La medición de conectividad en la vía visual primaria en albinismo humano recurriendo a imágenes de tensor de difusión y Tractografía

Resumen

Este manuscrito describe algoritmos deterministas y probabilistas para la reconstrucción de la sustancia blanca (WM), que se utiliza para examinar las diferencias en la radiación óptica (O) conectividad entre el albinismo y controles. Aunque tractography probabilístico sigue el curso real de las fibras nerviosas más de cerca, tractography determinista se realizó para comparar la fiabilidad y reproducibilidad de ambas técnicas.

Resumen

En el albinismo, el número de ipsilateralmente sobresalen las células ganglionares de la retina (CGR) se reduce significativamente. La retina y el quiasma óptico se han propuesto como sitios candidatos para misrouting. Desde una correlación entre el número de lateral núcleo geniculado (LGN) retransmitir las neuronas y las dimensiones de LGN se ha demostrado, y en base a las reducciones ya se ha informado en los volúmenes de LGN en el albinismo humana, sugerimos que las proyecciones de fibra de LGN a la corteza visual primaria (V1) también se reducen. El estudio de las diferencias estructurales en el sistema visual de albinismo puede mejorar la comprensión del mecanismo de encaminamiento erróneo y aplicaciones clínicas posteriores. los datos de difusión y tractography son útiles para el mapeo de la O (radiación óptica). Este manuscrito describe dos algoritmos para o reconstrucción con el fin de comparar la conectividad cerebral en albinismo y escáner MRI controls.An con una bobina de la cabeza 32 de canal se utiliza para adquirir exploraciones estructurales. Una secuencia 3D-MPRAGE ponderada en T1 con 1 mm³ tamaño de vóxel isotrópico se utilizó para generar imágenes de alta resolución para la segmentación V1. densidad de protones múltiple (PD) imágenes ponderadas fueron adquiridos coronal de derecha e izquierda LGN localización. por imágenes (DTI) de tensor de difusión exploraciones fueron adquiridas con 64 direcciones de difusión. Ambos métodos de seguimiento deterministas y probabilistas se llevaron a cabo y se comparan, con LGN como la máscara de semillas y V1 como la máscara destino. Aunque DTI proporciona una resolución espacial relativamente pobre, y la delimitación exacta de O puede ser un reto debido a su baja densidad de fibra, tractography se ha demostrado que es ventajoso tanto en la investigación y clínicamente. estadística espacial en base de las vías (TBS) revelaron zonas de reducido significativamente la integridad de la materia blanca dentro de la O en pacientes con albinismo en comparación con los controles. Las comparaciones por pares revelaron una reducción significativa de LGN a la conectividad V1 en albinismo comparación con los controles. La comparación de los dos algoritmos de seguimiento revelaron resultados comunes, reforzar la fiabilidadde la técnica.

Introducción

El albinismo es una condición genética que se caracteriza principalmente por la hipopigmentación abierta observado en los individuos afectados. Es causada por mutaciones heredadas de los genes implicados en la síntesis de melanina ^1. El albinismo se presenta en dos formas principales: el albinismo oculocutáneo (OCA), un rasgo autosómico recesivo que presenta características tanto oculares y cutáneas; y albinismo ocular (OA), un rasgo ligado a X más prevalente en los hombres y se caracteriza principalmente por los síntomas oculares ^2. La melanina en el epitelio pigmentario de la retina (EPR) es crucial para el desarrollo adecuado de la vía visual central. Su ausencia en el albinismo, por tanto, da lugar a impedimentos visuales, incluyendo fotofobia, nistagmo, disminución de la agudeza visual y la pérdida de la visión binocular ^2-3. La agudeza visual se ha relacionado con la morfología foveal, que se altera en el albinismo ^4. En los seres humanos, una línea de retina decussation encuentra a lo largo de la frontera nasotemporal a través de la fóvea, con las fibras de la retina nasalcruzar al otro hemisferio, y los de retina temporal se extiende ipsilateralmente. El grado de reducción de la función visual en el albinismo se ha relacionado con el nivel de hipopigmentación. En concreto, la pigmentación es inversamente proporcional al cambio en la retina temporal de la línea de decussation ^5. Como resultado del cambio en la línea de decussation en la retina temporal, cruce de fibras del nervio óptico se incrementa - una característica común en todas las especies ^3.

