JoVE Logo

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

تقدم هنا هو البرنامج التعليمي العملي لمفتوحة الوصول، خط أنابيب معالجة الصور الموحدة لغرض رسم خرائط أعراض الآفات. يتم توفير الإرشادات التفصيلية خطوة بخطوة لكل خطوة معالجة، من التناقل اليدوي على CT/MRI إلى التسجيل اللاحق إلى المساحة القياسية، إلى جانب التوصيات العملية والرسوم التوضيحية مع الحالات النموذجية.

Abstract

في رسم خرائط أعراض الآفات (LSM)، يتم الاستدلال على وظيفة الدماغ من خلال ربط موقع آفات الدماغ المكتسبة بالأعراض السلوكية أو المعرفية في مجموعة من المرضى. مع التقدم الأخير في تصوير الدماغ ومعالجة الصور، أصبح LSM أداة شعبية في علم الأعصاب المعرفي. LSM يمكن أن توفر رؤى أساسية في البنية الوظيفية للدماغ البشري لمجموعة متنوعة من الوظائف المعرفية وغير المعرفية. خطوة حاسمة في إجراء دراسات LSM هو تجزئة الآفات على مسح العقول لمجموعة كبيرة من المرضى وتسجيل كل مسح إلى مساحة مجسمة مشتركة (وتسمى أيضا الفضاء القياسية أو قالب الدماغ موحدة). يرد موضح هنا طريقة موحدة للوصول المفتوح للتجزئة والتسجيل لغرض LSM، بالإضافة إلى معاينة مفصلة وعملية تستند إلى حالات نموذجية. يتم توفير برنامج تعليمي شامل للتجزئة اليدوية من احتشاء الدماغ على الأشعة المقطعية وDWI أو الذوق تسلسل التصوير بالرنين المغناطيسي، بما في ذلك معايير لتحديد احتشاء والمزالق لأنواع المسح الضوئي المختلفة. يوفر برنامج التسجيل مخططات تسجيل متعددة يمكن استخدامها لمعالجة بيانات التصوير المقطعي المحوسب والتصوير بالرنين المغناطيسي مع معلمات اكتساب غير متجانسة. يتم توفير برنامج تعليمي حول استخدام برنامج التسجيل هذا وإجراء فحوصات الجودة البصرية والتصحيحات اليدوية (التي تحتاج إليها في بعض الحالات). يوفر هذا النهج للباحثين إطاراً لكامل عملية معالجة صور الدماغ المطلوبة لإجراء دراسة LSM، من جمع البيانات إلى التحقق من جودة النتائج النهائية.

Introduction

رسم خرائط أعراض الآفات (LSM)، وتسمى أيضا رسم خرائط سلوك الآفة، هو أداة هامة لدراسة الهندسة الوظيفية للدماغ البشري1. في دراسات الآفات، يتم الاستدلال على وظيفة الدماغ وتوطينها من خلال دراسة المرضى الذين يعانون من آفات الدماغ المكتسبة. دراسات الحالة الأولى التي تربط الأعراض العصبية إلى مواقع الدماغ محددة أجريت في القرن التاسع عشر قدمت بالفعل رؤى أساسية في الروابط التشريحية للغة والعديد من العمليات المعرفية الأخرى2. ومع ذلك، فإن الروابط العصبية النيوروبية للعديد من جوانب الإدراك وغيرها من وظائف الدماغ ظلت بعيدة المنال. في العقود الماضية، مكّن تحسين أساليب التصوير الهيكلي للدماغ والتقدم التقني من إجراء دراسات واسعة النطاق في الجسم الحي لـ LSM ذات استبانة مكانية عالية (أي على مستوى voxels الفردية أو مناطق محددة ذات أهمية القشرية/تحت القشرية)1 ،2. مع هذه التطورات المنهجية، أصبح LSM طريقة شعبية متزايدة في علم الأعصاب المعرفي ويستمر في تقديم رؤى جديدة في تشريح الأعصاب من الإدراك والأعراض العصبية3. خطوة حاسمة في أي دراسة LSM هو تجزئة دقيقة من الآفات والتسجيل إلى قالب الدماغ. ومع ذلك، لا يوجد برنامج تعليمي شامل للمعالجة المسبقة لبيانات تصوير الدماغ لغرض LSM.

تقدم هنا هو البرنامج التعليمي الكامل لتجزئة الآفات موحدة وطريقة التسجيل. توفر هذه الطريقة للباحثين خط أنابيب لمعالجة صور الدماغ الموحدة ونظرة عامة على المزالق المحتملة التي يجب تجنبها. تم تطوير خط أنابيب معالجة الصور المعروضة من خلال التعاون الدولي4 وهو جزء من إطار اتحاد خرائط Meta VCI الذي تم تأسيسه مؤخرًا، والذي يهدف إلى إجراء دراسات متعددة المراكز لرسم خرائط أعراض الآفات في ضعف إدراكي وعائي 5. تم تصميم هذه الطريقة لمعالجة كل من التصوير المقطعي المحوسب والتصوير بالرنين المغناطيسي من موردين متعددين وبروتوكولات المسح الضوئي غير المتجانسة للسماح بالمعالجة المشتركة لمجموعات بيانات التصوير من مصادر مختلفة. برنامج RegLSM المطلوب وجميع البرامج الأخرى اللازمة لهذا البروتوكول متاحة بحرية باستثناء MATLAB، الذي يتطلب ترخيصًا. يركز هذا البرنامج التعليمي على تجزئة وتسجيل احتشاء الدماغ، ولكن هذا خط أنابيب معالجة الصور يمكن أيضا أن تستخدم لآفات أخرى، مثل فرط كثافة الحرارة المادة البيضاء6.

قبل الشروع في دراسة LSM، يلزم فهم أساسي للمفاهيم العامة والمزالق. العديد من المبادئ التوجيهية التفصيلية ودليل المتجول متاحة6. ومع ذلك، لا توفر هذه الاستعراضات البرنامج التعليمي التدريب العملي مفصلة للخطوات العملية التي تنطوي عليها جمع وتحويل مسح الدماغ إلى شكل صحيح، وتقسيم احتشاء الدماغ، وتسجيل عمليات المسح الضوئي إلى قالب الدماغ. وتقدم هذه الورقة مثل هذا البرنامج التعليمي. وترد المفاهيم العامة لـ LSM في المقدمة مع إشارات لمزيد من القراءة حول هذا الموضوع.

