Mess Konnektivität im primären Sehbahn im Bereich Human Albinismus Diffusion Tensor-Bildgebung und Traktographie

Zusammenfassung

Dieses Manuskript beschreibt deterministischen und probabilistischen Algorithmen für die weiße Substanz (WM) für den Wiederaufbau, verwendet, um Unterschiede in Sehstrahlung zu untersuchen (OR) Konnektivität zwischen Albinismus und Kontrollen. Obwohl probabilistischen tractography war der wahre Verlauf der Nervenfasern stärker determinis tractography folgt ausführen, um die Zuverlässigkeit und Reproduzierbarkeit beider Techniken zu vergleichen.

Zusammenfassung

In Albinismus, wird die Anzahl der ipsilateral Projizieren retinale Ganglionzellen (RGCs) signifikant reduziert. Die Retina und Chiasma wurden als mögliche Standorte für Fehlleitung vorgeschlagen. Da eine Korrelation zwischen der Anzahl der Corpus geniculatum laterale (LGN) Relais Neuronen und LGN Größe gezeigt wurde, und basierend auf den bereits gemeldeten Reduktionen in LGN Volumina im menschlichen Albinismus, schlagen wir vor, dass Faser Projektionen von LGN zur primären visuellen Kortex (V1) werden ebenfalls reduziert. Studium strukturelle Unterschiede im visuellen System des Albinismus kann das Verständnis des Mechanismus der Fehlleitung und anschließende klinische Anwendungen verbessern. Diffusionsdaten und tractography sind nützlich zum Abbilden des OR (optische Strahlung). Dieses Manuskript beschreibt zwei Algorithmen zur Rekonstruktion oder um Gehirn-Konnektivität in Albinismus und controls.An MRI-Scanner mit einem 32-Kanal-Kopfspule verwendet strukturelle Scans zu erwerben wurde zu vergleichen. Ein T1-gewichteten 3D-MPRAGE Sequenz mit 1 mm³ isotropen Voxelgröße wurde verwendet , hochauflösende Bilder für V1 Segmentierung zu erzeugen. Mehrere Protonendichte (PD) gewichtete Bilder wurden kranz für Recht erworben und LGN Lokalisierung links. Diffusions-Tensor-Bildgebung (DTI) Scans wurden mit 64 Diffusionsrichtungen erworben. Sowohl deterministische und probabilistische Tracking-Methoden wurden durchgeführt und verglichen mit LGN als Keimmaske und V1 als Zielmaske. Obwohl DTI relativ schlechte räumliche Auflösung bietet und genaue Abgrenzung der OR kann aufgrund seiner geringen Faserdichte eine Herausforderung sein, tractography wurde sowohl in der Forschung als auch klinisch vorteilhaft erwiesen. Tract basierend räumlichen Statistik (TBSS) ergab Bereiche deutlich reduziert weißen Substanz Integrität innerhalb der oder bei Patienten mit Albinismus Vergleich zu den Kontrollen. Paarweise Vergleiche ergeben, in Albinismus eine signifikante Reduktion der LGN zu V1 Konnektivitäts Vergleich zu den Kontrollen. Vergleicht man beide Tracking-Algorithmen offenbart gemeinsame Erkenntnisse, um die Zuverlässigkeit zu stärkender Technik.

Einleitung

Albinismus ist eine genetisch bedingte Erkrankung in erster Linie durch offenkundige hypopigmentation in den betroffenen Individuen beobachtet gekennzeichnet. Es wird von ererbten Mutationen Gene verursacht ¹ in Melaninsynthese beteiligt. Albinismus erscheint in zwei Hauptformen: oculo-kutane Albinismus (OCA), eine autosomal-rezessiv vererbt sowohl Augen- und Hautmerkmale aufweist; und okulare Albinismus (OA), eine X-chromosomal trait häufiger bei Männern und vor allem durch die Augensymptome ² gekennzeichnet. Melanin in retinalen Pigmentepithel (RPE) ist entscheidend für die richtige Entwicklung des zentralen Sehbahn. Sein Fehlen in Albinismus führt daher zu Fehlsichtigkeiten, einschließlich Photophobie, Nystagmus, reduzierte Sehschärfe und Verlust des binokularen Sehens ^2-3. Die Sehschärfe wurde Fovea - Morphologie verknüpft, die in Albinismus ⁴ verändert wird. Beim Menschen liegt eine Netzhautlinie decussation entlang der nasotemporal Grenze durch die Fovea, mit Fasern aus nasalen RetinaKreuzung auf der anderen Hemisphäre und die aus zeitlichen Retina erstreckt ipsilateral. Der Grad der reduzierten visuellen Funktion in Albinismus wurde auf das Niveau von hypopigmentation verknüpft. Insbesondere ist Pigmentierung umgekehrt proportional zur Verschiebung in temporal Retina des Linie decussation ^5. Als Folge der Verschiebung der Leitung von decussation in der zeitlichen Retina, Überschreiten der Sehnervenfasern erhöht wird - ein gemeinsames Merkmal in allen ^drei Arten.

