면 기반 정적분석

3.1. 정점 분석 결과

정점분석은 공변량으로 성별을 사용해 피질하부영역 구조물의 확률적으로 유의미한(p ≤ 0.05) 표면 변화를 나타낸다. 정점분석에서 모든 피질하부영역 영역간의 차이가 분석되었으며, 유일하게 시상에서 유의미한 차이를 확인할 수 있었다.

Fig. 3은 MNI152 공간 위에 유의미한 차이를 나타내는 구조물인 시상 구조를 축상면, 시상면, 관상면에서 나타낸다. Fig. 3-(A)에서 시상의 구조는 하늘색으로 나타나며, 유의미한 차이를 나타내는 영역은 빨간색으로 나타난다. Fig. 3-(B)는 시상의 구조가 3D 렌더링 되어 나타나며, 유의미한 차이가 없는 영역은 파란색으로 나타나고 유의미한 차이가 나타나는 영역은 주황색으로 나타난다. Fig. 3-(C)에서는 유의미한 차이가 없는 시상의 구조를 3D 메쉬 형태로 나타내고 유의미한 차이를 나타내는 영역을 나타내었다. 유의미한 차이가 없는 영역은 청록색으로 나타나고 유의미한 차이를 나타내는 영역은 노란색으로 나타난다.

BSSHB5_2020_v14n5_585_f0003.png 이미지

Fig. 3. Subcortical surface alterations in thalamus [adjusted for sex; p-value = 0.05 (FDR corrected)]. (A) coronal, Sagittal and Axial views of the results of vertex analysis. regions in red represent the specific location where volumetric reduction occurred. (B) 3D volume rendering of the results of vertex analysis. Orange regions represent the locations where volumetric reduction occurred. (C) 3D mesh rendering of the results of vertex analysis. yellow regions represent the locations where volumetric reduction occurred.

분석 결과 시상은 남성 그룹에 비해 여성그룹에서 좌반구 전방 아래쪽과 후방 위쪽에서 증가를 나타내었고, 우반구에서 전방 아래쪽과 후방 위쪽에서 증가가 나타나는 것을 확인할 수 있었다.

3.2. 아틀라스(Atlas) 분석 결과

Fig. 4는 정점분석 결과에서 나타난 남성과 여성의 시상 영역의 차이를 더 명확한 설명을 위해 시상의 세부 구조영역을 앞면과 뒷면으로 나타내어 구체적으로 비교할 수 있게 제시되었다.

BSSHB5_2020_v14n5_585_f0004.png 이미지

Fig. 4. Subcortical surface alterations in thalamus [adjusted for age, total brain volume; p-value = 0.05 (FDR corrected)]. (A) frontal and back views of the Oxford thalamic connectivity subfields generated by FSL. (B) Front and back results of 3D volume rendering of thalamus vertex analysis. Orange regions represent the locations where volumetric reduction occurred. (C) Front and back views of 3D mesh rendering of thalamus vertex analysis. Yellow regions represent the locations where volumetric reduction occurred.

Fig. 4-(A)는 FSL의 Oxford thalamic connectivity subfields generated를 나타내며, 각 영역은 색상으로 나누어져 오른쪽에 색상별 명칭이 나타나 있다. Fig. 4-(B)는 시상의 표면 기반 정점분석 결과를 3D 렌더링으로 표현하였다. 유의미한 차이를 나타내지 않는 영역은 파란색으로, 유의미한 차이를 나타내는 영역은 주황색으로 나타내었다. 또한, Fig. 4-(C)는 3D 메쉬 형태로 표현한 시상 영역이며 유의미하지 않은 영역은 청록색으로, 유의미한 차이를 나타내는 영역은 노란색으로 나타나 있다.

표면 기반 정점분석 결과를 아틀라스와 비교해보면 거의 모든 영역에서 남성 그룹에 비해 여성 그룹에서 증가된 영역의 차이를 확인할 수 있으며, 3D 메쉬 형태로 표현한 결과에서는 표면과 이어져 있는 안쪽의 차이도 확인할 수 있었다.

Ⅳ. DISCUSSION

본 연구는 70대 남녀 피험자에서 뇌 부피와 피질하부영역의 표면에 대한 성별 관련 영향을 관찰하기 위해 조사되었다. 결과는 특정 연령대에서 피질하부영역에서 유의한 성별 관련 차이가 관찰되었음을 보여주었다. 이러한 성별에 따른 차이는 조사된 영역에 따라 다른 것으로 나타났다.

