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

يتم تقديم خط أنابيب موحد لفحص مورفومتريا المادة الرمادية المخيخية. يجمع خط الأنابيب بين الأساليب الحديثة عالية الدقة لتحسين وأتمتة تقسيم المخيخ والتسجيل القائم على الفوكسل للمخيخ من أجل القياس الكمي الحجمي.

Abstract

توفر خطوط متعددة من الأبحاث أدلة دامغة على دور المخيخ في مجموعة واسعة من الوظائف المعرفية والعاطفية ، والتي تتجاوز بكثير ارتباطها التاريخي بالتحكم الحركي. وقد زادت دراسات التصوير العصبي الهيكلية والوظيفية من تحسين فهم التشريح العصبي الوظيفي للمخيخ بما يتجاوز تقسيماته التشريحية ، مما يسلط الضوء على الحاجة إلى فحص الوحدات الفرعية المخيخية الفردية في التباين الصحي والأمراض العصبية. تقدم هذه الورقة خط أنابيب موحدا لفحص قياس المادة الرمادية المخيخية الذي يجمع بين النهج عالية الدقة والحديثة لتقسيم المخيخ الأمثل والآلي (التقسيم التشريحي التلقائي للمخيخ باستخدام U-Net Limited Optimization; ACAPULCO) والتسجيل القائم على voxel للمخيخ (قالب تحت الأرض غير متحيز مكانيا; SUIT) للقياس الكمي الحجمي.

وينطبق خط الأنابيب على نطاق واسع على مجموعة من الأمراض العصبية وهو مؤتمت بالكامل، مع التدخل اليدوي المطلوب فقط لمراقبة جودة المخرجات. خط الأنابيب متاح مجانا ، مع وثائق مصاحبة كبيرة ، ويمكن تشغيله على أنظمة التشغيل Mac و Windows و Linux. يتم تطبيق خط الأنابيب في مجموعة من الأفراد المصابين برنح فريدريش (FRDA) ، ويتم تقديم نتائج تمثيلية ، بالإضافة إلى توصيات بشأن التحليلات الإحصائية الاستدلالية على مستوى المجموعة. يمكن أن يسهل خط الأنابيب هذا الموثوقية والتكرار عبر الميدان ، مما يوفر في نهاية المطاف نهجا منهجيا قويا لتوصيف وتتبع التغيرات الهيكلية المخيخية في الأمراض العصبية.

Introduction

المخيخ هو جزء من الدماغ يرتبط تاريخيا بالتحكم الحركي1،2،3 ويعتقد أنه يشارك بشكل متكامل في مجموعة صغيرة فقط من الأمراض النادرة ، مثل الرنح الموروث4. ومع ذلك ، فإن الخطوط المتقاربة للبحوث من دراسات التتبع التشريحي في الرئيسيات غير البشرية ، وكذلك دراسات الآفات البشرية والتصوير العصبي ، توفر أدلة دامغة على دور المخيخ في مجموعة واسعة من المعرفي5،6،7 ، والعاطفي8،9،10،11 ، وغيرها من الوظائف غير الحركية 7،12 (انظر 6  للمراجعة). علاوة على ذلك ، فإن تشوهات المخيخ متورطة بشكل متزايد في مجموعة واسعة من الاضطرابات العصبية والنفسية ، بما في ذلك مرض باركنسون13 ، ومرض الزهايمر 14،15 ، والصرع 16،17 ، والفصام 18 ، واضطراب طيف التوحد 19 . لذلك ، أصبح من الضروري دمج المخيخ في النماذج الوظيفية والهيكلية لأمراض الدماغ البشري والتباين السلوكي المعياري.

تشريحيا ، يمكن تقسيم المخيخ على طول محوره العلوي إلى المحور السفلي إلى ثلاثة فصوص: الأمامي والخلفي والفلوكولونودول. تنقسم الفصوص أيضا إلى 10 فصيصات يشار إليها بالأرقام الرومانية I-X20,21 (الشكل 1). يمكن أيضا تجميع المخيخ في مناطق خط الوسط (vermis) والجانبية (نصف الكرة الأرضية) ، والتي تتلقى على التوالي مدخلات من الحبل الشوكي والقشرة الدماغية. الفص الأمامي ، الذي يتكون من الفصيصات I-V ، ارتبط تقليديا بالعمليات الحركية وله روابط متبادلة مع القشرة الحركية الدماغية22. يرتبط الفص الخلفي ، الذي يتكون من الفصيصات VI-IX ، في المقام الأول بالعمليات غير الحركية11 وله روابط متبادلة مع قشرة الفص الجبهي ، والجدارية الخلفية ، والقشرة الدماغية الصدغية العليا 8,23. وأخيرا ، فإن الفص اللبد ، الذي يضم الفص اللصيص X ، له روابط متبادلة مع النوى الدهليزية التي تحكم حركات العين وتوازن الجسم أثناء الوقوف والمشي21.

أدت مجموعة متزايدة من الأعمال الحديثة باستخدام التصوير العصبي الوظيفي إلى تحسين فهم التشريح العصبي الوظيفي للمخيخ بما يتجاوز أقسامه التشريحية. على سبيل المثال ، تم استخدام تقنيات التصوير بالرنين المغناطيسي الوظيفي لحالة الراحة (fMRI) لرسم خريطة لنمط التفاعلات الوظيفية بين المخيخ والدماغ24. بالإضافة إلى ذلك ، باستخدام نهج التقسيم القائم على المهام ، أظهر كينغ وزملاؤه7 أن المخيخ يظهر نمطا غنيا ومعقدا من التخصص الوظيفي عبر اتساعه ، كما يتضح من الحدود الوظيفية المتميزة المرتبطة بمجموعة متنوعة من المهام الحركية والعاطفية والاجتماعية والمعرفية. وتسلط هذه الدراسات مجتمعة الضوء على أهمية فحص الوحدات الفرعية المخيخية الفردية لتطوير توصيفات بيولوجية كاملة لمشاركة المخيخ في كل من التباين الصحي والأمراض العصبية التي تتميز بتغيرات في بنية المخيخ و/أو وظيفته.