Structural MRI Studien am Menschen haben schmalere optic Chiasmen in Albinismus gezeigt im Vergleich zu Kontrollen, die ^6-8 in Albinismus wahrscheinlich das Ergebnis der erhöhten Kreuzungs von RGCs beobachtet wird. Die Netzhaut und Chiasma axonalen Führung Cues Eil wie Eph - Familie - Rezeptoren und deren Liganden ⁹ und sind daher mögliche Standorte für Fehlleitung ^10.

Eine Studie an Affen mit induzierten Glaukom zeigte einen signifikanten Dezemberrease in der Anzahl der LGN Parvalbumin-immunoreaktive Neuronen Relais und LGN Volumen ^11. Dies deutet auf eine Korrelation zwischen LGN Größe und der Anzahl der weißen Substanz (WM) Trajektorien durch die OR zu V1 fährt. Eine post mortem Studie an menschlichen Albinismus zeigte auch kleinere LGN mit verschmolzenen M und P Schichten ^12. Hochauflösende strukturelle MRT bestätigt signifikante Verringerung des Volumens von LGN in Albinismus ^8. Zusammengenommen deuten diese Ergebnisse, dass LGN Volumen verringerte sich in einer reduzierten Anzahl von Neuronen in der LGN führen und wiederum in verringerten Konnektivität zwischen LGN und V1.

Prüfungsmuster anatomischer Konnektivitäts beim Menschen begrenzt. Sezierung, Tracerinjektion und Läsion Induktion sind invasive Techniken, die nur post mortem verwendet werden kann, und in der Regel eine sehr kleine Anzahl von Patienten einzubeziehen. Frühere Studien mit Carbocyaninfarbstoffes Dil Injektionen zeigten neuronale Verbindungen zwischen V1 und V2 (sekundäre visual c färbenORTEX) ^13, sowie im Hippocampus - Komplex in Aldehyd-fixierten postmortalen menschlichen Gehirnen ^14. Kennzeichnungs Fasern auf diese Weise wird auf Entfernungen von nur beschränkt zehn Millimeter von der Injektionsstelle ^14. Diffusion Tensor Imaging, DTI, ist eine MRI-Modalität entwickelt Anfang-Mitte der 1990er Jahre Faserzug Richtung und Organisation zu identifizieren. Es ist eine nicht-invasive Methode, die Kartierung großer WM Wege im lebenden Gehirn ermöglicht. DTI ist in biologischem Gewebe ¹⁵ zur Diffusion von Wassermolekülen empfindlich. Im Gehirn ist die Diffusion von Wasser anisotrop (unebene) aufgrund von Barrieren wie Membranen und Myelin. WM hat eine hohe Diffusions Anisotropie, was bedeutet , die Diffusions größer parallel als senkrecht zu der Ausrichtung der Fasern ¹⁶ ist. Fractional Anisotropie (FA) ist eine skalare Größe, die die Präferenz von Molekülen diffundieren in anisotroper Weise beschreibt. FA-Werte reichen von 0-1, von niedrig bis hoch anisotropy (Liquor (CSF) 16.

Rationalisieren (deterministisch) und probabilistische Fiber Tracking sind zwei verschiedene Algorithmen für 3D-Pfad Rekonstruktion. Determinis tractography verwendet eine Linie Ausbreitungsverfahren, benachbarte Voxel in einem definierten Seed-Region verbindet. Zwei Abbruchkriterien in diesem Algorithmus verwendet werden, sind der Drehwinkel und der FA-Wert. Daher Trakt zwischen benachbarten Voxel Tracing ist bei großen Drehwinkel unwahrscheinlich. Der Algorithmus wäre daher schreitet auch nur, wenn der FA in einem Voxel eine bestimmte Schwelle überschreitet, in genau definieren Wege in der Nähe der grauen Substanz ihre Wirksamkeit zu begrenzen, wo Anisotropie fällt. Probabilistische tractography, auf der anderen Seite ergibt eine Konnektivitätskarte die Wahrscheinlichkeit eines Voxel beschreibt Teil eines Darm - Trakt zwischen zwei Regionen von Interesse (ROIs) und damit schreitet in der grauen Substanz wie V1 ¹⁷ zu sein. Mit dieser MRI-Anwendung, Schlüssel WM Strukturen wie dieOR kann abgegrenzt werden, wie ^18-20 in früheren Studien gezeigt.