الهدف العام لدراسات رسم خرائط أعراض الآفات

من منظور علم النفس العصبي المعرفي، يمكن استخدام إصابة الدماغ كشرط نموذجي لفهم أفضل للأسس العصبية لبعض العمليات المعرفية والحصول على صورة أكثر اكتمالا للبنية المعرفية للدماغ1 . هذا هو النهج الكلاسيكي في علم النفس العصبي الذي تم تطبيقه لأول مرة في دراسات ما بعد الوفاة في القرن التاسع عشر من قبل الرواد مثل بروكا وWernicke2. في عصر التصوير الوظيفي للدماغ، ظل نهج الآفة أداة حاسمة في علم الأعصاب لأنه يوفر دليلا على أن الآفات في منطقة الدماغ محددة تعطل أداء المهمة، في حين أن دراسات التصوير الوظيفي تبين مناطق الدماغ التي هي أثناء أداء المهمة. وعلى هذا النحو، توفر هذه النهجمعلوماتتكميلية

من منظور علم الأعصاب السريرية، يمكن أن توضح دراسات LSM العلاقة بين موقع الآفة والأداء المعرفي في المرضى الذين يعانون من احتشاء الأعراض الحادة، وفرط كثافة المادة البيضاء، والثغرات، أو أنواع الآفات الأخرى (على سبيل المثال، الأورام ). وقد أظهرت الدراسات الحديثة أن مثل هذه الآفات في مناطق الدماغ الاستراتيجية هي أكثر أهمية في شرح الأداء المعرفي من عبء الآفة العالمية8. هذا النهج لديه القدرة على تحسين فهم الفيزيولوجيا المرضية للاضطرابات المعقدة (في هذا المثال، ضعف الإدراك الوعائي) ويمكن أن توفر فرصا لتطوير أدوات التشخيص والتكهن الجديدة أو دعم العلاج الاستراتيجيات2.

LSM لديها أيضا تطبيقات خارج مجال الإدراك. في الواقع، يمكن أن يكون أي متغير ذات صلة بموقع الآفة، بما في ذلك الأعراض السريرية، والمؤشرات الحيوية، والنتيجة الوظيفية. على سبيل المثال، حددت دراسة حديثة مواقع الاحتشاء التي كانت تنبؤية للنتائج الوظيفية بعد السكتة الدماغية الإقفارية10.

[فوكسل-بسد] ضدّ منطقة من فائدة يؤسّس آفة أعراض تعيين

لإجراء رسم خرائط أعراض الآفات، تحتاج الآفات إلى تقسيموتسجيلها في قالب الدماغ. أثناء إجراء التسجيل، يتم محاذاة دماغ كل مريض مكانياً (أي تطبيعه أو تسجيله في قالب مشترك) لتصحيح الاختلافات في حجم الدماغ وشكله واتجاهه بحيث يمثل كل voxel في خريطة الآفة نفس الأنتومية هيكل لجميع المرضى7. وفي الحيز القياسي، يمكن إجراء عدة أنواع من التحليلات، التي تُلخَّص بإيجاز هنا.

ويمكن إجراء تحليل الطرح الآفات الخام لإظهار الفرق في توزيع الآفات في المرضى الذين يعانون من العجز مقارنة مع المرضى الذين يعانون من العجز. تظهر خريطة الطرح الناتجة المناطق التي غالبا ً ما تكون متضررة في المرضى الذين يعانون من عجز وتجنيب في المرضى دون عجز1. على الرغم من أن تحليل الطرح الآفات يمكن أن توفر بعض الأفكار في الارتباطات من وظيفة محددة، فإنه لا يوفر أي دليل إحصائي ويستخدم الآن في الغالب عندما يكون حجم العينة منخفضة جدا لتوفير ما يكفي من الطاقة الإحصائية لأعراض الآفة المستندة إلى voxel تعيين.

في رسم خرائط أعراض الآفات المستندة إلى voxel ، يتم تحديد الارتباط بين وجود آفة والأداء المعرفي على مستوى كل voxel الفردية في الدماغ (الشكل 1). والميزة الرئيسية لهذه الطريقة هي الاستبانة المكانية العالية. تقليديا، وقد أجريت هذه التحليلات في نهج كتلة أحادية المتغيرات، والتي تبرر تصحيح لاختبار متعددة ويدخل التحيز المكاني الناجم عن الارتباطات بين voxel التي لا تؤخذ في الاعتبار10 , 11.وضعت مؤخرا النهج التي تأخذ الارتباطات بين voxel في الاعتبار (يشار إليها عادة باسم طرق رسم الخرائط متعددة المتغيرات أعراض الآفات, مثل تحليل بايزي13,دعم الانحدار ناقلات4, 14، أو غيرها من خوارزميات التعلم الآلي15) تظهر نتائج واعدة ويبدو أن تحسين حساسية وخصوصية النتائج من تحليلات LSM voxel الحكمة بالمقارنة مع الأساليب التقليدية. مزيد من التحسين والتحقق من صحة الأساليب متعددة المتغيرات لVOXel-الحكمة LSM هي عملية مستمرة. يعتمد أفضل اختيار طريقة لرسم خرائط أعراض الآفات على العديد من العوامل، بما في ذلك توزيع الآفات، متغير النتائج، والافتراضات الإحصائية الأساسية للأساليب.

في منطقة الاهتمام (ROI) القائمة على رسم خرائط أعراض الآفات، يتم تحديد ارتباط بين عبء الآفة داخل منطقة الدماغ محددة والأداء المعرفي (انظر الشكل 1 في Biesbroek وآخرون2 للاطلاع على توضيح). الميزة الرئيسية لهذه الطريقة هي أنه يأخذ في الاعتبار عبء الآفة التراكمية داخل بنية تشريحية، والتي في بعض الحالات قد تكون أكثر إفادة من آفة في voxel واحد. من ناحية أخرى، التحليلات القائمة على عائد الاستثمار لديها قوة محدودة للكشف عن الأنماط التي هي موجودة فقط في مجموعة فرعية من voxels في المنطقة16. تقليدياً، يتم تنفيذ تعيين أعراض الآفات المستندة إلى عائد الاستثمار باستخدام الانحدار اللوجستي أو الخطي. في الآونة الأخيرة، تم إدخال أساليب متعددة المتغيرات التي تتعامل بشكل أفضل مع العلاقة الخطية المتداخلة (على سبيل المثال، تحليل شبكة بايزي17،دعم الانحدار المتجه18،أو خوارزميات التعلم الآلي الأخرى19)،والتي قد تحسين خصوصية النتائج من دراسات رسم الخرائط أعراض الآفات.

اختيار المريض

في دراسات LSM، يتم اختيار المرضى عادة على أساس نوع آفة محددة (على سبيل المثال، احتشاء الدماغ أو ارتفاع ضغط المادة البيضاء) والفاصل الزمني بين التشخيص والتقييم العصبي النفسي (على سبيل المثال، السكتة الدماغية الحادة مقابل المزمنة). تصميم الدراسة الأمثل يعتمد على مسألة البحث. على سبيل المثال، عند دراسة البنية الوظيفية للدماغ البشري، يتم تضمين مرضى السكتة الدماغية الحادة بشكل مثالي لأن إعادة التنظيم الوظيفي لم تحدث بعد في هذه المرحلة، في حين ينبغي إدراج مرضى السكتة الدماغية المزمنة عند دراسة الآثار الطويلة الأجل للسكتة الدماغية على الإدراك. ويرد وصف مفصل للاعتبارات والمزالق في اختيار المرضى في مكان آخر7.