يركز هذا العمل على طرق قياس التغيرات المحلية في حجم المخيخ باستخدام التصوير بالرنين المغناطيسي الهيكلي في البشر. بشكل عام ، هناك طريقتان أساسيتان لتحديد حجم الدماغ الإقليمي باستخدام بيانات التصوير بالرنين المغناطيسي: التجزئة القائمة على الميزات والتسجيل القائم على voxel. وتستخدم نهج التجزئة القائمة على الميزات المعالم التشريحية والأطالس الموحدة لتحديد الحدود بين المناطق دون الإقليمية تلقائيا. تشمل حزم البرامج الرئيسية للتجزئة FreeSurfer 25 و BrainSuite26 و FSL-FIRST27. ومع ذلك ، فإن هذه الحزم لا توفر سوى أجزاء خشنة من المخيخ (على سبيل المثال ، وضع علامات على المادة الرمادية بأكملها والمادة البيضاء بأكملها في كل نصف كرة أرضية) ، وبالتالي تغفل الفصيصات المخيخية الفردية. هذه الأساليب عرضة أيضا لسوء التقسيم ، وخاصة الإفراط في إدراج الأوعية الدموية المحيطة.

تم تطوير خوارزميات جديدة للتعلم الآلي ووضع العلامات متعددة الأطلس ، والتي توفر تقسيما أكثر دقة ودقة للمخيخ ، بما في ذلك التصنيف التلقائي لخوارزمية الفصيصات المخيخية باستخدام التطور الضمني متعدد الحدود (ACCLAIM28,29) ، ومجموعة أدوات تحليل المخيخ (CATK 30) ، والقوالب المتعددة التي يتم إنشاؤها تلقائيا (MAGeT 31) ، والتقسيم التلقائي السريع للمخيخ البشري وفصيصاته (RASCAL 32 )، تجزئة الرسم البياني33، وتجزئة CEREbellum (CERES34). في ورقة بحثية حديثة تقارن بين أحدث أساليب تقسيم المخيخ المؤتمتة بالكامل ، وجد أن CERES2 يتفوق على النهج الأخرى المتعلقة بالتقسيم اليدوي القياسي الذهبي لفصيصات المخيخ35. في الآونة الأخيرة ، طور هان وزملاؤه36 خوارزمية للتعلم العميق تسمى ACAPULCO (التقسيم التشريحي التلقائي للمخيخ باستخدام U-Net مع التحسين المقيد محليا) ، والتي تعمل على قدم المساواة مع CERES2 ، ولها قابلية تطبيق واسعة على كل من المخيخ الصحي والضموري ، وهي متوفرة في تنسيق حاوية Docker و Singularity مفتوح المصدر للتنفيذ "الجاهز" ، وهي أكثر كفاءة من حيث الوقت من الأساليب الأخرى. تقوم أكابولكو تلقائيا بتقسيم المخيخ إلى 28 منطقة تشريحية.

على النقيض من التجزئة القائمة على الميزات ، تعمل مناهج التسجيل القائمة على voxel عن طريق تعيين التصوير بالرنين المغناطيسي بدقة إلى صورة قالب. لتحقيق هذا التعيين ، يجب تشويه voxels في الصورة الأصلية في الحجم والشكل. يوفر حجم هذا التشويه بشكل فعال مقياسا للحجم في كل فوكسل بالنسبة للقالب القياسي الذهبي. يعرف هذا النوع من التقييم الحجمي باسم "morphometry القائم على voxel"37. تستخدم أساليب التسجيل القائمة على فوكسل الدماغ بالكامل ، مثل FSL-FLIRT38 / FNIRT39 ، وتجزئة SPM الموحدة40 ، و CAT1241 ، بشكل شائع في المورفومترية القائمة على الفوكسل. ومع ذلك ، فإن هذه الأساليب لا تأخذ في الاعتبار بشكل جيد المخيخ ، مما يؤدي إلى ضعف الموثوقية والصلاحية في المناطق تحت الحمراء (المخيخ ، جذع الدماغ42). لحساب هذه القيود ، تم تطوير خوارزمية SUIT (قالب تحت منحاز مكانيا) لتحسين تسجيل المخيخ وتحسين دقة مورفومتريا القائم على فوكسل42,43.

وتنطوي نهج التقسيم القائمة على الميزات ونهج التسجيل القائمة على الفوكسل لتقدير حجم المخيخ الإقليمي على نقاط قوة وضعف أساسية. تعتبر مناهج التجزئة أكثر دقة بكثير لتحديد حجم المناطق المحددة تشريحيا (على سبيل المثال ، الفصيصات35). ومع ذلك ، فإن الحدود بين الوحدات الوظيفية المتميزة للمخيخ لا ترسم خريطة على folia التشريحية والشقوق (أي ما يعادل gyri و sulci من الدماغ7). وبما أن النهج القائمة على التسجيل ليست مقيدة بالمعالم التشريحية، فإن الاستدلال المكاني الأكثر دقة ورسم خرائط وظيفة البنية عالية الأبعاد للمخيخ أمر ممكن44. إذا أخذنا نهج التقسيم والتسجيل معا ، فإنهما مكملان لبعضهما البعض ويمكن استخدامهما للإجابة على أسئلة البحث المختلفة.

هنا ، يتم تقديم خط أنابيب موحد جديد ، والذي يدمج هذه النهج الحالية التي تم التحقق من صحتها لتوفير التقسيم الأمثل والآلي (ACAPULCO) والتسجيل القائم على الفوكسل للمخيخ (SUIT) للقياس الكمي الحجمي (الشكل 2). يعتمد خط الأنابيب على النهج المعمول بها لتشمل بروتوكولات مراقبة الجودة ، باستخدام التصور النوعي والكشف الكمي عن القيم المتطرفة ، وطريقة سريعة للحصول على تقدير للحجم داخل الجمجمة (ICV) باستخدام Freesurfer. خط الأنابيب مؤتمت بالكامل ، مع التدخل اليدوي المطلوب فقط للتحقق من مخرجات مراقبة الجودة ، ويمكن تشغيله على أنظمة التشغيل Mac و Windows و Linux. خط الأنابيب متاح مجانا دون أي قيود على استخدامه لأغراض غير تجارية ويمكن الوصول إليه من صفحة الويب الخاصة ببروتوكولات التصوير ENIGMA Consortium (تحت عنوان "ENIGMA Cerebellum Volumetrics Pipeline") ، بعد الانتهاء من نموذج تسجيل موجز45.