Diese Studie verwendet daher Diffusionsdaten und tractography die Wirkung von axonalen Fehlleitung auf retino-geniculo-kortikalen Konnektivität zu erkunden. Basierend auf den bereits gemeldeten Reduktionen in LGN Volumina im menschlichen Albinismus ^8, sagen wir voraus , dass Faser Projektionen von LGN zu V1 werden ebenfalls reduziert (Abbildung 1).

Protokoll

Ethik-Statement: Die aktuelle Studie wurde von den menschlichen Teilnehmern Review Committee (HPRC) an der York University, Toronto genehmigt. Alle Teilnehmer gaben ihr schriftliches Einverständnis informiert.

1. Gegenstand Vorbereitung

Hinweis: Elf Teilnehmer mit OCA, im Alter von 36 ± 4 Jahre (6 Frauen) wurden im Vergleich zu zehn altersangepassten Kontrollen, im Alter von 32 ± 4 Jahre (6 Frauen). Teilnehmerhistorie ist in Tabelle 1 aufgezeichnet.

1. Bitten Sie jeden Teilnehmer ausfüllen und unterschreiben eine Einverständniserklärung, die MRI-Sicherheitsrichtlinien und Imaging-Protokoll aufgeführt sind.
2. Für jeden Teilnehmer bieten Ohrenstöpsel für die Ohren. Position Teilnehmer Rücken und Kopf zuerst in den Magneten und Wahrzeichen über den Augen an der Augenbraue Ebene. Sichere Teilnehmer den Kopf mit Kissen Kopfbewegung zu reduzieren. Geben Sie dem Teilnehmer eine Saugbirne für Patienten aufmerksam.

2. Strukturelle MRT-Parameter

e_content "> Hinweis: Alle Bildgebung auf einem 3T-MRT-Scanner erfasst wird ein 32-Kanal-Kopfspule während einer einzelnen Sitzung pro Fach.:

1. Erwerben Sie eine hohe Auflösung T1-gewichteten anatomischen eine 3D MPRAGE Sequenz unter Verwendung des gesamten Gehirns mit den folgenden Parametern abdeckt: Erfassungszeit 4 min 26 sec, Sichtfeld 256 mm, 256 Matrix, 192 Scheiben mit Schichtdicke von 1 mm, mit einer resultierende isotropen Voxelgröße von 1,0 mm ^3, TR = 1900 ms, TE (Echozeit) = 2,52 ms mit einer Inversionszeit von 900 ms und Flip - Winkel von 9 °, 1 Durchschnitt parallele Bildgebung (iPat GRAPPA, Beschleunigungsfaktor von 2) .
2. Erwerben Sie eine DTI-Sequenz die Rinde bedeckt, mit Scheiben in Querausrichtung nach der vorderen Kommissur / hinteren Kommissur (AC-PC) Linie, die folgenden Parameter: Erfassungszeit 8 min 5 sec, Sichtfeld 192 mm, 128 Matrix, Voxel 1.5 1,5 mm in der gleichen Ebene, 56 zusammenhängende (kein Spalt) Scheiben mit 2 mm Dicke, TR = 6900 ms, TE = 86 ms, 64 Richtungen, b-Wert von 1000 s / mm ² (Referenzbild mit niedrigen b-Wert von 0 sec / mm ^2), 1 Durchschnitt parallele Bildgebung (iPat GRAPPA) mit einem Beschleunigungsfaktor von 3.
3. Erwerben 30-40 PD-gewichteten Bildern in einer koronalen Ausrichtung parallel Schaft zum Gehirn, von der vorderen Ausdehnung der Brücke an den hinteren Teil des Colliculus inferior abdeckt.
   1. Verwenden Sie den Turbo-Spin-Echo (FAST-Spin-Echo) Impulsfolge und die folgenden Parameter: Erfassungszeit 1 min 29 sec pro Scan, Sichtfeld 192 mm, 256 Matrix, 30-40 Scheiben mit einer Dicke von 1 mm, Voxelgröße 0,75 0,75 resultierende 1 mm ^3, TR = 3000 ms, TE = 22 ms, Turbofaktor von 5, Refokussierungsflipwinkel von 120 °, 1 Durchschnitt parallele Bildgebung (iPat GRAPPA) mit einem Beschleunigungsfaktor von 2.
      Hinweis: S12 gescannt wurde mit den folgenden Parametern: Sichtfeld von 180 mm, 512 Matrix, 30 Scheiben mit 1 mm dicke Scheiben schneiden, was Voxelgröße 0,4 x 0,4 x 1,0 mm ^3. Alle anderen Parameter blieben gleich. AcquisitIonenzeit 2 min 47 sec.
4. Pre-Prozess alle Scans von rohen DICOM zu NIfTI Format mit dem Programm dcm2nii konvertieren.

