JoVE Logo
Authors
Contact Us

Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • النتائج
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

نشر الموترة التصوير (DTI) يخدم أساسا كأداة القائم على التصوير بالرنين المغناطيسي لتحديد في الجسم الحي المجهرية للدماغ والعمليات المرضية بسبب الاضطرابات العصبية داخل المادة البيضاء الدماغية. التحليلات المستندة زارة التجارة والصناعة السماح للتطبيق لأمراض الدماغ سواء على مستوى المجموعة والبيانات في موضوع واحد.

Abstract

توفر نشر الموترة التصوير (DTI) تقنيات المعلومات على العمليات المجهرية من المادة البيضاء الدماغية (WM) في الجسم الحي. تم تصميم التطبيقات الحالية للتحقيق في خلافات في أنماط مشاركة WM في أمراض مختلفة في الدماغ، والاضطرابات العصبية وخاصة، عن طريق استخدام التحليلات زارة التجارة والصناعة في مختلف مقارنة مع الضوابط الملائمة.

يتم تنفيذ تحليل البيانات زارة التجارة والصناعة بطريقة VARIATE، أي مقارنة voxelwise من المقاييس الإقليمية نشر القائمة على اتجاه مثل تباين كسور (FA)، جنبا إلى جنب مع تتبع الألياف (FT) يرافقه الاحصائيات تباين كسور tractwise (TFAS) على مستوى المجموعة من أجل لتحديد الاختلافات في هياكل الاتحاد الانجليزي على طول WM، الذي يهدف إلى تعريف الأنماط الإقليمية للتعديلات WM على مستوى المجموعة. التحول إلى فضاء معيار التجسيمي هو شرط أساسي للدراسات مجموعة ويتطلب بيانات وافية وتجهيز للحفاظ دبالتبعية المتبادلة بين irectional. تظهر التطبيقات الحالية النهج التقنية الأمثل لهذه المحافظة على المعلومات الكمية والاتجاه خلال تطبيع المكانية في تحليل البيانات على مستوى المجموعة. على هذا الأساس، يمكن تطبيق تقنيات FT إلى مجموعة بيانات متوسط ​​من أجل تحديد المعلومات المقاييس على النحو المحدد من قبل FT. بالإضافة إلى ذلك، تطبيق الأساليب زارة التجارة والصناعة، أي الاختلافات في FA-الخرائط بعد المحاذاة التجسيمي، في تحليل طولية في أساس الموضوع الفردية تكشف عن معلومات حول تطور الاضطرابات العصبية. ويمكن الحصول على مزيد من تحسين الجودة على أساس النتائج زارة التجارة والصناعة خلال تجهيزها من قبل تطبيق القضاء للرقابة من الاتجاهات التدرج مع مستويات الضوضاء العالية.

في ملخص، يستخدم زارة التجارة والصناعة لتحديد WM التشريح المرضي متميزة من أمراض الدماغ المختلفة عن طريق الجمع بين كامل تحليل زارة التجارة والصناعة القائم على الدماغ والقائم على المسالك.

Introduction

نشر الموترة التصوير في الدماغ البشري

تتكون هذه المسألة (WM) مساحات بيضاء في الجهاز العصبي المركزي من المحاور المزدحمة بالسكان بالإضافة إلى أنواع مختلفة من دبق عصبي وغيرها من المجموعات الصغيرة من الخلايا. غشاء محور عصبي وكذلك ألياف البروتين الانحياز بشكل جيد ضمن محور عصبي يقيد عمودي نشر المياه إلى التوجه الألياف، مما يؤدي إلى انتشار المياه متباين الخواص في الدماغ WM 1. الأغماد المايلين حول محاور عصبية يمكن أن تسهم أيضا في تباين لكلا داخل وخارج الخلية الماء 2.

ويمكن الكشف عن الوصف الكمي للتباين هذا من قبل نشر الموترة التصوير (DTI). زارة التجارة والصناعة تنتج صورا للأنسجة مرجحة مع الخصائص المجهرية المحلية من نشر المياه. للكثافات صورة في كل موقف هي الموهن، اعتمادا على قوة واتجاه ما يسمى التدرج نشر المغناطيسي (ممثلة فيذات القيمة ب)، وكذلك على البنية المجهرية المحلية التي جزيئات الماء منتشر 3، ومعامل الانتشار D، قيمة العددية:

figure-introduction-1155
ومع ذلك، في ظل وجود تباين في WM ونشرها لم يعد من الممكن تتميز معامل عددي واحد، ولكن يتطلب موتر figure-introduction-1377 الذي يصف في أول تقدير تقريبي التنقل الجزيئية على طول كل اتجاه، والعلاقة بين هذه الاتجاهات 4. ويتسبب تباين نشرها أساسا من التوجه من مساحات الألياف في WM ويتأثر معالمه الصغرى والهيكلية الكلية. من الميزات المجهرية، منظمة intraaxonal يبدو أن من أعظم تأثير على تباين نشرها، إلى جانب كثافة الأليافالثانية التعبئة الخلية، ودرجة تكون الميالين، وقطر الألياف الفردية. على نطاق والعيانية، التباين في توجهات كل مساحات WM في فوكسل التصوير يؤثر درجته من تباين 5.

في القياسات زارة التجارة والصناعة التقليدية، أبعاد فوكسل هي بالترتيب من ملليمتر. وهكذا، فإن فوكسل يحتوي دائما على المعلومات بلغ متوسط ​​جزيئات الماء داخل وحدة التخزين التي تغطي عادة الكشف عن العديد من المحاور وكذلك جزيئات الماء المحيطة بها. وعلى الرغم من هذه البيئة متعددة الاتجاهات، DTI حساسة للاتجاه أكبر المحور الرئيسي الذي ينسجم مع اتجاه محور عصبي الغالبة، أي مساهمة محور عصبي يسيطر على إشارة المقاسة 2.