يتم سرد جميع البرامج المطلوبة في جدول المواد ، وتتوفر برامج تعليمية مفصلة ، بما في ذلك عرض توضيحي مباشر ، عند تنزيل خط الأنابيب ، بالإضافة إلى البروتوكول الموضح أدناه. وأخيرا، يتم تقديم نتائج تمثيلية، من تنفيذ خط الأنابيب في مجموعة من الأشخاص المصابين برنح فريدريش (FRDA) والضوابط الصحية المطابقة للعمر والجنس، إلى جانب توصيات للتحليلات الاستدلالية الإحصائية على مستوى المجموعة.

Protocol

ملاحظة: كانت البيانات المستخدمة في هذه الدراسة جزءا من مشروع وافقت عليه لجنة أخلاقيات البحوث البشرية بجامعة موناش (المشروع 7810). وقدم المشاركون موافقة خطية مستنيرة. في حين يمكن تشغيل خط الأنابيب على أنظمة تشغيل Mac أو Windows أو Linux ، فقد تم اختبار خطوط أنابيب ACAPULCO و SUIT و QC صراحة على أنظمة تشغيل Linux (Ubuntu) و Mac (Catalina و Big Sur v11.0.1).

1. الوحدة الأولى: أكابولكو (التقسيم التشريحي)