3. LGN Delineation

Hinweis: Der LGN ist eine kleine Tiefe befindet subkortikale Struktur im Gehirn, daher hochauflösende PD Bilder erforderlich sind, um ihre anatomischen Grenzen bestimmen. In diesen Scans erscheint der LGN als ein Bereich mit hoher Signalintensität im Vergleich zu den umliegenden WM Wege, erleichtert seine Detektion ^21. Die identifizierte anatomische LGN wird dann als ein Seed-Region für tractography verwendet.

1. Während blind für die Gruppenmitgliedschaft, Spuren manuell nach rechts und links LGN Masken jeweils dreimal auf durchschnittlich PD Bilder interpoliert , um zweimal die Auflösung und die Hälfte Voxelgröße (original 256 x 256 Matrix, 0,75 x 0,75 x 1 mm ³ Voxelgröße).
   1. Zur Erzielung hoher Auflösung PD Bilder verwenden, um die frei verfügbaren FLIRT-Funktion und andere Software-Tools innerhalb FMRIB der SoftwareLibrary (FSL, http://www.fmrib.ox.ac.uk/fsl/). Upsample, verketten, Bewegung korrekt und mittlere PD Bilder für jeden Teilnehmer , wie zuvor an anderer Stelle ²² beschrieben.
   2. Laden Sie die hohe Auflösung PD Bild in FSLView und klicken Sie auf die Registerkarte Extras die einzige Option auswählen (oder drücken Sie ), Um das Bild zu vergrößern.
   3. Klicken Sie auf die Registerkarte Datei die Maske erstellen Option auszuwählen, und verwenden Sie die Symbolleiste auf der linken oberen Ecke des Bildschirms, um die LGN in jeder Scheibe zu verfolgen. Falls gewünscht, ändern Sie den Kontrast des Bildes durch entlang der min / max in der Symbolleiste ziehen LGN den Nachweis zu erleichtern.
2. Merge diese Regionen von Interesse (ROIs) in eine mittlere Maske den fslmerge Befehl.
3. Kombinieren Sie alle Median Masken 'Rater in eine einzige mittlere Maske mit dem gleichen Befehl.

4. V1 Segmentation

1. Run "recon-all" -Befehl in FreeSurfer23 (V5.3.0) auf das Gehirns im nativen anatomischen Raum (T1-gewichteten Bildern) für die automatisierte Verarbeitung.
2. Konvertieren Sie die entsprechenden Ausgänge in den neu erstellten Ordner mri (orig.mgz, brain.mgz, rawavg.mgz, T1.mgz) zu NIfTI mit "mri_convert".
3. Verwenden BET Gehirn Extraktion in der FSL GUI den Schädel-gestrippt Ausgang Gehirn (brain.nii.gz) in FreeSurfer Raum bei Bedarf zu korrigieren. Wählen Sie den Run Standard Gehirn Extraktion mit BET2 Option (Standard). Senken Sie die Schwelle, wenn Bild Hirngewebe fehlt, oder erhöhen, wenn nicht Hirngewebe aufgenommen wird (Standardschwellen 0,5). Wählen Sie den Output Gehirn-extrahierte Bild und Output binäre Gehirn Maskenbild (letzteres kann für manuelle Korrekturen verwendet werden) in den erweiterten Optionen.
4. Konvertieren Ausgabe V1 Parzellierung zu einer volumetrischen Maske "label2surf" und "surf2volume" Befehle.

5. Pre-Tracking-Anmeldungen

Hinweis: Für die nächsten Schritte, rufen Sie die FSL GUI jeder der followin zu öffneng-Tools.