يوفر زارة التجارة والصناعة نوعين من المعلومات حول الخاصية من نشر المياه: أولا، مدى التوجه نحو مستقل من نشر تباين 5 والثانية، والاتجاه السائد للنشر المياه في ايماجvoxels ه، أي التوجه نشر 6.

ومن المفترض أن البروتوكولات الحالية لتوفير إطار من تقنيات تحليل زارة التجارة والصناعة لمقارنة كمية من الجماعات الموضوع على مستوى المجموعة، كما هو مبين في ما يلي.

الكمي لخصائص نشر - تحليل المعلمات

ويمكن قياس عناصر موتر متماثل من قبل التدرجات نشرها على طول لا يقل عن ستة اتجاهات غير متداخلة وغير متحد المستوى بحيث ب (المعادلة 1) أصبح موتر، مما أدى إلى تخفيف إشارة

figure-introduction-3427
هذه المعادلة يتطلب المحاسبة عن التفاعلات الممكنة بين التصوير والتدرجات نشر التي يتم تطبيقها في الاتجاهات المتعامدة (مصطلحات الصليب)، وحتى بين التدرجات التصوير التي يتم تطبيقهافي الاتجاهات المتعامدة 4.

والموترة نشر المرتبة الثانية figure-introduction-3864 يمكن دائما diagonalized ترك ثلاثة عناصر فقط غير صفرية على طول قطري الرئيسي للموتر، أي القيم الذاتية ( figure-introduction-4096 ). والقيم الذاتية تعكس شكل أو تكوين الإهليلجي. يتم وصف العلاقة الرياضية بين إحداثيات الرئيسية للالإهليلجي والإطار المختبرية التي أجراها المتجهات الذاتية figure-introduction-4370

وبما أن هناك العديد من التحديات في عرض البيانات موتر، وقد اقترح مفهوم مجسمات القطع الناقص نشر 3. وEigendiffusivities هذه هتمثل llipsoids معاملات ذات بعد واحد نشر في الاتجاه الرئيسي للdiffusivities من المتوسط، أي المحور الرئيسي للالإهليلجي يمثل الاتجاه الرئيسي في نشر فوكسل الذي يتزامن مع اتجاه الألياف، في حين أن الانحراف من الإهليلجي يوفر معلومات حول درجة تباين والتماثل لها. ولذلك، تباين مقاييس نشر مثل تباين كسور (FA) يمكن تعريف 7.

figure-introduction-5093
figure-introduction-5217 هو المتوسط ​​الحسابي لجميع القيم الذاتية.

نهج إضافية لاستخدام الاتجاه الرئيسي للالموترة نشرها لمعالجة اتصال WM من الدماغ، والمقابلة لtractography approaCH الذي لديه نية للتحقيق في أي أجزاء من الدماغ ترتبط مع بعضها البعض. على افتراض أن توجه عنصرا رئيسيا في نشر الموترة يمثل التوجه للمساحات محور عصبي المهيمنة، يتم توفير مجال ناقلات 3-D في كل النواقل التي تمثل التوجه الألياف. حاليا، هناك العديد من الطرق المختلفة لإعادة بناء مساحات WM التي يمكن تقسيمها إلى نوعين: ويستند الفئة الأولى على خوارزميات اكثار خط باستخدام معلومات موتر المحلية لكل خطوة من الألياف المسالك نشر 2،8،9. ويستند الفئة الثانية على تقليل الطاقة العالمية إلى العثور على المسار بقوة الأكثر ملاءمة بين منطقتين WM، مما أدى إلى نهج الإحصاءات المكانية القائمة على المسالك (TBSS) 10 والتي تم استخدامها في خوارزميات أخرى مثل الإحصاءات تباين كسور tractwise (TFAS - أنظر نص البروتوكول، القسم 2.4).

التحول في موقف التجسيميارض فضاء

كما هو الحال في غيرها من وسائل التصوير بالرنين المغناطيسي المتقدمة، وزارة التجارة والصناعة والقائم على دراسات FT في سياق السريرية متابعة الهدف النهائي لتصنيف التشكل في الدماغ المريض الفرد من أجل تسهيل عملية التشخيص يعتمد على بعض التمييز متري 11. هي دراسات على مستوى المجموعة الأكثر ملاءمة إذا من المفترض أن يكون بسبب الأضرار التي لواحد أو أكثر من مجالات محددة في الدماغ أو شبكة تشريحي عصبي محددة النمط الظاهري السريرية المشتركة. هنا، في المتوسط ​​من النتائج للمواد الدراسية المختلفة هو مفيد من أجل تقييم الأنماط الشائعة من التعديلات المجهرية. كل فرد لديه الدماغ على أن يتم تحويلها إلى الفضاء التجسيمي بحيث، في الخطوة الثانية، حيث بلغ متوسطها الحسابي للنتائج على مستوى فوكسل تلو فوكسل هو ممكن. تطبيع المكانية سمح لعلم الحساب في المتوسط ​​من النتائج التي تم الحصول عليها من مواضيع مختلفة من أجل تحسين نسبة الإشارة إلى الضوضاء (SNR) وإجراء المقارنة بين عينات من المرضى وتابعسيادة القانون والأمن من أجل تحليل التشريح المرضي الحسابية من اضطراب محددة، مثل مرض الاعصاب الذي يرتبط مع التكلف نظام محددة في الدماغ.