Estudios de resonancia magnética estructural en humanos han mostrado más estrechos quiasmos óptica en el albinismo en comparación con los controles, lo cual es probablemente el resultado de una mayor cruce de CGR observados en el albinismo ^6-8. La retina y el quiasma óptico expresan las señales de orientación axonal como receptores de la familia Eph y sus ligandos ⁹ y por lo tanto son sitios candidatos para misrouting ^10.

Un estudio en monos con glaucoma inducido reveló una significativa diciembreRease en el número de neuronas de relevo LGN parvalbúmina inmunorreactivas y el volumen de LGN ^11. Esto sugiere una correlación entre el tamaño de LGN y el número de trayectorias de materia blanca (WM) que viajan a través de la O a V1. Un estudio post mortem en el albinismo humana también reveló LGN más pequeño con capas fusionadas M y P ^12. -RM de alta resolución estructural confirmó reducción significativa del volumen de LGN en el albinismo ^8. Tomados en conjunto, estos hallazgos sugieren que la disminución de volumen de LGN puede resultar en un número reducido de neuronas en el LGN, y a su vez en conectividad disminuido entre LGN y V1.

El examen de los patrones de conectividad anatómica en humanos ha sido limitada. Disección, la inyección del radiofármaco y la inducción de la lesión son técnicas invasivas que sólo pueden ser utilizados post mortem, y por lo general implican un número muy pequeño de pacientes. Estudios anteriores utilizando carbocianina tinte inyecciones DiI demostraron conectividad neuronal entre V1 y V2 (c visual secundariaortex) ^13, así como dentro del complejo del hipocampo en el cerebro humano post-mortem de ^aldehído-14 fija. Fibras de etiquetado de esta manera se limita a distancias de solamente decenas de milímetros desde el punto de inyección ^14. La difusión de imágenes de tensor, DTI, es una modalidad de resonancia magnética desarrollada a principios-mediados de 1990 para identificar fibra de dirección y organización de las vías. Es un método no invasivo que permite el mapeo de las grandes vías WM en el cerebro vivo. DTI es sensible a la difusión de moléculas de agua en el tejido biológico ^15. En el cerebro, la difusión de agua es anisotrópica (no uniforme) debido a las barreras tales como membranas y mielina. WM tiene anisotropía alta difusión, es decir, la difusión es mayor paralelo al de perpendicular a la orientación de las fibras ^16. anisotropía fraccional (AF) es una cantidad escalar que describe la preferencia de moléculas de difundirse de manera anisotrópica. valores de FA van desde 0-1, de bajo a alto anisotviscosa (líquido cefalorraquídeo (LCR) 16.

Racionalizar (determinista) y el seguimiento de fibra probabilístico son dos algoritmos diferentes de reconstrucción ruta 3D. tractography determinista utiliza un método de propagación de línea, la conexión de los voxels vecinos en una región definida de semillas. Dos criterios de parada utilizados en este algoritmo son el ángulo de giro y el valor FA. Por lo tanto, el aparato de rastreo entre voxels vecinos es poco probable a grandes ángulos de giro. El algoritmo por lo tanto también progresa sólo si el FA en un voxel excede un umbral específico, lo que limita su eficacia en la definición precisa vías cerca de la materia gris, donde las gotas de anisotropía. Tractography probabilístico, por otra parte, se obtiene un mapa de conectividad que describe la probabilidad de que un voxel de ser parte de un tracto entre dos regiones de interés (ROI) y así avanza en la materia gris como V1 ^17. Con esta aplicación MRI, estructuras clave WM como elO puede ser delineado, como se muestra en estudios previos ^18-20.