  1. جمع البيانات
    1. جمع صور التصوير بالرنين المغناطيسي 3D T1 المرجحة للدماغ كله بدقة 1 مم3 أو أقل. يوصى باستخدام أبعاد فوكسل متساوية الخواص (عادة 1 مم × 1 مم × 1 مم) ، وماسح ضوئي 3-Telsa (أو أكبر). استشر أخصائي التصوير في مركز التصوير الشعاعي الخاص بهم لإعداد والحصول على البيانات التي تلبي هذه المواصفات.
      ملاحظة: تكون الصور المرجحة T2 مفيدة في بعض الأحيان للتحليلات الحجمية. ومع ذلك ، يعتمد خط الأنابيب المعروض هنا على البيانات المرجحة T1 فقط ، وبعض الأدوات المستخدمة حصرية لهذا النوع من البيانات. على هذا النحو ، لا يمكن استخدام الصور المرجحة T2.
    2. إجراء تقييم للجودة البصرية للصور لاستبعاد التشوهات المخيخية الإجمالية (مثل الآفات الكبيرة) أو القطع الأثرية المتحركة الكبيرة التي تمنع تحديد المعالم المخيخية الرئيسية (على سبيل المثال، الشقوق التشريحية الرئيسية). لا تستبعد تلقائيا المخ الضموري ، حتى لو كان كبيرا.
    3. بالنسبة للدراسات الجماعية ، فكر أيضا في تقييمات الجودة الكمية باستخدام أدوات موحدة متاحة مجانا مثل MRIQC46 لزيادة تحديد البيانات الإشكالية.
    4. قم بتحويل كافة البيانات إلى تنسيق NIFTI-GZ باستخدام أداة مثل dcm2niix47.
  2. تنظيم البيانات الموصى به
    1. الحصول على جميع البرامج اللازمة كما هو مدرج في جدول المواد. تأكد من تثبيت Docker48 أو Singularity49 وMatlab50 وSPM1251 قبل تشغيل خط الأنابيب.
      ملاحظة: تتوفر أيضا دروس مكتوبة وفيديو مكثفة تصف خط الأنابيب (انظر جدول المواد).
    2. بمجرد تثبيت جميع البرامج الضرورية ، قم بإنشاء مجلدات في دليل العمل وقم بتسميتها "acapulco" و "suit" و "freesurfer". قم بذلك باستخدام الأمر mkdir من سطر الأوامر.
    3. في دليل "acapulco" ، قم بإنشاء مجلد إخراج . في مجلد المخرجات ، قم بإنشاء دليل لكل موضوع في الدراسة يحتوي على الصورة الموزونة T1 بتنسيق NIFTI-GZ.
      ملاحظة: يوصى بالاحتفاظ بنسخة من البيانات الأصلية في مكان آخر.
  3. تقسيم المخيخ التشريحي باستخدام أكابولكو
    1. انتقل إلى جدول المواد وقم بتنزيل البرامج النصية والحاويات ذات الصلة المطلوبة لتشغيل ACAPULCO (ضمن ملفات خط أنابيب acapulco). في دليل "acapulco" ، ضع (i) حاوية ACAPULCO Docker أو Singularity ("acapulco_0.2.1.tar.gz" أو ".sif" ، (ii) محتويات أرشيف QC_scripts (3 ملفات: "QC_Master.R" و "QC_Plots.Rmd" و "QC_Image_Merge.Rmd") ، و (iii) "R.sif" (التفرد) أو "calculate_icv.tar" (docker).
    2. افتح محطة طرفية، ومن سطر الأوامر، قم بتشغيل حاوية ACAPULCO على صورة واحدة (استبدل <<الموضوع>> في ما يلي). انتظر لمدة 5 دقائق تقريبا حتى تكتمل المعالجة.
      1. باستخدام Docker، اكتب الأمر:
        تحميل عامل الرصيف --acapulco_0.2.1.tar.gz
        docker run -v $PWD:$PWD -w $PWD -t --user $(id -u):$(id -g) --rm acapulco:latest -i output/<>/<>.nii.gz -o output/<>
      2. باستخدام التفرد، اكتب الأمر:
        تشغيل التفرد --cleanenv -B $PWD:$PWD acapulco-0.2.1.sif -i الإخراج/<<الموضوع>>/<<الموضوع>>.nii.gz -o الإخراج/<<الموضوع>>
    3. حلقة عبر جميع الموضوعات / المسح الضوئي في المجموعة. راجع جدول المواد للحصول على رابط إلى موقع بروتوكولات التصوير ENIGMA لتنزيل خط الأنابيب (ضمن خط أنابيب ENIGMA Cerebellum Volumetrics) والدليل التعليمي الذي يحتوي على أمثلة حول كيفية إنشاء حلقة لمعالجة مواضيع متعددة بشكل متسلسل.
    4. بعد المعالجة، ابحث عن الملفات التالية التي تم إنشاؤها في المجلدات الخاصة بالموضوع:
      1. تحديد "<الموضوع>_n4_mni_seg_post_inverse.nii.gz": قناع مخيخي مجزأ في الأصل (مساحة الموضوع).
      2. تحديد "<الموضوع>_n4_mni_seg_post_volumes.csv": الأحجام (بالملم3) لكل وحدة من الوحدات الفرعية ال 28 التي تولدها أكابولكو؛
      3. حدد الصور التمثيلية (في دليل "الصور"): السهمية والمحورية والإكليلية.
  4. الكشف الإحصائي عن القيم المتطرفة ومراقبة الجودة (QC)
    1. من المحطة الطرفية وفي دليل "acapulco" ، تأكد من أن محتويات QC_scripts موجودة في دليل "acapulco". لتشغيل البرامج النصية لمراقبة الجودة:
      1. باستخدام Docker، اكتب الأمر:
        calculate_icv.tar تحميل رصيف الميناء
        docker run -v $PWD:$PWD -w $PWD --rm -it luhancheng/calculate_icv:latest Rscript
        QC_Master.R الإخراج/
      2. باستخدام التفرد، اكتب الأمر:
        التفرد التنفيذي -B $PWD:$PWD R.sif Rscript /path/to/QC_Master.R /path/to/acapulco/output
  5. فحص صور مراقبة الجودة التي تم إنشاؤها بواسطة ACAPULCO
    ملاحظة: هناك عملية من 3 خطوات للتحقق من جودة الصور المجزأة من ACAPULCO.
    1. افتح "QC_Images.html" في متصفح الويب وقم بالتمرير بسرعة (~ 10 ثوان لكل موضوع) عبر الصور لتحديد حالات الفشل الواضحة أو المشكلات المنهجية. لاحظ معرفات الموضوع للصور المجزأة الفاشلة أو المشبوهة للمتابعة.
      ملاحظة: انظر الشكل 3 للحصول على دليل حول التشريح العصبي لفصيصات المخيخ والشكل 4 والشكل 5 والشكل 6 في قسم النتائج التمثيلية أدناه للحصول على أمثلة على التقسيمات "الجيدة" و "الفصيصات الخاطئة الدقيقة" و "الفشل العالمي".
    2. افتح "Plots_for_Outliers.html" لتحديد المربعمخططات للقيم الإحصائية الكمية المتطرفة. ابحث عن القيم المتطرفة (2.698 s.d أعلى أو تحت المتوسط) أعلى أو أسفل شعيرات قطع الأراضي الصندوقية. مرر مؤشر الماوس فوق نقاط البيانات لعرض معرف الموضوع. حدد القيم المتطرفة المشار إليها ب "1" في العمود ذي الصلة في ملف "القيم المتطرفة.csv"، ولاحظ العدد الإجمالي للشرائح المحددة كقيم شاذة لكل موضوع في العمود الأخير في "القيم المتطرفة.csv".
    3. افحص يدويا كل صورة تحتوي على واحد أو أكثر من القيم المتطرفة. حرج: باستخدام عارض صور NIFTI قياسي (على سبيل المثال، FSLEyes أو MRICron)، تراكب قناع ACAPULCO على صورة T1w الأصلية للتحقق من جودة تقسيم الشريحة شريحة إلى شريحة.
      1. لإنشاء تراكبات لمراقبة الجودة التفصيلية من سطر الأوامر باستخدام FSLEyes ، i) قم بتغيير الدليل إلى دليل "acapulco" ، ii) حدد الموضوع المراد عرضه (استبدل <الموضوع>):
        subj =
      2. نسخ/لصق التعليمة البرمجية التالية إلى المحطة الطرفية (دون تغيير {subj} يدويا حيث تم تعيين ذلك بواسطة السطر السابق:
        t1_image=output/${subj}/${subj}.nii.gz
        acapulco_image=output/${subj}/${subj}_n4_mni_seg_post_inverse.nii.gz
        fsleyes ${t1_image} ${acapulco_image} --تراكب تسمية النوع --lut random_big --مخطط تفصيلي-العرض 3 ${acapulco_image} --حجم التراكب --alpha 50 --cmap عشوائي
        ملاحظة: يجب اتخاذ قرار بشأن ما إذا كان سيتم تضمين الجزء غير الطبيعي أم لا ، أي هل هناك خطأ في التقسيم ، أم أنه مجرد تباين طبيعي في تشريح الفرد؟ يتم النظر في كل منطقة مجزأة بشكل فردي ، لذلك يمكن استبعاد بعض المناطق للحصول على صورة ، بينما يمكن الاحتفاظ بالباقي إذا كان صحيحا.
      3. هل يلزم استبعاد منطقة واحدة أو أكثر من المناطق المجزأة من مجموعة البيانات النهائية؟
        إذا كانت الإجابة بنعم (تم تأكيد القيم المتطرفة)، فاستبعد هذا التقسيم (التقسيمات) من التحليل عن طريق استبدال تقدير الحجم ب NA في الخلية المقابلة من ملف "Cerebel_vols.csv" لهذا الموضوع.
      4. هل تؤدي أخطاء التقسيم إلى استبعاد بعض المخيخ من القناع؟
        إذا كانت الإجابة بنعم (على سبيل المثال ، إذا كانت فصيصات مخيخية معينة مفقودة من القناع أو تظهر "مقطوعة") ، فقم على الفور باستبعاد الموضوع من مزيد من التحليلات (أي ، لا تشرع في تشغيل وحدة SUIT حول هذه المواضيع).

