S'identifier

Mesurer la différence de densité de matière grise grâce à la morphométrie basée sur les voxels : le cerveau musical

Vue d'ensemble

Source : Laboratoires de Jonas T. Kaplan et Sarah I. Gimbel — University of Southern California

Expérience des formes du cerveau. Il est bien entendu que nos cerveaux est différentes en raison de l’apprentissage. Alors que beaucoup de changements liés à l’expérience se manifeste au niveau microscopique, par exemple par des modifications neurochimiques dans le comportement de neurones individuels, nous pouvons aussi examiner des changements anatomiques de la structure du cerveau à un niveau macroscopique. Un exemple célèbre de ce type de changement vient de l’affaire les chauffeurs de taxi de Londres, qui, avec les voies complexes de la ville d’apprentissage, montrent le plus grand volume dans l’hippocampe, une structure du cerveau connue pour jouer un rôle dans la mémoire de navigation. ¹

Beaucoup de méthodes traditionnelles d’examiner l’anatomie du cerveau nécessite le suivi minutieux des régions anatomiques d’intérêt afin de mesurer leur taille. Cependant, en utilisant des techniques de neuro-imagerie moderne, nous pouvons maintenant comparer l’anatomie du cerveau à travers des groupes de personnes qui utilisent des algorithmes automatiques. Bien que ces techniques ne pas recourir à des connaissances sophistiquées que neuroanatomistes humaines peuvent apporter à la tâche, ils sont rapides et sensible aux très petites différences dans l’anatomie. Dans une image de résonance magnétique structurelle du cerveau, l’intensité de chaque pixel volumétrique ou voxel, se rapporte à la densité de la matière grise dans cette région. Par exemple, dans un IRM pondérées en T1, très lumineux voxels se trouvent dans des endroits où il y a des faisceaux de fibres de matière blanche, tandis que les voxels plus sombres correspond à la matière grise, où résident les corps cellulaires des neurones. La technique de quantifier et de comparer la structure du cerveau sur une base de voxel-par-voxel est appelée morphométrie voxel-basée, ou VBM. ² en VBM, nous avons tout d’abord enregistrer toutes le cerveau à un espace commun, lissage sur toute différence brute en anatomie. Nous comparons les valeurs d’intensité de la voxels pour identifier les différences localisées, à petite échelle de densité de matière grise.

Dans cette expérience, nous allons démontrer la technique VBM en comparant le cerveau des musiciens avec ceux des non musiciens. Musiciens se livrer à un entraînement intensif motrice, visuel et acoustique. Il y a preuve provenant de multiples sources que le cerveau des personnes qui ont traversé la formation musicale est fonctionnellement et de structure différente de celles qui n’ont pas. Ici, nous suivons Gaser et Shlaug³ et Bertrand et al. ⁴ en utilisant VBM pour identifier ces différences structurelles dans le cerveau des musiciens.

Procédure

1. recruter 40 musiciens et les 40 non-musiciens.

Musiciens devraient avoir au moins 10 ans de formation musicale. Formation avec n’importe quel instrument de musique est acceptable. Musiciens doivent également activement pratiquer leur instrument au moins une heure/jour.
Sujets témoins devraient avoir peu de formation formelle en jouant d’un instrument de musique.
Tous les participants devraient être droitiers.
Tous les participants ne devraient avoir aucun antécédent de trouble

Log in or to access full content. Learn more about your institution’s access to JoVE content here

Résultats

L’analyse VBM a révélé une augmentation significative localisée dans la densité de matière grise dans le cerveau de musiciens par rapport aux témoins non musicienne. Ces différences ont été trouvées dans les lobes temporaux supérieurs des deux côtés. La plus importante et la plus importante grappe était sur le côté droit et comprend la partie postérieure du gyrus de Heschl (Figure 2). Gyrus de Heschl est l’emplacement du cortex auditif primaire, et l...

Log in or to access full content. Learn more about your institution’s access to JoVE content here

Applications et Résumé

La technique VBM a le potentiel pour démontrer les différences localisées dans la matière grise entre les groupes de personnes, ou en association avec une mesure qui varie d’un groupe de personnes. En plus de trouver des différences structurelles qui se rapportent à différentes formes de formation, cette technique peut révéler des différences anatomiques qui sont associées à des troubles neuropsychologiques très variés tels que la dépression, la dyslexie de⁵ ,⁶ ou la schizophrénie....

Log in or to access full content. Learn more about your institution’s access to JoVE content here

References

Maguire, E.A., et al. Navigation-related structural change in the hippocampi of taxi drivers. Proc Natl Acad Sci U S A 97, 4398-4403 (2000).
Ashburner, J. & Friston, K.J. Voxel-based morphometry--the methods. Neuroimage 11, 805-821 (2000).
Gaser, C. & Schlaug, G. Brain structures differ between musicians and non-musicians. J Neurosci 23, 9240-9245 (2003).
Bermudez, P., Lerch, J.P., Evans, A.C. & Zatorre, R.J. Neuroanatomical correlates of musicianship as revealed by cortical thickness and voxel-based morphometry. Cereb Cortex 19, 1583-1596 (2009).
Bora, E., Fornito, A., Pantelis, C. & Yucel, M. Gray matter abnormalities in Major Depressive Disorder: a meta-analysis of voxel based morphometry studies. J Affect Disord 138, 9-18 (2012).
Richlan, F., Kronbichler, M. & Wimmer, H. Structural abnormalities in the dyslexic brain: a meta-analysis of voxel-based morphometry studies. Hum Brain Mapp 34, 3055-3065 (2013).
Zhang, T. & Davatzikos, C. Optimally-Discriminative Voxel-Based Morphometry significantly increases the ability to detect group differences in schizophrenia, mild cognitive impairment, and Alzheimer's disease. Neuroimage 79, 94-110 (2013).