اقترح نهج في وقت مبكر من التطبيع إلى الفضاء التجسيمي موحدة بنسبة 12 خوارزمية التحول إلى أطلس القياسية التي تنطوي على تحديد مختلف المعالم الدماغ وتوسيع تدريجي من الأرباع الدماغ. في الوقت الحاضر، فإن معظم MRI حزم متقدمة لتحليل البيانات استخدام تطبيع للمعهد مونتريال العصبية (MNI) الفضاء التجسيمي 13. لهذا التحول، تم تطوير خوارزميات تسجيل الدماغ شبه والآلي باستخدام قوالب محددة الدراسة 14،15. في زارة التجارة والصناعة، اهتماما خاصا لابد من الانتباه إلى الحفاظ على المعلومات اتجاهي أثناء عملية التطبيع 16،17. تطبيق التحولات المكانية إلى صور DT-MR التي مطلوبة من أجل تطبيع المكانيةمن مجموعات من مجموعات البيانات، على النقيض من الصور العددية تزييفها، معقدة بسبب حقيقة أن DTS تحتوي على معلومات توجهي الذي يتأثر مرة أخرى عن طريق التحول. يجب حساب هذا التأثير لمن أجل التأكد من صحة التشريحية للصورة تتحول. هنا، يتم عرض تقنيات لتطبيق التحولات أفيني إلى مجموعات البيانات زارة التجارة والصناعة.

تطبيق زارة التجارة والصناعة لأمراض الدماغ

المقارنة بين طولية زارة التجارة والصناعة البيانات يتطلب المواءمة / تسجيل البيانات موضوع واحد بين بعضها البعض. في هذا السياق، والمحافظة على المعلومات اتجاهي ضروري (أي دوران الموترة نشرها خلال التحولات أفيني). وقد تم الإبلاغ عن التطبيقات الممكنة لاضطرابات الاعصاب سابقا (مثلا 18،19).

وقد أنشئت زارة التجارة والصناعة كأداة فنية غير الغازية قوية للتحقيق في الجسم الحي neuropathology من WM مساحات العصبية (مثل 11،20،21،22). المقاييس الكمية المستندة زارة التجارة والصناعة من عملية الانتشار، مثل كرة القدم، وبالفعل ثبت أن تكون علامات حساسة لدراسة مجموعة واسعة من الأمراض WM، مثل السكتة الدماغية 20، التصلب المتعدد 23، الضموري الجانبي التصلب 24، 25، مرض الزهايمر 26 ، والعديد من الاضطرابات الأخرى WM 27،28.

بالإضافة إلى ذلك، زارة التجارة والصناعة مع FT يمكن استخدامها لتحديد مساحات WM 23. هذا الأسلوب، في حين لا يزال ليس في الاستخدام السريري الروتيني، والناشئة باعتبارها أداة قوية لتقييم حالة شذوذ مسار محدد في الأمراض العصبية. ضمن مساحات المحددة، ومختلف المؤشرات الكمية المستمدة من التصوير بالرنين المغناطيسي زارة التجارة والصناعة والاستحواذ إضافية (مثل الصور T2 المرجحة و / أو نقل مغنطة (MT) التصوير) التي هي coregistered تشريحيا إلى البيانات زارة التجارة والصناعة يمكن قياسها. بموجب هذه الوثيقة، يمكن أن يكون كل مؤشر calculانبعاث العوادم بوصفها وظيفة من موقف داخل الجهاز، مشيرا إلى المؤامرات التي تصور التباين المكاني لمحات المسالك.

في ما يلي، بالاشعة زارة التجارة والصناعة الإنسان التي أجريت على 1.5 استخدمت تسلا MRI-الماسحات الضوئية (سيمنز الطبية، الاحتفالات، ألمانيا) للتحقيق إمكانات تقنيات تحليل مختلف للكشف عن تشوهات المادة البيضاء في مجموعات المرضى وكذلك في الأفراد. بعد التأكد من جودتها الآلي للقضاء على أحجام الحركة تالف وحدات التخزين مع أنواع أخرى من الأعمال الفنية، وإجراءات تحليل نتائج العمل الموحد إعداد البيانات للتحليل زارة التجارة والصناعة على التوالي. سوف يتضح النهج تحليل مختلف في ما يلي، على سبيل المثال أول الدماغ كله، استنادا الإحصاءات المكانية (WBSS)، في المرتبة الثانية، FT، و، Tractwise الاحصائيات تباين كسور الثالث (TFAS). WBSS هو الأسلوب الذي يعمل في القياس لقياس الأشكال القائم على فوكسل (VBM) والتي عادة ما يعرف باسم قياس الأشكال القائم على فوكسل / الإحصاءات المتعلقة زارة التجارة والصناعة البيانات (VBM / زارة التجارة والصناعة) . VBM هو الأسلوب الذي تدير أصلا على النقيض من الصور حيث يكون هناك اختلاف التباين في مسح منفصل ليتم حلها في حين WBSS هو الأسلوب الذي يستخدمه مقارنة voxelwise من معلمة المادية. لذا، على الرغم مماثلة حسابيا، والمصطلحات التي يتم التفريق WBSS وVBM سيتم استخدامها في ما يلي.

Protocol

أساليب التحليل: قبل وتحليل نتائج العمل

مهمة بروتوكول التالية هي تحليل خصائص نشر voxelwise ضمن مساحات المادة البيضاء والتي يمكن أن تكون - ويرجع ذلك إلى كشف voxelwise - سواء الخواص أو متباين الخواص، مما أدى إلى انتشار التنسورات استرخاء أو مفلطح لvoxels منها. يتم استخدام المعايير والثوابت من التنسورات فوكسل إما لحساب FA-الخرائط أو تحديد fibertracts (الشكل 1).

من أجل الحصول على نتائج التحليل كما هو مبين في ما يلي، استخدام حزمة برامج التصوير العضلة الشادة وتتبع الألياف (TIFT) 17. يوفر TIFT أدوات التحليل لمتطلبات التالية:

  • تحليل من حيث المقاييس زارة التجارة والصناعة، على سبيل المثال FA-الخرائط،
  • تطبيع التجسيمي
  • مقارنة مجموعة من حيث FA أو غيرها من المقاييس زارة التجارة والصناعة
  • مناهج تحليل مختلف FT
  • FT على مجموعة بلغ متوسط ​​Dالبيانات TI والتحليل الإحصائي المقابلة.

هذه الميزات تسمح مجموعة متنوعة من التحليلات في واحد بيئة البرامج 17،29،30،31. البرنامج TIFT باستمرار قيد التطوير للحصول على خيارات جديدة في مجال تحليل البيانات زارة التجارة والصناعة.