2. الوحدة 2: SUIT المخيخ الأمثل القائم على voxel morphometry

  1. تحليلات مورفومتريا المستندة إلى Voxel باستخدام SUIT
    حرج: يتطلب خط الأنابيب هذا تشغيل وحدة ACAPULCO بالفعل ، حيث يعتمد على إنشاء قناع مخيخي خاص بالموضوع لتحسين تسجيل المخيخ وتطبيعه في قالب SUIT. إذا كان القناع الخاص بالموضوع الذي تم إنشاؤه بواسطة ACAPULCO لا يتضمن المخيخ بأكمله ، فإن هذا يضمن الاستبعاد من وحدة SUIT. للحصول على إرشادات حول تشغيل SUIT بشكل مستقل، راجع52.
    1. الحصول على جميع البرامج اللازمة المدرجة في جدول المواد. تأكد من وجود المجلد SPM12 وكافة المجلدات الفرعية في مسار MATLAB. تأكد من حفظ البرامج النصية enigma_suit في دليل "spm12/toolbox" وإضافتها إلى مسار MATLAB. للتحقق من مسار MATLAB، اكتب pathtool في نافذة أوامر MATLAB، ثم انقر على إضافة مع مجلدات فرعية لإضافة المجلدات ذات الصلة.
    2. قم بتشغيل خط أنابيب SUIT لموضوع واحد أو أكثر. انتظر لمدة ~ 15-20 دقيقة (إذا كنت تستخدم واجهة المستخدم الرسومية [GUI]) و ~ 5-7 دقائق إذا كنت تعمل من المحطة الطرفية (bash / shell) لإكمال المعالجة.
      1. لاستخدام واجهة المستخدم الرسومية (سيتم تشغيل الموضوعات بالتسلسل)، من نافذة أوامر MATLAB، اكتب الأمر:
        suit_enigma_all
      2. في النافذة المنبثقة الأولى ، حدد مجلدات الموضوع من دليل "acapulco / output" لتضمينها في التحليل. انقر فوق المجلدات الفردية على الجانب الأيمن من النافذة ، أو انقر بزر الماوس الأيمن فوق كل شيء. اضغط على تم. في النافذة المنبثقة الثانية ، حدد دليل SUIT ، حيث ستتم كتابة التحليلات.
      3. أو استدعاء الدالة من سطر الأوامر MATLAB لموضوع واحد، اكتب الأمر:
        suit_enigma_all('/مسار/إلى/أكابولكو/إخراج/subjdir','/مسار/إلى/suitoutputdir')
      4. أو استدعاء الدالة من النافذة الطرفية، خارج MATLAB، لموضوع واحد عن طريق كتابة الأمر:
        matlab -nodisplay -nosplash -r "suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir'), exit"
    3. راجع جدول المواد للحصول على رابط إلى موقع بروتوكولات التصوير ENIGMA لتنزيل خط الأنابيب (ضمن خط أنابيب ENIGMA Cerebellum Volumetrics) والدليل التعليمي الذي يحتوي على أمثلة حول كيفية إنشاء حلقة لمعالجة مواضيع متعددة بشكل متسلسل.
    4. ابحث عن النقاط التالية المتعلقة بالبرنامج النصي.
      1. تأكد من أن البرنامج النصي ينسخ صورة T1 التي تم تصحيحها بالتحيز N4 ومحاذاة MNI (الجسم الصلب) وقناع المخيخ ACAPULCO في دليل الإخراج.
      2. تأكد من أن البرنامج النصي يقسم المادة الرمادية والبيضاء من المخيخ.
      3. تأكد من تصحيح البرنامج النصي لأخطاء التضمين الزائد في التقسيم باستخدام قناع ACAPULCO.
      4. تأكد من أن البرنامج النصي DARTEL يقوم بتطبيع البيانات وإعادة تقسيمها إلى مساحة SUIT باستخدام التعديل اليعقوبي بحيث تتناسب قيمة كل فوكسل مع حجمه الأصلي.
      5. تحقق من مجلد كل موضوع بحثا عن المخرجات النهائية التالية: "wd_seg1.nii" (المادة الرمادية) و "wd_seg2.nii" (المادة البيضاء).
  2. الكشف عن القيم الشاذة الإحصائية ومراقبة الجودة
    1. افحص بصريا الصور العادية المعدلة (wd*) بحثا عن حالات الفشل الرئيسية. في MATLAB، اكتب الأمر:
      spm_display_4D
    2. حدد يدويا صور "wd * seg1" من المجلدات الفرعية للبدلة ، أو انتقل إلى دليل "البدلة" ؛ أدخل "^wd.*seg1" في مربع التصفية (بدون عروض أسعار) واضغط على زر Rec . اضغط على تم.
    3. قم بالتمرير عبر الصور للتأكد من محاذاتها جميعا بشكل جيد. انظر الشكل 7 للحصول على صور طبيعية بشكل صحيح من عناصر التحكم السليمة (A ، B) وفرد يعاني من مخيخ ضامر بشدة (D).
      ملاحظة: في هذه المرحلة ، يكون التشريح بين الموضوعات مشابها جدا (حيث تم تسجيلها في نفس القالب) ، ويتم ترميز اختلافات الحجم بدلا من ذلك بواسطة كثافات voxel مختلفة. ستكون الإخفاقات الرئيسية واضحة ، على سبيل المثال ، الصور الفارغة ، والمساحات الكبيرة من الأنسجة المفقودة ، وتدرجات الكثافة غير العادية (أي الفوكسل الساطع في الأعلى ، والفوكسل الداكن في الأسفل). يجب استبعاد هذه الصور من الخطوات اللاحقة.
    4. تحقق من التباين المكاني المشترك للقيم المتطرفة. في MATLAB، اكتب الأمر:
      check_spatial_cov
      1. حدد صور "wd * seg1" وفقا للخطوة السابقة. عند المطالبة، حدد الخيارات التالية: قياس الدعامة: نعم; متغير للاختلاف: لا. شريحة (مم): - 48 ، الفجوة: 1.
      2. انظر إلى مخطط الصندوق الذي يعرض متوسط التباين المكاني لكل صورة بالنسبة لجميع الصور الأخرى في العينة. حدد نقاط البيانات التي >2s.d. أقل من المتوسط في نافذة الأمر MATLAB. بالنسبة لهذه ، افحص صورة "_n4_mni.nii.gz" في مجلد SUIT بحثا عن القطع الأثرية (الحركة أو التشوهات التشريحية) أو مشكلات جودة الصورة أو أخطاء المعالجة المسبقة.
      3. إذا كانت جودة الصورة والمعالجة المسبقة مقبولة ولم يشر الفحص البصري للصور المعدلة في الخطوة السابقة إلى وجود مشكلة في التجزئة والتطبيع، فاحتفظ بهذه البيانات في العينة. وإلا، فقم باستبعاد هذه البيانات.