Por lo tanto, este estudio utiliza datos de difusión y tractography para explorar el efecto de misrouting axonal en la conectividad retino-geniculo-corticales. Sobre la base de las reducciones ya se ha informado en los volúmenes de LGN en el albinismo humano ^8, predecimos que las proyecciones de fibra de LGN a V1 también se reducen (Figura 1).

Protocolo

Declaración de Ética: El estudio de investigación actual ha sido aprobada por los participantes humanos Comité de Revisión (HPRC) en la Universidad de York, Toronto. Todos los participantes dieron su consentimiento informado por escrito.

1. Sin perjuicio de Preparación

Nota: Once participantes con OCA, con edades entre 36 ± 4 años (6 mujeres) se compararon con diez controles emparejados por edad, con edades de 32 ± 4 años (6 mujeres). Historia participante se registra en la Tabla 1.

1. Pida a cada participante que llenar y firmar un formulario de consentimiento que enumera las pautas de seguridad y protocolo de resonancia magnética de imagen.
2. Para cada participante, proporcionar tapones para los oídos. Posición participante en posición supina y la cabeza por primera vez en el imán, y punto de referencia por encima de los ojos en el nivel de la ceja. la cabeza del participante segura con los amortiguadores para reducir el movimiento de la cabeza. Dar al participante una pera de goma para la alerta de paciente.

2. Los parámetros de resonancia magnética estructural

e_content "> Nota: Todas las imágenes se adquiere en un escáner de RM 3T usando una cabeza de bobina de 32 canales En una sesión única por sujeto.:

1. Adquirir una anatómica en T1 alta resolución usando una secuencia 3D-MPRAGE que cubre todo el cerebro con los siguientes parámetros: tiempo de adquisición de 4 min 26 seg, el campo de visión de 256 mm, 256 de matriz, 192 rebanadas con un grosor de corte de 1 mm, con una dando como resultado el tamaño del voxel isotrópico de 1,0 mm ^3, TR = 1900 ms, TE (tiempo de eco) = 2,52 ms con un tiempo de inversión de 900 ms y ángulo de inclinación de 9 °, 1 media, imágenes paralelas (IPAT Grappa, factor de aceleración de 2) .
2. Adquirir una secuencia DTI que cubre la corteza, con las rebanadas en orientación transversal después de la comisura / comisura posterior anterior (AC-PC) de la línea, utilizando los siguientes parámetros: tiempo de adquisición 8 min 5 seg, campo de visión 192 mm, 128 de matriz, voxels 1,5 1,5 mm en el plano, 56 (sin BPA) cortes contiguos con un espesor de 2 mm, TR = 6900 ms, TE = 86 ms, 64 direcciones, b-valor de 1000 s / mm (imagen de referencia con un bajo valor b de 0 seg / mm ^{2) 2,} 1 media, imágenes paralelas (IPAT GRAPPA) con un factor de aceleración de 3.
3. Adquirir 30-40 imágenes PD ponderada en una orientación coronal, en paralelo a la base del cerebro, que abarca desde la medida anterior de la protuberancia a la parte posterior del colículo inferior.
   1. Utilice el eco turbo espín (spin eco RÁPIDO) secuencia de pulsos y los siguientes parámetros: tiempo de adquisición de 1 min 29 seg por barrido, campo de visión de 192 mm, 256 de matriz, 30-40 rebanadas con espesor de 1 mm, lo que resulta tamaño de vóxel 0,75 0,75 1 mm ^3, TR = 3000 ms, TE = 22 ms, el factor de turbo de 5, reorientando ángulo de rotación de 120 °, 1 media, imágenes paralelas (IPAT GRAPPA) con un factor de aceleración de 2.
      Nota: S12 se escaneó usando los siguientes parámetros: campo de visión de 180 mm, 512 de matriz, 30 rebanadas con 1 mM rodajas gruesas, dando como resultado el tamaño de voxel 0,4 x 0,4 x 1,0 mm ^3. Todos los demás parámetros siguen siendo los mismos. Acquisittiempo de iones 2 min 47 seg.
4. Pre-proceso de todas las exploraciones mediante la conversión a formato DICOM prima NIfTI utilizando el programa dcm2nii.