المعالجة المسبقة لصورة الدماغ لغرض رسم خرائط أعراض الآفات

تجزئة الآفات دقيقة والتسجيل إلى قالب الدماغ المشترك هي خطوات حاسمة في رسم خرائط أعراض الآفات. التقسيم اليدوي للآفات لا يزال المعيار الذهبي للعديد من أنواع الآفات، بما في ذلك احتشاء7. تقدم هو البرنامج التعليمي التفصيلي على معايير التجزئة اليدوية على التصوير المقطعي المحوسب، ونشر التصوير المرجح (DWI)، واسترداد انعكاس السوائل المخففة (FLAIR) تسلسل التصوير بالرنين المغناطيسي في كل من المراحل الحادة والمزمنة. يجب تسجيل الاحتشاءات المجزأة (أي خرائط الآفات الثنائية ثلاثية الأبعاد) قبل إجراء أي تحليلات متعددة المجالات. يستخدم هذا البروتوكول أسلوب التسجيل RegLSM الذي تم تطويره في إعداد متعدد المراكز4. يطبق RegLSM خوارزميات التسجيل الخطية وغير الخطية على أساس elastix20 لكل من التصوير المقطعي المحوسب والتصوير بالرنين المغناطيسي، مع خطوة معالجة مقطعية إضافية مصممة خصيصًا لتعزيز جودة تسجيل الأشعة المقطعية21. وعلاوة على ذلك، يسمح RegLSM باستخدام قوالب الدماغ المستهدفة المختلفة وخطوة تسجيل وسيطة (اختيارية) إلى قالب CT/MRI محدد العمر22. إمكانية معالجة كل من التصوير المقطعي المحوسب والتصوير بالرنين المغناطيسي وقابليتهللتخصيص فيما يتعلق قوالب الدماغ المتوسطة والمستهدفة يجعل RegLSM أداة معالجة صورة مناسبة للغاية لLSM. يتم وصف كامل عملية إعداد وتجزئة التصوير المقطعي المحوسب/التصوير بالرنين المغناطيسي، والتسجيل إلى قالب الدماغ، والتصحيحات اليدوية (إذا لزم الأمر) في القسم التالي.

figure-introduction-10319
الشكل 1: توضيح تخطيطي لمفهوم رسم خرائط أعراض الآفات المستندة إلى voxel. الجزء العلوي يظهر صورة الدماغ خطوات المعالجة المسبقة التي تتكون من تقسيم الآفة (احتشاء حاد في هذه الحالة) تليها التسجيل إلى قالب الدماغ (قالب MNI-152 في هذه الحالة). أدناه، يتم عرض جزء من خريطة الآفات الثنائية المسجلة لنفس المريض كشبكة ثلاثية الأبعاد، حيث يمثل كل مكعب voxel. تؤخذ جنبا إلى جنب مع خرائط الآفات من 99 المرضى الآخرين، يتم إنشاء خريطة تراكب آفة. لكل voxel، يتم إجراء اختبار إحصائي لتحديد الارتباط بين حالة الآفة والأداء المعرفي. اختبار تشي تربيع هو على ما يبدو مجرد مثال، يمكن استخدام أي اختبار إحصائي. عادة، يتم اختبار مئات الآلاف من voxels في جميع أنحاء الدماغ، تليها تصحيح لمقارنات متعددة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Protocol

يتبع هذا البروتوكول المبادئ التوجيهية للجنة أخلاقيات البحوث البشرية في مؤسساتنا.

1. جمع المسح الضوئي والبيانات السريرية

  1. جمع التصوير المقطعي المحوسب للدماغ أو التصوير بالرنين المغناطيسي للمرضى الذين يعانون من السكتة الدماغية الإقفارية. تقوم معظم الماسحات الضوئية بحفظ عمليات المسح الضوئي كملفات DICOM (التصوير الرقمي والاتصالات في الطب) التي يمكن نسخها إلى قرص ثابت أو ملقم.
    ملاحظة: يمكن استخدام عمليات المسح الضوئي من كل نوع من أنواع الماسح الضوئي، وبروتوكول المسح الضوئي، وقوة حقل التصوير بالرنين المغناطيسي، طالما 1) يتم استيفاء متطلبات الإطار الزمني لنوع الفحص المستخدم (انظر الجدول 1)و 2)لا توجد أية نتائج أثرية تعوق تحديد احتشاء دقيق. يتم توفير البرنامج التعليمي مفصلة على الكشف عن القطع الأثرية على CT والتصوير بالرنين المغناطيسي في مكان آخر23،24. ويرد مثال على القطع الأثرية الحركة التي تحدث عادة على CT في الشكل 2، وترد أمثلة من عمليات المسح ذات النوعية الجيدة في الحالات النموذجية في قسم النتائج. يمكن تقسيم احتشاء على المسح الضوئي مع أي سمك شريحة وأي دقة صورة في الطائرة. ومع ذلك، فإن شرائح رقيقة ودقة عالية في الطائرة تمكين تمثيل أكثر دقة من احتشاء إلى قالب الدماغ.
  2. جمع المتغيرات السريرية في ملف بيانات (على سبيل المثال، إكسيل) عن طريق إنشاء صفوف منفصلة لكل حالة وأعمدة لكل متغير سريري. بالنسبة لتجزئة احتشاء، قم على الأقل بتضمين تاريخ متغيرات الحد وتاريخ التصوير أو المتغير الذي يشير إلى الفاصل الزمني بين الحد والتصوير.
  3. ضمان اتباع المبادئ التوجيهية واللوائح الأخلاقية المتعلقة بالخصوصية. تأكد من أن البيانات إما مجهولة الهوية أو مشفرة. إيلاء اهتمام خاص لإزالة بيانات المريض مثل الاسم والعنوان وتاريخ الميلاد التي يتم تخزينها في ملفات DICOM كعلامات. ويمكن مسح هذه العلامات باستخدام dcm2niix (تحميل مجاني متاح في )25.

2. تحويل صور DICOM إلى ملفات Nifti

  1. لتحويل صور DICOM إلى ملفات nifti غير مضغوطة باستخدام الأداة dcm2niix اكتب "[مسار المجلد dcm2niix.exe]\dcm2niix %d_%p [مسار المجلد من ملفات dicom]" في موجه الأوامر. يمكن أن يكون مثال الأمر مع مسارات المجلدات المدرجة C:\users\matthijs\dcm2niix %d_%p C:\users\matthijs\dicom\. سيقوم هذا الأمر بتشغيل الملف القابل للتنفيذ dcm2niix تحويل صور DICOM في المجلد المحدد وحفظ الملفات nifti في نفس المجلد.
    ملاحظة: تضمن الإضافة %d_%p إدراج وصف السلسلة واسم البروتوكول في اسم الملف. يتم توفير ميزات إضافية بما في ذلك خيارات لتحويل دفعة في دليل dcm2niix في . يمكن استخدام أدوات أخرى مفتوحة المصدر لتحويل صور DICOM إلى ملفات nifti، وكذلك.
  2. تأكد من نسخ اسم نوع الفحص (CT أو FLAIR أو DWI أو أسماء تسلسل أخرى) إلى اسم الملف أثناء التحويل (يتوفر هذا الخيار في dcm2niix).
  3. بالنسبة للتصوير بالرنين المغناطيسي، حدد تسلسلات DWI أو FLAIR للتجزئة. بدلاً من ذلك، يمكن استخدام أي تسلسل هيكلي آخر يكون احتشاء مرئي. راجع الجدول 1 للحصول على نوافذ الوقت المناسبة بعد الحد الذي يمكن استخدام CT أو DWI أو FLAIR لتجزئة احتشاء.
  4. تنظيم ملفات nifti في بنية مجلد ملائم مع مجلد فرعي لكل حالة (راجع دليل RegLSM و الشكل التكميلي 1). يمكن تنزيل هذا الدليل من .
    ملاحظة: بنية المجلد هذه هي متطلبات برنامج التسجيل RegLSM (انظر القسم 4). ويجري حاليا ً تطوير تحديث لـ RegLSM، مما يجعله "مزايدات" (بنية بيانات تصوير الدماغ26،انظر ) متوافقة، وسيتم إصدارها قريباً.