1. Verwenden BET Gehirn Extraktion und wählen Sie das Feld Bias & neck Bereinigungsoption auf Schädel-Streifen rawavg.nii.gz, die sich im mri Ordner erstellt von "recon-all". Einstellen Schwelle nach Bedarf.
2. Führen Sie FLIRT lineare Registrierung zu bringen Gehirne in FreeSurfer und nativen anatomischen Raum Diffusionsraum.
   1. Wählen Sie brain.nii.gz, Ausgabe von recon-all (FreeSurfer Raum) oder eines Subjekts Gehirn extrahiert T1 (native anatomischen Raum) als Eingangsbild und ein Eddy korrigiert und Gehirn diffusionsgewichtete Bild (DWI) als Referenz extrahiert Image. Dann klicken Sie auf "Go".
      Anmerkung: Dieser Schritt erzeugt zwei Ausgänge, die Eingangs Gehirn zu dem Referenzbild registriert (.nii.gz) und einer Transformationsmatrix (.mat). Neben der Registrierung wird diese Datei benötigt für tractography wenn Samen Raum nicht Diffusion ist. Verwenden Sie die Ausgabe Transformationsmatrizen (.mat) in diesem Schritt für tractography erstellt, wie in 7.4.2 erklärt.
3. Ähnlichbis 5.2 laufen Registrierung FLIRT linear PD Gehirn FreeSurfer Raum und nativen anatomischen Raum 'Teilnehmer bringen.
4. Bereiten Samen Masken für tractography:
   1. Bewerben FLIRT Transformation von Utils in der FLIRT linearen Registrierung Toolbox. Verwenden Sie die .mat Ausgabe als Transformationsmatrix, maskieren die ursprüngliche LGN als Eingang und brain.nii.gz (FreeSurfer Raum) oder T1_brain.nii.gz (native anatomischen Raum) (siehe 5.2) als Referenzvolumen. Wählen Sie die Nearest Neighbor Interpolationsverfahren aus den erweiterten Optionen.
5. Mit brain.nii.gz Dateien nur, bereiten Zielmasken für tractography:
   1. Registrieren FreeSurfer Gehirne zu nativen anatomischen Raum und schaffen Zielmasken durch Transformation zu V1 Masken Anwendung (siehe 5.2, 5.4.1) unter Verwendung von Tri-Linear Interpolation. Klicken Sie auf "Go".

6. LGN Normalisierungs

1. Verwenden Sie FNIRT nichtlineare Registrierung wie zuvor beschrieben, unter http: //fsl.fmrib.ox.ac.uk / FSL / fslwiki / FNIRT Teilnehmer nicht extrahierten Gehirne in nativen anatomischen Raum zu MNI Raum zu bringen, das Montreal Neurological Institute ganze Gehirn Vorlage (MNI152).
   Hinweis: Nicht-lineare Registrierung der ursprünglichen anatomischen Bildern wird für diesen Schritt empfohlen, da Anmeldungen genauer waren, als FNIRT zu nicht extrahierten T1- angewendet wurde im Vergleich extrahiert Gehirn FLIRT an.
2. Bewerben Transformation LGN Masken in anatomischen Raum (original LGN zuvor nativen anatomischen Raum transformiert in 5.4) unter Verwendung von Nächster-Nachbar-Interpolation, wie in 5.4.1 beschrieben Masken zu MNI Raum zu bringen.
3. Durchschnittlich alle Masken LGN in MNI Raum über beide Befehl der Verwendung von Gruppen AFNI "3dMean".
4. Verwenden Sie "fslmaths Thr" eine Schwelle zur mittleren Maske in MNI Raum anzuwenden.
5. Berechnen Sie den Radius der mittleren Maske in MNI Raum mit V = 4/3 & pgr; r ³ ( unter der Annahme einer Kugel).
6. Notieren Sie sich die Mitte der Masse Koornaten jedes einzelnen LGN Maske in nativen anatomischen Raum mit dem Befehl "fslstats -C".
7. Erstellen sphärischen ROIs von identischen Volumina über die Teilnehmer:
   1. Verwenden Sie "fslmaths" , um einen ROI Punkt mit den Koordinaten des entsprechenden einzelnen LGN Maske in nativen anatomischen Raum zu schaffen wie in Abschnitt 6.6 aufgenommen
   2. Mit "fslmaths", wenden Sie den Radius der mittleren Maske in MNI Raum eine Kugel um den ROI Punkt in nativen anatomischen Raum zu schaffen.
8. Verwenden Sie diese standardisierte Masken als Keime für tractography.

7. probabilistische Traktographie (FSL 5.0.4)

Hinweis: Für die nächsten Schritte, die Fdt_gui rufen jede der folgenden Tools zuzugreifen.