3. Delimitación de LGN

Nota: El LGN es una pequeña estructura subcortical situado profundamente en el cerebro, por lo tanto, se requieren imágenes de alta resolución PD para determinar sus límites anatómicos. En estos análisis, el LGN aparece como un área de alta intensidad de señal en relación con las vías WM circundantes, lo que facilita su detección ^21. La anatómica LGN identificado se utiliza entonces como una región semilla para tractography.

1. Mientras que ciega a la pertenencia al grupo, trazar manualmente máscaras LGN derecho e izquierdo tres veces cada uno en las imágenes interpoladas PD promediados al doble de la resolución y la mitad del tamaño de vóxel (original matriz de 256 x 256, tamaño de 0,75 x 0,75 x 1 mm ³ voxel).
   1. Para obtener imágenes de alta resolución PD utilizan la función LIGÓN libremente disponible y otras herramientas de software dentro del software de FMRIBBiblioteca (FSL, http://www.fmrib.ox.ac.uk/fsl/). Upsample, concatenar, imágenes en movimiento con EP correctas y promedio para cada participante como se ha descrito previamente en otro lugar ^22.
   2. Cargar la imagen de dominio de la alta resolución en FSLView y haga clic en la pestaña Herramientas para seleccionar la opción individual (o pulse ) Para ampliar la imagen.
   3. Haga clic en la pestaña Archivo para seleccionar la opción Crear máscara, y el uso de la barra de herramientas en la parte superior izquierda de la pantalla para rastrear el LGN en cada rebanada. Si lo desea, cambiar el contraste de la imagen arrastrando a lo largo del mínimo / máximo en la barra de herramientas para facilitar la detección de LGN.
2. Combinar estas regiones de interés (ROI) en una máscara con el comando mediana fslmerge.
3. Combine máscaras mediana de todos los calificadores en una sola máscara mediana usando el mismo comando.

4. Segmentación V1

1. Ejecutar "todo-Recon" comando en FreeSurfer23 (V5.3.0) en el cerebros en el espacio anatómico nativo (imágenes ponderadas en T1) para su tratamiento automatizado.
2. Convertir las salidas apropiadas en la carpeta recién creada resonancia magnética (orig.mgz, brain.mgz, rawavg.mgz, T1.mgz) para NIfTI usando "mri_convert".
3. Utilice la extracción del cerebro BET en la GUI FSL para corregir el cerebro de salida cráneo-pelado (brain.nii.gz) en el espacio FreeSurfer si es necesario. Elija la extracción del cerebro norma de ejecución utilizando la opción Bet2 (por defecto). Disminuir el umbral si la imagen no se encuentra tejido cerebral, o aumentar si el tejido cerebral no se captura (umbral predeterminado 0,5). Seleccione la imagen de la máscara de salida cerebro binario (esto último puede ser utilizado para la corrección manual) la imagen de salida en el cerebro extraído y en las opciones avanzadas.
4. Convertir la salida V1 parcelación a una máscara volumétrica usando comandos "surf2volume" "label2surf" y.

5. Las inscripciones pre-rastreo

Nota: Para los siguientes pasos, llame a la interfaz gráfica de usuario FSL para abrir cada uno de los followinherramientas g.