3. احتشاء التجزئة

  1. ملاحظات عامة تنطبق على جميع أنواع المسح الضوئي
    1. تأكد من أن الشخص الذي يقوم بإجراء وتقييم التجزئة والتسجيل أعمى لمتغير النتائج (عادة مقياس المعرفي) لتجنب التحيز.
    2. لاحظ أن احتشاء عادة ما يتم تقسيمها على شرائح عرضية، ولكن يمكن إجراء التجزئة في أي اتجاه شريحة.
    3. ضمان ظروف مشاهدة مثالية أثناء تجزئة الاحتشاء باستخدام شاشة عرض عالية الدقة والضوء المحيط الأمثل لتوفير إعداد مريح. ضبط تباين الصورة يدويًا أثناء التجزئة لتوفير التباين الأمثل بين أنسجة الدماغ السليمة. أن تكون متسقة في تطبيق إعدادات مشابهة عبر المواضيع.
  2. تجزئة احتشاء على CT
    1. تحقق أولاً ما إذا كان الفحص قد تم إجراؤه على الأقل 24 ساعة بعد ظهور أعراض السكتة الدماغية. في غضون 24 ساعة، احتشاء حاد ليس أو فقط جزئيا مرئية على CT والمسح الضوئي لا يمكن استخدامها للتجزئة7. انظر الشكل 3 للاطلاع على توضيح.
    2. فتح CT الأصلي باستخدام برنامج ITK-SNAP (تحميل مجاني متاح في )27. في ITK-SNAP، انقر فوق ملف | فتح الصورة الرئيسية من القائمة المنسدلة. انقر فوق استعراض وحدد الملف لفتح الفحص. إذا كان إعداد التباين الافتراضي يوفر تباينًا ضعيفًا بين أنسجة الدماغ السليمة والآفة، فاضبط إعدادات التباين. للقيام بذلك، انقر فوق أدوات | تباين الصورة | تعديل التباين.
      ملاحظة: كما يمكن استخدام أي برنامج مفتوح المصدر.
    3. إذا كان متوفراً، افتح التصوير المقطعي المحوسب الذي تم تنفيذه في غضون 24 ساعة بعد ظهور أعراض السكتة الدماغية في حالة منفصلة كمرجع للتمييز بين احتشاء حاد من الآفات الإقفارية القديمة مثل الثغرات، (sub)farcts القشرية، أو ارتفاع ضغط المادة البيضاء.
    4. تحديد احتشاء استناداً إلى الخصائص التالية. احتشاء لديها إشارة منخفضة (أي نقص الكثافة) بالمقارنة مع أنسجة الدماغ الطبيعية.
      1. في المرحلة الحادة (الأسابيع الأولى)، يمكن أن تسبب احتشاءات كبيرة تأثير كتلة مما يؤدي إلى إزاحة الأنسجة المحيطة بها، وضغط البطينين، وتحول خط الوسط وطمس sulci. يمكن أن يكون هناك تحول النزفية التي تكون مرئية كمناطق مع إشارة عالية (أي hyperdens) داخل احتشاء.
      2. في المرحلة المزمنة (أشهر إلى سنوات)، سوف يتكون احتشاء من مركز تجويف hypodens (مع كثافة مماثلة لالسائل النخاعي) وحافة أقل نقص الكثافة الذي يمثل أنسجة الدماغ التالفة. يجب تقسيم كل من مركز تجويف وحافة hypodens كما احتشاء. في حالة احتشاء كبير، يمكن أن يكون هناك توسيع سابق للكبريتي أو البطينين المجاورين.
        ملاحظة: لا ينبغي تصحيح إزاحة الأنسجة بسبب التأثير الجماعي أو توسيع الهياكل من قبل الجزئياً أثناء التقسيم (أي أنه لا يتعين تجزئة النطاق الكامل للاحتشاء إلا). يتم تصحيح إزاحة الأنسجة أثناء التسجيل والخطوات اللاحقة.
    5. قم بتجزئة أنسجة الدماغ المناقط باستخدام وضع فرشاة الطلاء من شريط الأدوات الرئيسي (انقر بزر الماوس الأيمن للرسم، انقر بزر الماوس الأيمن للمسح). بدلاً من ذلك، استخدم وضع المضلع لوضع نقاط الربط على حدود الآفة (يتم توصيل هذه النقاط تلقائيًا بالخطوط) أو مع الاستمرار على زر الماوس الأيسر أثناء تحريك الماوس عبر حدود الآفة. بمجرد توصيل جميع نقاط الربط، انقر فوق قبول لملء المنطقة المحددة.
    6. تجنب مرحلة الضباب، والتي تشير إلى المرحلة التي يصبح فيها احتشاء isodense على CT (الذي يحدث مع تسلل الأنسجة المنكشة مع الفيغاسيتات). يحدث هذا عادة 14-21 يوما بعد بداية السكتة الدماغية، ولكن في حالات نادرة يمكن أن يحدث حتى في وقت سابق28. خلال هذه الفترة، يمكن أن تصبح احتشاء غير مرئية أو حدودها تصبح أقل وضوحا، مما يجعل هذه المرحلة غير مناسبة لتجزئة احتشاء. بعد مرحلة الضباب ، تصبح الآفة قليلة الكثافة مرة أخرى عند حدوث التجويف والورم الدبقي. انظر الشكل 4 للاطلاع على مثالين.
    7. بعد الانتهاء من التجزئة، حفظه كملف nifti ثنائي في نفس المجلد مثل المسح الضوئي عن طريق النقر فوق التجزئة | حفظ صورة التجزئة من القائمة المنسدلة، ثم حفظ التجزئة عن طريق إعطائها نفس الاسم بالضبط كما المسح الضوئي مجزأة، مع تمديد .lesion (على سبيل المثال، إذا تم حفظ المسح الضوئي كـ "ID001. CT.nii"، حفظ التجزئة كـ "ID001. CT.lesion.nii").
  3. تجزئة احتشاء على DWI
    1. تحقق أولا إذا تم إجراء DWI في غضون 7 أيام من بداية السكتة الدماغية. احتشاء مرئية على DWI في غضون عدة ساعات بعد بداية السكتة الدماغية ورؤيتها على DWI ينخفض تدريجيا بعد حوالي 7 أيام (انظر الفقرة 2 في المناقشة لمزيد من التفاصيل).
