Diese Methode kann schlüsselgebende Fragen in den Bereichen Neuroimaging und Neurologie beantworten. Zum Beispiel, ob es Gruppenunterschiede im kortikalen Volumen für nicht-klinische versus klinische Populationen gibt. Der Hauptvorteil dieser Technik ist, dass sie es Forschern ermöglicht, das beste Werkzeug für ihre Daten zu verwenden.
Öffnen Sie zunächst die SPM-Software, indem Sie ein MATLAB-Befehlsfenster öffnen und SPM in die Befehlszeile eingeben. Wählen Sie dann PET VBM aus, um die strukturelle MRT-Toolbox zu öffnen, um eine einheitliche Segmentierung durchzuführen. Öffnen Sie nun den Batch-Editor, um die Segmentierung für mehrere Scans gleichzeitig durchzuführen.
Wählen Sie SPM, Räumlich und Segment, dann Daten, Dateien und wählen Sie die T1-gewichteten Scans als Eingabe aus. Klicken Sie als Nächstes auf Ausgabedateien, Graue Materie, und stellen Sie sicher, dass Native Space ausgewählt ist, und wiederholen Sie dies für White Matter. Wenn die CSF-Segmentierung nicht erforderlich ist, lassen Sie diesen Satz auf Keine.
Wenn die Scans bereits Voreingenommenheit korrigiert wurden, ändern Sie diese Option in Nicht korrigieren. Verwenden Sie dann Alle Partitionen bereinigen und alle drei Optionen testen, bevor Sie die vollständige Analyse ausführen. Lassen Sie nun die anderen Einstellungen auf Standardeinstellungen festgelegt und klicken Sie auf das grüne Flag, um die Segmentierung auszuführen.
Das MATLAB-Fenster sagt Fertig, wenn die Segmentierung abgeschlossen ist. Führen Sie schließlich die visuelle Qualitätskontrolle für die resultierende Graue Materie-NIfTI-Datei durch. Um die Option Neues Segment in SPM 8 auszuführen, wählen Sie zuerst PET VBM aus, bevor Sie den Batch-Editor öffnen.
Wählen Sie dann SPM, Tools, Neues Segment aus, und wählen Sie die zu verwendenden T1-Bilddateien im NIfTI-Format aus. Legen Sie die Option Native Tissue Type auf Native Space fest, und deaktivieren Sie die nicht erforderlichen Tissueklassen. Deaktivieren Sie auch verzerrtes Gewebe, und klicken Sie dann auf die grüne Flagge, um die Segmentierung auszuführen und die visuelle Qualitätskontrolle nach Abschluss durchzuführen.
Um die Segmentierung in SPM 12 durchzuführen, drücken Sie erneut PET VBM und öffnen Sie den Batch-Editor. Wählen Sie dann SPM, Räumliches Segment und Datenvolumes aus. Wählen Sie dann Native Space Tissue Type aus, und deaktivieren Sie nicht benötigte Gewebeklassen.
Legen Sie Verzerrtes Gewebe auf Keine fest, und klicken Sie auf die grüne Flagge. Nachdem die Segmentierung abgeschlossen ist, stellen Sie erneut sicher, dass Sie die visuelle Qualitätskontrolle wie im nächsten Abschnitt dieses Protokolls beschrieben durchführen. Die visuelle Qualitätskontrolle kann mit FSLeyes durchgeführt werden.
Beginnen Sie, indem Sie ein Terminalfenster öffnen, und öffnen Sie dann FSLeyes, indem Sie FSLeyes in das Terminal eingeben. Wählen Sie dann Datei, Aus Datei hinzufügen aus, und wählen Sie das ursprüngliche T1 und die segmentierten Bereiche aus, um sie anzuzeigen. Sobald FSLeyes geöffnet wird, verwenden Sie den Deckkraft-Umschalter, um die Visualisierung des zugrunde liegenden T1-Bildes zu ermöglichen.
Ändern Sie auch die Farbe des Segmentierungs-Overlays nach Bedarf über die Registerkarte Farb-Dropdown im oberen Bereich. Scrollen Sie nun durch jede Scheibe im Gehirn und überprüfen Sie jede Scheibe auf Regionen unter oder überschätzt in der Region, die überprüft wird. Die visuelle Qualitätskontrolle ist ein wesentlicher Schritt für dieses Verfahren.
Durch den Vergleich Ihrer segmentierten Regionen mit dem ursprünglichen T1-Scan können Sie sicherstellen, dass Ihre Regionen von hoher Qualität sind und dass Ihre Schlussfolgerungen biologisch korrekt sind. Um die visuelle Qualitätskontrolle von FreeSurfer-Daten mithilfe von Freeview durchzuführen, öffnen Sie ein Terminalfenster, und ändern Sie das Verzeichnis in den Betreffordner, der die verarbeitete FreeSurfer-Ausgabe enthält. Geben Sie dann den Befehl auf dem Bildschirm hier ein, um den volumetrischen Graustoffbereich anzuzeigen, der auf dem T1 überlagert ist. Scrollen Sie erneut durch jede Scheibe im Gehirn und überprüfen Sie, ob Regionen unter oder überschätzt werden, um die untersuchte Hirnregion zu erhalten.
Hier sehen wir ein Beispiel für eine fehlgeschlagene Segmentierung, die auf einem T1-Scan angezeigt wird. Diese Segmentierung sollte erneut verarbeitet und von der Analyse ausgeschlossen werden, wenn sie nicht verbessert werden kann. Diese Abbildung zeigt Beispiele für die Leistung verschiedener Werkzeuge auf dem temporalen Lappen auf einem T1-Scan.
Beispiele für eine gute regionale Abgrenzung sind hier zu sehen, während Beispiele für eine schlechte regionale Abgrenzung, die Verschüttungen in der linken und rechten zeitlichen Lappen zeigen, hier gezeigt werden. Diese Abbildung zeigt Beispiele für die Leistung verschiedener Werkzeuge auf dem Okzipitallappen auf einem T1-Scan. Hier sehen wir den T1-Scan mit einem Beispiel für eine gute regionale Abgrenzung, während hier ein Beispiel für eine schlechte regionale Abgrenzung ist, die verschüttet in die mediale Dura zeigt.
Hier sehen wir ein Beispiel für eine graue MaterieRegion, die in die Dura verschüttet wird, hervorgehoben durch die blaue Region. Diese Abbildung zeigt ein Beispiel für einen Graustoffbereich, der Bereiche des Kortex aus der Segmentierung ausgeschlossen hat, die am besten in der axialen Ansicht dargestellt werden. Beim Versuch dieses Verfahrens ist es wichtig, sich daran zu erinnern, verschiedene Tools in Ihren Daten zu testen und die visuelle Qualitätskontrolle für die Prozessscans durchzuführen.
Nach der Entwicklung ebnete diese Technik den Weg für Neuroimaging-Forscher, Veränderungen des Gehirnvolumens im Laufe der Zeit zu untersuchen, ohne dass invasive Tests erforderlich waren.