1. Richtige für Verzerrungen in DWIs mit Wirbelstromkorrektur. Wählen Sie die Wirbelstromkorrektur-Option aus dem Menü am oberen Rand des Diffusions Toolbox Fenster und laden Sie das DWI als Eingang, die defaul verlassent Referenzvolumen (0).
2. Gehirn extrahieren die Bilder mit BET wie in 4.3 beschrieben.
3. Wählen Sie die DTIFIT Rekonstruktion Diffusion Tensor-Option aus dem Menü. Geben Sie eine Eingabeverzeichnis die folgenden Dateien enthält: diffusionsgewichtete Daten, nodif_brain_mask (Ausgabe von BET), bvec und bval (muss bvecs und bvals umbenannt werden, Textdateien, die Informationen über Diffusion Bildaufnahmeparameter, Ausgabe von DICOM zu NIfTI Umwandlung von Diffusion enthält, Daten). Klicken Sie auf "Go" zu laufen dtifit, die in jedem Voxel ein Diffusions-Tensor-Modell passt, Erstellen von Dateien für die Nachbearbeitung.
4. Als nächstes wählen Sie die BedpostX (Schätzung der Diffusionsparameter) Option aus dem Menü. Verwenden Sie die gleiche Eingabeverzeichnis für DTIFIT. Klicken Sie auf "Go", um alle Dateien für tractography erforderlich zu erzeugen.
5. Aus dem gleichen Menü ProbtrackX für probabilistische Tracking und es für jede Hemisphäre separat ausgeführt werden. Halten Sie Standardgrundoptionen (5.000 Proben, 0,2 Krümmung und loopcheck applied) und wählen Sie Euler modifiziert zur Berechnung probabilistischen rationalisiert von erweiterten Optionen für eine höhere Genauigkeit.
   1. Wählen Sie die Ausgabe von BedpostX enthält .merged Dateien als BEDPOSTX Verzeichnis.
   2. Wählen Sie einzelne Maske als Keim Raum und laden Sie die transformierten LGN Maske (im nativen anatomischen Raum) als Keim Bild, T1 (Gehirn in nativen anatomischen Raum) diffusionsTransformationsMatrix, wie der Samen zu Diffusion transformieren und V1 (im nativen anatomischen Raum) in "optionale Ziele" (alle außer Ausschlussmasken) als Ziel aus.
   3. Verwenden Sie Standard-Mesh-Konvention (Caret) und laden Sie das Gehirn in nativen anatomischen Raum (T1 Bild) als die Oberflächenreferenzbild.
6. Wiederholen Sie ProbtrackX für probabilistische Tracking den Standard sphärischen ROIs mit (erstellt in Schritt 6) als Seed-Regionen für tractography wie in 7.5.2 beschrieben. Hochladen ROIs auf die gleiche Art und Weise verändert LGN (anatomischen Raum) wurden in 7.5.2 hochgeladen.
7. Re-run tractography (7.5), diesmalmit Saatgut (nicht normalisierte) und Zielmasken in FreeSurfer Raum mit dem Zusatz von kontralateralen weißen Substanz Grenzmaske FreeSurfer als Ausschlussmaske, jede Kreuzung und sorgt für direkte ipsilaterale Verbindungen zu vermeiden. Überprüfen Sie die Oberfläche Option aus der ProbtrackX Toolbox und wählen Sie FreeSurfer als Mesh-Konvention.
   Hinweis: Es ist wichtig, dass tractography betonen immer von Diffusionsraum laufen, aber Probtrackx für probabilistische Tracking ermöglicht die Eingabe von Start- und Zielmasken in einem anderen Raum, zusammen mit einer Transformationsmatrix Diffusionsraum. In dieser Studie wurde probabilistischen tractography mit Masken sowohl in nativen anatomischen und FreeSurfer Raum (Abbildung 2) ausgeführt werden .