1. Utilice la extracción del cerebro BET y seleccione el campo de polarización y opción de limpieza cuello para rawavg.nii.gz cráneo-tira, que se encuentra en la carpeta de resonancia magnética creada por "recon-todo". Ajuste del umbral según sea necesario.
2. registro lineal LIGÓN ejecutar para llevar cerebros en FreeSurfer y el espacio anatómico nativo de su cámara de difusión.
   1. Seleccionar brain.nii.gz, la producción de recon-all (espacio FreeSurfer), o el cerebro de un sujeto extraído T1 (espacio anatómico nativo) la imagen de entrada como, y un Eddy corregidos y cerebro extrajeron imagen difusión ponderada (DWI) como la referencia imagen. A continuación, haga clic en "Go".
      Nota: Este paso crea dos salidas, el cerebro de entrada registrado en la imagen de referencia (.nii.gz) y una matriz de transformación (.mat). Aparte de registro, se requiere que el último archivo para tractography cuando el espacio semilla no es la difusión. Utilice las matrices de transformación de salida (.mat) creados en este paso para tractography como se explica en el punto 7.4.2.
3. Similara 5.2, el registro LIGÓN lineal de gestión para traer cerebros PD participantes al espacio FreeSurfer y el espacio anatómico nativo.
4. Preparar máscaras de semillas para tractography:
   1. Aplicar la transformación LIGÓN de Utilidades en la caja de herramientas de registro LIGÓN lineal. Utilice la salida .mat como la matriz de transformación, el LGN original de la máscara como la entrada y brain.nii.gz (espacio FreeSurfer) o T1_brain.nii.gz (espacio anatómico nativo) (véase 5.2) como el volumen de referencia. Seleccione el método de interpolación de vecino más cercano de las opciones avanzadas.
5. Usando sólo los archivos brain.nii.gz, preparar máscaras de destino para tractography:
   1. Register cerebros FreeSurfer al espacio anatómico nativo y crear máscaras de destino mediante la aplicación de la transformación de las máscaras V1 (véase 5.2, 5.4.1) mediante la interpolación trilineal. Haga clic en "Go".

6. La normalización de LGN

1. Utilice FNIRT registro no lineal como se ha descrito anteriormente en http: //fsl.fmrib.ox.ac.uk / FSL / fslwiki / FNIRT para traer cerebros no extraídos de los participantes en el espacio anatómico nativo de MNI espacio, utilizando la plantilla total del cerebro Montreal Neurological Institute (MNI152).
   Nota: Se recomienda el registro no lineal de imágenes anatómicas originales para este paso, ya que los registros fueron más precisos cuando se aplicó a FNIRT T1 que no se explotarán comparación para ligar por cerebros extraídos.
2. Aplicar la transformación a las máscaras de LGN en el espacio anatómico (LGN originales transformado previamente al espacio anatómico nativo en 5,4) mediante la interpolación del vecino más próximo, como se describe en el punto 5.4.1 de llevar máscaras para el espacio MNI.
3. Promedio de todas las máscaras de LGN en el espacio MNI a través de ambos grupos mediante el comando "3dMean" de AFNI.
4. Use "fslmaths Thr" para aplicar un umbral a la máscara media en el espacio MNI.
5. Calcular el radio de la máscara media en el espacio MNI utilizando V = 4/3 πr ³ (asumir una esfera).
6. Registre el centro de masa de coornates de cada individuo máscara de LGN en el espacio anatómico nativo usando el comando "fslstats -C".
7. Crear ROI esféricas de volúmenes idénticos a través de los participantes:
   1. Use "fslmaths" para crear un punto de retorno de la inversión con las coordenadas de la máscara de LGN persona adecuada en el espacio anatómico nativo como se registra en 6.6
   2. El uso de "fslmaths", aplicar el radio de la máscara media en el espacio MNI para crear una esfera alrededor del punto de retorno de la inversión en el espacio anatómico nativo.
8. Utilizar estas máscaras estandarizados como semillas para tractography.

7. Probabilístico Tractografía (FSL 5.0.4)

Nota: Para los siguientes pasos, llame a la Fdt_gui acceder a cada una de las siguientes herramientas.