1. 그룹간 뇌 분할 분석

아틀라스 기반 분할 분석의 경우 분할된 영역들의 데이터 세트간 등록을 간접적으로만 확인 할 수 있어 실제 구조영역과 부피간의 연관성을 비교하기는 어렵다. 결과적으로 직접적인 정확성을 확인하기 위해 파이프라인에 대한 신중한 평가가 필요하기 때문에 이전 연구에서 일반적으로 사용되는 Fig. 1의 FSL 파이프라인을 통해 엄격한 기준의 해부학적 영역이 자동으로 분할되어 적용되었다. 획득된 모든 영상데이터는 MNI152 공간의 데이터로 엄격하게 등록되어 아틀라스에 평행성을 보장하였고, 파이프라인을 통해 획득된 결과물들은 T1WI 위에 오버레이 되어 다시 한 번 정석적으로 평가되 었다.[21] FSL의 MNI152 정보를 토대로 엄격한 등록을 진행함으로써 피질하부영역의 위치 및 정보 등이 정확하게 등록되었음을 Fig. 2를 통해 확인 할 수 있었다.

2. 피질하부영역 체적 분석

피질하부영역은 좌반구와 우반구로 구분되어 Fig. 2와 같이 분할하였고, 각 구조물들의 부피를 측정하여 Table 1과 같은 결과를 획득했다. 남성과 여성의 뇌 체적 분석에서는 회색질이 유의미한 차이를 나타내었다. 남성이 여성에 비해 3.1% 작은 것으로 나타났으며, 나이가 많은 남성이 나이가 많은 여성보다 뇌 부피의 감소가 더 크게 나타난다는 이전결과와 일치한다.[22,23] 피질하부영역은 남성과 여성 그룹간 차이가 대부분 유의미한 차이를 나타냈으며, 특히 좌반구 해마에서 높은 유의미한 차이를 확인 할 수 있었다. 또한, 모든 영역에서 남성보다 여성의 피질하부 구조 부피가 큰 것을 확인 할 수 있었으며, 특히 양쪽 측좌핵이 가장 큰 차이를 보이는 것을 확인 할 수 있었다. 이 결과는 성별 및 연령간의 상호작용이 인간의 뇌에서 회색질 및 피질하부영역의 체적 차이에 영향을 미치는데 결정적 역할을 한다는 이전연구 결과와 일치한다.[24-27]

3. 피질하부영역 표면 기반 정적분석

Fig. 1의 파이프라인을 통해 획득된 피질하부 구조물이 성별을 공변량으로 사용해 정점분석이 수행되었다. Fig. 3에 나타나듯 정점 분석을 통해 시상에서 유의미한 차이를 확인 할 수 있었으며, t-test 결과와 일치했다. 하지만 다른 영역에선 유의미한 차이를 확인 할 수 없었다. 이러한 불일치는 정점 분석에 사용되는 방법이 다르기 때문일 수 있는데, 정점 분석은 데이터에 대한 비모수 순열 추론을 위한 FSL의 Randomize를 사용한다.[28] 정점 분석 결과를 더 명확히 보기위해 Fig. 4와 같이 시상의 아틀라스와 정점분석 결과를 도시해 비교하였다. 이 결과는 피질 하부 영역에서 성별과 상호작용이 강조된다는 이전 연구 결과와 일치한다.[29]시상은 여러 핵으로 구성되어있는데, 각 핵은 다른 여러 뇌 영역과 연결되어 있기 때문에 시상은 감정, 인지 및 운동 작용제어를 포함한 다양한 기능에 관여하고 특히 정신분열증에 관련이 있는 것으로 알려져 있다.[30]

본 연구의 한계점은 표본 크기가 작아 명확한 결론을 내리기에는 어려움이 있으며, 향후 더 큰 표본크기를 사용하는 종단검사로 확장할 필요가 있다. 또한, 연구결과는 부피분석에 국한되어 있기 때문에 관련 결과를 구체적으로 확인하기 위해서 향후 기능적 영상(fMRI, dMRI)을 추가 분석하여 교차 검증을 할 필요가 있다.

Ⅴ. CONCLUSIONS

본 연구에서는 뇌 MRI를 이용한 70대 노인의 성별 차이에 따른 부피 분석 연구결과를 제시한다. 모든 그룹데이터는 FSL을 사용하여 뇌 피질 하부 영역 구조물의 부피 측정 결과를 산출해 냈으며, 결과데이터 획득에는 한 개의 영상 데이터 당 약 12시간의 시간이 필요했다. 우리의 연구 결과는 이전 연구 결과와 비슷한 결과를 재현할 수 있었다. 또한, 이 연구의 결과는 연령 및 성별에 의한 영향 연구를 위한 참조 데이터베이스 역할을 할 수 있다.