    2. فتح DWI في ITK-SNAP (بنفس الطريقة كما فعلت في الخطوة 3.2.2).
      ملاحظة: ينشئ تسلسل DWI صورتين على الأقل لمعظم بروتوكولات المسح الضوئي، واحدة ذات قيمة b = 0، وهي صورة قياسية ذات وزن T2، وواحدة ذات قيمة b أعلى، وهي الفحص الذي يلتقط خصائص الانتشار الفعلي للأنسجة. كلما زادت القيمة b، كلما كانت آثار الانتشار أقوى. للكشف عن السكتة الدماغية الإقفارية، وغالبا ما تستخدم قيمة ب حوالي 1000 ق / مم وهذا يوفر نسبة جيدة على النقيض من الضوضاء في معظم الحالات29. يتم استخدام الصورة ذات القيمة b عالية لتجزئة احتشاء.
    3. افتح تسلسل معامل الانتشار الظاهر (ADC) في مثيل منفصل من ITK-SNAP للرجوع إليه.
    4. تحديد والتعليق على أنسجة الدماغ المناقّح استناداً إلى الإشارة العالية (أي فرط الكثافة) على DWI وإشارة منخفضة (أي نقص الكثافة) على ADC (انظر الشكل 5). قيم ADC في احتشاء زيادة تدريجيا حتى ADC تطبيع في المتوسط 1 أسبوع بعد السكتة الدماغية30، ولكن في بعض الحالات ، قد يكون بالفعل ADC (تقريبا) تطبيع بعد عدة أيام إذا كان هناك الكثير من وذمة vasogenic.
      ملاحظة: في صور DWI ذات القيم b المنخفضة، يمكن أن تظهر آفات الدماغ مع إشارة T2 عالية جوهرية (مثل فرط شد المادة البيضاء) أيضًا بشكل مفرط. وتسمى هذه الظاهرة T2 تألق من خلال31. ومع ذلك، مع تزايد القيم ب، تصبح هذه الظاهرة أقل أهمية، حيث أن الإشارة على صورة DWI تعكس بقوة خصائص الانتشار بدلاً من إشارة T2 الجوهرية. مع بروتوكولات المسح الضوئي DWI الحديثة (عادة مع b-value = 1000 أو أعلى)، وT2 تألق من خلال آثار محدودة32.
    5. لا تخطئ إشارة DWI عالية بالقرب من واجهات بين الهواء والأنسجة أو العظام، والتي هي قطعة أثرية لوحظ عادة، لاحتشاء. انظر الشكل 5.
    6. حفظ التعليق التوضيحي كملف nifti ثنائي، وإعطائه اعلى اسم تماماً كما المسح الضوئي مجزأة، مع ملحق .lesion (بنفس الطريقة كما فعلت في الخطوة 3.2.7).
  4. تجزئة احتشاء على FLAIR
    1. أولاً، تحقق مما إذا كان الفحص قد تم إجراء هـذا الفحص >48 ساعة بعد ظهور أعراض السكتة الدماغية. في المرحلة الحادة جداً، عادة ما يكون احتشاء غير مرئي على تسلسل FLAIR أو الحدود الدقيقة للاحتشاء غير واضحة31 (انظر الشكل 6).
    2. افتح الذوق في ITK-SNAP بنفس الطريقة كما تم في الخطوة 3.2.2.
    3. افتح T1 مثيل منفصل من ITK-SNAP للرجوع إليها، إذا كان متوفراً.
    4. تحديد وتقسيم أنسجة الدماغ احتشاء استناداً إلى الخصائص التالية.
      1. في المرحلة الحادة (الأسابيع القليلة الأولى)، احتشاء مرئية كآفة فرط الكثافة متجانسة أكثر أو أقل، مع أو بدون تورم واضح وتأثير كتلة(الشكل 5).
      2. في المرحلة المزمنة (أشهر إلى سنوات)، يتم تجويف احتشاء، وهذا يعني أن المركز يصبح نقص أو متساوي الكثافة على FLAIR. ويمكن تحديد هذا التجويف بدقة أكبر على T1. في معظم الحالات، يحيط بالمركز التجويف حافة شديدة الكثافة على FLAIR، مما يمثل الدبقية. 33.
        ملاحظة: ومع ذلك ، هناك قدر كبير من الاختلاف في درجة التجويف والدبقية من احتشاء المزمنة. قم بتجزئة كل من التجويف والحافة الشديدة الكثافة كاحتشاء (انظر الخطوة 3.2.5). آفة الذوق فرط الكثافة ليست دائما احتشاء. في المرحلة الحادة، يمكن بسهولة تمييز احتشاءات تحت القشرية الصغيرة عن فرط كثافة المادة البيضاء أو غيرها من الآفات المزمنة مثل الثغرات من أصل الأوعية الدموية المفترض عندما يكون هناك DWI المتاحة (انظر الشكل 5). في المرحلة المزمنة، يمكن أن يكون أكثر صعوبة. انظر الفقرة 3 في المناقشة للحصول على مزيد من المعلومات حول كيفية التمييز بين هذه الأنواع من الآفات في المرحلة المزمنة.
    5. حفظ التعليق التوضيحي كملف nifti ثنائي، وإعطائه اعلى اسم تماماً كما المسح الضوئي مجزأة، مع ملحق .lesion (بنفس الطريقة كما فعلت في الخطوة 3.2.7).
نوع المسح الضوئيالإطار الزمني بعد السكتة الدماغيةخصائص احتكتالمسح الضوئي المرجعيالمزالق
Ct> 24 ساعةالحاد: نقص الكثافة-- مرحلة الضباب
المزمنة: تجويف نقص الكثافة مع CSF وحافة أقل نقص الكثافة- التحول النزفي
دوي<7 أيامفرط الكثافةADC: عادة نقص الكثافة- T2 التألقمن خلال
- إشارة DWI عالية بالقرب من واجهات بين الهواء والعظام / الأنسجة
الذوق> 48 ساعةحاد: فرط الكثافةحاد: DWI / ADC، T1 (متساوية أو نقص الكثافة)- فرط كثافة المادة البيضاء
المزمنة: نقص الكثافة أو متساوي الشدة (تجويف)، حافة فرط الكثافةالمزمن: T1 (تجويف نقص الكثافة مع خصائص CSF).- الثغرات

الجدول 1: موجز معايير تجزئة احتشاء أنواع المسح الضوئي المختلفة.