يعطي الشكل 2 لمحة التخطيطي كيفية تحليل البيانات زارة التجارة والصناعة على مستوى المجموعة بعد تطبيع المكانية من قبل اثنين من نهج تكميلية، أي كل من WBSS وTFAS للحصول أخيرا الاختلافات بين العينات موضوع على مستوى المجموعة، على سبيل المثال العقول المريضة مقابل الاصحاء. هنا، يهدف WBSS في كشف منحازة voxelwise من المناطق مع وجود اختلافات على مستوى المجموعة، في حين يستند TFAS على fibertracts محددة مسبقا، وTFAS بدءا المناطق يمكن أن تكون إما يختارون اختيارا حرا أو يمكن أن تستمد من نتائج WBSS (`` من النقاط الساخنة تغيير كبير FA).

يتم إجراء مقارنة طولية الفردية FA-الخرائط بواسطة DETECالاختلافات تينغ في FA-الخرائط من القياسات في مختلف timepoints بعد المحاذاة التجسيمي أفيني (الشكل 2).

  1. فحص الجودة (QC) بما في ذلك تصحيح للاتجاهات التدرج تالف
    في حالة اضطرابات الحركة خلال عملية الاستحواذ، أي في حالة تلف مجلدات، يتم الحصول على زيادة SNR بحذف الاتجاهات التدرج واحد (GD) لحساب الموترة. لهذا الغرض، تم تطوير فحص الجودة (QC) خوارزمية 32. باختصار، لاجراء الفحوصات التي ضمت تلف مجلدات، وحققت زيادة SNR بحذف الاتجاهات التدرج واحد في وقت واحد قبل تقدير الموترة: لكل GD، يتم احتساب الفرق المرجحة من جميع الاتجاهات المتبقية في تسلسل الترجيح مع زاوية في الذي اختلفوا من المؤشر GD.
    1. إجراء تصحيح قطعة أثرية عن طريق الكشف عن GD مع شريحة واحدة على الأقل تظهر انخفضت كثافة، أي الحركة الفنية الناجمة عن سو عفوية حركة bject (الشكل 3، لوحة العلوي). لأي حجم المرجح نشرها، حساب كثافة يعني لكل شريحة وقارن بين شدته مع نفس شريحة في كافة وحدات التخزين الأخرى باستخدام متوسط ​​مرجح نهج - عامل الترجيح هو نتاج نقطة من ناقلات من اثنين GD figure-protocol-3516 :
      figure-protocol-3645
      figure-protocol-3771
      figure-protocol-3898 يدل على متوسط ​​كثافة الحسابي لشريحة تحت الملاحظة و427eq12.jpg "/> شريحة للمقارنة. النسبي متوسط ​​الانحراف كثافة figure-protocol-4133 ومن المرجح من قبل المنتج نقطة من GD. وبالتالي، من أجل تعريف معلمة العالمية:
      figure-protocol-4337
      يعكس الحد الأدنى من المقارنات slicewise من جميع الشرائح.
    2. إذا Q هو تحت عتبة معينة (في المثال، يتم استخدام عتبة 0.8 لهذا الغرض)، والقضاء على وحدة التخزين بأكملها، أو GD. ويعتبر عتبة 0.8 حل مستقرة 32. الشكل (3) يوضح الحركة الفنية واضحة في اعادة البناء السهمي والكشف عنها بواسطة خوارزمية مراقبة الجودة. في هذا المثال، من أصل العدد الإجمالي للGD (النقاط الزرقاء في الشكل 3C)، كانت 17 تحت خط أحمر والتي تتطابق مع Q = 0.8 و شويتم القضاء دينار. ويرد مثال على إحصائيات التداول القضاء لإجراء دراسة كاملة في 3D الشكل. في هذه الدراسة النموذجية، وتمت مقارنة البيانات زارة التجارة والصناعة من 29 موضوعات HD سابق للأعراض إلى البيانات زارة التجارة والصناعة من 30 الضوابط. يتم عرض مزيد من التفاصيل عن هذه الخوارزمية في 32 و 33.
  2. تجهيزها والتطبيع المكانية
    1. إجراء تصحيح تشوهات هندسية الدوامة الحالية التي يسببها للبيانات التصوير بالصدى مستو تحدد بواسطة الأسلوب الذي اقترحه 34.
    2. لتطبيع التجسيمي، وخلق دراسة محددة (ب = 0) - قالب وقالب-FA كما هو موضح سابقا 17،28،31. في الأساس، ويتكون تطبيع التجسيمي غير الخطية كاملة من ثلاثة مكونات تشوه. وبالتالي، فإن الناتج الموترة نشر figure-protocol-5883 من كل فوكسل أنا يجب أن يكون rotatإد وفقا لجميع الدورات المذكورة أعلاه (الشكل 4):
      1. الشكل 4A يظهر التحول الدماغ جامدة لمواءمة الأطر الإحداثيات الأساسية. تناوب figure-protocol-6308 الناجمة عن مواءمة إلى الإطار الإحداثيات الأساسية لابد من تطبيقها
        figure-protocol-6501
      2. الشكل 4B يظهر تشوه خطي وفقا لمعالم. مكونات المتجهات الذاتية figure-protocol-6749 يجب أن تتكيف وفقا لمعايير التطبيع ستة من S (هذا يعتمد على الدماغ المنطقة ليالي لذلك،، أ = 1 ... 6) من تشوه خطي.
        ت ث، ي '' '= ق أ ت ث، ي'''
        ث = 1،2،3 و ي = X، Y، Z.