Acknowledgement

이 논문은 2020년도 남부대학교 학술연구비의 지원을 받아 연구되었음.

References

  1. J. D. Karch, E. Filevich, E. Wenger, N. Lisofsky, M. Becker, O. Butler, J. Martensson, U. Lindenberger, A. M. Brandmaier, S. Kuhn, "Identifying predictors of within-person variance in MRI-based brain volume estimates," NeuroImage, Vol. 200, pp. 575-589, 2019. http://dx.doi.org/10.1016/j.neuroimage.2019.05.030
  2. A. A. Benasisch, R. Urs, "Emergent Brain Dynamics - Prebirth to Adolescence," MIT Press, Vol. 25, 2018.
  3. Q. Duche, H. Saint‐Jalmes, O. Acosta, P. Raniga, P. Bourgeat, V. Dore, G. F. Egan, O. Salvado, "Partial volume model for brain MRI scan using MP2RAGE," Human brain mapping, Vol. 38, No. 10, pp. 5115-5127, 2017. http://dx.doi.org/10.1002/hbm.23719
  4. S. J. Im, J. H. Shim , J. Y. Kim, H. M. Baek, Comparison of Differences in Brain Structure Between Teenagers and Twenties Brain Using 3 T Magnetic Resonance Imaging. Applied Magnetic Resonance, Vol. 51, No. 3, pp.255-276, 2020. https://doi.org/10.1007/s00723-020-01192-3
  5. J. P. Mugler, J. R. Brookeman, "Three‐dimensional magnetization‐prepared rapid gradient‐echo imaging (3D MP RAGE)," Magn Reson Med, Vol. 15, No. 1, pp. 152-157, 1990. http://dx.doi.org/10.1002/mrm.1910150117
  6. C. R. Jack, M. A. Bernstein, N. C. Fox, P. Thompson, G. Alexander, D. Harvey, B. Borowski, P. J. Britson, J. L. Whitwell, C. Ward, A. M. Dale, J. P. Felmlee, J. L. Gunter, D. L. G. Hill, R. Killiany, N. Schuff, S. Fox-Bosetti, C. Lin, C. Studholme, C. S. DeCarli, G. Krueger, H. A. Ward, G. J. Metzger, K. T. Scott, R. Mallozzi, D. Blezek, J. Levy, J. P. Debbins, A. S. Fleisher, M. Albert, R. Green, G. Bartzokis, G. Glover, J. Mugler, M. W. Weiner, "The Alzheimer's disease neuroimaging initiative (adni): mri methods," Journal of Magnetic Resonance Imaging, Vol. 27, No. 4, pp. 685-691, 2008. http://dx.doi.org/10.1002/jmri.21049
  7. J. S. Allen, H. Damasio, T. J. Grabowski, J. Bruss, W. Zhang, "Sexual dimorphism and asymmetries in the gray-white composition of the human cerebrum," Neuroimage, Vol. 18, No. 4, pp. 880-894, 2003. http://dx.doi.org/10.1016/S1053-8119(03)00034-X
  8. J. M. Goldstein, L. J. Seidman, N. J. Horton, N. Makris, D. N. Kennedy, V. S. Caviness Jr, S. V. Faraone, M. T. Tsuang, "Normal sexual dimorphism of the adult human brain assessed by in vivo magnetic resonance imaging," Cerebral cortex, Vol. 11, No. 6, pp. 490-497, 2001. http://dx.doi.org/10.1093/cercor/11.6.490
  9. M. Ingalhalikar, A. Smith, D. Parker, T. D. Satterthwaite, M. A. Elliott, K. Ruparel, H. Hakonarson, R. E. Gur, R. C. Gur, R. Verma, "Sex differences in the structural connectome of the human brain," Proceedings of the National Academy of Sciences, Vol. 111, No. 2, pp. 823-828, 2014. http://dx.doi.org/10.1073/pnas.1316909110
  10. L. Milosevic, R. Gramer, T. H. Kim, M. Algarni, A. Fasano, S. K. Kalia, M. Hodaie, A. M. Lozano, M. R. Popovic, W. D. Hutchison, "Modulation of inhibitory plasticity in basal ganglia output nuclei of patients with Parkinson's disease," Neurobiology of disease, Vol. 124, pp.46-56, 2019. http://dx.doi.org/10.1016/j.nbd.2018.10.020
  11. J. F. Ullmann, C. Watson, A. L. Janke, N. D. Kurniawan, G. Paxinos, D. C. Reutens, "An MRI atlas of the mouse basal ganglia," Brain Structure and Function, Vol. 219, No. 4, pp. 1343-1353, 2014. http://dx.doi.org/10.1007/s00429-013-0572-0