1. Corregir las distorsiones en DWIs con Eddy corrección actual. Seleccione la opción de corrección de corrientes de Foucault en el menú en la parte superior de la ventana de la caja de herramientas de difusión y cargar el DWI como la entrada, dejando el default volumen de referencia (0).
2. Cerebro extracto de las imágenes con BET como se describe en 4.3.
3. Seleccionar la opción tensores de difusión DTIFIT Reconstrucción del menú. Especificar un directorio de entrada que contiene los siguientes archivos: los datos de difusión ponderada, nodif_brain_mask (salida de BET), bvec y bval (debe ser renombrado a bvecs y bvals; archivos de texto que contienen información sobre los parámetros de adquisición de imágenes de difusión, la producción de DICOM a la conversión NIfTI de difusión datos). Haga clic en "Go" para ejecutar dtifit, que se ajusta a un modelo de tensor de difusión en cada voxel, la creación de archivos de post-procesamiento.
4. A continuación, seleccione la opción en el menú BedpostX (estimación de parámetros de difusión). Utilice el mismo directorio de entrada como para DTIFIT. Haga clic en "Ir" para generar todos los archivos necesarios para tractography.
5. En el mismo menú, elija ProbtrackX probabilístico para el seguimiento y ejecutarlo para cada hemisferio por separado. Mantenga las opciones predeterminadas básicas (5.000 muestras, 0,2 curvatura y applie loopcheckd) y seleccione modificado de Euler para el cálculo de las líneas de corriente de probabilidad de opciones avanzadas para una mayor precisión.
   1. Seleccione la salida de BedpostX que contiene archivos .merged como el directorio BEDPOSTX.
   2. Seleccionar sola máscara como espacio de semilla y cargar la máscara de LGN transformado (en el espacio anatómico nativo) la imagen de la descendencia como, T1 (cerebro en el espacio anatómico nativo) de matriz de transformación de difusión como la semilla a la difusión a transformar, y V1 (en el espacio anatómico nativo) en "objetivos opcionales" (todos menos máscaras de exclusión) como objetivo.
   3. Utilice la convención de malla predeterminado (intercalación) y cargar el cerebro en el espacio anatómico nativo (imagen T1) la imagen de referencia de la superficie como.
6. Repita ProbtrackX para el seguimiento probabilística usando el ROI esférica estándar (creado en el paso 6) como regiones de semillas para tractography como se describe en 7.5.2. Subir regiones de interés de la misma manera transformado LGN (espacio anatómico) se cargaron en 7.5.2.
7. Vuelva a ejecutar tractography (7.5), esta vezcon semillas (no normalizada) y máscaras de destino en el espacio FreeSurfer con la adición de máscara blanca contralateral de FreeSurfer frontera materia como una máscara de exclusión, para evitar cualquier cruce sobre y garantizar conexiones directas ipsilaterales. Marque la opción de la superficie de la caja de herramientas y seleccione ProbtrackX FreeSurfer como convención de malla.
   Nota: Es importante destacar que tractography siempre se ejecuta desde el espacio de difusión, pero Probtrackx para el seguimiento probabilístico permite la entrada de las semillas y de destino máscaras en un espacio diferente, junto con una matriz de transformación de espacio de difusión. En este estudio, tractography probabilístico se realizó con máscaras en tanto anatómica nativa y el espacio FreeSurfer (Figura 2).

8. determinista Tractografía (DSI Studio)