3. الوحدة 3 (اختياري): تقدير الحجم داخل الجمجمة (ICV) باستخدام FreeSurfer

ملاحظة: ستستخدم هذه الوحدة خط أنابيب FreeSurfer لحساب القيمة المحلية المضافة. لا تحتاج إلى إعادة تشغيلها إذا كانت هناك مخرجات Freesurfer موجودة للمجموعة (أي إصدار).

  1. إعداد FreeSurfer
    1. تأكد من تنزيل FreeSurfer وتثبيته53. انتقل إلى جدول المواد وقم بتنزيل البرامج النصية ذات الصلة لتشغيل هذه الوحدة (ضمن ملفات خط أنابيب القيمة المحلية المضافة). عند العمل مع FreeSurfer، قم بتعيين المتغيرات التالية:
      تصدير FREESURFER_HOME = دليل
      المصدر $FREESURFER_HOME/SetUpFreeSurfer.sh
    2. يستعاض عن <المسار> بما يلي:
      تصدير SUBJECTS_DIR = < المسار > / لغز / Freesurfer
  2. تشغيل Freesurfer autorecon1
    1. بالنسبة لموضوع واحد ، من داخل دليل "freesurfer" (وقت المعالجة ~ 20 دقيقة) ، اكتب الأمر:
      CD <مسار>/لغز/freesurfer
      recon-all -i .. /input/.nii.gz -s -autorecon1
    2. راجع دليل البرنامج التعليمي للحصول على أمثلة حول كيفية إنشاء حلقة لمعالجة مواضيع متعددة بشكل متسلسل.
  3. حساب القيمة المحلية المضافة
    1. تنظيم البيانات
      1. في دليل "freesurfer" ، ضع (i) حاوية Docker أو Singularity المستخدمة في الوحدة 1 ("calculate_icv.tar" أو "R.sif" ، على التوالي) و (ii) البرنامج النصي xfm2det (انظر جدول المواد). بعد ذلك ، قم باستنساخ git لاستنساخ البرنامج النصي ICV المطلوب:
        جيت استنساخ https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
    2. تشغيل استخراج القيمة المحلية المضافة (وقت المعالجة ~ 5 دقائق)
      1. من دليل "freesurfer" ، مع حاوية التفرد ("R.sif") ، اكتب:
        التفرد التنفيذي --cleanenv -B $PWD:$PWD R.sif calculate_icv/calculate_icv.py --freesurfer_dir=/path/to/freesurfer --acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv calculate_icv
      2. من دليل "freesurfer" ، مع حاوية عامل الرصيف ، اكتب:
        docker run -v $PWD:$PWD -w $PWD -rm -it luhancheng/calculate_icv:latest
        calculate_icv/calculate_icv.py --freesurfer_dir=/مسار/إلى/فريسيرفر --
        acapulco_dir=/مسار/إلى/أكابولكو/كيو سي/سيريبيلفولسفيل --output_csv_name=Cerebel_vols.csv
        calculate_icv
      3. تشغيل البرنامج النصي بدون حاوية - راجع جدول المواد للحصول على البرامج والتبعيات الإضافية المطلوبة. من دليل "freesurfer"، اكتب:
        ./calculate_icv/ calculate_icv.py ---freesurfer_dir=/مسار/إلى/فريسيرفر --
        acapulco_dir=/مسار/إلى/أكابولكو/كيو سي/سيريبلفولسفيل --
        output_csv_name=Cerebel_vols.csv calculate_icv
        ملاحظة: سيؤدي ذلك إلى حساب القيمة المحلية المضافة لكل موضوع وإلحاق عمود به القيمة المحلية المضافة بنهاية ملف "Cerebel_vols.csv".

النتائج

تقسيم المخيخ (ACAPULCO)

مراقبة جودة الأقنعة المخيخية المجزأة:
توضح الأمثلة التالية المخرجات المقسمة إلى ACAPULCO وتوجه عملية صنع القرار حول أ) جودة القناع المجزأ على المستوى الفردي و ب) الإدراج أو الاستبعاد اللاحق لفصيص (فصوص) معين من التحليلات الإحصائية. وفي نه?...

Discussion

المخيخ أمر بالغ الأهمية لمجموعة واسعة من الوظائف الحركية البشرية3 ، المعرفية 58 ، العاطفية10 ، واللغة 7,59 ومتورطة في العديد من الأمراض العصبية والنفسية. إن توافر نهج موحد وسهل التنفيذ لتحديد حجم المخيخ الإقليمي سيسهم في ...

Disclosures

وليس لدى المؤلفين أي تضارب في المصالح للإفصاح عنه.

Acknowledgements

تم تمويل العمل المقدم في هذه المخطوطة من قبل منحة أفكار المجلس الوطني الأسترالي للصحة والبحوث الطبية (NHMRC): APP1184403.

