La nostra pipeline utilizza approcci all'avanguardia per quantificare il volume delle subunità cerebellari utilizzando immagini di risonanza magnetica strutturale umana. Il processo comprende la parcellazione anatomica, la morfometria basata su voxel e i processi di controllo qualità. La nostra pipeline standardizzata è per lo più automatizzata, disponibile in formato Docker e Singularity e ha un'ampia applicabilità a una serie di malattie neurologiche.
Per iniziare, assicurati che Docker o Singularity, MATLAB e SPM12 siano installati. Quindi, utilizzando il comando make directory nella riga di comando, creare cartelle nella directory di lavoro ed etichettarle acapulco, suit e freesurfer. Successivamente, nella directory acapulco, creare una cartella di output.
Nella cartella di output, creare una directory per ogni soggetto dello studio contenente l'immagine ponderata t1 nel formato NIFTI gz. Per la parcellazione anatomica cerebellare, scaricare il contenitore acapulco, quindi scaricare gli script e i contenitori pertinenti necessari per eseguire acapulco. Quindi posizionare il contenitore Docker o Singularity acapulco, il contenuto dell'archivio QCs_scripts e il contenitore o calculate_dicv RCIF.
tar nella directory acapulco. Quindi, aprire un terminale e utilizzando Singularity, digitare il comando indicato per eseguire il contenitore acapulco su una singola immagine. Attendere cinque minuti per il completamento dell'elaborazione.
Quindi, passa attraverso tutti i soggetti o le scansioni nella coorte. Dopo l'elaborazione, cercare i file generati nelle cartelle specifiche dell'oggetto. Identificare la maschera del cervelletto parcellato in originale e volumi per ciascuna delle 28 subunità generate da acapulco.
Quindi, dalla directory delle foto, identifica le immagini sagittali, assiali e coronali rappresentative. Per il rilevamento statistico dei valori anomali e il controllo della qualità, assicurarsi che il contenuto degli script QC si trovi nella directory acapulco. Quindi, utilizzando Singolarità, digitare il comando indicato.
Per esaminare le immagini QC generate da acapulco, aprire QC_Images. html in un browser Web e scorrere rapidamente le immagini per identificare errori evidenti o problemi sistematici. Prendere nota degli ID oggetto di immagini parcellate non riuscite o sospette per il follow-up.
Quindi, apri Plots_for_Outliers. html per selezionare i box plot per i valori anomali statistici quantitativi. Identificare i valori anomali indicati da un 1 nella colonna pertinente nei valori anomali.
csv. e annotare il numero totale di segmenti identificati come valori anomali per ciascun soggetto nella colonna finale in Outliers.csv. Ispezionare manualmente ogni immagine con uno o più valori anomali.
Se si utilizza un visualizzatore di immagini NIFTI standard, sovrapporre la maschera acapulco sull'immagine originale pesata t1 per verificare la qualità della parcellazione fetta per fetta. Se una o più regioni parcellate devono essere escluse dal set di dati finale, escludere questa parcellazione dall'analisi sostituendo la stima del volume con NA nella cella corrispondente di quel soggetto. Se gli errori di parcellazione comportano l'esclusione di parte del cervelletto dalla maschera, escludere immediatamente il soggetto da ulteriori analisi.
Per le analisi morfometriche basate su voxel che utilizzano SUIT, assicurati che la cartella SPM12 e tutte le sottocartelle si trovino nel percorso MATLAB. Inoltre, assicurati che gli script enigma_suit vengano salvati nella directory della casella degli strumenti SPM12 e aggiunti al percorso MATLAB. Per controllare il percorso MATLAB, digita pathtool nella finestra di comando matlab e fai clic su Aggiungi con sottocartelle per aggiungere le cartelle pertinenti.
Successivamente, utilizzando l'interfaccia utente grafica, digitare suit_enigma_all nella finestra di comando MATLAB per eseguire la pipeline SUIT per uno o più soggetti. Nella prima finestra popup, selezionare le cartelle oggetto dalla directory di output acapulco da includere nell'analisi. Fare clic sulle singole cartelle sul lato destro della finestra o fare clic con il pulsante destro del mouse e selezionare tutto.
Quindi, premere Fine. Nella seconda finestra popup, selezionare la directory SUIT. Per chiamare la funzione dalla riga di comando matlab per un singolo soggetto, digitare il comando indicato.