Tags

Voxel based Morphometry Grey Matter Differences Cortical Volume Density Of Grey Matter Frontal Lobe Neuroimaging Techniques Structural Magnetic Resonance Images Intensity Values Of Voxels Expert Musicians Limited Training Chess Playing MRI Scanner Automated Approach White matter Fiber Bundles

1. recruter 40 musiciens et les 40 non-musiciens.

Musiciens devraient avoir au moins 10 ans de formation musicale. Formation avec n’importe quel instrument de musique est acceptable. Musiciens doivent également activement pratiquer leur instrument au moins une heure/jour.
Sujets témoins devraient avoir peu de formation formelle en jouant d’un instrument de musique.
Tous les participants devraient être droitiers.
Tous les participants ne devraient avoir aucun antécédent de troubles cardiaques, neurologiques ou psychiatriques.
Tous les participants ne devraient avoir aucun métal dans leur corps qu’ils ne peuvent pas supprimer pour qu’ils soient MRI-safe.

2. l’analyse préalable des procédures

Remplir la paperasse pré-scan.
Lorsque les participants viennent leur Scan IRMf, demandez-leur de première remplir un formulaire de grille métallique pour s’assurer qu’ils n’ont aucune contre-indications pour l’IRM, une forme de découvertes fortuites, donner son consentement pour leur analyse être regardé par un radiologue et un formulaire de consentement précisant les risques et les avantages de l’étude.
Préparer les participants à aller dans le scanner, en supprimant tous les métaux de leur corps, y compris les ceintures, portefeuilles, téléphones, pinces à cheveux, pièces de monnaie et tous les bijoux.

3. mettre le participant dans le scanner.

Donner les bouchons d’oreille participant pour protéger leurs oreilles contre le bruit des téléphones scanner et oreille de porter afin de pouvoir entendre l’expérimentateur pendant le balayage et demandez-leur de s’allonger sur le lit avec leur tête dans la bobine.
Donner au participant la balle d’urgence squeeze et indiquez-lui à le presser en cas d’urgence pendant l’analyse.
Utilisation des coussinets en mousse pour garantir aux participants la tête dans la bobine pour éviter le mouvement excessif lors de l’analyse et rappeler le participant qu’il est très important de rester aussi immobile que possible lors de l’analyse, comme même le flou des mouvements plus petit les images.

4. collecte des données

Recueillir un scan haute résolution anatomique du cerveau entier. Cette analyse devrait être une séquence pondérée T1 comme une aimantation préparé rapide Gradient Echo (MP-RAGE) avec des voxels isotropiques 1 mm.

5. analyse

Retirez le crâne de chaque scanner anatomique du cerveau à l’aide d’un logiciel automatisé. Vérifier le crâne de décapage pour la qualité.
Créer un modèle de matière grise étude spécifique à l’aide d’un processus itératif d’enregistrement linéaire et non linéaire (Figure 1).
1. Utiliser un logiciel automatisé pour segmenter le cerveau de chaque sujet dans la substance blanche et substance grise CSF basées sur l’intensité à chaque voxel.
2. Effectuer une transformation affine linéaire avec 12 degrés de liberté pour enregistrer le cerveau de chaque sujet à un espace atlas standard, tels que l’atlas de MNI152.
3. Déformer l’image de matière grise de chaque sujet dans cet espace et leur moyenne tous ensemble.
4. Miroir de cette image de gauche à droite et ensuite en moyenne les images miroir ensemble pour produire le cerveau de modèle de matière grise.
5. Réinscrivez le cerveau de chaque sujet à ce modèle en utilisant une transformation non linéaire.
6. Moyenne tous des cerveaux nouvellement transformés ensemble.
7. Faire une image de miroir de ce nouveau modèle et la moyenne des deux images miroir ensemble pour produire un modèle final de matière grise pour cette étude.

Figure 1 : création du modèle de matière grise axée sur l’étude de. À l’aide des transformations linéaires et itératives, chaque cerveau est enregistré dans un espace commun et en moyenne ensemble pour créer un cerveau de modèle de matière grise étude spécifique.

Enregistrer l’image de matière grise de chaque sujet au modèle et prétraiter.
1. Une transformation non linéaire permet d’enregistrer le cerveau de chaque sujet pour le modèle d’étude spécifique.
2. Afin de compenser le montant de chaque cerveau structure a été étirée pour s’adapter à l’espace modèle, multipliez par une mesure de la quantité de déformation a été fait. Cette mesure est appelée la jacobienne du champ warp. Cette étape consiste à tenir compte du fait que les structures sembler avoir plus de matière grise simplement parce qu’ils ont été plus tendus par le processus d’enregistrement non linéaire.
3. Lisser les données en utilisant un noyau gaussien avec une pleine largeur moitié Maximum (FWHM) de 10 mm.
4. Ces cerveaux alignés, lissée servira les données finales pour l’analyse comparative voxel.
Le modèle linéaire général permet d’analyser la différence entre les groupes à chaque voxel.
1. Modèle de chaque groupe de cerveau avec un régresseur séparé et de calculer un contraste qui compare les deux groupes, générer des cartes statistiques qui quantifient la probabilité des différences à chaque voxel.
2. Seuil de cartes statistiques pour identifier les groupes statistiquement significatives.
  1. Employer une technique de correction des comparaisons multiples tels que faux taux de découverte (FDR) pour contrôler le fait que le font des milliers de tests statistiques simultanées. Avec RAD, une valeur de q de 0,01 évalue le taux de faux positifs au-dessus de seuil de 1 %.

PLAYLIST

Loading...

Copyright © 2025 MyJoVE Corporation. Tous droits réservés.