4- التسجيل في الفضاء القياسي

  1. تحميل RegLSM من 4. استخدم هذه الأداة لمعالجة التصوير المقطعي المحوسب وأي نوع من تسلسل التصوير بالرنين المغناطيسي. ويبين الشكل 7إجراءات التسجيل.
    ملاحظة: وتشمل الميزات الاختيارية في RegLSM التسجيل إلى قالب CT /MRI المتوسطة التي تشبه بشكل أوثق عمليات المسح للمرضى الأكبر سنا الذين يعانون من ضمور الدماغ22. بشكل افتراضي، يتم تسجيل التصوير المقطعي المحوسب والتصوير بالرنين المغناطيسي إلى قالب MNI-15234، ولكن يمكن استبدال هذا بقوالب أخرى إذا كان هذا يناسب الدراسة بشكل أفضل. ويبين الشكل 7مخططات تسجيل مختلفة. يمكن أيضًا استخدام أدوات تسجيل مفتوحة المصدر أخرى لهذه الخطوة.
  2. تحقق 1) إذا لم يتم ضغط ملفات nifti، 2) أن اسم ملف المسح الضوئي المجزأ يحتوي على مصطلح CT أو FLAIR أو DWI و 3) أن اسم ملف التعليق التوضيحي الآفة يحتوي على نفس المصطلح مع "الآفة". وإذا اتبعت هذه الخطوات الثلاث الأولى، تكون البيانات جاهزة تماما للتسجيل ولا يلزم تغيير أي شيء.
  3. فتح MATLAB (الإصدار 2015a أو أعلى)، تعيين المجلد الحالي إلى RegLSM (يمكن تحميل هذا المجلد من 35 (الإصدار 12 أو أعلى، تحميل مجاني في ) عن طريق كتابة addpath {اسم المجلد من SPM}. بعد ذلك، اكتب RegLSM لفتح واجهة المستخدم الرسومية.
  4. حدد وضع الاختبار في القائمة المنسدلة التسجيل لتنفيذ التسجيل لحالة واحدة. في لوحة وضع الاختبار، حدد المسح الضوئي (CT أو FLAIR أو DWI) والتعليق التوضيحي وT1 اختياريًا باستخدام زر الصورة المفتوحة. حدد نظام التسجيل: CT، FLAIR مع أو بدون T1، DWI مع أو بدون T1.
  5. بدلاً من ذلك، حدد وضع الدفعة لتسجيل عمليات المسح الضوئي لكافة الحالات في المجلد المحدد في الوضع الدفعي.
  6. تأكد من أن RegLSM يحفظ معلمات التسجيل الناتجة والفحص المسجل (بما في ذلك الخطوات المتوسطة) ومخطط الآفة المسجلة في المجلدات الفرعية التي يتم إنشاؤها تلقائياً. خلال هذه العملية، يتم إعادة أخذ عينات من عمليات المسح وخرائط الآفات المسجلة لتتناسب مع القرار (isotropic 1 mm3 voxels) وتخثر قالب MNI-152.

5. مراجعة نتائج التسجيل

  1. حدد نتائج الاختيار الخيار في واجهة المستخدم الرسومية RegLSM واستعرض للوصول إلى المجلد الرئيسي مع نتائج التسجيل. ستقوم واجهة المستخدم الرسومية تلقائيًا باختيار الفحص المسجل مع خريطة الآفة المسجلة، وقالب MNI-152 مع خريطة الآفة المسجلة في الاتجاهات العرضية والمترهلة وإكليلية (انظر الشكل 8).
  2. قم بالتمرير خلال الفحص المسجل واستخدم الشعر المتصالب للتحقق من محاذاة الفحص المسجل وقالب MNI-152. إيلاء اهتمام خاص لمحاذاة المعالم التشريحية التي يمكن التعرف عليها مثل العقد القاعدية، البطينين، والجمجمة.
  3. وضع علامة على كافة التسجيلات الفاشلة في عمود منفصل في ملف البيانات (الذي تم إجراؤه في الخطوة 1.2) للتصحيح اليدوي اللاحق في القسم 6.
    ملاحظة: الأخطاء الشائعة في التسجيل هي محاذاة ناقصة بسبب التأثير الشامل الناجم عن الآفة في المرحلة الحادة، أو توسيع الفراغ السابق للبطينين في المرحلة المزمنة. انظر الشكل 3 والشكل 5 للاطلاع على أمثلة على هذا الاختلال. خطأ شائع آخر هو عدم محاذاة المخيخ tentorium، وفي هذه الحالة يمكن أن تتداخل احتشاء القذالي مع المخيخ في القالب. عدم محاذاة الأنسجة التي لا تكون آفة ليست مشكلة عندما يتم استخدام خرائط الآفات الثنائية فقط في تحليلات رسم الخرائط اللاحقة للآفات وأعراض. في مثل هذه الحالات ، فقط الآفات تحتاج إلى أن تكون متوائمة تماما.

6. تصحيح أخطاء التسجيل يدويًا

  1. بالنسبة لخرائط الآفات التي تحتاج إلى تصحيح، افتح قالب MNI-152 T1 في ITK-SNAP وحدد من قائمة التجزئة | تقسيم مفتوحة | خريطة الآفة المسجلة، والتي هي الآن متراكبة على القالب.
  2. افتح فحص الدماغ المسجل في مثيل منفصل من ITK-SNAP للرجوع إليها.
  3. تصحيح خريطة الآفة المسجلة في ITK-SNAP لأي نوع من عدم المحاذاة المذكورة في الخطوة 5.3 باستخدام وظيفة الفرشاة لإضافة voxels (انقر بزر الماوس الأيمن) أو إزالة voxels (انقر بزر الماوس الأيمن). قارن بعناية المسح المسجل وخريطة الآفات المتراكبة (انظر الخطوة 5.2) مع قالب MNI-152 وخريطة الآفات المتراكبة في ITK-SNAP (انظر الخطوة 6.1) لتحديد مناطق عدم المحاذاة. انظر الشكل 3 والشكل 5.
  4. بعد تصحيح خريطة الآفة يدويًا في مساحة MNI، قم بإجراء فحص نهائي عن طريق مقارنة الفحص الأصلي المجزأ للمريض مع خريطة الآفة المصححة في مساحة MNI (أي نتائج الخطوة 6.3). تأكد من أن خريطة الآفة المصححة في مساحة MNI تمثل الآن بدقة احتشاء في المساحة الأصلية. إيلاء اهتمام خاص للمعالم التي يمكن التعرف عليها مثل العقد القاعدية والبطينين والجمجمة (على غرار الخطوة 5.2).
  5. حفظ خريطة الآفة التي تم تصحيحها في مساحة MNI كملف nifti ثنائي في نفس المجلد كخريطة الآفات غير المصححة في مساحة MNI-152، مما يعطيها نفس الاسم بالضبط كخريطة الآفات غير المصححة، مع توسيع .corrected.