1. Abrir Eddy corrige las imágenes potenciadas en difusión en DSI Studio ²⁴ haciendo clic en el Paso 1: Abrir las imágenes de origen. Cargar bvec y archivos BVAL sobre una ventana de b-tabla que es automáticamente opeNed para crear un archivo de origen (.src).
2. Cargar los archivos fuente generado en la ventana de reconstrucción de modificar el valor por defecto del cerebro reconstruye máscaras según sea necesario.
3. A continuación, seleccione DTI como el método de reconstrucción de ²⁵ y ejecutarlo en los archivos de origen para producir archivos de información de la fibra (.fib).
4. Llevar cerebros PD de los participantes a su cámara de difusión utilizando el registro lineal coquetear.
5. Aplicar la transformación a las máscaras de LGN mediante la interpolación de vecino más cercano, como se describe en 5.4.1.
6. .fib Abrir archivos en la ventana de seguimiento del programa.
7. Ejecutar el seguimiento de cada hemisferio por separado, utilizando LGN en el espacio de difusión como la semilla y la Región 17 (V1) del atlas de Brodmann disponibles de DSI Studio como la región terminative. Cargar la máscara de LGN haciendo clic en la pestaña Regiones y Open Región. Seleccionar la opción de Semillas en Tipo en la lista de regiones a la izquierda de la pantalla. Para cargar la máscara de V1 a partir del atlas, haga clic sobre el Atlas de la barra de herramientas en la lista de regiones yseleccione el atlas apropiadas.
8. En cada ejecución, establecer el contralateral WM (denominada izquierda / derecha-cerebro-blanco-materia) máscara del atlas de segmentación FreeSurfer (ver cuadro de lista de regiones en la ventana de seguimiento) como una región de evitación (ROA).
9. Repita el seguimiento (8.7-8.8) usando ROI esférica en el espacio de difusión en lugar de LGN individuo como regiones de semillas para tractography.
   Nota: Las regiones de interés esféricas tienen el mismo volumen en todas las materias y se centran en el centro de masa de cada LGN.
10. Repita la normalización de LGN, sección 6, sólo que esta vez los cerebros registrarse en el espacio de difusión al espacio estándar de MNI, y la aplicación de transformaciones de LGN en el espacio de difusión (LGN originales transformado previamente al espacio de difusión de 8.4 a 8.5) para llevar a máscaras espacio norma MNI. Calcular el volumen de la ROI esférica como el volumen medio de todo LGN través de los sujetos en el espacio MNI.
    Nota: Los parámetros de seguimiento pueden ser modificados por el usuario. Para la mayoría de las carreras, se aplicaron parámetros de seguimiento por defecto. Para algunos individuos (A5, A7, S12), se redujo el umbral de anisotropía (por defecto 0,14-0,15) (0,10-0,12) y se aumentó el umbral angular (por defecto 60) (65-85) para una visualización más agradable. Un esquema de la técnica se muestra en la Figura 3.

9. Análisis estadístico - TBSS (FSL)

Nota: la estadística espacial basada en las Vías es un análisis estadístico de la FA voxelwise participantes maps16 obtenido con dtifit26. Se utiliza ampliamente para las estadísticas de los datos de difusión. Este enfoque voxelwise supera potenciales problemas de alineación y de suavizado visto en el análisis FA-estilo VBM y proporciona investigación de todo el cerebro, a través de inalcanzable approaches16 basado en tractography.

1. Ejecutar "tbss_1_preproc" en las FA datos ubicados en un directorio TBSS recién creado.
2. Ejecutar "tbss_2_reg" - T para aplicar el registro no lineal, con lo que FA datos de cada participante en el espacio común (FMRIB58_FA,imagen de destino TBSS).
3. Crear un esqueleto media FA con los centros de todas las extensiones comunes entre los participantes que utilizaron "tbss_3_postreg -S".
4. correr "Tbss_4_prestats 0,2" para proyectar correlación de FA alineado de cada participante en el esqueleto media de todos los mapas alineados FA.
5. Crear archivos design.con y design.mat, asegurando que el orden de la matriz es consistente con el orden en que TBSS pre-procesar los datos de FA.
6. Ejecutar "aleatorizar", usando la opción T2, que se recomienda para TBSS ya que actúa sobre un esqueleto (un reducido subconjunto de los datos 3D), y 5.000 pre-mutaciones, lo que da los valores de p más precisos.