8. Determinis Traktographie (DSI Studio)

1. Offene Eddy korrigierte diffusionsgewichteten Bildern in DSI Studio ²⁴ durch einen Klick auf Schritt 1: Open - Source - Images. Last bvec und bval Dateien auf eine b-Tabelle Fenster, das automatisch ist opened eine Quelle (.src) Datei zu erstellen.
2. Laden Sie die generierten Quelldateien auf den Rekonstruktionsfenster der Standard rekonstruiert Gehirn Masken nach Bedarf zu ändern.
3. Wählen Sie dann DTI als Rekonstruktionsverfahren ²⁵ und führen Sie es auf den Quelldateien Faserinformationsdateien (.fib) zu erzeugen.
4. Bringt der Teilnehmer PD Gehirn Diffusionsraum FLIRT lineare Registrierung verwenden.
5. Anwenden Transformation LGN Masken nächste Nachbar-Interpolation wie in 5.4.1 beschrieben.
6. Öffnen Sie .fib Dateien in den Tracking-Fenster des Programms.
7. Führen Sie für jede Hemisphäre separat Tracking, mit LGN in Diffusionsraum als Keim und Region 17 (V1) von Brodmann Atlas erhältlich von DSI Studio als terminative Region. Laden Sie die LGN-Maske durch die Regionen Registerkarte öffnen Region klicken. Wählen Sie die Seed-Option unter Typ in der Region-Liste auf der linken Seite des Bildschirms. Um die V1-Maske aus dem Atlas zu laden, klicken Sie auf Atlas aus der Symbolleiste in der Region-Liste undwählen Sie den entsprechenden Atlas.
8. Bei jedem Versuch, stellen Sie den kontralateralen WM (benannt nach links / rechts-Hirn-weiß-Materie) Maske aus FreeSurfer Segmentierung Atlas als eine Region der Vermeidung (ROA) (Region List-Box in der Tracking-Fenster zu sehen).
9. Wiederholen Tracking (8,7-8,8) unter Verwendung von sphärischen ROIs im Diffusionsraum statt einzelner LGN als Seed-Regionen für tractography.
   Hinweis: Die sphärischen ROIs haben das gleiche Volumen in allen Fächern und auf die Mitte der Masse jedes LGN zentriert.
10. Wiederholen Sie LGN Normalisierung, Abschnitt 6, nur dieses Mal Gehirne in Diffusionsraum zu Standard MNI Raum Registrierung und Transformationen zu LGN in Diffusionsraum Anwendung (original LGN zuvor in 8,4-8,5 diffusionsRaum transformiert) Masken Standard MNI Raum zu bringen. Berechnen des Volumens des sphärischen ROI als das mittlere Volumen aller LGN in Subjekten in MNI Raum.
    Hinweis: Tracking-Parameter können vom Anwender geändert werden. Für die meisten Läufe wurden Standard-Tracking-Parameter angewendet. Für einige Personen (A5, A7, S12), die Anisotropie Schwelle (Standard 0,14 bis 0,15) gesenkt wurde (0,10-0,12) und Winkelschwelle (Standard 60) erhöht wurde (65-85) zur schöneren Visualisierung. Eine schematische Darstellung der Technik ist in Abbildung 3 dargestellt.

9. Statistische Analyse - TBSS (FSL)

Hinweis: Tract basierten räumlichen Statistik ist eine voxelwise statistische Analyse der Teilnehmer FA maps16 mit dtifit26 erhalten. Es wird weitgehend für die Statistik über Diffusionsdaten verwendet. Dieser voxelwise Ansatz überwindet mögliche Probleme Ausrichtung und Glättung in VBM-Stil FA-Analyse gesehen und bietet ganze Gehirn Untersuchung, unerreichbar durch tractography-basierte approaches16.

1. Run "tbss_1_preproc" auf den Daten FA befindet sich in einem neu erstellten TBSS Verzeichnis.
2. Run "tbss_2_reg" - T nichtlineare Registrierung beantragen, jedem Teilnehmer die FA-Daten in gemeinsamen Raum (FMRIB58_FA zu bringen,Zielbild in TBSS).
3. Erstellen Sie eine mittlere FA Skelett mit den Zentren aller gängigen Flächen unter den Teilnehmern mit "tbss_3_postreg -S".
4. Lauf "Tbss_4_prestats 0.2" zu einzelnen Teilnehmer ausgerichtet FA Karte auf das mittlere Skelett aller ausgerichtet FA Karten projizieren.
5. Erstellen Sie design.con und design.mat Dateien zu gewährleisten, dass die Reihenfolge der Matrix mit der Bestellung übereinstimmt, in dem TBSS vorverarbeitet die FA-Daten.
6. Run "randomisieren", die T2-Option, die für TBSS empfohlen, da es auf einem Skelett (eine reduzierte Teilmenge der 3D-Daten) wirkt und 5,000 pre-Mutationen, die genauer p-Werte gibt.