7. إعداد البيانات لرسم خرائط أعراض الآفات

  1. إعادة تسمية كافة خرائط الآفة. بشكل افتراضي، حفظ RegLSM مخططات الآفة في مجلد فرعي مع اسم الملف "النتائج". قم بتضمين معرف الموضوع في اسم الملف. في حالة التصحيح اليدوي، تأكد من تحديد الملف الذي تم تصحيحه وإعادة تسميته.
  2. نسخ كافة خرائط الآفة في مجلد واحد.
  3. إجراء فحص التعقل من البيانات عن طريق تحديد وفحص عشوائيا عدة خرائط الآفات في ITK-SNAP ومقارنة هذه مع عمليات المسح المحلية لاستبعاد الأخطاء المنهجية في معالجة البيانات مثل التقليب من اليسار إلى اليمين.
  4. استخدم MRIcron لإجراء فحص آخر للعقل من البيانات عن طريق إنشاء صورة تداخل آفة للتحقق مما إذا كانت لا توجد آفات خارج قالب الدماغ. قم بذلك عن طريق تحديد القائمة المنسدلة السحب | الإحصاءات | إنشاء صور متداخلة.
    ملاحظة: يمكن إسقاط خريطة تراكب الآفة الناتجة على قالب MNI-152 وفحصها باستخدام، على سبيل المثال، MRIcron أو ITK-SNAP.
  5. خرائط الآفة جاهزة الآن لاستخدامها في رسم خرائط أعراض الآفات المستندة إلى voxel أو لحساب وحدات التخزين احتشاء داخل مناطق محددة ذات أهمية باستخدام أطلس مسجل في نفس المساحة القياسية مثل خرائط الآفة (في هذه الحالة، MNI-152 الفضاء ل التي تتوفر العديد من الأطالس، فقط عدد قليل منها مذكورة أدناه36،37،38).

النتائج

يتم توفير الحالات المثالية لتجزئة احتشاء الدماغ على CT (الشكل 3)، DWI (الشكل 5)، وFLAIR (الشكل 6) الصور ، والتسجيل اللاحق ة لقالب MNI-152 هنا. ولم تكن نتائج التسجيل المبينة في الشكل 3باء والشكل 5 جيم ناجح...

Discussion

LSM هو أداة قوية لدراسة الهندسة المعمارية الوظيفية للدماغ البشري. خطوة حاسمة في أي دراسة رسم خرائط أعراض الآفات هو المعالجة المسبقة لبيانات التصوير، وتقسيم الآفة والتسجيل إلى قالب الدماغ. هنا، نقوم بالإبلاغ عن خط أنابيب موحد لتقسيم الآفات والتسجيل لغرض رسم خرائط أعراض الآفات. ويمكن تنفيذ ?...

Disclosures

ولا يكشف أصحاب البلاغ عن أي تضارب في المصالح.

Acknowledgements

ويدعم عمل الدكتور بيسبروك من قبل زمالة المواهب الشابة من مركز الدماغ رودولف ماغنوس من المركز الطبي الجامعي أوتريخت. ويدعم هذا العمل واتحاد خرائط ميتا VCI من قبل فيتشي غرانت 918.16.616 من ZonMw، هولندا، منظمة البحث والتطوير في مجال الصحة، إلى جيرت يان Biessels. ويود المؤلفان أن يشكرا الدكتورة تانيا ك. و. نيجبور على مشاركتها عمليات المسح التي استخدمت في أحد الأرقام.

Materials

NameCompanyCatalog NumberComments
dcm2niixN/AN/Afree download https://github.com/rordenlab/dcm2niix
ITK-SNAPN/AN/Afree download www.itksnap.org
MATLABMathWorksN/AVersion 2015a or higher
MRIcronN/AN/Afree download https://www.nitrc.org/projects/mricron
RegLSMN/AN/Afree download www.metavcimap.org/support/software-tools
SPM12bN/AN/Afree download https://www.fil.ion.ucl.ac.uk/spm/