10. Análisis estadístico - SPSS

1. La extracción de valores de FA a partir de datos determinista
   Nota: Los valores de FA basados ​​en determinístico se obtuvieron a partir de archivos de texto de estadística de salida DSI Studio. Estos valores representan la media FA dentro de los tractos generados, whICH en este caso corresponden a la región del OR.
   1. seguimiento de fibra ejecutar en el estudio de DSI.
   2. Guarde los archivos de texto de estadística creado por DSI Studio para cada conjunto generado de extensiones y registrar los valores '' significa FA de ellos.
2. La extracción de valores de FA a partir de datos Probabilístico
   Nota: Los valores basados ​​en Probabilístico FA se derivan de ProbtrackX2 archivos fdt_paths de salida. Estos son imágenes de densidad tracto 3D que en este estudio cubren el área correspondiente a la OR.
   1. Utilice el registro lineal LIGÓN para llevar archivos fdt_paths de cada participante al espacio de difusión.
   2. Binarización en las máscaras de salida usando "fslmaths - bin".
   3. Para cada participante, se multiplica la máscara a su hoja de FA de dtifit usando "fslmaths -mul".
   4. Ejecutar el comando "fslmeants" para encontrar la media FA de cada máscara vías.
3. Ejecución de análisis con SPSS (Usando determinista y probabilista
   Datos)
   norteota: El análisis estadístico se realizó con el programa SPSS 20 para Mac. Desde hemisferio es una variable dentro de la materia, un modelo lineal generalizado (GENLIN) con la que los efectos en cada lado del cerebro pueden ser analizados por separado, se aplica. En concreto, se utiliza la ecuación de estimación generalizada (GEE).
   1. En pruebas independientes, establezca cada uno de media FA y agilizar conteo (waytotal o porcentaje generaron líneas de corriente, PGsl) como la variable dependiente.
      Nota: En este estudio, agilizar el recuento se basa en valores Way-total. Waytotal describe el número total de líneas de corriente generados que no hayan sido rechazadas por los criterios de inclusión / exclusión ^27. El número de líneas de corriente generados (NGSL), que se refiere al número total de líneas de corriente enviado, es igual al número de voxels en la máscara de semilla multiplicado por el número de muestras extraídas de cada voxel (5000 en este caso). líneas de corriente generados porcentuales (PGsl), waytotal divididos por NGSL Tiempos 100, es una medida del éxito connectividad entre la semilla y el objetivo.
   2. Estudiar la influencia del grupo y el sexo sobre LGN a la conectividad V1 estableciéndolos como variables independientes en todas las pruebas.
      Nota: Se estudiaron los efectos principales, así como de dos y tres vías interacciones. Es importante tener en cuenta que estas pruebas individuales no están condicionadas a la otra, por lo que la importancia de un efecto principal o interacción es independiente de la otra.
   3. Utilice edad como covariable para todas las pruebas. Asimismo, el uso del volumen de LGN como covariable para las pruebas con FA y media waytotal como las variables dependientes, pero omite de pruebas con PGsl como la variable dependiente.
      Nota: se encontró Volumen total cerebro para ser una covariable insignificante y por lo tanto se omitió de las estadísticas.
   4. Seleccione el método de corrección de Bonferroni para ajustar para comparaciones múltiples ²⁸ (nivel de significación p <0,05).

Resultados

En esta sección se ofrece un resumen de los resultados obtenidos utilizando dos algoritmos diferentes de tractography, determinista y probabilística. Volúmenes de LGN en el espacio PD en el que las máscaras se extrajeron originalmente, así como en todos los demás espacios utilizados en este estudio, se registran en la Tabla 2, y LGN rastreo se ilustran en la Figura 4. Los resultados aquí presentados se basan en carreras que utiliz...

Discusión

WM alterada y, más concretamente, la disminución de la conectividad en comparación con el albinismo se esperaba que los controles. Por lo tanto, la reducción de la FA en el hemisferio derecho del albinismo en comparación con los controles, así como la disminución de la conectividad en los pacientes masculinos con albinismo aquí presentados están en línea con nuestra predicción. Género y del hemisferio efectos no son del todo claras, aunque la investigación sobre el cerebro saludable que sugiere una disminuc...

Materiales

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