      3. الشكل 4C يظهر التطبيع غير الخطية معادلة غير خطية الاختلافات شكل الدماغ. التحولات ناقلات 3-D هي مختلفة لكل فوكسل أدى إلى حدوث تحول منفصل لكل فوكسل من 3-D فوكسل مجموعة figure-protocol-7391 ). علم المثلثات معيار يعطي مصفوفة التناوب بشكل مستقل لكل فوكسل، الناتجة عن ناقلات 3-D التحولات في أعقاب المفاهيم من 16 في حفاظا على العلاقات بين اتجاهي المتجهات الذاتية من voxels جارا. وهكذا، والتحولات المختلفة من اثنين voxels جارا يؤدي إلى الدوران من المتجهات الذاتية المقابلة. استخدام المصفوفات تمدد لمحاذاة موتر figure-protocol-7839 من كل فوكسل إلىوvoxels المحيطة بها.
        figure-protocol-8003
        figure-protocol-8130 هي مكونات figure-protocol-8262
      عملية التطبيع كله تكراري، أي خلق ماسح ضوئي وتسلسل محدد (ب = 0) - قالب لهذه الدراسة في الخطوة الأولى عن طريق حساب متوسط ​​حسابيا و(ب = 0) - مجلدات من جميع المواد الدراسية بعد تحويل خطي وفقا لليدويا تعيين المعالم. بعد هذا التطبيع أولا، وخلق قوالب مطورة من أجل تحسين مصفوفات التطبيع. الخطوات التالية 1.2.3 حتى 1.2.5 وتصور تخطيطي في الشكل 5A.
    3. بعد هذا الإجراء تطبيع الفردية (STEP (ط) - DTI بيانات I 0)، استخدم كل فرد زارة التجارة والصناعة لإنشاء مجموعات بيانات دراسة محددة (ب = 0) - قالب وقالب-FA (الخطوة (ثانيا) - قوالب T 1). كما تسجيل غير أفيني إلى AN-FA قالب لديه ميزة أنه يوفر المزيد من التباين في المقارنة إلى (ب = 0) 10 صور، تعريف قالب-FA عن طريق حساب متوسط ​​كل المستمدة بشكل فردي FA-الخرائط من المرضى وضوابط.
    4. في الخطوة الثانية، بعد الأفكار الأساسية لAshburner وFriston 35، إجراء تطبيع MNI غير الخطية (الخطوة (ثالثا)) من البيانات زارة التجارة والصناعة يحدد عن طريق التقليل من التفاوت بين شدة الإقليمية للخريطة FA لتركيبها ولل وFA-قالب وفقا لالفروق التربيعية (X 2) - وبهذه الطريقة، يمكنك الحصول زارة التجارة والصناعة البيانات I 1.
    5. بناء على هذه المعطيات، قوالب جديدة T 2 وتستمد (الخطوة (رابعا)). كرر هذه العملية التكرارية حتى العلاقة بين الفرد FA-الخرائط ورانه FA-القالب> 0.7. عادة هذا يتم التوصل بعد اثنين التكرار.
  3. الإحصاءات المكانية القائمة على الدماغ كله
    الخطوات التالية 1.3.1 حتى 1.3.5 وتصور تخطيطي في الشكل 5B.
    1. حساب FA-الخرائط من البيانات زارة التجارة والصناعة تطبيع مع الاحترام لإجراء تطبيع 1.2. من أجل الحفاظ على المعلومات اتجاهي (الخطوة (ط)).
    2. كخطوة تجهيزها قبل المقارنة الإحصائية voxelwise، وتطبيق فلتر التنعيم (الخطوة (الثاني)) للفرد تطبيع FA-الخرائط. للتجانس، والحقيقة أن حجم مرشح يؤثر على نتائج تحليل البيانات زارة التجارة والصناعة 36 يتطلب تطبيق نظرية تصفية المتطابقة التي تنص على أن العرض للمرشح استخدامها لمعالجة البيانات يجب أن يكون متلائما مع حجم الفرق المتوقع، كما هو مفصل في التطبيقات السابقة لبيانات زارة التجارة والصناعة من المرضى الذين يعانون من الاضطرابات العصبية (مثل 28).
    3. أداء شركات الإحصائيةاريسون بين مجموعات المرضى والسيطرة المقابلة voxelwise مجموعة التي كتبها t-الاختبار الطالب، على سبيل المثال مقارنة القيم FA من المرضى FA-الخرائط مع القيم FA من الضوابط 'FA-الخرائط ولكل فوكسل على حدة (الخطوة (ثالثا )). لا تعتبر القيم FA أدناه 0.2 لحساب منذ يبين المادة الرمادية القشرية القيم FA يصل إلى 0.2 37.
    4. النتائج الإحصائية لا بد من تصحيح للمقارنات متعددة باستخدام ذات معدل اكتشاف كاذبة (روزفلت) في الخوارزمية P <0.05 38 (الخطوة (رابعا)). مزيد من الخطأ ألفا الحد لابد من تنفيذها بواسطة خوارزمية الارتباط المكاني (تجميع - الخطوة (V)) أن القضاء voxels المعزولة أو مجموعات صغيرة معزولة من voxels في نطاق حجم النواة تمهيد، مما أدى إلى حجم الكتلة عتبة 512 voxels.
    5. لعرض النتائج على خلفية المورفولوجية (الخطوة (V))، تطبيع-D 3 T1 المرجحة مجموعات البيانات إلى الفضاء MNI ومتوسط ​​حسابيا. تنفيذ هذا التطبيع Procedure عن طريق استخدام قالب دراسة محددة تشبيها له تطبيع تطبيقها على البيانات زارة التجارة والصناعة يحدد 17.

ويبين الشكل 6 نتائج الإحصاءات المكانية القائمة على الدماغ كله (WBSS) من المرضى مقابل الضوابط ALS. ويبين الشكل 6A الحد الأقصى المحلية من القيم FA انخفضت في السهمي، coronar ومحوري عرض (thresholded في P <0.01، تصحيح لعدة مقارنات). الشكل 6B يظهر FT projectional مع نقاط الانطلاق في الجهاز القشري تستخدم كأساس لTFAS. الشكل 6C يظهر الاختلافات في المجموعة FA-خرائط الكشف عنها بواسطة الدماغ كله يعتمد الاحصائيات المكانية (WBSS) بين عينة من مرضى ALS والضوابط الملائمة في تصور slicewise.