Quando si esegue SUIT dalla riga di comando, se le directory SPM12 o enigma_suit non vengono salvate in modo permanente nel percorso MATLAB, tale passaggio deve essere aggiunto alla riga di comando. Per chiamare la funzione dalla finestra del terminale all'esterno di MATLAB per un singolo soggetto, digita il comando mostrato. Controlla la cartella di ogni soggetto per gli output finali.
Per ispezionare visivamente le immagini modulate normalizzate per rilevare errori gravi, digitare spm_display_4d in MATLAB. Successivamente, per selezionare le immagini richieste, passare alla directory SUIT e digitare il comando indicato nella casella di filtro. Quindi, premere il pulsante ricorsivo, quindi Fatto.
Scorri le immagini per assicurarti che siano tutte ben allineate. Successivamente, per verificare la presenza di valori anomali della covarianza spaziale, digitare check_spatial_cov in MATLAB. Quindi, selezionare le immagini modulate da prima e, quando richiesto, impostare Prop.
ridimensionamento a sì, Variabile a covarianza a no, Slice a 48 e Gap a 1. Infine, guarda il box plot che mostra la covarianza spaziale media di ogni immagine rispetto a tutte le altre nel campione. Identifica i punti dati che sono più di due deviazioni standard al di sotto della media nella finestra di comando di MATLAB.
Per questi punti dati, ispezionare le immagini appropriate nella cartella SUIT per artefatti, problemi di qualità dell'immagine. o errori di pre-elaborazione. Qui è mostrato un cervelletto fortemente atrofizzato da un paziente con atassia spino-cerebellare 2.
Nonostante la perdita di tessuto vista intorno ai bordi, SUIT ha deformato questa immagine al modello abbastanza bene. Ciò non giustificherebbe un'esclusione. Qui, c'è un chiaro gradiente dall'alto verso il basso del cervelletto e l'immagine è piuttosto ruvida, giustificando un'esclusione.
Infine, in questo esempio, il mascheramento non ha funzionato bene. I bordi non sono puliti e l'immagine è più liscia di quelle che in genere escono dalla pipeline SUIT. Ciò giustificherebbe un'esclusione.
Esempi di buone parcellazioni, tra cui cerebella sana e fortemente atrofizzata, sono mostrati qui, mentre esempi di comparcellazioni errate con sottili inclusioni eccessive e insufficienti di singoli lobuli del cervelletto possono essere visti qui. Questi tipi di errori richiedono generalmente l'esclusione dei singoli lobuli interessati, mentre il resto del cervelletto parcellato può essere mantenuto. Al contrario, i fallimenti globali richiedono una completa esclusione del soggetto.
Quando acapulco è stato eseguito su un campione di 31 persone con atassia di Friedreich e 37 controlli sani, il lobulo SINISTRO IX e il lobulo destro Crus I avevano i più alti tassi di esclusione. Il confronto dei volumi di 28 lobuli anatomici cerebellari nell'atassia di Friedreich e in individui sani di controllo ha mostrato una significativa riduzione della sostanza bianca nel corpo midollare nell'atassia di Friedreich. Non c'erano altre differenze significative tra i gruppi.
Esempi di immagini ben allineate da entrambi i controlli sani e dall'atassia di Friedreich sono mostrati qui, mentre esempi di esclusioni possono essere visti qui. Dopo aver testato la covarianza spaziale di tutte le immagini normalizzate, due scansioni sono state rilevate come valori anomali statistici in base alla loro covarianza spaziale media con il resto del campione. Test di permutazione non parametrica sono stati effettuati in SNPM per testare differenze significative tra i gruppi nei volumi di materia grigia del cervelletto.
I risultati dell'analisi SUIT hanno mostrato che i pazienti con atassia di Friedreich avevano significativamente ridotto il volume della materia grigia nel lobulo anteriore bilaterale da I a V e nelle regioni del lobo posteriore mediale tra cui Vermis VI e Vermis IX.It è fondamentale controllare manualmente le maschere cerebellari per garantire che sia stata raggiunta una copertura cerebellare completa e ispezionare anche le maschere per sovra e sotto-inclusioni di lobuli cerebellari. Questa pipeline facilita l'esecuzione di analisi statistiche a livello di gruppo multi-sito che sono interessate a esaminare la struttura della materia grigia del cervelletto. Altre tecniche, come la connettività funzionale, possono anche essere utilizzate per esplorare la connettività tra i singoli lobuli cerebellari e il cervello.