Materials

NameCompanyCatalog NumberComments
ACAPULCO pipeline files 0.2.1http://enigma.ini.usc.edu/protocols/imaging-protocols/Please make sure to use acapulco version 0.2.1
Docker for Machttps://docs.docker.com/desktop/mac/install/macOS must be version 10.14 or newer
Docker requires sudo priviledges
Docker imposes a memory (RAM) constraint on Mac OS. To increase the RAM, open Docker Desktop, go to Preferences and click on resources. Increase the Memory to the maximum
Docker for Windowshttps://docs.docker.com/docker-for-windows/install/
ENIGMA SUIT scriptshttp://enigma.ini.usc.edu/protocols/imaging-protocols/
FreeSurfer7https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstallFollowing variables need to be set everytime you work with Freesurfer:
export FREESURFER_HOME=figure-materials-984freesurfer _installation_directoryfigure-materials-1080
source $FREESURFER_HOME/SetUpFreeSurfer.sh
export SUBJECTS_DIR=figure-materials-1241pathfigure-materials-1307/enigma/Freesurfer
FSL (for FSLeyes). Optional6https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation
ICV pipeline fileshttp://enigma.ini.usc.edu/protocols/imaging-protocols/ICV pipeline can be run in two ways: 1) with docker/singularity. You will not require additionl software; 2) without docker/singularity- this involves running the ICV script (calculate_icv.py) manually. You will require the following additional software:
Python version figure-materials-1907=3.5
Python module pandas
Python module fire
Python module tabulate
Python module Colorama
https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
MATLAB*2019 or newerhttps://au.mathworks.com/An academic license is required
Singularity3.7 or newerhttps://www.sylabs.io/docs/Prefered for high performance computing (HPC) clusters
SPM12http://www.fil.ion.ucl.ac.uk/spm/software/spm12/Make sure spm12 and all subfolders are in your MATLAB path
SUIT Toolbox3.4http://www.diedrichsenlab.org/imaging/suit_download.htmMake sure you place SUIT toolbox in spm12/toolbox directory
Troubleshooting manual and segmentation output exampleshttp://enigma.ini.usc.edu/protocols/imaging-protocols/
Tutorial manual and videohttp://enigma.ini.usc.edu/protocols/imaging-protocols/Manual and accompanying live demonstration provide detailed step-by-step instructions on how to run the pipeline from start to finish.
*Not freely available; an academic license is required