  12. M. D. De Bellis, M. S. Keshavan, S. R. Beers, J. Hall, K. Frustaci, A. Masalehdan, J. Noll, A. M. Boring, "Sex differences in brain maturation during childhood and adolescence," Cerebral cortex, Vol. 11, No. 6, pp. 552-557, 2001. http://dx.doi.org/10.1093/cercor/11.6.552
  13. S. M. Smith, M. Jenkinson, M. W. Woolrich, C. F. Beckmann, T. E. J. Behrens, H. Johansen-Berg, P. R. Bannister, M. D. Luca, I. Drobnjak, D. E. Flitney, R. K. Niazy, J. Saunders, J. Vickers, Y. Zhang, N. D. Stefano, M. Brady, P. M. Matthews, "Advances in functional and structural MR image analysis and implementation as FSL," Neuroimage Vol. 23, No. 1, pp. 208-219, 2004. http://dx.doi.org/10.1016/j.neuroimage.2004.07.051
  14. M. W. Woolrich, S. Jbabdi, B. Patenaude, M. Chappell, S. Makni, T. Behrens, C. Beckmann, M. Jenkinson, S. M. Smith, "Bayesian analysis of neuroimaging data in FSL," Neuroimage, Vol. 45, No. 1, pp. S173-S186, 2009. http://dx.doi.org/10.1016/j.neuroimage.2008.10.055
  15. V. S. Fonov, A. C. Evans, R. C. McKinstry, C. R. Almli, D. L. Collins, "Unbiased nonlinear average age-appropriate brain templates from birth to adulthood," NeuroImage, Vol. 47, No. 47, pp. S102, 2009. http://dx.doi.org/10.1016/S1053-8119(09)70884-5
  16. M. Jenkinson, S. Smith, "A global optimisation method for robust affine registration of brain images," Medical image analysis, Vol. 5, No. 2, pp. 143-156, 2001. http://dx.doi.org/10.1016/S1361-8415(01)00036-6
  17. M. Jenkinson, P. Bannister, M. Brady, S. Smith, "Improved optimization for the robust and accurate linear registration and motion correction of brain images," Neuroimage, Vol. 17, No. 2, pp. 825-841, 2002. http://dx.doi.org/10.1006/nimg.2002.1132
  18. M. W. Woolrich, S. Jbabdi, B. Patenaude, M. Chappell, S. Makni, T. Behrens, C. Jenkinson, M. Smith, "Bayesian analysis of neuroimaging data in FSL. NeuroImage," Neuroimage, Vol. 45, pp. 173- 86, 2009. http://dx.doi.org/10.1016/j.neuroimage.2008.10.055
  19. B. Patenaude, S. M. Smith, D. N. Kennedy, M. Jenkinson, "1n," Neuroimage, Vol. 56, No. 3, pp. 907-922, 2011. http://dx.doi.org/10.1016/j.neuroimage.2011.02.046
  20. S. M. Smith, M. Jenkinson, M. W. Woolrich, C. F. Beckmann, T. E. J. Behrens, H. Johansen-Berg, P. R. Bannister, M. De Luca, I. Drobnjak, D. E. Flitney, R. Niazy, J. Saunders, J. Vickers, Y. Zhang, N. De Stefano, J. M. Brady, P. M. Matthews, "Advances in functional and structural MR image analysis and implementation as FSL," NeuroImage, Vol. 23, pp. 208-219, 2004. http://dx.doi.org/10.1016/j.neuroimage.2004.07.051
  21. B Patenaude, "Bayesian Statistical Models of Shape and Appearance for Subcortical Brain Segmentation (D.Phil. Thesis)," University of Oxford, 2007.
  22. N. M. Armstrong, Y. An, L. Beason-Held, J. Doshi, G. Erus, L. Ferrucci, C. Davatzikos, S. M. Resnick, "Sex differences in brain aging and predictors of neurodegeneration in cognitively healthy older adults," Neurobiology of aging, Vol. 81, pp. 146-156, 2019. https://doi.org/10.1016/j.neurobiolaging.2019.05.020
  23. A. Irimia, "Cross-sectional volumes and trajectories of the human brain, gray matter, white matter and cerebrospinal fluid in 9,473 typically aging adults," bioRxiv, 2020.