References

  1. Rorden, C., Karnath, H. O. Using human brain lesions to infer function: A relic from a past era in the fMRI age. Nature Reviews Neuroscience. 5 (10), 812-819 (2004).
  2. Biesbroek, J. M., Weaver, N. A., Biessels, G. J. Lesion location and cognitive impact of cerebral small vessel disease. Clinical Science (London, England: 1979). 131 (8), 715-728 (2017).
  3. Karnath, H. O., Sperber, C., Rorden, C. Mapping human brain lesions and their functional consequences. NeuroImage. 165, 180-189 (2018).
  4. Zhao, L., et al. Strategic infarct location for post-stroke cognitive impairment: A multivariate lesion-symptom mapping study. Journal of Cerebral Blood Flow and Metabolism An Official Journal of the International Society of Cerebral Blood Flow and Metabolism. 38 (8), 1299-1311 (2018).
  5. Weaver, N. A., et al. The Meta VCI Map consortium for meta-analyses on strategic lesion locations for vascular cognitive impairment using lesion-symptom mapping: design and multicenter pilot study. Alzheimer's and Dementia: Diagnosis, Assessment and Disease Monitoring. , (2019).
  6. Biesbroek, J. M., et al. Impact of Strategically Located White Matter Hyperintensities on Cognition in Memory Clinic Patients with Small Vessel Disease. PLoS One. 11 (11), e0166261 (2016).
  7. de Haan, B., Karnath, H. O., et al. A hitchhiker's guide to lesion-behaviour mapping. Neuropsychologia. 115, 5-16 (2018).
  8. Duering, M., et al. Strategic role of frontal white matter tracts in vascular cognitive impairment: A voxel-based lesion-symptom mapping study in CADASIL. Brain. 134 (Pt8), 2366-2375 (2011).
  9. Biesbroek, J. M., et al. Association between subcortical vascular lesion location and cognition: a voxel-based and tract-based lesion-symptom mapping study. The SMART-MR study. PLoS One. 8 (4), e60541 (2013).
  10. Wu, O., et al. Role of Acute Lesion Topography in Initial Ischemic Stroke Severity and Long-Term Functional Outcomes. Stroke. 46 (9), 2438-2444 (2015).
  11. Mah, Y. H., Husain, M., Rees, G., Nachev, P. Human brain lesion-deficit inference remapped. Brain. 137 (Pt8), 2522-2531 (2014).
  12. Sperber, C., Karnath, H. O. Impact of correction factors in human brain lesion-behavior inference. Human Brain Mapping. 38 (3), 1692-1701 (2017).
  13. Chen, R., Herskovits, E. H. Voxel-based Bayesian lesion-symptom mapping. NeuroImage. 49 (1), 597-602 (2010).
  14. Zhang, Y., Kimberg, D. Y., Coslett, H. B., Schwartz, M. F., Wang, Z. Multivariate lesion-symptom mapping using support vector regression. Human Brain Mapping. 35 (12), 5861-5876 (2014).
  15. Corbetta, M., et al. Common behavioral clusters and subcortical anatomy in stroke. Neuron. 85 (5), 927-941 (2015).
  16. Biesbroek, J. M. The anatomy of visuospatial construction revealed by lesion-symptom mapping. Neuropsychologia. 62, 68-76 (2014).
  17. Duering, M., et al. Strategic white matter tracts for processing speed deficits in age-related small vessel disease. Neurology. 82 (22), 1946-1950 (2014).
  18. Yourganov, G., Fridriksson, J., Rorden, C., Gleichgerrcht, E., Bonilha, L. Multivariate Connectome-Based Symptom Mapping in Post-Stroke Patients: Networks Supporting Language and Speech. The Journal of Neuroscience. 36 (25), 6668-6679 (2016).
  19. Zavaglia, M., Forkert, N. D., Cheng, B., Gerloff, C., Thomalla, G., Hilgetag, C. C. Mapping causal functional contributions derived from the clinical assessment of brain damage after stroke. NeuroImage: Clinical. 9, 83-94 (2015).
  20. Klein, S., Staring, M., Murphy, K., Viergever, M. A., Pluim, J. P. W. Elastix: A toolbox for intensity-based medical image registration. IEEE Transactions on Medical Imaging. 29, 196-205 (2010).
  21. Kuijf, H. J., Biesbroek, J. M., Viergever, M. A., Biessels, G. J., Vincken, K. L. Registration of brain CT images to an MRI template for the purpose of lesion-symptom mapping. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics. , (2013).
  22. Rorden, C., Bonilha, L., Fridriksson, J., Bender, B., Karnath, H. O. Age-specific CT and MRI templates for spatial normalization. NeuroImage. 61, 957-965 (2012).
  23. Barrett, J. F., Keat, N. Artifacts in CT: Recognition and Avoidance. RadioGraphics. , (2007).
  24. Zhuo, J., Gullapalli, R. P. AAPM/RSNA physics tutorial for residents: MR artifacts, safety, and quality control. Radiographics: a review publication of the Radiological Society of North America, Inc. , (2007).
  25. Rorden, C., Brett, M. Stereotaxic display of brain lesions. Behavioural Neurology. 12 (4), 191-200 (2000).
  26. Gorgolewski, K. J., et al. The brain imaging data structure, a format for organizing and describing outputs of neuroimaging experiments. Scientific Data. 3, 160044 (2016).
  27. Yushkevich, P. A., et al. User-guided 3D active contour segmentation of anatomical structures: Significantly improved efficiency and reliability. NeuroImage. 31 (3), 1116-1128 (2006).
  28. Becker, H., Desch, H., Hacker, H., Pencz, A. CT fogging effect with ischemic cerebral infarcts. Neuroradiology. 18 (4), 185-192 (1979).
  29. Kingsley, P. B., Monahan, W. G. Selection of the Optimum b Factor for Diffusion-Weighted Magnetic Resonance Imaging Assessment of Ischemic Stroke. Magnetic Resonance in Medicine. 51, 996-1001 (2004).
  30. Shen, J. M., Xia, X. W., Kang, W. G., Yuan, J. J., Sheng, L. The use of MRI apparent diffusion coefficient (ADC) in monitoring the development of brain infarction. BMC Medical Imaging. 11 (2), (2011).
  31. Lansberg, M. G., et al. Evolution of apparent diffusion coefficient, diffusion-weighted, and T2-weighted signal intensity of acute stroke. American Journal of Neuroradiology. 22 (4), 637-644 (2001).
  32. Geijer, B., Sundgren, P. C., Lindgren, A., Brockstedt, S., Ståhlberg, F., Holtås, S. The value of b required to avoid T2 shine-through from old lacunar infarcts in diffusion-weighted imaging. Neuroradiology. 43, 511-517 (2001).
  33. Wardlaw, J. M. Neuroimaging standards for research into small vessel disease and its contribution to ageing and neurodegeneration. The Lancet Neurology. 12, 822-838 (2013).
  34. Fonov, V., Evans, A. C., Botteron, K., Almli, C. R., McKinstry, R. C., Collins, D. L. Unbiased average age-appropriate atlases for pediatric studies. NeuroImage. 54 (1), 313-327 (2011).
  35. Ashburner, J., Friston, K. J. Unified segmentation. NeuroImage. 26 (3), 839-851 (2005).
  36. Desikan, R. S. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest. NeuroImage. 31 (3), 968-980 (2006).
  37. Hua, K. Tract probability maps in stereotaxic spaces: Analyses of white matter anatomy and tract-specific quantification. NeuroImage. 39 (1), 336-347 (2008).
  38. Eickhoff, S. B., et al. A new SPM toolbox for combining probabilistic cytoarchitectonic maps and functional imaging data. NeuroImage. 25 (4), 1325-1335 (2005).
  39. Ricci, P. E., Burdette, J. H., Elster, A. D., Reboussin, D. M. A comparison of fast spin-echo, fluid-attenuated inversion-recovery, and diffusion-weighted MR imaging in the first 10 days after cerebral infarction. American Journal of Neuroradiology. 20 (8), 1535-1542 (1999).
  40. Eastwood, J. D., Engelter, S. T., MacFall, J. F., Delong, D. M., Provenzale, J. M. Quantitative assessment of the time course of infarct signal intensity on diffusion-weighted images. American Journal of Neuroradiology. 24 (4), 680-687 (2003).
  41. Wardlaw, J. M. What is a lacune?. Stroke. 39, 2921-2922 (2008).
  42. Kate, M. P. Dynamic Evolution of Diffusion-Weighted Imaging Lesions in Patients With Minor Ischemic Stroke. Stroke: a Journal of Cerebral Circulation. 46, 2318-2341 (2015).
  43. Inoue, M. Early diffusion-weighted imaging reversal after endovascular reperfusion is typically transient in patients imaged 3 to 6 hours after onset. Stroke. 45, 1024-1028 (2014).
  44. Campbell, B. C. V. The infarct core is well represented by the acute diffusion lesion: Sustained reversal is infrequent. Journal of Cerebral Blood Flow and Metabolism. 32 (1), (2012).
  45. Sperber, C., Karnath, H. O. On the validity of lesion-behaviour mapping methods. Neuropsychologia. 115, 17-24 (2018).
  46. Hillis, A. E., et al. Restoring Cerebral Blood Flow Reveals Neural Regions Critical for Naming. Journal of Neuroscience. 26 (31), 8069-8073 (2006).
  47. Wilke, M., de Haan, B., Juenger, H., Karnath, H. O. Manual, semi-automated, and automated delineation of chronic brain lesions: A comparison of methods. NeuroImage. 56 (4), 2038-2046 (2011).
  48. Zhang, R., et al. Automatic Segmentation of Acute Ischemic Stroke From DWI Using 3-D Fully Convolutional DenseNets. IEEE Transactions on Medical Imaging. 37 (9), 2149-2160 (2018).
  49. Biesbroek, J. M., et al. Distinct anatomical correlates of discriminability and criterion setting in verbal recognition memory revealed by lesion-symptom mapping. Human Brain Mapping. 36 (4), 1292-1303 (2015).
  50. Biesbroek, J. M., van Zandvoort, M. J. E., Kappelle, L. J., Velthuis, B. K., Biessels, G. J., Postma, A. Shared and distinct anatomical correlates of semantic and phonemic fluency revealed by lesion-symptom mapping in patients with ischemic stroke. Brain Structure & Function. 221 (4), 2123-2134 (2016).
  51. Ten Brink, F. A., et al. The right hemisphere is dominant in organization of visual search-A study in stroke patients. Behavioural Brain Research. 304, 71-79 (2016).
  52. Pluim, J. P. W., Maintz, J. B. A. A., Viergever, M. A. Mutual-information-based registration of medical images: A survey. IEEE Transactions on Medical Imaging. 22 (8), 986-1004 (2003).
  53. Zhao, L., et al. The additional contribution of white matter hyperintensity location to post-stroke cognitive impairment: Insights from a multiple-lesion symptom mapping study. Frontiers in Neuroscience. 12 (MAY), (2018).

Reprints and Permissions

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

Request Permission

Explore More Articles

151

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Research

Education

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved