Name: brain morphology of cannabis users with or without psychosis: a pilot mri study
Uploaded: 2020-08-18T13:30:00.000+00:00
Duration: 7 min 30 s
Description: Watch this Scientific Journal Video about Brain Morphology of Cannabis Users With or Without Psychosis: A Pilot MRI Study at JoVE.com

为这项研究招募了10名CIP患者和12名NPCU。所有病人都是在意大利米兰大学波利利尼科医院向内精神病院招募的，而大麻使用者则被招募到米兰集水区。所有患者都在稳定的药理治疗。包括左手或右手参与者。所有参与者都有习惯性大麻消费，并测量了药物类型、频率和持续时间，以及依赖的社会人口、临床和社会心理参数。这项研究得到了当地道德委员会的批准。
1. 参与者
<ol><li>使用以下包容性标准:患者:18-45岁，大麻诱发性精神病的DSM-IV诊断，研究时和前6个月大量吸食大麻。对于NPCU:18-45岁，没有DSM-IV诊断，在研究时和过去6个月大量吸食大麻。</li>
	<li>使用以下排除标准:智力迟钝诊断、当前任何重大医疗或神经系统疾病、失去知觉的创伤性头部损伤史以及任何其他轴心I，包括酗酒或轴心II疾病和怀孕。验证精神症状不会在大麻使用开始前出现，也不会在停止急性戒断或严重中毒后持续相当长一段时间。验证没有重复的不存续相关情节的历史。</li>
	<li>要获得知情同意，请阅读给参与者的同意书。让参与者和调查员重复签署同意书。将同意书存储为记录。</li>
	<li>要评估 CIP 患者的诊断，请使用《精神障碍诊断和统计手册》第 4 版、文本修订 （DSM-IV-TR）27的诊断结构化临床访谈 （SCID-I）。</li>
	<li>要确定依赖的频率和持续时间，请使用手册进行儿童和青少年的半结构化临床访谈SCICA28。</li>
</ol>2. 临床和社会心理评估
注:对所有参与者进行了若干临床和社会心理评分。
<ol><li>要评估精神症状，请使用简要精神病评分表 （BPRS）29、年轻躁狂症评分表 （YMRS）30、蒙哥马利-格斯伯格抑郁症评分表 （MADRS）31、汉密尔顿抑郁症评分表 （HAM-D）32和汉密尔顿焦虑评分表 （HAM-A）33。</li>
	<li>要探索在产期期间或产后立即存在的创伤或感染，请使用默里-刘易斯产科并发症量表 （MLOCS）34。</li>
	<li>要评估忽视或虐待的经历，请使用儿童护理和虐待经验问卷（CECA-Q）35。</li>
	<li>要估计社会经济地位 （SES），请使用麦克阿瑟36的社会经济地位等级。</li>
	<li>使用邻里规模（NS）37 来评估邻里的具体特征，包括邻里满意度（NS-A）、安全感（NS-B）、退化程度（NS-C）、同胞们干预不利情况的意愿（NS-D）以及物质接受程度（NS-E）。</li>
	<li>使用气质和性格清单 （TCI-125） 来探索个性特征38，39。</li>
	<li>为了评估生活质量和全球功能，分别使用曼彻斯特生活质量短期评估 （MANSA）40 和生活质量指数 （QL 指数）41 和全球功能评估 （GAF）27 分。 注:所有社会人口和临床数据汇总在 表1中。</li>
</ol>3. 磁共振成像
<ol><li>将参与者插入 3 特斯拉 MRI 扫描仪床上的苏平位置。</li>
	<li>将射频 （RF） 线圈放在参与者的头上。</li>
	<li>提供耳塞和耳机来阻挡背景噪音。</li>
	<li>连接泡沫垫以固定头部。</li>
	<li>指示主体保持静止。</li>
	<li>从控制室的工作站运行 MRI 会话。<ol>
<li>运行 3 平面梯度回波扫描以实现对齐和定位，并执行闪烁程序以生成均匀、恒定的磁场。</li>
		<li>启动 MRI 的回声平面成像协议。获得高分辨率 T1 加权三维脑部扫描的采集参数已设置在成像程序中，不应更改。参数是:重复时间 [TR] = 9.8， 回声时间 [TE] = 4.6 ms， 在平面 voxel 大小 = 0.9375 × 0.9375， 矩阵 = 256 × 256， 翻转角度 = 8° .</li>
	</ol>
</li>
	<li>将参与者从 MR 扫描仪室中删除。将 MR 数据传输到磁盘并关闭会话。 注:总共有185个连续的1毫米下垂切片从小脑的下部延伸至覆盖大脑的大部分，这些切片是从下垂定位扫描中选择的。</li>
</ol>4. 预处理步骤
注:应使用 MATLAB 实施的统计参数映射 （SPM12） 进行基于 voxel 的形态学分析。
<ol><li>在进行组分析之前，执行 以下预处理步骤（如Script_pre处理 脚本文件中所示）。<ol>
<li>分割:处理结构图像，以区分和分离白质组织，灰质组织和脑脊液成不同的图像。这种分离是由于概率图的组合，根据组织分布的一般知识，结合模型集群分析，识别原始图像中特定组织的 voxel 分布而得出的。运行 段。mat 批量文件。</li>
		<li>DARTEL（通过显像利代数进行衍射解剖登记）工具:确定注册所有参与者的转基因和白质图像的非线性变形。运行 create_template.mat 批量文件。</li>
		<li>规范化:在空间正常化阶段，MRI 图像适应解剖标准模板。这是因为每个受试者的大脑形式和组织几乎没有差异，比如结构中的大小和形态差异。运行 normalize_to_MNI.mat 批次文件。</li>
		<li>空间平滑:运动校正后，在最大高斯内核的一半最大值下执行 6 mm 全宽的同位素高斯内核，以增加信号与噪声比，并考虑解剖结构的细微变化。运行 normalize_to_MNI.mat 批次文件。</li>
		<li>使用 SPM12 提取颅内总体积 （ICV），通过将 GM、白质和 CSF 类图像中的密度值相加，乘以 voxel 卷即可获得。 注:一旦完成预处理，就可以详细阐述数据。 注:请参阅 SPM 手册（https://www.fil.ion.ucl.ac.uk/spm/doc/spm12_manual.pdf），该手册详细描述了本研究中使用的预处理步骤和要使用的 SPM 命令。也请参阅补充材料中包含的脚本和 Matlab 批次，以及本研究使用的确切预处理步骤。</li>
	</ol>
</li>
</ol>5. 统计分析
<ol><li>执行奇方测试（分类变量）和两个样本 t 测试（定量变量），以探索两组在人口、临床和社会心理尺度上的差异。</li>
	<li>在通用线性模型 （GLM） 设计的背景下，对方差 （ANOVA） 进行单向分析，以比较 CIP 患者和 NPCU 之间的 GM 体积。性别和年龄在所有分析中都被用作控制变量。运行 单向 ANOVA 批次文件。</li>
	<li>仅对CIP组进行全脑回归分析，以探索本研究中采用的所有临床和心理社会尺度的分数是否与转基因体积变化显著相关。不要使用任何脑膜，但要考虑所有的词汇。运行 回归分析 批次文件与临床规模的兴趣。</li>
	<li>将超高架星团的峰值最大坐标从MNI空间阵列（www.mni.mcgill.ca）转换为塔拉拉赫和图尔努42的立体坐标。 注:在所有神经解剖分析中，通过颅内总体积（ICV）的成比例缩放来考虑受试者之间的体积差异。<ol>
<li>对于 ANOVA，将显著性阈值设置为 p < 0.001 未更正，最小集集大小为 k=30，而对于多次回归分析，则认为已更正的 p < 0.05 峰值家庭-Wise 错误 （pFWE）非常重要，并且使用了 k=10 的最小聚类大小。前一个阈值被认为是由于本研究采用的样本量小，因此，从这一分析中得出的结果必须被视为初步结果。后一个阈值更加严格，因为 p 值已更正以进行多次比较。 注:请参阅 VBM8 手册，了解有关后处理步骤的更多详细信息（http://dbm.neuro.uni-jena.de/vbm8/VBM8-Manual.pdf）。也请参阅补充材料中包含的名为"单向 ANOVA"和"回归分析"的 Matlab 批次，以及本研究使用的确切模型。由于这项研究的探索性，正式的样本量计算本来没有什么价值，因此没有进行。</li>
	</ol>
</li>
</ol>

在本研究中，我们观察到只有精神症状的存在才能区分大脑形态变化的检测。事实上，与非精神病大麻使用者（NPCU）相比，患有CIP的慢性大麻使用者主要在前期-时空-边缘网络中显示转基因量下降。此外，关于心理测量问卷，突出了BPMS-活动领域与选择性转基因量之间的相关性。具体来说，我们观察到这种BPRES尺度与左上位时间皮层和左小脑之间的负相关性，以及与阴唇的正相关性、左下腹陀螺、右下额腹膜叶和右上前额皮质的正相关关系。然而，我们应该提一下，缺乏一组没有大麻依赖的健康受试者，使我们无法探索是否使用大麻导致大脑改变。
总的来说，结果并不奇怪，因为以前的MRI研究表明，精神分裂症等精神障碍与转基因异常相似，特别是在29、30等前肢和边缘区域。然而，目前还不清楚为什么一些慢性大麻使用者出现精神病症状，而另一些人则保持健康。事实上，在样本中，我们只检测到两组之间的小临床差异，因此在CIP组观察到的广泛转基因异常可能与其特定的临床特征无关。具体来说，10名CIP患者中，有9人报告每天吸食大麻，而全国大学组的12名患者中只有7名报告每天吸食大麻。此外，两组人在年龄、性别、大麻使用开始年龄和教育水平方面没有差异。然而，我们应该考虑到，这种缺乏差异可能是由于样本量小，也限制了统计分析和解释这些因素的可能性。一个假设是，精神病过程本身是大脑体积减少的原因，无论使用大麻。事实上，以前的研究表明，有和没有大麻消费的精神病患者之间没有转基因差异，因此没有发现任何明确的证据，大麻使用与通用汽车改变在第一集精神病患者45。然而，大麻的使用可能促成了大脑的改变，随后只在易感大麻使用者的亚群中诱发精神病。
第一个假设与那些显示精神障碍大脑异常的研究表明一致。具体来说，结果显示，与NPCU相比，CIP患者在已知参与情绪调节的一些大脑区域，如前额皮质、尿道、海马和紫外线陀螺46，其转基因体积有广泛的下降。有趣的是，这些结构的破坏，特别是在前额地区，可以解释情绪不稳定和更大的情绪反应在青少年和年轻人，以及冲动的行为和物质寻求33，34。事实上，一直有报道说，情绪调节/处理与招募一组前额大脑区域，参与对情绪边缘结构的认知控制有关。例如，与49名非吸烟者相比，低劣的正面陀螺和杏仁核之间的连接性较弱，导致吸烟者情绪调节的难度更大。因此，在CIP患者中，精神病症状的发展可能与这些结构之间的干扰平衡有关，这是合理的。
此外，我们观察到，CIP患者群体显示前额叶皮质（DLPFC）的中断，这是一个主要认知功能的关键区域，包括工作记忆、执行功能50和情绪调节51。事实上，这一发现并不奇怪，因为DLPFC与风险监测区域合作，如化而来（最近发现与成瘾52有关的显眼网络的关键结构），在CIP患者群体中也被发现发生了改变，以及前结石皮层，最终表明区分风险和安全选择的损伤可能是DLPFC与此类风险监测区域53之间的中断造成的。
此外，CIP 患者在优越的时间皮层中显示 GM 体积减少。有趣的是，这一结果与先前的多模式神经成像研究54所报告的证据一致，该研究采用了更多的CIP患者样本（N+16），其中大多数与本研究中采用的样本重叠，该样本发现CIP患者的时间皮质发生了广泛的转基因变化。总的来说，这些证据进一步证实了优越的时间皮层在精神病中的关键作用，因为这种结构的参与一直被报道在精神病人经常发现中断的能力，包括语言处理和理论的思维能力39，40。此外，结果与先前的证据一致，该区域的体积减少与听觉幻觉或思维障碍41，42之间的关联，以及先前的MRI研究表明，与健康对照59相比，该区域在物质依赖个体中发生破坏。
最后，CIP患者的海马体积显著减少。与健康对照组60、61、62、63相比，这一发现与先前的证据表明早期精神病和处于危险心理状态/第一集精神病的结构和功能变化是一致的。正常的海马功能是需要的一些精神功能，包括记忆和情绪行为48，49，并建议，减少体积在这个结构可能代表一个负临床结果的标记，在第一集精神病患者66。然而，与结果相反，海马赤字也报告在年轻和成人大麻使用者，谁被发现有更薄的皮质和减少体积在该地区67，68，69，70。因此，关于海马在药物滥用中的作用的明确情况仍未得到了解。然而，研究结果指向一个假设，即皮质边缘系统在CIP患者群体中受到损害，如先前的MRI研究54所建议的，并可能解释情绪阐述缺陷，而情绪阐述缺陷已被提出为未来精神病发展的关键前兆55，56，经常在这些患者中观察到。
因此，似乎有理由假设大麻引起的精神病与前前肢网络内区域的大脑变化有关，因此，这可能代表多种形式精神病的常见神经发育基质。有趣的是，纵向研究提出，一些大脑中断，包括较小的轨道前额皮质卷73，增加前额和减少视觉关联区域激活，以及认知缺陷，如较差的执行功能74，可能存在，甚至在开始大麻依赖之前。因此，这些潜在的大脑改变的人更有可能在大麻使用开始后出现精神病症状。此外，有证据表明，在 AKT1 和 DD2 基因中拥有风险等位基因，这些基因与多巴胺信号有关，与大麻使用后患精神病的风险增加有关。因此，在CIP患者中检测形态的减少可以反映对这组受试者慢性大麻使用的神经毒性作用的增强遗传易感性。
最后，在CIP组中，结果还显示BPRS的子域、BPRS-活动以及左上部时间皮层和左小脑内的选择性转基因体积之间呈负相关。此外，这个子尺度与阴唇双边，左下腹陀螺，右下额腹膜，右上前额皮质呈正相关。一般来说，虽然临床症状血液学和转基因结构之间的相关性被广泛报道，特别是在精神分裂症75，结果仍然是异质的，与反76，阳性77 或没有78 相关性的选择性转基因体积和临床尺度的混合图片。值得注意的是，BPRS-活动与上部时间皮层之间的负相关性似乎与先前的MRI证据表明该结构与阳性症状严重程度76呈反比相关，最终进一步表明该结构在产生精神病症状方面的关键作用。同样，BPRS-活动与上前额叶皮质之间的正相关关系似乎与其他MRI研究一致，该研究报告负症状与GM体积与前额叶皮质79之间有类似的相关性。
总的来说，本研究的结果为大脑变化与精神病学严重程度之间存在显著关联提供了初步证据。
目前的研究存在一些局限性。首先，所有精神病患者都服用了可能影响结果的药理治疗。第二，缺乏由不接触大麻的健康受试者组成的对照组，无法与两组大麻使用者（精神病患者和不吸食大麻者）进行进一步比较。此外，虽然这两组在受试人数（10名CIP患者与12名NPCU）方面非常相似，但样本量小限制了所取得成果的重要性，因此必须视为初步结果。进一步的限制与被调查人口的性质密切相关。事实上，一些CIP（6/10）患者和相当一部分NPCU（3/12）患者有其他物质消费的终身史（即可卡因、LSD和海洛因/美沙酮）。此外，我们没有检查与成瘾有关的遗传等位基因，这可能有助于歧视这两个群体。尽管如此，大麻的消费，虽然评估的频率和数量和持续时间与一个特定的工具20，并不统一，在两组。最后，在这项研究中，我们没有探索大脑活化，也没有评估样本的神经认知状态。因此，缺乏这些信息可能会影响结果，因为以前的研究表明，精神分裂症患者存在选择性脑功能障碍，在前额叶皮质、前额叶皮质和杏仁核中滥用药物，以及与没有药物滥用的相同患者相比，其发病前神经认知特征较好，长期下降幅度较大。因此，需要进一步的功能MRI研究，探索大脑活动，以及神经心理学评估较大的样本和同质的消费习惯，以确认我们的结果。
根据我们的研究结果，大麻引起的精神病的特点可能是选择性大脑结构中的转基因体积减少。因此，鉴于内啡肽系统在大脑中的关键和全面作用、大麻使用日益普遍、在神经发育过程中长期使用大麻，以及当前市场上THC浓度逐渐提高，似乎有必要澄清大麻接触的哪些方面（例如，开始的年龄、数量、频率和持续时间）决定了向精神病相关疾病发展的最大风险。然而，前额-时态-边缘区域的减少是否代表精神病过程本身的基质，还是易感受试者接触大麻的直接后果仍然是一个复杂的问题。在这方面，研究中采用的方法可能有助于更好地描述大麻引起的精神病的神经生物学和临床特征。最后，纵向神经成像研究也考虑到潜在的混淆因素，如大麻剂量、效力、THC/大麻二醇比率、使用频率、发病年龄、熟悉的精神病史和遗传多态性，可能为确定假定生物标志物提供潜在基础，这些生物标志物可能最终帮助临床医生检测那些更有可能发展成精神病的大麻使用者。

根据欧洲毒品和毒瘾监测中心的数据，据估计，欧洲联盟约有9 600万（或29%）成年人（15-64岁）在其一生中尝试过非法药物，特别是大麻。考虑到一般人口中最年轻和最脆弱的部分，估计去年有16%的年轻成年人（15-34岁）吸食大麻，男女比例约为2:11。重要的是，大麻的使用似乎导致在健康受试者的精神症状的发展，如情绪改变，增加焦虑，赛车的想法，扭曲的看法，难以思考和解决问题，持续的问题与学习和记忆，反应时间慢，失去控制2。然而，这些症状和症状通常是短暂的，并不概述精神病本身或需要治疗。然而，大麻，通过其主要的精神活性成分，名为四氢大麻酚（THC），也可以诱发积极的精神病症状，包括怀疑， 偏执妄想，思维过程紊乱，感性改变3，以及类似于精神分裂症观察到的负面症状，如钝化的影响，冷漠，冲动，缺乏自发性，缺乏兴趣，被动和认知缺陷（如记忆，执行功能，抽象能力，决策和注意力）3。因此，目前，有证据表明，大麻消费既可以诱发暂时性的精神症状，否则健康的受试者和揭开一个华丽的精神病图片在患者与以前的精神病风险3。然而，这种关系是因果关系，还是纯粹的相关关系，仍然是有争议的和争论的4。事实上，尽管流行病学研究表明大量吸食大麻与精神病风险之间存在关系，但全世界大麻使用率的上升并没有伴随着精神病的增加。这种悖论可以解释为大麻滥用者之间存在特定的混淆差异，早期开始使用，每天假设高效力大麻，以及食用携带最大精神病风险的合成大麻素3。此外，一些遗传因素，如存在特定的儿茶酚-O-甲基转移酶（COMT）多态性，也可能赋予一个额外的脆弱性，在大麻接触后出现精神病症状的一小部分用户6。
在这方面，人类神经成像研究试图研究潜在的神经机制，通过大麻可能导致精神病症状7，因为临床前研究表明，THC是活跃在大脑区域富含大麻素1型受体（CB1R），包括海马，杏仁核，纹状体和前额皮质（PFC）8。事实上，实验性THC管理健康大麻使用者已被证明在学习任务期间衰减心室活化，并同时诱发精神病症状9，以及改变前额纹状激活期间注意显著处理10。关于结构磁共振成像（MRI）的研究，一些作者发现前额皮质11，12，13，海马14，15，杏仁核显著减少灰质（GM）体积减少 与非使用者相比，普通大麻使用者中有16人和普塔门人17人，而其他人没有报告这两组人之间有任何显著的大脑差异，18、19、20、21或报告在中等时间内转基因量增加， 杏仁核， 海马，后腹膜和小脑在青少年与低大麻使用22。
此外，很少有研究探讨有精神病症状的大麻使用者和没有任何精神病的大麻使用者之间是否存在任何特定的大脑差异。一项功能性核磁共振成像研究比较了THC消费后出现和没有出现精神病症状的健康受试者，并报告了右中时长陀螺的去/不走任务期间活动增加，以及准血小板和富西形态陀螺的活性下降，这也与仅在精神病组23中更大的抑制错误有关。相比之下，爱泼斯坦和库姆拉发现，患有大麻使用障碍的精神病和非精神病青少年的大脑变化相似:具体来说，他们检测到在左上前陀螺，右面三角形，左面和右面皮质变薄，左右超马吉拉尔陀螺，左右下层皮质和左高级时间陀螺在两组24。在先前的研究中，相同的作者比较了青少年与早期发作精神分裂症（EOS+）与（EOS+）和没有（EOS-）大麻使用障碍（CUD），青少年与CUD只和健康控制25。 有趣的是，与健康对照组相比，他们在 EOS 和 CUD 组的左侧高级层区域检测到较小的灰质体积。然而，与其他组相比，他们并没有发现具有 EOS® 的青少年的添加剂体积变化。最后，一项最近和更大的研究发现，从终生吸食大麻到青少年的精神病生活经历，总效果显著。有趣的是，作者发现精神病生活经历和减少扩张之间的关联，在右海马/半球菌26的未受限。
因此，这些研究，虽然不是所有的和谐剂，表明大麻引起的精神病的特点可能是神经生物学缺陷，类似于那些在纯粹的精神病中检测到的。然而，由大麻依赖性决定的大脑变化和神经成像调查所强调的脑部变化是否会导致临床上显著的表型，或在施虐者生命的某个阶段引发精神病发作，目前还不清楚。在这方面，与没有任何精神症状的大麻使用者相比，对精神大麻使用者大脑形态的调查可能至关重要，以便了解大麻引起的精神病的神经生物学基础。然而，据我们所知，到目前为止，还没有任何研究将大麻诱发的精神病患者与健康的大麻使用者进行大脑结构形态和临床参数的比较，如精神病学、依赖的频率和持续时间、生活质量、个性特征、分娩并发症和儿童虐待。在这方面，本研究的目的是调查慢性大麻使用者与物质诱发精神病患者（CIP）和非精神病大麻使用者（NPCU）之间的形态性大脑差异，并将脑缺陷与选择性的社会人口、临床和社会心理变量联系起来。我们假设，与NPCU相比，CIP患者将显著减少转基因数量，以及转基因数量与社会人口、临床和社会心理规模之间可能存在相关性。

<table><tbody><tr><td>Not applicable</td><td>Not applicable</td><td>Not applicable</td><td>Not applicable</td></tr></tbody></table>

brain morphology of cannabis users with or without psychosis: a pilot mri study

大麻是全世界最常用的非法药物，其消费既能诱发其他健康受试者的精神症状，又能揭开以前精神病患者精神病患者的精神病图景。先前的研究表明，长期和长期接触大麻可能会对富含大麻素受体的大脑区域产生显著的负面影响。然而，由大麻依赖决定的大脑变化是否会导致临床上显著的表型，或在施虐者生命的某个阶段引发精神病发作，目前尚不清楚。本研究的目的是调查慢性大麻使用者与大麻诱发精神病 （CIP） 和非精神病大麻使用者 （NPCU） 之间的形态大脑差异，没有任何精神病条件，并将大脑缺陷与选择性社会人口、临床和社会心理变量相关联。
对10名CIP患者和12名NPCU患者进行了3T磁共振成像（MRI）扫描。测量了药物类型、频率和持续时间，以及依赖的社会人口、临床和社会心理参数。与没有精神病的慢性大麻使用者相比，CIP患者在右上部前陀螺、右中位、右上部时间陀螺、内苏拉、右前丘脑陀螺、右紫外线陀螺和左海马体中具有广泛的灰质（GM）减少。最后，在CIP患者中，结果显示简要精神病学评级量表（BPRS）、BPRS-活动量和选择性转基因量域之间的负相关性。总的来说，结果表明，大麻引起的精神病的特点是选择性脑部减少，这是NPCU所没有的。因此，神经成像研究可能为识别与大麻使用者患精神病风险相关的假定生物标志物提供潜在基础。

社会人口、临床和社会心理结果 性别方面没有差异（+2 =0.6， p=0.4）、年龄（t=-0.21;p=0.83）、依赖性开始年龄（t=-0.79;p=0.44）和教育水平（t=1.21;p=0.24）在CIP患者和NPCU之间。然而，两组之间的一些差异表现在一个气质维度（避免伤害，t=3.71;p=0.001）和一个字符维度（自我超越，t=2.94;p=0.008）的TCI患者表现出比NPCU更高的分数。最后，NPCU在邻里尺度（NS-E）（t+-3.55）的一个子维度上也显示与CIP患者相比得分较高; p=0.002），在SES总计（t=-2.13;p=0.046），在生活质量指数（t=-8.1;p=0.0001），在GAF（t=-4.71;p=0.0001）和TCI的一个字符维度（自我定向， t=-3.97;p=0.001）。
具体来说，对于CIP，大麻依赖的频率是每天9个受试者（90%）和每周几次为1个科目（10%）。相反，NPCU组的大麻依赖频率为7个科目（60%），4个科目（30%）每周数次，1个科目（10%）每月多次。CIP患者的受抚养人平均年龄为18岁，NPCU组的平均发病年龄为16岁。虽然所有参与者都吸食大麻，但一些CIP患者（N+6）和NPCU（N+3）也报告了以前使用过的其他药物，包括可卡因、LSD和海洛因/美沙酮，但频率低于大麻。这两组人使用大麻的频率没有差别（+2=1.69，p=0.42）。此外，这两组人（可卡因:+2=0.06， p=0.79 和+2=4.1， p=0.39; 海洛因/美沙酮:+2= 1.2，p=0.26 和+2=1.2， p=0.26;LSD:+2=0.01， p=0.89 和+2+2.0， p=0.36）.。虽然我们知道样品中存在多消费可能对调查结果的普遍性产生了负面影响，但必须强调，与其他药物的使用相比，使用大麻非常有限。事实上，与大麻使用相比，其他药物的消费是终生的，在研究期间没有发生。尽管如此，我们的结果应该谨慎，需要在更均匀的样本中复制。
VBM 结果 VBM 分析表明，与 NPCU 相比，CIP 患者在右上部前陀螺（（布罗德曼区 [BA] 10）、右前中心 （BA 4）、右上部时间陀螺 （BA 22）、内苏拉双边 （BA） 方面有广泛的 GM 减少 13）， 右前丘脑 （BA7）， 右中腹陀螺 （BA 19）， 右 fusiform 陀螺 （BA 37） 和左海马 （p < 0.001 未更正; 表2 和 图1）。与CIP患者相比，NPCU没有观察到转基因差异。
转基因区域与临床规模之间的相关性 在 CIP 患者中，结果显示 BPRS 的一个域之间呈负相关性， BPRS-活动，以及左上乘时间皮层内的选择性转基因体积（BA 38、x=-40 y=17 z=35、z=5.9、簇大小=19）和左小脑（x=-12 y=-36 z=-20，z=6.1，集群大小=18）。此外，相同的比例与库努斯的双边关系呈正相关（BA 18;左:x=-9 y=-90 z=9，z=7.0，集群大小=24;右:x=15 y=-85 z=24， z=7.3，集群大小=13），左下部下部腹膜陀螺（BA 17;x=-9 y=-88 z=-6，z=7.4，集群大小=34），右下部腹膜（BA 40;x=58=-35 z=22， z=6.7，簇大小=33），右前额叶皮质（BA 9;x=3 y=51 z=29，z=6.2，集群大小+23）（全部p<0.05 pFWE更正）。在CIP患者中未观察到任何其他临床尺度的重大相关性。
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/60881/60881fig01.jpg"> 图1:物质诱发精神病患者与非精神病大麻使用者之间具有显著转基因差异的区域（p<0.001，未更正，k=30）。 <a href="https://www.jove.com/files/ftp_upload/60881/60881fig01large.jpg" target="_blank">请点击这里查看此图的较大版本。</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td rowspan="2"></td>
			<td>CIP 患者</td>
			<td>非精神病大麻使用者</td>
			<td rowspan="2">统计学</td>
			<td rowspan="2">p 值</td>
		</tr><tr><td>n=10</td>
			<td>n=12</td>
		</tr><tr><td>年龄，平均值 （SD）</td>
			<td>27 (9.21)</td>
			<td>26 (0.89)</td>
			<td>t= -0.213</td>
			<td>p=0.833</td>
		</tr><tr><td>性别， 男性/女性</td>
			<td>8/2</td>
			<td>11/1</td>
			<td>χ2=0.630</td>
			<td>p=0.427</td>
		</tr><tr><td>开始使用大麻的年龄，平均 （SD）</td>
			<td>18 (9.69)</td>
			<td>16 (1.83)</td>
			<td>t= -0.786</td>
			<td>p=0.441</td>
		</tr><tr><td rowspan="7">类型 （N）:其他药物使用的频率</td>
			<td>大麻（N=10）;每日 （N=9），每周多次 （N=1）。</td>
			<td>大麻 （N=12）;每日 （N=7），每周多次 （N+4），每月多次 （N=1）。</td>
			<td>频率:+2+1.69，</td>
			<td>p=0.42</td>
		</tr><tr><td rowspan="2">可卡因（N=4）;每周多次（N=2），每月多次（N=2）。</td>
			<td rowspan="2">可卡因（N=3）;每周多次（N=1），每月多次（N=1），每月少于1次（N=1）。</td>
			<td>类型:+2+0.06</td>
			<td>类型: p=0.79</td>
		</tr><tr><td>频率:+2+4.1</td>
			<td>频率: p=0.39</td>
		</tr><tr><td rowspan="2">海洛因/美沙酮（N=1）;每周多次。</td>
			<td rowspan="2">无海洛因/美沙酮使用者。</td>
			<td>类型:+2+1.2</td>
			<td>类型: p=0.26</td>
		</tr><tr><td>频率:+2+1.2</td>
			<td>频率: p=0.26</td>
		</tr><tr><td rowspan="2">LSD （N=1）;不到一个月。</td>
			<td rowspan="2">LSD （N=1）;每月多次。</td>
			<td>类型:+2+0.01</td>
			<td>类型: p=0.89</td>
		</tr><tr><td>频率:+2+2.0</td>
			<td>频率: p=0.36</td>
		</tr><tr><td>发病年龄，平均值 （SD）</td>
			<td>25 (8.46)</td>
			<td>-</td>
			<td>-</td>
			<td>-</td>
		</tr><tr><td>BPRS 托特， 平均 （SD）</td>
			<td>43 (9)</td>
			<td>20 (3)</td>
			<td>t=8.860</td>
			<td>p=0.0001</td>
		</tr><tr><td></td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr><tr><td>焦虑-抑郁</td>
			<td>10 (5)</td>
			<td>6 (2)</td>
			<td>t=2.629</td>
			<td>p=0.016</td>
		</tr><tr><td>阿纳吉亚</td>
			<td>8 (3)</td>
			<td>4 (1)</td>
			<td>t=3.284</td>
			<td>p=0.004</td>
		</tr><tr><td>思想障碍</td>
			<td>12 (3)</td>
			<td>4 (0)</td>
			<td>t=9.754</td>
			<td>p=0.0001</td>
		</tr><tr><td>活动</td>
			<td>6 (2)</td>
			<td>3 (0)</td>
			<td>t=4.557</td>
			<td>p=0.0001</td>
		</tr><tr><td>敌意- 可疑性</td>
			<td>8 (4)</td>
			<td>3 (0)</td>
			<td>t=4.053</td>
			<td>p=0.001</td>
		</tr><tr><td>哈姆 - D， 平均 （Sd）</td>
			<td>11 (6.42)</td>
			<td>4 (4.96)</td>
			<td>t=3.258</td>
			<td>p=0.004</td>
		</tr><tr><td>哈姆 - A， 平均 （Sd）</td>
			<td>11 (6.62)</td>
			<td>3 (3.93)</td>
			<td>t=3.487</td>
			<td>p=0.002</td>
		</tr><tr><td>马德， 平均 （Sd）</td>
			<td>14 (7.76)</td>
			<td>6 (6.35)</td>
			<td>t=2.635</td>
			<td>p=0.016</td>
		</tr><tr><td>YMRS， 平均值 （SD）</td>
			<td>13 (7.92)</td>
			<td>0 (1.44)</td>
			<td>t=5.378</td>
			<td>p=0.0001</td>
		</tr><tr><td>CECA-Q， 平均值 （SD）</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr><tr><td>塞卡-QMA</td>
			<td>13 (5.20)</td>
			<td>13 (3.89)</td>
			<td>t=-0.069</td>
			<td>p=0.946</td>
		</tr><tr><td>塞卡 - Qmn</td>
			<td>19 (5.83)</td>
			<td>19 (4.64)</td>
			<td>t=-0.284</td>
			<td>p=0.779</td>
		</tr><tr><td>CECA-QPA</td>
			<td>14 (6.44)</td>
			<td>14 (5.56)</td>
			<td>t=-0.130</td>
			<td>p=0.990</td>
		</tr><tr><td>塞卡 - Qpn</td>
			<td>24 (11.69)</td>
			<td>24 (7.12)</td>
			<td>t=0.070</td>
			<td>p=0.945</td>
		</tr><tr><td>邻里规模*，平均值（SD）</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr><tr><td>NS- A</td>
			<td>9 (1.78)</td>
			<td>8 (2.23)</td>
			<td>t=0.782</td>
			<td>p=0.443</td>
		</tr><tr><td>NS-B</td>
			<td>6 (2.50)</td>
			<td>7 (1.56)</td>
			<td>t=-1.070</td>
			<td>p=0.298</td>
		</tr><tr><td>NS- C</td>
			<td>9 (5.87)</td>
			<td>10 (7.66)</td>
			<td>t=-0.265</td>
			<td>p=0.794</td>
		</tr><tr><td>NS-D</td>
			<td>6 (2.31)</td>
			<td>5 (1.53)</td>
			<td>t=1.378</td>
			<td>p=0.183</td>
		</tr><tr><td>NS-E</td>
			<td>3 (1.35)</td>
			<td>4 (0.29)</td>
			<td>t=-3.546</td>
			<td>p=0.002</td>
		</tr><tr><td>SES** 总计，平均值 （SD）</td>
			<td>33.6 (12.60)</td>
			<td>45.3 (13.05)</td>
			<td>t=-2.132</td>
			<td>p=0.046</td>
		</tr><tr><td>研究</td>
			<td>11.3 (4.22)</td>
			<td>15.3 (5.93)</td>
			<td>t=-1.800</td>
			<td>p=0.087</td>
		</tr><tr><td>职业</td>
			<td>22.3 (10.39)</td>
			<td>30.0 (8.79)</td>
			<td>t=-1.885</td>
			<td>p=0.074</td>
		</tr><tr><td>QL - 指数，平均值 （SD）</td>
			<td>6 (1.65)</td>
			<td>10 (0.62)</td>
			<td>t=-8.098</td>
			<td>p=0.0001</td>
		</tr><tr><td>平均 （SD）</td>
			<td>58 (15.21)</td>
			<td>83 (9.68)</td>
			<td>t=-4.715</td>
			<td>p=0.0001</td>
		</tr><tr><td>曼萨， 平均 （Sd）</td>
			<td>54 (14.16)</td>
			<td>61 (6.01)</td>
			<td>t=-1.250</td>
			<td>p=0.226</td>
		</tr><tr><td>TCI， 平均 （SD）</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr><tr><td>TCI Ns</td>
			<td>59.92 (10.75)</td>
			<td>55.95 (12.86)</td>
			<td>t=0.173</td>
			<td>p=0.864</td>
		</tr><tr><td>慈哈</td>
			<td>55.67 (7.71)</td>
			<td>45.61 (5.68)</td>
			<td>t=3.708</td>
			<td>p=0.001</td>
		</tr><tr><td>TCI路</td>
			<td>48.67 (10.41)</td>
			<td>50.49 (9.02)</td>
			<td>t=-0.668</td>
			<td>p=0.512</td>
		</tr><tr><td>TCI P</td>
			<td>49.82 (11.49)</td>
			<td>39.32 (8.83)</td>
			<td>t=2.033</td>
			<td>p=0.056</td>
		</tr><tr><td>TCI Sd</td>
			<td>28.64 (11.85)</td>
			<td>49.89 (7.42)</td>
			<td>t=-3.969</td>
			<td>p=0.001</td>
		</tr><tr><td>TCI公司</td>
			<td>42.15 (12.21)</td>
			<td>49.07 (5.60)</td>
			<td>t=-1.430</td>
			<td>p=0.168</td>
		</tr><tr><td>TCI街</td>
			<td>65.56 (12.34)</td>
			<td>50.82 (8.16)</td>
			<td>t=2.940</td>
			<td>p=0.008</td>
		</tr></tbody></table>表1:整个样本的社会人口、临床和社会心理变量。 BPRS（简要精神病学评分表）;CECA-Q（儿童护理和虐待经验问卷）;CIP（大麻诱发精神病）;全球运作评估;哈姆-A（汉密尔顿焦虑评分表）;马德（蒙哥马利-阿斯伯格抑郁症评级等级）:HAM-D（汉密尔顿抑郁症评级等级表）;曼萨（曼彻斯特生活质量短期评估）;NS-A（邻里满意度）;NS-B（安全感）;NS-C（邻里不文明）;NS-D（集体疗效）;NS-E（大麻接受）;SD（标准偏差）;SES（社会经济地位）;QL指数（生活质量指数）:);TCI（气质和字符清单）:TCI Ns（新奇的寻色）:TCI哈（避免伤害）;TCI路（奖励依赖）:TCI P（持久性）:TCI Sd（自我定向）;TCI公司（合作）;TCI街（自我超越）;YMRS（青年狂热评级等级）。* NS-A范围从0到16，其中16表示对居住地的极度满意;NS-B 范围从 0 到 8，其中 8 表示强烈的安全感:NS-C的范围从0到32，其中32表示高度不文明:NS-D的范围从0到12不等，其中8个代表邻国之间高度的集体效力:NS-E 的范围从"强烈同意"（得分为 4）到"强烈不同意"（分数为 0）。**较低的教育水平与较低的分数有关，而较高的教育水平与较高的分数相关（即。小于7 年级 = 3;研究生学位+ 21）。同样，认知参与度较低的职业与较低的分数相关，而需要更多认知资源的职业则与高分相关（农场工人+ 5;医生+ 45）。
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td rowspan="2">脑回</td>
			<td rowspan="2">八</td>
			<td rowspan="2">横向</td>
			<td colspan="3">MNI 坐标</td>
			<td rowspan="2">集群大小</td>
			<td rowspan="2">z 值</td>
			<td rowspan="2">科恩的 效果 大小</td>
		</tr>
<tr>
<td colspan="3">x y z</td>
		</tr>
<tr>
<td colspan="8">CIP 患者<非精神病大麻使用者</td>
			<td></td>
		</tr>
<tr>
<td>高级正面</td>
			<td>10</td>
			<td>右</td>
			<td>13</td>
			<td>65</td>
			<td>22</td>
			<td>38</td>
			<td>3.4</td>
			<td>-1,26</td>
		</tr>
<tr>
<td>前中心</td>
			<td>4</td>
			<td>右</td>
			<td>59</td>
			<td>-5</td>
			<td>26</td>
			<td>61</td>
			<td>3.8</td>
			<td>-0,83</td>
		</tr>
<tr>
<td>高级临时</td>
			<td>22</td>
			<td>右</td>
			<td>62</td>
			<td>-7</td>
			<td>3</td>
			<td>146</td>
			<td>4.2</td>
			<td>-0,60</td>
		</tr>
<tr>
<td>Insula</td>
			<td>13</td>
			<td>右</td>
			<td>36</td>
			<td>-21</td>
			<td>13</td>
			<td>142</td>
			<td>4.1</td>
			<td>-0,43</td>
		</tr>
<tr>
<td>Insula</td>
			<td>13</td>
			<td>左</td>
			<td>-33</td>
			<td>-23</td>
			<td>14</td>
			<td>32</td>
			<td>3.8</td>
			<td>-0,46</td>
		</tr>
<tr>
<td>普雷库内乌斯</td>
			<td>7</td>
			<td>右</td>
			<td>6</td>
			<td>-66</td>
			<td>50</td>
			<td>41</td>
			<td>3.7</td>
			<td>-0,51</td>
		</tr>
<tr>
<td>中等性</td>
			<td>19</td>
			<td>右</td>
			<td>33</td>
			<td>-86</td>
			<td>21</td>
			<td>80</td>
			<td>4</td>
			<td>-0,84</td>
		</tr>
<tr>
<td>纺锤 形</td>
			<td>37</td>
			<td>左</td>
			<td>-25</td>
			<td>-47</td>
			<td>-8</td>
			<td>32</td>
			<td>3.7</td>
			<td>-0,29</td>
		</tr>
<tr>
<td>海马体</td>
			<td>-</td>
			<td>左</td>
			<td>-33</td>
			<td>-22</td>
			<td>-5</td>
			<td>36</td>
			<td>3.8</td>
			<td>-0,68</td>
		</tr>
<tr>
<td colspan="8">非精神病大麻使用者< CIP 患者</td>
			<td></td>
		</tr>
<tr>
<td colspan="8">无超高架集群</td>
			<td></td>
		</tr>
</tbody></table>表2:VBM结果。 脑部区域显示 CIP 患者和非精神病大麻使用者之间的灰质体积显著减少（P< 0.001 未更正）。BA（布罗德曼地区）;CIP（大麻诱发精神病）;MNI（蒙特利尔神经研究所）

Watch this Scientific Journal Video about Brain Morphology of Cannabis Users With or Without Psychosis: A Pilot MRI Study at JoVE.com

Brain Morphology of Cannabis Users With or Without Psychosis: A Pilot MRI Study

这是一项3T磁共振成像研究，旨在调查大麻诱发的精神病患者和非精神病慢性大麻使用者之间的灰质体积差异。

有或没有精神病的大麻使用者的大脑形态:试点MRI研究

Cannabis is the illicit drug most commonly used worldwide, and its consumption can both induce psychiatric symptoms in otherwise healthy subjects and ...

brain-morphology-cannabis-users-with-or-without-psychosis-pilot-mri

Research

Education

JoVE Core

JoVE Journal

Pharmacology

Neuroscience

Unit 1

Drug Abuse and Addiction

SCIENTISTS IN ACTION

6.4K 次观看.  University of Milan. 这是一项3T磁共振成像研究，旨在调查大麻诱发的精神病患者和非精神病慢性大麻使用者之间的灰质体积差异。

视频: Brain Morphology of Cannabis Users With or Without Psychosis: A Pilot MRI Study

Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly

Obtaining in vivo human brain tissue volumetrics from MRI is often complicated by various technical and biological issues. These challenges are exacerbated when significant brain atrophy and age-related white matter changes (e.g. Leukoaraiosis) are present. Lesion Explorer (LE) is an accurate and reliable neuroimaging pipeline specifically developed to address such issues commonly observed on MRI of Alzheimer's disease and normal elderly. The pipeline is a complex set of semi-automatic procedures which has been previously validated in a series of internal and external reliability tests1,2. However, LE's accuracy and reliability is highly dependent on properly trained manual operators to execute commands, identify distinct anatomical landmarks, and manually edit/verify various computer-generated segmentation outputs.
LE can be divided into 3 main components, each requiring a set of commands and manual operations: 1) Brain-Sizer, 2) SABRE, and 3) Lesion-Seg. Brain-Sizer's manual operations involve editing of the automatic skull-stripped total intracranial vault (TIV) extraction mask, designation of ventricular cerebrospinal fluid (vCSF), and removal of subtentorial structures. The SABRE component requires checking of image alignment along the anterior and posterior commissure (ACPC) plane, and identification of several anatomical landmarks required for regional parcellation. Finally, the Lesion-Seg component involves manual checking of the automatic lesion segmentation of subcortical hyperintensities (SH) for false positive errors.
While on-site training of the LE pipeline is preferable, readily available visual teaching tools with interactive training images are a viable alternative. Developed to ensure a high degree of accuracy and reliability, the following is a step-by-step, video-guided, standardized protocol for LE's manual procedures.

Lesion Explorer (LE) is a semi-automatic, image-processing pipeline developed to obtain regional brain tissue and subcortical hyperintensity lesion volumetrics from structural MRI of Alzheimer's disease and normal elderly. To ensure a high level of accuracy and reliability, the following is a video-guided, standardized protocol for LE's manual procedures.

病变资源管理器：一个视频引导，标准化为老年痴呆症准确，可靠的MRI衍生Volumetrics和正常老年人协议

Obtaining in vivo human brain tissue volumetrics from MRI is often complicated by various technical and biological issues. These challenges are ...

科研

医学

High-resolution In Vivo Manual Segmentation Protocol for Human Hippocampal Subfields Using 3T Magnetic Resonance Imaging

The human hippocampus has been broadly studied in the context of memory and normal brain function and its role in different neuropsychiatric disorders has been heavily studied. While many imaging studies treat the hippocampus as a single unitary neuroanatomical structure, it is, in fact, composed of several subfields that have a complex three-dimensional geometry. As such, it is known that these subfields perform specialized functions and are differentially affected through the course of different disease states. Magnetic resonance (MR) imaging can be used as a powerful tool to interrogate the morphology of the hippocampus and its subfields. Many groups use advanced imaging software and hardware (&#62;3T) to image the subfields; however this type of technology may not be readily available in most research and clinical imaging centers. To address this need, this manuscript provides a detailed step-by-step protocol for segmenting the full anterior-posterior length of the hippocampus and its subfields: cornu ammonis (CA) 1, CA2/CA3, CA4/dentate gyrus (DG), strata radiatum/lacunosum/moleculare (SR/SL/SM), and subiculum. This protocol has been applied to five subjects (3F, 2M; age 29-57, avg. 37). Protocol reliability is assessed by resegmenting either the right or left hippocampus of each subject and computing the overlap using the Dice&#39;s kappa metric. Mean Dice&#39;s kappa (range) across the five subjects are: whole hippocampus, 0.91 (0.90-0.92); CA1, 0.78 (0.77-0.79); CA2/CA3, 0.64 (0.56-0.73); CA4/dentate gyrus, 0.83 (0.81-0.85); strata radiatum/lacunosum/moleculare, 0.71 (0.68-0.73); and subiculum 0.75 (0.72-0.78). The segmentation protocol presented here provides other laboratories with a reliable method to study the hippocampus and hippocampal subfields in vivo using commonly available MR tools.

High-resolution In Vivo Manual Segmentation Protocol for Human Hippocampal Subfields Using 3T Magnetic Resonance Imaging

The goal of this manuscript is to study the hippocampus and hippocampal subfields using MRI. The manuscript describes a protocol for segmenting the hippocampus and five hippocampal substructures: cornu ammonis (CA) 1, CA2/CA3, CA4/dentate gyrus, strata radiatum/lacunosum/moleculare, and subiculum.

高分辨率<em&gt;在体内</em&gt;使用3T磁共振成像手动分割协议为人类海马子字段

The human hippocampus has been broadly studied in the context of memory and normal brain function and its role in different neuropsychiatric disorders has ...

神经科学

High-resolution Structural Magnetic Resonance Imaging of the Human Subcortex In Vivo and Postmortem

The focus of this study was to test the resolution limits of structural MRI of a postmortem brain compared to living human brains. The resolution of structural MRI in vivo is ultimately limited by physiological noise, including pulsation, respiration and head movement. Although imaging hardware continues to improve, it is still difficult to resolve structures on the millimeter scale. For example, the primary visual sensory pathways synapse at the lateral geniculate nucleus (LGN), a visual relay and control nucleus in the thalamus that normally is organized into six interleaved monocular layers. Neuroimaging studies have not been able to reliably distinguish these layers due their small size that are less than 1 mm thick.
The resolving limit of structural MRI, in a postmortem brain was tested using multiple images averaged over a long duration (~24 h). The purpose was to test whether it was possible to resolve the individual layers of the LGN in the absence of physiological noise. A proton density (PD)1 weighted pulse sequence was used with varying resolution and other parameters to determine the minimum number of images necessary to be registered and averaged to reliably distinguish the LGN and other subcortical regions. The results were also compared to images acquired in living human brains. In vivo subjects were scanned in order to determine the additional effects of physiological noise on the minimum number of PD scans needed to differentiate subcortical structures, useful in clinical applications.

High-resolution Structural Magnetic Resonance Imaging of the Human Subcortex In Vivo and Postmortem

Here we present a protocol to determine the minimum number images that needed to be registered and averaged to resolve subcortical structures and test whether the individual layers of the LGN could be resolved in the absence of physiological noise.

高分辨率结构磁共振人类皮质下的成像<I&gt;在体内</I&gt;与死亡

The focus of this study was to test the resolution limits of structural MRI of a postmortem brain compared to living human brains. The resolution of ...

Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images

Within neuroimaging research, a number of recent studies have discussed the impact of between-study differences in volumetric findings that are thought to result from the use of different segmentation tools to generate brain volumes. Here, processing pipelines for seven automated tools that can be used to segment grey matter within the brain are presented. The protocol provides an initial step for researchers aiming to find the most accurate method for generating grey matter volumes from T1-weighted MRI scans. Steps to undertake detailed visual quality control are also included in the manuscript. This protocol covers a range of potential segmentation tools and encourages users to compare the performance of these tools within a subset of their data before selecting one to apply to a full cohort. Furthermore, the protocol may be further generalized to the segmentation of other brain regions.

This protocol describes the process of applying seven different automated segmentation tools to structural T1-weighted MRI scans to delineate grey matter regions that can be used for the quantification of grey matter volume.

t1 加权 mri 图像中皮质灰质的自动分割

Within neuroimaging research, a number of recent studies have discussed the impact of between-study differences in volumetric findings that are thought to ...

Whole-brain Segmentation and Change-point Analysis of Anatomical Brain MRI&#8212;Application in Premanifest Huntington's Disease

Recent advances in MRI offer a variety of useful markers to identify neurodegenerative diseases. In Huntington&#39;s disease (HD), regional brain atrophy begins many years prior to the motor onset (during the &#34;premanifest&#34; period), but the spatiotemporal pattern of regional atrophy across the brain has not been fully characterized. Here we demonstrate an online cloud-computing platform, &#34;MRICloud&#34;, which provides atlas-based whole-brain segmentation of T1-weighted images at multiple granularity levels, and thereby, enables us to access the regional features of brain anatomy. We then describe a regression model that detects statistically significant inflection points, at which regional brain atrophy starts to be noticeable, i.e. the &#34;change-point&#34;, with respect to a disease progression index. We used the CAG-age product (CAP) score to index the disease progression in HD patients. Change-point analysis of the volumetric measurements from the segmentation pipeline, therefore, provides important information of the order and pattern of structural atrophy across the brain. The paper illustrates the use of these techniques on T1-weighted MRI data of premanifest HD subjects from a large multicenter PREDICT-HD study. This design potentially has wide applications in a range of neurodegenerative diseases to investigate the dynamic changes of brain anatomy.

This paper describes a statistical model for volumetric MRI data analysis, which identifies the &#34;change-point&#34; when brain atrophy begins in premanifest Huntington&#39;s disease. Whole-brain mapping of the change-points is achieved based on brain volumes obtained using an atlas-based segmentation pipeline of T1-weighted images.

解剖性脑 MRI 的全脑分割及变化点分析--Premanifest 亨廷顿病的应用

Recent advances in MRI offer a variety of useful markers to identify neurodegenerative diseases. In Huntington&#39;s disease (HD), regional brain atrophy ...

Translational Brain Mapping at the University of Rochester Medical Center: Preserving the Mind Through Personalized Brain Mapping

The Translational Brain Mapping Program at the University of Rochester is an interdisciplinary effort that integrates cognitive science, neurophysiology, neuroanesthesia, and neurosurgery. Patients who have tumors or epileptogenic tissue in eloquent brain areas are studied preoperatively with functional and structural MRI, and intraoperatively with direct electrical stimulation mapping. Post-operative neural and cognitive outcome measures fuel basic science studies about the factors that mediate good versus poor outcome after surgery, and how brain mapping can be further optimized to ensure the best outcome for future patients. In this article, we describe the interdisciplinary workflow that allows our team to meet the synergistic goals of optimizing patient outcome and advancing scientific understanding of the human brain.

This article provides an overview of a multi-modal brain mapping program designed to identify regions of the brain that support critical cognitive functions in individual neurosurgery patients.

罗切斯特大学医学中心的转化脑图:通过个性化大脑映射保护大脑

The Translational Brain Mapping Program at the University of Rochester is an interdisciplinary effort that integrates cognitive science, neurophysiology, ...

Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI)

Most methods for conducting meta-analysis of voxel-based neuroimaging studies do not assess whether effects are not null, but whether there is a convergence of peaks of statistical significance, and reduce the assessment of the evidence to a binary classification exclusively based on p-values (i.e., voxels can only be &ldquo;statistically significant&rdquo; or &ldquo;non-statistically significant&rdquo;). Here, we detail how to conduct a meta-analysis using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI), a novel method that uses a standard permutation test to assess whether effects are not null. We also show how to grade the strength of the evidence according to a set of criteria that considers a range of statistical significance levels (from more liberal to more conservative), the amount of data or the detection of potential biases (e.g., small-study effect and excess of significance). To exemplify the procedure, we detail the conduction of a meta-analysis of voxel-based morphometry studies in obsessive-compulsive disorder, and we provide all the data already extracted from the manuscripts to allow the reader to replicate the meta-analysis easily. SDM-PSI can also be used for meta-analyses of functional magnetic resonance imaging, diffusion tensor imaging, position emission tomography and surface-based morphometry studies.

Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images SDM-PSI

We detail how to conduct a meta-analysis of voxel-based neuroimaging studies using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI).

使用基于种子的 d 映射对基于体素的神经成像研究进行元分析，并结合主题图像的排列 （SDM-PSI）

Most methods for conducting meta-analysis of voxel-based neuroimaging studies do not assess whether effects are not null, but whether there is a ...

Standardized Data Acquisition for Neuromelanin-Sensitive Magnetic Resonance Imaging of the Substantia Nigra

The dopaminergic system plays a crucial role in healthy cognition (e.g., reward learning and uncertainty) and neuropsychiatric disorders (e.g., Parkinson's disease and schizophrenia). Neuromelanin is a byproduct of dopamine synthesis that accumulates in dopaminergic neurons of the substantia nigra. Neuromelanin-sensitive magnetic resonance imaging (NM-MRI) is a noninvasive method for measuring neuromelanin in those dopaminergic neurons, providing a direct measure of dopaminergic cell loss in the substantia nigra and a proxy measure of dopamine function. Although NM-MRI has been shown to be useful for studying various neuropsychiatric disorders, it is challenged by a limited field-of-view in the inferior-superior direction resulting in the potential loss of data from the accidental exclusion of part of the substantia nigra. In addition, the field is lacking a standardized protocol for the acquisition of NM-MRI data, a critical step in facilitating large-scale multisite studies and translation into the clinic. This protocol describes a step-by-step NM-MRI volume placement procedure and online quality control checks to ensure the acquisition of good-quality data covering the entire substantia nigra.

This protocol shows how to acquire neuromelanin-sensitive magnetic resonance imaging data of the substantia nigra.

黑质神经黑色素敏感磁共振成像的标准化数据采集

The dopaminergic system plays a crucial role in healthy cognition (e.g., reward learning and uncertainty) and neuropsychiatric disorders (e.g., ...

A Standardized Pipeline for Examining Human Cerebellar Grey Matter Morphometry using Structural Magnetic Resonance Imaging

Multiple lines of research provide compelling evidence for a role of the cerebellum in a wide array of cognitive and affective functions, going far beyond its historical association with motor control. Structural and functional neuroimaging studies have further refined understanding of the functional neuroanatomy of the cerebellum beyond its anatomical divisions, highlighting the need for the examination of individual cerebellar subunits in healthy variability and neurological diseases. This paper presents a standardized pipeline for examining cerebellum grey matter morphometry that combines high-resolution, state-of-the-art approaches for optimized and automated cerebellum parcellation (Automatic Cerebellum Anatomical Parcellation using U-Net Locally Constrained Optimization; ACAPULCO) and voxel-based registration of the cerebellum (Spatially Unbiased Infra-tentorial Template; SUIT) for volumetric quantification. 
The pipeline has broad applicability to a range of neurological diseases and is fully automated, with manual intervention only required for quality control of the outputs. The pipeline is freely available, with substantial accompanying documentation, and can be run on Mac, Windows, and Linux operating systems. The pipeline is applied in a cohort of individuals with Friedreich ataxia (FRDA), and representative results, as well as recommendations on group-level inferential statistical analyses, are provided. This pipeline could facilitate reliability and reproducibility across the field, ultimately providing a powerful methodological approach for characterizing and tracking cerebellar structural changes in neurological diseases.

A standardized pipeline is presented for examining cerebellum grey matter morphometry. The pipeline combines high-resolution, state-of-the-art approaches for optimized and automated cerebellum parcellation and voxel-based registration of the cerebellum for volumetric quantification.

一种使用结构磁共振成像检查人小脑灰质形态测量的标准化管道

Multiple lines of research provide compelling evidence for a role of the cerebellum in a wide array of cognitive and affective functions, going far beyond ...

加强脑部疾病的神经影像学分析

Manual Segmentation of the Human Choroid Plexus Using Brain MRI

The choroid plexus has been implicated in neurodevelopment and a range of brain disorders. Evidence demonstrates that the choroid plexus is critical for brain maturation, immune/ inflammatory regulation, and behavioral/cognitive functioning. However, current automated neuroimaging segmentation tools are poor at accurately and reliably segmenting the lateral ventricle choroid plexus. Furthermore, there is no existing tool that segments the choroid plexus located in the third and fourth ventricles of the brain. Thus, a protocol delineating how to segment the choroid plexus in the lateral, third, and fourth ventricle is needed to increase the reliability and replicability of studies examining the choroid plexus in neurodevelopmental and brain disorders. This protocol provides detailed steps to create separately labeled files in 3D Slicer for the choroid plexus based on DICOM or NIFTI images. The choroid plexus will be manually segmented using the axial, sagittal, and coronal planes of T1w images making sure to exclude voxels from gray or white matter structures bordering the ventricles. Windowing will be adjusted to assist in the localization of the choroid plexus and its anatomical boundaries. Methods for assessing accuracy and reliability will be demonstrated as part of this protocol. Gold standard segmentation of the choroid plexus using manual delineations can be used to develop better and more reliable automated segmentation tools that can be openly shared to elucidate changes in the choroid plexus across the lifespan and within various brain disorders.

作者聚焦：弥合解剖学差距并为算法研究奠定基础 

Despite the crucial role of the choroid plexus in the brain, neuroimaging studies of this structure are scarce due to the lack of reliable automated segmentation tools. The present protocol aims to ensure gold-standard manual segmentation of the choroid plexus that can inform future neuroimaging studies.

使用脑部 MRI 手动分割人脉络丛

The choroid plexus has been implicated in neurodevelopment and a range of brain disorders. Evidence demonstrates that the choroid plexus is critical for ...

有或没有精神病的大麻使用者的大脑形态:试点MRI研究

摘要

探索更多视频

PLAYLIST