10. Statistische Analyse - SPSS

1. Extrahieren von FA Werte von deterministischen Daten
   Hinweis: deterministisch-basierte FA Werte von DSI Studio Output-Statistik Textdateien abgeleitet wurden. Diese Werte stellen den Mittelwert FA innerhalb der erzeugten Flächen, which in diesem Fall entsprechen dem Bereich des OR.
   1. Führen Fiber Tracking in DSI-Studio.
   2. Speichern Sie die "Statistik" Textdateien erstellt von DSI Studio für jeden erzeugten Satz von Flächen und notieren Sie die Werte von ihnen 'FA bedeuten'.
2. Extrahieren von FA Werte von probabilistischen Daten
   Hinweis: Probabilistic-basierte FA-Werte abgeleitet werden aus ProbtrackX2 Ausgabe fdt_paths Dateien. Dies sind 3D-Darm-Trakt Dichte Bilder, die in dieser Studie den Bereich abdecken entsprechend dem OR.
   1. Verwenden Registrierung FLIRT linear einzelnen Teilnehmer fdt_paths Dateien Diffusionsraum zu bringen.
   2. Digitalisieren die Ausgabemasken mit "fslmaths - bin".
   3. Für jeden Teilnehmer, multiplizieren Sie die Maske durch ihre FA Karte von dtifit mit "fslmaths -mul".
   4. Run "fslmeants" Befehl den Mittelwert FA von jedem Trakt Maske zu finden.
3. Laufende Analysen mit SPSS (mit deterministischen und probabilistischen
   Daten)
   NAnmerkung: Die statistische Analyse wird SPSS unter Verwendung von 20 für Mac. Da Halbkugel ist eine intraindividuelle Variablen ein verallgemeinertes lineares Modell (GENLIN), mit dem die Effekte in jeder Seite des Gehirns können getrennt betrachtet werden, angewendet wird. Insbesondere verwendet die verallgemeinerten Schätzungsgleichung (GEE).
   1. In getrennten Tests stellen jeweils mittlere FA und rationalisieren count (waytotal oder Prozentsatz rationalisiert erzeugt, PGSL) als abhängige Variable.
      Hinweis: In dieser Studie rationalisieren Zahl auf Weg-Gesamtwerte basiert. Waytotal beschreibt die Gesamtzahl der erzeugten Stromlinien , die durch Ein- / Ausschlusskriterien abgelehnt haben ²⁷ nicht. Die Anzahl der erzeugten Stromlinien (NGSL), die gesendet zu der Gesamtzahl von Stromlinien bezieht, ist gleich der Anzahl von Voxeln in der Maske Samen durch die Anzahl von Proben von jedem Voxel (5000 in diesem Fall) gezogen multipliziert. Prozentsatz erzeugten Stromlinien (PGSL), dividiert durch waytotal NGSL mal 100, ist ein Maß für erfolgreiche connectivity zwischen dem Samen und dem Ziel.
   2. Studieren Sie den Einfluss der Gruppe und Geschlecht auf LGN zu V1-Konnektivität von ihnen als unabhängige Variablen in allen Tests einstellen.
      Hinweis: Haupteffekte sowie Zwei- und Drei-Wege-Wechselwirkungen untersucht wurden. Es ist wichtig zu beachten, dass diese Einzeltests nicht miteinander bedingt sind, so dass die Bedeutung einer Haupteffekt oder Interaktion ist unabhängig von der anderen.
   3. Verwenden Sie das Alter als Kovariate für alle Tests. Außerdem verwenden LGN Volume als Kovariante für Tests mit Mittelwert FA und waytotal als die abhängigen Variablen, aber es aus Tests mit PGSL als abhängige Variable wegzulassen.
      Hinweis: Gesamthirnvolumen gefunden wurde eine unbedeutende Kovariable zu sein und wurde deshalb von Statistiken verzichtet.
   4. Wählen Sie die Bonferroni - Korrekturverfahren für multiple Vergleiche ²⁸ (Signifikanzniveau p <0,05) einzustellen.

Ergebnisse

Dieser Abschnitt enthält eine Zusammenfassung der Ergebnisse mit zwei verschiedenen Algorithmen von tractography, deterministischen und probabilistischen erhalten. LGN Volumina in PD Raum , in dem Masken wurden ursprünglich gezeichnet, ebenso wie in allen anderen Räumen in dieser Studie verwendet wurden , sind in Tabelle 2 aufgezeichnet werden, und LGN Verfolgung ist in Abbildung 4 dargestellt. Die hier vorgestellten Ergebnisse basier...

Diskussion

Veränderte WM und insbesondere verringerte Konnektivität in Albinismus Vergleich zu Kontrollen wurden erwartet. Somit sind die reduzierte FA in der rechten Hemisphäre des Albinismus im Vergleich zu Kontrollen sowie die verringerte Konnektivität bei männlichen Patienten mit Albinismus hier berichtet im Einklang mit unserer Vorhersage. Geschlecht und Hemisphäre Effekte sind nicht ganz klar, obwohl die Forschung auf dem gesunden Gehirn , die in der linken Hemisphäre von Männern im Vergleich zu Frauen verringerte WM...

Materialien

Name	Company	Catalog Number	Comments
Magnetom Tim Trio 3T MRI	Siemens (Erlangen, Germany)
FMRIB’s Software Library (FSL)			http://www.fmrib.ox.ac.uk/fsl/
FreeSurfer			http://surfer.nmr.mgh.harvard.edu
DSI Studio			http://dsi-studio.labsolver.org
SPSS