  1. Tractography وtractwise الاحصائيات تباين كسور (TFAS)
    ويوضح الشكل (7) وعملية FT المستندة إلى مجموعة بما في ذلك TFAS كما هو موضح في 1.4.1 ما يصل إلى 1.4.4.
    1. من أجل تطبيق مجموعة مقرها خوارزميات FT، وتوليد بلغ متوسط ​​زارة التجارة والصناعة من مجموعات البيانات "البيانات وعناصر التحكم من 'المرضى البيانات معا وفقا للطرق التي سبق وصفها 17. هذا في المتوسط ​​يتطلب معالجة متأنية من المعلومات توجهي التي يتم الاحتفاظ خلال عملية التطبيع وفقا للتقنيات التي وصفها 16 - لمزيد من التفاصيل انظر 30.
    2. أداء tractography في مجموعات البيانات زارة التجارة والصناعة بلغ متوسط ​​الجماعات الموضوع عن طريق تطبيق تبسيط تتبع تقنية 31. تحديد نقاط البذور تعريف يدويا المتاخمة للماكسيما المحلية من قبل كل التحليلات FA القائم على الدماغ والتي هي الأساس لتحليل FT التوالي. بعد التعرف على البذور، وإجراء tractography وتحديد voxels من الألياف يرسم كقناع مجموعة محددة للTFAS التالية 30.
    3. من أجل قياس النتائج tractography، بتطبيق تقنية TFAS باستخدام المساحات الألياف البريد التي تم إنشاؤها على البيانات زارة التجارة والصناعة بلغ متوسط ​​مجموعات من جميع المواد الدراسية من كل مجموعة (بيانات المريض وبيانات التحكم معا) لاختيار من voxels التي تسهم في مقارنة بين المرضى والضوابط 'FA-الخرائط.
    4. النظر في جميع voxels الناتج مع قيمة FA فوق 0.2 للتحليل الإحصائي عن طريق اختبار t للطالب.
    5. إذا رغبت في ذلك، يمكن تطبيق هذه التقنية TFAS إلى أي مقاييس مشتقة زارة التجارة والصناعة، مثل يعني الانتشارية (MD)، تباين شعاعي، تباين المحوري، وما إلى ذلك (للحصول على مثال، انظر 28).
    6. يتم عرض النتائج على خلفية المورفولوجية يتكون من 3-D مجموعات T1 المرجحة البيانات MNI-تطبيع

النتائج

1. QC وتصحيح للاتجاهات التدرج في تطبيق تالف لبيانات المرضى الذين يعانون من اضطرابات فرط الحركة

كمثال لتأثير تطبيق مراقبة الجودة وحجم الاستبعاد لاحقة (ونتيجة لذلك من تصحيح للتلف GD)، ويبين الشكل 8 اختلافات في الدماغ الإحصاءا?...

Discussion

لا يمكن أن يتحقق في المتوسط ​​بين موضوع زارة التجارة والصناعة البيانات فيما يتعلق سعة الانتشار (عن طريق استخدام المعلومات FA) واتجاه الانتشار (استنادا إلى FT)، على التوالي. في المتوسط ​​من FA خرائط يسمح للمقارنة إحصائية للجماعات الموضوع من قبل WBSS وTFAS. هذا الإطار المنه?...

Disclosures

الكتاب ليس لديهم ما يكشف.

Acknowledgements

أجزاء من هذا العمل، أي دراسة حول مراقبة الجودة وتصحيح للاتجاهات التدرج في تطبيق تالف لبيانات المرضى الذين يعانون من اضطرابات فرط الحركة، ودعمت من قبل الشبكة الأوروبية HD (EHDN مشروع 070). تم الحصول على فحوصات الرنين المغناطيسي في هذه الدراسة معينة كجزء من لندن موقع TRACK-HD الفوج.

Materials

NameCompanyCatalog NumberComments
MR scannerSiemens 1.5 T Magnetom Symphony
analysis software TIFT - Tensor Imaging and Fiber Tracking