  24. N. Okada, M. Fukunaga, F. Yamashita, D. Koshiyama, H. Yamamori, K. Ohi, Y. Yasuda, M. Fujimoto, Y. Watanabe, N. Yahata, K. Nemoto, D. P. Hibar, T G. M. van Erp, H. Fujino, M. Isobe, S. Isomura, T. Natsubori, H. Narita, N. Hashimoto, J. Miyata, S. Koike, T. Takahashi, H. Yamasue, K. Matsuo, T. Onitsuka, T. Iidaka, Y. Kawasaki, R. Yoshimura, Y. Watanabe, M. Suzuki, J. A. Turner, M. Takeda, P. M. Thompson, N. Ozaki, K. Kasai, R. Hashimoto, "Abnormal asymmetries in subcortical brain volume in schizophrenia," Molecular psychiatry, Vol. 21, No. 10, pp. 1460-1466, 2016. http://dx.doi.org/10.1038/mp.2015.209
  25. M. Hoogman, J. Bralten, D. P. Hibar, M. Mennes, M. P. Zwiers, L. Schweren, K. J. E. van Hulzen, S. E. Medland, E. Shumskaya, N. Jahanshad, P. de Zeeuw, E. Szekely, G. Sudre, T. Wolfers, A. M. H. Onnink, J. T. Dammers, J. C. Mostert, Y. Vives-Gilabert, G. Kohls, E. Oberwelland, J. Seitz, M. Schulte-Ruther, S. A. di Bruttopilo, A. E. Doyle, M. F. Hovik, M. Dramsdahl, L. Tamm, T. G. M. van Erp, A. Dale, A. Schork, A. Conzelmann, K. Zierhut, R. Baur, H. McCarthy, Y. N. Yoncheva, A. Cubillo, K. Chantiluke, M. A. Mehta, Y. Paloyelis, S. Hohmann, S. Baumeister, I. Bramati, P. Mattos, F. Tovar-Moll, P. Douglas, T. Banaschewski, D. Brandeis, J. Kuntsi, P. Asherson K. Rubia C. Kelly, A. D. Martino, M. P. Milham, F. X. Castellanos, T. Frodl, M. Zentis, K. P. Lesch, A. Reif, P. Pauli, T. Jernigan, J. Haavik, K. J. Plessen, A. J. Lundervold, K. Hugdahl, L. J. Seidman, J. Biederman, N. Rommelse, D. J. Heslenfeld, C. Hartman, P. J. Hoekstra, J. Oosterlaan, G. von Polier, K. Konrad, O. Vilarroya, J. A. Ramos-Quiroga, J. C. Soliva, S. Durston, J. K. Buitelaar, S. V. Faraone, P. Shaw, P. Thompson, B. Franke, "Subcortical brain volume differences of participants with ADHD across the lifespan: an ENIGMA collaboration," The lancet. Psychiatry, Vol 4, No. 4, pp. 310, 2017. https://doi.org/10.1016/S2215-0366(17)30049-4
  26. Armstrong, N. M., Huang, C. W., Williams, O. A., Bilgel, M., An, Y., Doshi, J., G. Erus, C. Davatzikos, D. F. Wong, L. Ferrucci, S. M. Resnick, "Sex differences in the association between amyloid and longitudinal brain volume change in cognitively normal older adults," NeuroImage: Clinical, Vol. 22, pp. 101769, 2019. https://doi.org/10.1016/j.nicl.2019.101769
  27. D. Zanchi, P. Giannakopoulos, S. Borgwardt, C. Rodriguez, S. Haller, "Hippocampal and amygdala gray matter loss in elderly controls with subtle cognitive decline," Frontiers in aging neuroscience, Vol. 9, pp. 50, 2017. http://dx.doi.org/10.3389/fnagi.2017.00050
  28. A. M. Winkler, G. R. Ridgway, M. A. Webster, S. M. Smith, T. E. Nichols, "Permutation inference for the general linear model," Neuroimage, Vol. 92, pp. 381-97, 2014. http://dx.doi.org/10.1016/j.neuroimage.2014.01.060
  29. A. Kiraly, N. Szabo, E. Toth, G. Csete, P. Farago, K. Kocsis, A. Must, L. Vecsei, Z. T. Kincses, "Male brain ages faster: the age and gender dependence of subcortical volumes," Brain imaging and behavior, Vol. 10, No. 3, pp. 901-910, 2016. http://dx.doi.org/10.1007/s11682-015-9468-3
  30. T. Asami, H. Yoshida, M. Takaishi, R. Nakamura, A. Yoshimi, T. J. Whitford, Y. Hirayasu, "Thalamic shape and volume abnormalities in female patients with panic disorder," PloS one, Vol. 13, No. 12, 2018. http://dx.doi.org/10.1371/journal.pone.0208152