References

  1. Holmes, G. The cerebellum of man (Hughlings Jackson memorial lecture). Brain. 62, 1-30 (1939).
  2. Ito, M. The modifiable neuronal network of the cerebellum. The Japanese Journal of Physiology. 34 (5), 781-792 (1984).
  3. Manto, M., Oulad Ben Taib, N. The contributions of the cerebellum in sensorimotor control: what are the prevailing opinions which will guide forthcoming studies. Cerebellum. 12 (3), 313-315 (2013).
  4. Manto, M., Gandini, J., Feil, K., Strupp, M. Cerebellar ataxias: an update. Current Opinion in Neurology. 33 (1), 150-160 (2020).
  5. Schmahmann, J. D. Disorders of the cerebellum: ataxia, dysmetria of thought, and the cerebellar cognitive affective syndrome. The Journal of Neuropsychiatry and Clinical Neurosciences. 16 (3), 367-378 (2004).
  6. Strick, P. L., Dum, R. P., Fiez, J. A. Cerebellum and nonmotor function. Annual Review of Neuroscience. 32, 413-434 (2009).
  7. King, M., Hernandez-Castillo, C. R., Poldrack, R. A., Ivry, R. B., Diedrichsen, J. Functional boundaries in the human cerebellum revealed by a multi-domain task battery. Nature Neuroscience. 22 (8), 1371-1378 (2019).
  8. Schmahmann, J. D. An emerging concept. The cerebellar contribution to higher function. Archives of Neurology. 48 (11), 1178-1187 (1991).
  9. Schmahmann, J. D., Sherman, J. C. The cerebellar cognitive affective syndrome. Brain. 121, 561-579 (1998).
  10. Schutter, D. J., van Honk, J. The cerebellum on the rise in human emotion. Cerebellum. 4 (4), 290-294 (2005).
  11. Stoodley, C. J., Schmahmann, J. D. Functional topography in the human cerebellum: a meta-analysis of neuroimaging studies. Neuroimage. 44 (2), 489-501 (2009).
  12. Guell, X., Gabrieli, J. D. E., Schmahmann, J. D. Triple representation of language, working memory, social and emotion processing in the cerebellum: convergent evidence from task and seed-based resting-state fMRI analyses in a single large cohort. Neuroimage. 172, 437-449 (2018).
  13. Lewis, M. M., et al. The role of the cerebellum in the pathophysiology of Parkinson's disease. The Canadian Journal of Neurological Sciences. 40 (3), 299-306 (2013).
  14. Möller, C., et al. Different patterns of gray matter atrophy in early- and late-onset Alzheimer's disease. Neurobiology of Aging. 34 (8), 2014-2022 (2013).
  15. Colloby, S. J., O'Brien, J. T., Taylor, J. P. Patterns of cerebellar volume loss in dementia with Lewy bodies and Alzheimer׳s disease: A VBM-DARTEL study. Psychiatry Research. 223 (3), 187-191 (2014).
  16. McDonald, C. R., et al. Subcortical and cerebellar atrophy in mesial temporal lobe epilepsy revealed by automatic segmentation. Epilepsy Research. 79 (2-3), 130-138 (2008).
  17. Marcián, V., et al. Morphological changes of cerebellar substructures in temporal lobe epilepsy: A complex phenomenon, not mere atrophy. Seizure. 54, 51-57 (2018).
  18. Nopoulos, P. C., Ceilley, J. W., Gailis, E. A., Andreasen, N. C. An MRI study of cerebellar vermis morphology in patients with schizophrenia: evidence in support of the cognitive dysmetria concept. Biological Psychiatry. 46 (5), 703-711 (1999).
  19. Stoodley, C. J. Distinct regions of the cerebellum show gray matter decreases in autism, ADHD, and developmental dyslexia. Frontiers in Systems Neuroscience. 8, 92 (2014).
  20. Larsell, O. The development of the cerebellum in man in relation to its comparative anatomy. The Journal of Comparative Neurology. 87 (2), 85-129 (1947).
  21. Haines, D. E., Mihailoff, G. A. The Cerebellum. Fundamental neuroscience for basic and clinical applications. 5th edn. , 394-412 (2018).
  22. Kelly, R. M., Strick, P. L. Cerebellar loops with motor cortex and prefrontal cortex of a nonhuman primate. Journal of Neuroscience. 23 (23), 8432-8444 (2003).
  23. Schmahmann, J. D., Pandya, D. N. Anatomical investigation of projections to the basis pontis from posterior parietal association cortices in rhesus monkey. The Journal of Comparative Neurology. 289 (1), 53-73 (1989).
  24. Buckner, R. L., Krienen, F. M., Castellanos, A., Diaz, J. C., Yeo, B. T. The organization of the human cerebellum estimated by intrinsic functional connectivity. Journal of Neurophysiology. 106 (5), 2322-2345 (2011).
  25. Fischl, B. FreeSurfer. Neuroimage. 62 (2), 774-781 (2012).
  26. Shattuck, D. W., Leahy, R. M. BrainSuite: an automated cortical surface identification tool. Medical Image Analysis. 6 (2), 129-142 (2002).
  27. Patenaude, B., Smith, S. M., Kennedy, D. N., Jenkinson, M. A Bayesian model of shape and appearance for subcortical brain segmentation. Neuroimage. 56 (3), 907-922 (2011).
  28. Bogovic, J. A., Bazin, P. L., Ying, S. H., Prince, J. L. Automated segmentation of the cerebellar lobules using boundary specific classification and evolution. Information Processing in Medical Imaging. 23, 62-73 (2013).
  29. Bogovic, J. A., Prince, J. L., Bazin, P. L. A Multiple object geometric deformable model for image segmentation. Computer Vision and Image Understanding: CVIU. 117 (2), 145-157 (2013).
  30. Price, M., Cardenas, V. A., Fein, G. Automated MRI cerebellar size measurements using active appearance modeling. Neuroimage. 103, 511-521 (2014).
  31. Chakravarty, M. M., et al. Performing label-fusion-based segmentation using multiple automatically generated templates. Humain Brain Mapping. 34 (10), 2635-2654 (2013).
  32. Weier, K., Fonov, V., Lavoie, K., Doyon, J., Collins, D. L. Rapid automatic segmentation of the human cerebellum and its lobules (RASCAL)--implementation and application of the patch-based label-fusion technique with a template library to segment the human cerebellum. Human Brain Mapping. 35 (10), 5026-5039 (2014).
  33. Yang, Z., et al. Automated cerebellar lobule segmentation with application to cerebellar structural analysis in cerebellar disease. Neuroimage. 127, 435-444 (2016).
  34. Romero, J. E., et al. CERES: A new cerebellum lobule segmentation method. Neuroimage. 147, 916-924 (2017).
  35. Carass, A., et al. Comparing fully automated state-of-the-art cerebellum parcellation from magnetic resonance images. Neuroimage. 183, 150-172 (2018).
  36. Han, S., Carass, A., He, Y., Prince, J. L. Automatic cerebellum anatomical parcellation using U-Net with locally constrained optimization. Neuroimage. 218, 116819 (2020).
  37. Ashburner, J., Friston, K. J. Voxel-based morphometry--the methods. Neuroimage. 11 (6), 805-821 (2000).
  38. Jenkinson, M., Smith, S. A global optimisation method for robust affine registration of brain images. Medical Image Analysis. 5 (2), 143-156 (2001).
  39. Andersson, J., Jenkinson, M., Smith, S. . Non-linear registration, aka spatial normalisation. Report No. TR07JA2. , (2010).
  40. Ashburner, J., Friston, K. J. Unified segmentation. Neuroimage. 26 (3), 839-851 (2005).
  41. Dahnke, R., Yotter, R. A., Gaser, C. Cortical thickness and central surface estimation. Neuroimage. 65, 336-348 (2013).
  42. Diedrichsen, J. A spatially unbiased atlas template of the human cerebellum. Neuroimage. 33 (1), 127-138 (2006).
  43. Diedrichsen, J., Balsters, J. H., Flavell, J., Cussans, E., Ramnani, N. A probabilistic MR atlas of the human cerebellum. Neuroimage. 46, 39-46 (2009).
  44. Harding, I. H., et al. Brain structure and degeneration staging in Friedreich ataxia: Magnetic resonance imaging volumetrics from the ENIGMA-Ataxia Working Group. Annals of Neurology. 90 (4), 570-583 (2021).
  45. MRIQC. Poldrack Lab, Stanford University Available from: https://mriqc.readthedocs.io/en/stable/ (2020)
  46. dcm2niix. Rorden Lab, University of South Carolina Available from: https://github.com/rordenlab/dcm2niix (2021)
  47. . Docker Available from: https://docs.docker.com/ (2021)
  48. Singularity. Sylabs Available from: https://sylabs.io/singularity (2021)
  49. MATLAB. The MathWorks, Inc Available from: https://au.mathworks.com/ (2021)
  50. Statistical parametric mapping SPM12. The Wellcome Centre for Human Neuroimaging Available from: https://www.fil.ion.ucl.ac.uk/spm/software/spm12/ (2020)
  51. . FreeSurfer download and install Available from: https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall (2020)
  52. Selvadurai, L. P., et al. Cerebral and cerebellar grey matter atrophy in Friedreich ataxia: the IMAGE-FRDA study. Journal of Neurology. 263 (11), 2215-2223 (2016).
  53. Schmahmann, J. D. The cerebellum and cognition. Neuroscience Letters. 688, 62-75 (2019).
  54. Diedrichsen, J., Zotow, E. Surface-based display of volume-averaged cerebellar imaging data. PLoS One. 10 (7), 0133402 (2015).
  55. Gottwald, B., Mihajlovic, Z., Wilde, B., Mehdorn, H. M. Does the cerebellum contribute to specific aspects of attention. Neuropsychologia. 41 (11), 1452-1460 (2003).
  56. Starowicz-Filip, A., et al. The role of the cerebellum in the regulation of language functions. Psychiatria Polska. 51 (4), 661-671 (2017).
  57. Guell, X., Schmahmann, J. D., Gabrieli, J., Ghosh, S. S. Functional gradients of the cerebellum. Elife. 7, 36652 (2018).

Reprints and Permissions

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

Request Permission

Explore More Articles

180

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