References

  1. Moseley, M. E., Cohen, Y., et al. Diffusion-weighted MR imaging of anisotropic water diffusion in cat central nervous system. Radiology. 176, 439-445 (1990).
  2. Mori, S., van Zijl, P. C. M. Fiber tracking: principles and strategies - a technical review. NMR Biomed. 15, 468-480 (2002).
  3. Basser, P. J., Mattiello, J., LeBihan, D. MR Diffusion Tensor Spectroscopy and Imaging. Biophys J. 66, 259-267 (1994).
  4. Mattiello, J., Basser, J. P., Le Bihan, D. Analytical expression for the b-matrix in NMR diffusion imaging and spectroscopy. J. Magn. Reson. A. 108, 131-141 (1994).
  5. Pierpaoli, C., Basser, P. J. Toward a quantitative assessment of diffusion anisotropy. Magn. Reson. Med. 36, 893-906 (1996).
  6. Pajevic, S., Pierpaoli, C. Color schemes to represent the orientation of anisotropic tissues from diffusion tensor data: application to white matter fiber tract mapping in the human brain. Magn. Reson. Med. 42, 526-540 (1999).
  7. Le Bihan, D., Mangin, J. F., et al. Diffusion tensor imaging: concepts and applications. J. Magn. Reson. Imaging. 13, 534-546 (2001).
  8. Conturo, T. E., Lori, N. F., et al. Tracking neuronal fibre pathways in the living human brain. Proc. Natl. Acad. Sci. U.S.A. 96, 10422-10427 (1999).
  9. Lori, N. F., Akbudak, E. Diffusion tensor fibre tracking of human brain connectivity: aquisition methods, reliability analysis and biological results. NMR Biomed. 15, 494-515 (2002).
  10. Smith, S. M., Jenkinson, M., et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. Neuroimage. 31, 1487-1505 (2006).
  11. Agosta, F., Pagani, E., et al. Assessment of white matter tract damage in patients with amyotrophic lateral sclerosis: a diffusion tensor MR imaging tractography study. AJNR. Am. J. Neuroradiol. 31, 1457-1461 (2010).
  12. Talairach, J., Tournoux, P. . Coplanar stereotaxic atlas of the human brain. , (1988).
  13. Brett, M., Johnsrude, I. S., Owen, A. M. The problem of functional localization in the human brain. Nat. Rev. Neurosci. 3, 243-249 (2002).
  14. Collins, D. L., Neelin, P., Peters, T. M., Evans, A. C. Automatic 3-D intersubject registration of MR volumetric data in standardized Talairach space. J. Comput. Assist. Tomogr. 18, 192-205 (1994).
  15. Friston, K. J., Ashburner, J., Frith, C. D., Poline, J. -. B., Heather, J. D., Frackowiak, R. S. J. Spatial registration and normalization of images. Human Brain Mapp. 2, 165-189 (1995).
  16. Alexander, D. C., Pierpaoli, C., Basser, P. J., Gee, J. C. Spatial transformations of diffusion tensor magnetic resonance images. IEEE Trans. Med. Imaging. 20, 1131-1139 (2001).
  17. Müller, H. -. P., Unrath, A., Ludolph, A. C., Kassubek, J. Preservation of Diffusion Tensor Properties during Spatial Normalization by use of Tensor imaging and Fiber Tracking on a Normal Brain Database. Phys. Med. Biol. 52, N99-N109 (2007).
  18. Likitjaroen, Y., Meindl, T., et al. Longitudinal changes of fractional anisotropy in Alzheimer's disease patients treated with galantamine: a 12-month randomized, placebo-controlled, double-blinded study. Eur. Arch. Psychiatry Clin. Neurosci. 262, 341-350 (2012).
  19. Zhang, Y., Schuff, N. Progression of white matter degeneration in amyotrophic lateral sclerosis: A diffusion tensor imaging study. Amyotroph. Lateral Scler. 12, 421-429 (2011).
  20. Pierpaoli, C., Barnett, A. Water diffusion changes in Wallerian degeneration and their dependence on white matter architecture. Neuroimage. 13, 1174-1185 (2001).
  21. Agosta, F., Valsasina, P., et al. Sensorimotor functional connectivity changes in amyotrophic lateral sclerosis. Cereb Cortex. 21, 2291-2298 (2011).
  22. Müller, H. -. P., Unrath, A., Huppertz, H. J., Ludolph, A. C., Kassubek, J. Neuroanatomical patterns of cerebral white matter involvement in different motor neuron diseases as studied by diffusion tensor imaging analysis. Amyotroph Lateral Scler. 13, 254-264 (2012).
  23. Reich, D. S., Zackowski, K. M. Corticospinal tract abnormalities are associated with weakness in multiple sclerosis. Am. J. Neuroradiol. 29, 333-339 (2008).
  24. Abe, O., Yamada, H. Amyotrophic lateral sclerosis: Diffusion tensor tractography and voxel-based analysis. NMR Biomed. 17, 411-416 (2004).
  25. Sage, C. A., Peeters, R. R., Gorner, A., Robberecht, W., Sunaert, S. Quantitative diffusion tensor imaging in amyotrophic lateral sclerosis. Neuroimage. 34, 486-499 (2007).
  26. Preti, M. G., Baglio, F., et al. Assessing corpus callosum changes in Alzheimer's disease: comparison between tract-based spatial statistics and atlas-based tractography. PLoS One. 7, e35856 (2012).
  27. Borroni, B., Brambati, S. M., et al. Evidence of white matter changes on diffusion tensor imaging in frontotemporal dementia. Arch. Neurol. 64, 246-251 (2007).
  28. Unrath, A., Müller, H. -. P., Riecker, A., Ludolph, A. C., Sperfeld, A. D., Kassubek, J. Whole brain-based analysis of regional white matter tract alterations in rare motor neuron diseases by diffusion tensor imaging. Hum Brain Mapp. 31, 1727-1740 (2010).
  29. Müller, H. -. P., Lulé, D., Unrath, A., Ludolph, A. C., Riecker, A., Kassubek, J. Complementary Image Analysis of Diffusion Tensor Imaging and 3-Dimensional T1-Weighted Imaging: White Matter Analysis in Amyotrophic Lateral Sclerosis. J. Neuroimaging. 21, 24-33 (2011).
  30. Müller, H. -. P., Unrath, A., Sperfeld, A. D., Ludolph, A. C., Riecker, A., Kassubek, J. Diffusion tensor imaging and tractwise fractional anisotropy statistics: quantitative analysis in white matter pathology. Biomed. Eng. Online. 6, 42 (2007).
  31. Müller, H. -. P., Unrath, A., Riecker, A., Pinkhardt, E. H., Ludolph, A. C., Kassubek, J. Inter-subject variability in the analysis of diffusion tensor imaging at the group level: fractional anisotropy mapping and fiber tracking techniques. Magn. Reson. Imaging. 27, 324-334 (2009).
  32. Müller, H. -. P., Glauche, V., et al. Stability of white matter changes related to Huntington's disease in the presence of imaging noise: a DTI study. PLoS Curr. 3, RRN1232 (2011).
  33. Müller, H. -. P., Süßmuth, S. D., Landwehrmeyer, G. B., Ludolph, A. C., Tabrizi, S. J., Klöppel, S., Kassubek, J. Stability effects on results of diffusion tensor imaging analysis by reduction of the number of gradient directions due to motion artifacts: an application to presymptomatic Huntington's disease. PLoS Curr. 3, RRN1292 (2011).
  34. Shen, Y., Larkman, D. J., Counsell, S., Pu, I. M., Edwards, D., Hajnal, J. V. Correction of High-Order Eddy Current Induced Geometric Distortion in Diffusion-Weighted Echo-Planar images. Magn. Reson. Med. 52, 1184-1189 (2004).
  35. Ashburner, J., Friston, K. J. Nonlinear Spatial Normalization Using Basis Functions. Human Brain Mapping. 7, 254-266 (1999).
  36. Jones, D. K., Symms, M. R., Cercignani, M., Howard, R. J. The effect of filter size on VBM analyses of DT-MRI data. Neuroimage. 26, 546-554 (2005).
  37. Kunimatsu, A., Aoki, S., et al. The optimal trackability threshold of fractional anisotropy for diffusion tensor tractography of the corticospinal tract. Magn. Reson. Med. Sci. 3, 11-17 (2004).
  38. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimage. 15, 870-878 (2002).
  39. Cleaver, J. E. Defective repair replication of DNA in xeroderma pigmentosum. Nature. 218, 652-656 (1968).
  40. Anttinen, A., Koulu, L., et al. Neurological symptoms and natural course of xeroderma pigmentosum. Brain. 131, 1979-1989 (2008).
  41. Kassubek, J., Sperfeld, A. D. The cerebro-morphological fingerprint of a progeroid syndrome: white matter changes correlate with neurological symptoms in xeroderma pigmentosum. PLoS One. 7, e30926 (2012).
  42. Canu, E., Agosta, F. The topography of brain microstructural damage in amyotrophic lateral sclerosis assessed using diffusion tensor MR imaging. AJNR. Am. J. Neuroradiol. 32, 1307-1314 (2011).
  43. Verstraete, E., Veldink, J. H., Hendrikse, J., Schelhaas, H. J., van den Heuvel, M. P., van den Berg, L. H. Structural MRI reveals cortical thinning in amyotrophic lateral sclerosis. J. Neurol. Neurosurg. Psychiatry. 83, 383-388 (2012).
  44. Hofer, S., Frahm, J. Topography of the human corpus callosum revisited- comprehensive fiber tractography using diffusion tensor magnetic resonance imaging. Neuroimage. 32, 989-994 (2006).
  45. Iwata, N. K., Kwan, J. Y., et al. White matter alterations differ in primary lateral sclerosis and amyotrophic lateral sclerosis. Brain. 134, 2642-2655 (2011).
  46. Kassubek, J., Ludolph, A. C., Müller, H. -. P. Neuroimaging of motor neuron diseases. Ther. Adv. Neurol. Disord. 5, 119-127 (2012).
  47. Kassubek, J., Juengling, F. D. . Multimodality functional neuroimaging. In: C. Stippich (Ed.): Clinical functional MRI - Presurgical functional neuroimaging. , (2007).
  48. Stadlbauer, A., Buchfelder, M., Salomonowitz, E., Ganslandt, O. Fiber density mapping of gliomas: histopathologic evaluation of a diffusion-tensor imaging data processing method. Radiology. , 257-846 (2010).
  49. Stadlbauer, A., Hammen, T., et al. Differences in metabolism of fiber tract alterations in gliomas: a combined fiber density mapping and magnetic resonance spectroscopic imaging study. Neurosurgery. 71, 454-463 (2012).
  50. Staempfli, P., Jaermann, T., Crelier, G. R., Kollias, S., Valavanis, A., Boesiger, P. Resolving fiber crossing using advanced fast marching tractography based on diffusion tensor imaging. Neuroimage. 30, 110-120 (2006).
  51. Ehricke, H. H., Otto, K. M., Klose, U. Regularization of bending and crossing white matter fibers in MRI Q-ball fields Magn. Reson Imaging. 29, 916-926 (2011).
  52. Hirsch, J. G., Schwenk, S. M., Rossmanith, C., Hennerici, M. G., Gass, A. Deviations from the diffusion tensor model as revealed by contour plot visualization using high angular resolution diffusion-weighted imaging (HARDI). MAGMA. 16, 93-102 (2003).
  53. Lazar, M., Weinstein, D. M., et al. White matter tractography using diffusion tensor deflection. Human Brain Mapping. 18, 306-321 (2003).
  54. Reisert, M., Mader, I., Anastasopoulos, C., Weigel, M., Schnell, S., Kiselev, V. Global fiber reconstruction becomes practical. Neuroimage. 54, 955-962 (2011).
  55. Klein, A., Andersson, J. Evaluation of 14 nonlinear deformation algorithms applied to human brain MRI registration. Neuroimage. 46, 786-802 (2009).
  56. Bammer, R. Basic principles of diffusion-weighted imaging. Eur. J. Radiol. 45, 169-184 (2003).
  57. Mohammadi, S., Keller, S. S. The influence of spatial registration on detection of cerebral asymmetries using voxel-based statistics of fractional anisotropy images and TBSS. PLoS One. 7, e36851 (2012).
  58. Turner, M. R., Grosskreutz, , et al. Towards a neuroimaging biomarker for amyotrophic lateral sclerosis. Lancet Neurol. 10, 400-403 (2011).
  59. Müller, H. -. P., Kassubek, J., Enderle, J. D. Multimodal imaging in neurology - special focus on MRI applications and MEG. Synthesis Lectures in Biomedical Engineering. 16, (2008).
  60. Douaud, G., Filippini, N., Knight, S., Talbot, K., Turner, M. R. Integration of structural and functional magnetic resonance imaging in amyotrophic lateral sclerosis. Brain. 134, 3470-3479 (2011).
  61. Kolind, S. H., Laule, C., et al. Complementary information from multi-exponential T2 relaxation and diffusion tensor imaging reveals differences between multiple sclerosis lesions. Neuroimage. 40, 77-85 (2008).
  62. Verma, R., Zacharaki, E. I. Multiparametric tissue characterization of brain neoplasms and their recurrence using pattern classification of MR images. Acad. Radiol. 15, 966-977 (2008).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

77 NMR MR MRI

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Contact Us

Recommend to library

JoVE NEWSLETTERS

Research

Education

Authors

Librarians

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved