fMRIと拡散強調画像を用いた脳の構造と機能の同時分析

要約

我々は、磁気共鳴画像法（MRI）を用いて脳の機能と構造の同時分析のための斬新なアプローチを説明します。我々は、高解像度の拡散強調イメージングおよび白質繊維ラクトで脳の構造を評価する。標準的な構造のMRIとは異なり、これらの技術は、私たちが直接、脳のネットワークの機能的特性に解剖接続を関連付けることができます。

要約

複雑な計算システムの研究は、そのような回路図のようなネットワークマップによって促進される。脳領域の満たしは、主に他の脳領域への接続によって定義されるかもしれないという機能的役割として、脳を研究するとき、そのようなマッピングは特に有益です。本稿では、小説、磁気共鳴画像法（MRI）を用いて脳の構造と機能の関係のための非侵襲的なアプローチを説明します。このアプローチは、長距離ファイバ接続と機能的画像データの構造イメージングの組み合わせは、二つの異なる認知領域、視覚的注意と顔認知に示されている。構造イメージングは、脳内白質線維路（ 図1）に沿って水分子の拡散を追跡拡散強調画像（DWI）およびファイバートラクトで実施されます。これらの線維路を視覚化することによって、我々は脳の長距離結合アーキテクチャを調べることができます。結果はfavoraを比較ブライDWIは、拡散テンソル画像（DTI）の中で最も広く使われている技術の一つである。 DTIは、脳機能の詳細、解剖学的な情報モデルを構築するため、その有用性を制限し、線維路の複雑な構成を解決することができません。対照的に、我々の分析では、精度と正確さで知られている神経解剖学を再現。この利点は、データ取得の手続が一因です：方向の数が少ない（ 例えば 、6または12）には多くのDTIプロトコル対策拡散しながら、我々は257の方向に拡散を評価し、拡散スペクトルイメージング（DSI）の^1、2のプロトコルを採用する磁場勾配強度の範囲で。また、DSIデータは、私たちは、取得したデータを再構成するためのより洗練された方法を使用することができます。二つの実験（視覚的注意と顔認知）で、ラクトは、彼らが機能ネットワークを形成している現存の仮説を支持し、解剖学的に接続されている人間の脳の共活性領域を明らかにする。 DWIは、私たちは "サーキット·ディを作成することができますアグラム "と関心のあるネットワークの監視タスクに関連した脳活動の目的のために、個々の被検体に基づいてそれを再現。

プロトコル

1。 MRのデータ収集のための機器

図2と図3は、拡散MRIの取得、データの再構築、および繊維追跡に作られている選択肢の数をまとめたものです。これらの選択肢は、通常トレードオフを伴い、最良の選択は、自分の研究目的に依存するかもしれないことを覚えておいてください。たとえば、DSIとマルチシェルHARDI（ 図2を参照）は、典型的には、DTIよりも高い"b値"（ すなわち 、強い拡散強調）を使用します。結果として、これらの方法は、交差点や"キス"繊維（ すなわち 、再び離れて湾曲する前に、単一の接線で接触して互いに向かってカーブ、繊維）を解決するために必要であるより良い角度分解能を持っています。しかし、角度分解能は、この利得はしばしばEPIデータ（ 図3）の低い信号対雑音比（SNR）のコストで実現しています。研究者たちは、彼らの特定の目的のためにこのトレードオフの関連性を検討すると良いかもしれません：研究では、低方向次に、その軌跡を交差したり、他の管に平行に走っていない、いくつかの主要な線維路に焦点を当てている場合SNRの高いDTIスキャンが理想的かもしれません。下縦束のイメージングは​​、このようなケースを表すことがあります。研究者は、複雑な交差を通過路に従うことを希望する場合はこれとは対照的に、SNRの損失が許容帰結かもしれない。

トレードオフは、似たような頭の動き、渦電流、および非線形画像の歪みの補正を必要とする。空気鼻腔内ポケット、生理的ノイズ、およびその他の要因によって引き起こされる³磁場の不均一性の影響を受けやすくなり、; DWIのプロトコルを使用するエコープラナーイメージング（ 表1を参照EPI）。これらの分野での繊維追跡結果の妥当性と信頼性を低下させる、特に下側頭葉と眼窩前頭皮質における望ましくない画像の歪み、でこれらの不均一性をもたらす。追加の歪みが渦カレンによって作成されtsは、急速なMRの勾配スイッチングの⁴製品。参加者の頭の動きは画質を劣化させ、負のラクトに影響を与えることができるもう一つの要因である。現在の方法は、DTIのような低b値のデータで頭の動きや画像の歪みの両方を修正することができますが、これらの方法は、DSIなどの高解像度の方法に拡張されていない。 DSIデータに画像補正方法を適用することの難しさは、上述した低SNR（ 図3）に由来します。 EPIの歪みの影響を受けやすい脳領域における線維追跡するためには、低指向性のDTIや画像の歪みを補正することができるもう1つのテクニックを使用するのが最適かもしれません。脳全体の高角度分解能が望まれているなら、その一方で、研究者はDSI、HARDI、または同様の技術を使用することを選ぶかもしれません。 ^{TUCH（2004）5}秒、DSIのスキャンを通して無拡散重みを持つ研究者インターリーブT2のイメージは、例えばモーション補正（のためのベンチマークを提供することを示唆しているeeのREF。 6）。すべてのケースでは、研究者は買収時のヘッドの動きの悪影響を認識しておく必要があります：それは高度な訓練を受けた参加者を使用すると一口バー、鼻ガード、詰め物、または他のセーフガードの使用を介して移動を最小限にすることをお勧めします。

結果は、b = 300から7000までの範囲の勾配強度と、257方向拡散スペクトルイメージング（DSI）プロトコルを使用します（ 表1のパラメータを参照してください）ここで紹介する。拡散スペクトルイメージング（DSI）のシーケンスは、この高解像度の拡散データを収集するために必要な特定の機能を備えた近代的なMRスキャン装置を必要とする。シーメンスティム·トリオスキャナで約43分：私たちは、このシーケンスの時間要件がかなりあることに注意してください。大規模な実証的なテストの後、我々は、これらのデータの質が持続し、スキャンコストを正当化すると感じますが、取得プロトコルを選択する際に、ユーザーが慎重にCAに対して彼らの研究目的を比較検討する必要があります参加者のpacitiesと快適。我々はまた、良質のDSIデータは、高度な取得技術⁷で、わずか10分で収集されていることに注意してください。

1. 3テスラの磁場強度MRスキャナ：3Tは高角度方向DSIのスキャンに必要な信号を達成するために必要である。
2. 32チャンネルのフェーズド·アレイ·ヘッドコイル：高感度と優れた信号対雑音比を備えたヘッドコイルは、DSIのデータを収集するために必要とされる。エイトと12チャンネルコイルは、脳の表面に小さい信号を提供し、結果的に、これらのコイルは、投影フィールドの正確なマッピングをサポートするために増加したスキャン時間を必要とするかもしれません。
3. DSIのスキャンシーケンスの長い期間のために、モーション補正はDSIのデータに適用することはできませんので、優れた頭の安定化は、被写体の動きを制御する必要がある：ヘッド安定。運動はパディングとテープから一口バーに至るまで制御し、真空バッグ、または熱可塑性マスクは主観を安定させるために推奨されているTSの頭。任意の方向に並進運動や回転運動の2°の2 mm以上は過大であり、データを除外するための根拠と考えられるかもしれません。
4. FMRIプレゼンテーション機器：機能の種子を用いた解析では、fMRIのスキャンのための追加の機器が必要です。ローカライズされる領域の種類に応じて、これは通常のMR対応のディスプレイ（例えばMR対応LCDプロジェクターのシステムなど）、ボタン応答システム、オーディオシステム、スキャナ取り込みと同期実験プレゼンテーションコンピュータが含まれています。

2。スキャニング手順

1. 実行され、インフォームドコンセントを得るべきスキャンの性質について簡単に参加。頭部の動きを（特に長いDSIスキャン中）を最小化する必要性を強調。参加者に映画やDSIスキャン中の娯楽のための他のビデオからお選びいただけます。行動タスクの機能スキャンのために、被験者がタスクrelevaの画面を監視するように指示するntを刺激して、必要に応じて対応する。
2. MRの禁忌のためにスクリーニングした後、楽にスキャナに上記のいずれかの方法で、スライド患者のベッドを使用して、参加者の頭を安定させます。
3. 初期スカウトスキャンおよびキャリブレーションを実行します。
4. 前部と後部commisuresを結ぶ仮想線へのDSIスキャン並列のスライス処方箋を設定します。 DSIのスキャンのスライスは脳全体をカバーしていることを確認します。
5. 主題はプレゼンテーションシステム上のスキャナや腕時計エンターテインメントで緩和しながらDSIのスキャンを実行します。
6. 直ちにDSIスキャンが完了した後、他の解剖学的または機能的なデータとの共同登録（整列すなわち 、）DSIデータで使用できるように、T1強調解剖スキャンを（ 例えば 、MPRAGE）を収集する。
7. 必要に応じて、標準的なEPIパルスシーケンスを使用して、同じセッション内のfMRIのデータを収集します。
8. 必要な場合は、別のスキャンセッションでのfMRIスキャンを実施しています。コルデータセットの同時登録を容易にするために、両方のセッションでMPRAGEをECT。

3。解剖学的MRIの処理

後述するようにfMRIデータとFreeSurferを使用して自動分割の表面分析については、優れた白灰白質のコントラストと高解像度のT1強調解剖画像が必要となります。この画像は、機能と拡散強調イメージングデータを分析するための共通の基準空間を提供しています。最も近代的なMRIスキャナーでは、このイメージがMPRAGE（磁化準備急速グラジエントエコー）画像と呼ぶことにする。最も近代的なMPRAGEシーケンスは単一のスキャン（ 表1のパラメータ）で十分な品質のデータを提供することができます。必要に応じて、2つ以上のスキャンがセグメンテーション用グレー白質のコントラストを向上させるために平均化することができる。以下では、私たちが通常、異なるボクセルサイズと異なる起源ポイントで収集されDWIとfMRIのデータは、自動的に整列さのためにリサンプリングすることができる方法を説明しMPRAGEと同時に表示。

FreeSurferの解剖学的MRIの処理の流れの詳細な説明はFreeSurferウィキ（に掲載されていますhttp://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferWiki ）; FreeSurfer出力が複数皮質表面表現、ならびに皮質のparcellationが含まれています解剖学的特徴と皮質下構造のセグメンテーション。我々は簡単にAFNI /須磨、FSL、SPM​​、および他のニューロイメージングソフトウェアパッケージからツールを用いて処理することができるファイル形式に変換し、この出力をFreeSurfer出力にAFNI /須磨スクリプト@ SUMA_Make_Spec_FSを実行することをお勧めします。たとえば、画像の共同登録は、そのような3dAllineateなど、いくつかのプログラムの1つ（AFNI /須磨）で行うことができる（FSL）FLIRT、bbregister（FreeSurfer）、またはSPM Coregister機能。

1. 解剖学的セグメンテーションを行い、皮質表面再建ByはFreeSurferの自動化されたアルゴリズム（復興すべて）にT1強調解剖学的画像を提出する。
2. @ SUMA_Make_Spec_FSスクリプトを使用して須磨にFreeSurfer処理結果をインポートします。このステップでは、入力された解剖学的画像の強度正規化、頭蓋骨簡易版を含むFreeSurfer出力内のすべてのボリュームのnifti-形式のバージョンを作成します。我々はAFNI /須磨用語によれば、表面処理されたボリュームとしてこの解剖学的画像を参照してください。@ SUMA_Make_Spec_FSによって作成されたこの画像のたNIfTIバージョンがbrain.niiという名前が付いています。
3. 得られた表面ボリューム（須磨ディレクトリに、brain.nii名付け、この画像ののnifti-形式のバージョンを使用）へのDSI B0の画像の位置を合わせます。
4. 共同登録の後続で使用するために12ポイントのアフィン変換行列を保存します。

4。機能的MRI（fMRI）の処理

機能的MRI分析が生成または繊維の事後選択の対象となる領域（ROI）を定義できます。任意のエコー特定のfMRI実験のために最適化されたパラメータを使用して平面画像（EPI）のパルスシーケンスを使用することができます。同様に、fMRIの処理および解析のためのソフトウェア·パッケージが多数存在し、そのようなAFNI /須磨（NIMH、NIH）の^{8,9、BrainVoyager（}脳·イノベーション^{）10、FSL（FMRIB、}オックスフォード大学^{）11、12、SPM（}走査としてニューロイメージングのためのウェルカムトラストセンター、ユニバーシティ·カレッジ·ロンドン^）13。 図4の"fMRIの処理と分析"の項では、AFNI /須磨ソフトウェアパッケージに基づいて、分析経路の概要を説明します。より詳細な使用方法については、我々はAFNI /須磨ウェブサイト（上の優れたチュートリアルやその他の教材を読者に参照http://afni.nimh.nih.gov ）。

ファイバー·トラッキングのためのfMRI解析の最終目標は、重点が最大活性化の軌跡を見つけることがしばしばである標準機能局在解析とは異なります。良好な統計的手続きは、事前に統計的なコントラストのアルファレベルを指定するために研究が必​​要ですが、研究者は統計的しきい値の選択が機能的活性化の空間的な広がりに影響を及ぼし、その結果、ファイバ終端のフィールドの範囲になるという事実を考慮する必要があります。

1. 基準画像として最初に実行するスキャナの平均画像を用いて、個々のfMRIデータに件名の頭の動きを修正してください。
2. 必要に応じて、迅速なイベント関連のタスク設計を使用する場合は特に、スライス収集時間補正を行う。
3. それぞれの実行の中で、各ボクセルについて時系列を正規化することによって、信号のベースラインの違いランの間に修正してください。
   1. そのような3dcalc（AFNI / SUMA）またはfslmaths（FSL）のようなプログラムを使って、特定の実行のために時間をかけてその意味のボクセルからのパーセントの変化に応じて各ボクセルの時系列を表現しています。
   2. 信号の平均値とstに基づいて各実行の代わりに、z変換、各ボクセルの時系列、時間をかけてandard偏差。
4. 共同登録処理された各EPIは表面ボリューム（brain.nii）にFreeSurfer（上記参照）によって生成されるデータセットを実行します。
5. EPIは特定の個人のための時間で実行されるすべてを連結します。
6. 地図各EPIは各実行のNIML表面データセットを生成する3dVol2Surf（AFNI /須磨）を使用して、表面に実行します。
   1. 滑らかな白質とマッピングするための基準面として軟膜表面を使用し、これらはそれぞれ、グレー/白質境界と皮質の表面を表すと考えることができます。
   2. これら2つの表面の間の距離を介して信号を平均。
7. SurfSmooth（AFNI /須磨）を使用して、皮質表面上の必要に応じて円滑なEPIのデータ。
8. 被験者に提示し、実験条件のそれぞれに対応する時間のエポックごとに個別の回帰を作成します。
9. 一般線形モデル（GLM）に（興味のない回帰と一緒に）これらの回帰を提出機能的なデータの分析。
10. 表面全体の統計値の "機能マップ"を生成するために異なる回帰のコントラストベータの重み
11. 要因計画を用いた場合は、必要に応じて分散のグループレベルの分析（ANOVA）に複数の参加者のためのβ-重み値を入力します。
12. 機能マップはfamilywise誤り率（ガウス確率場の理論^）14または偽発見率^{（FDR）15、}多重比較を補正するための¹⁶の調整を採用し、統計的に有意な効果を表示するために閾値処理を派生させます。
13. 各分離可能なエリアを標識することにより表面に著しい機能的活性化の連続した​​領域から、ラクトグラフィシードに後で使用されます興味のある領域（ROI）を作成します。
    1. 自動的にセグメントなどSurfClust（AFNI / SUMA）などの空間クラスタリングアルゴリズムを使用して、ラベルのROI。
    2. あるいは、ROIが須磨のDrawのROI機能を使用して手で描く。
14. ラクトの間に合理化との接触を最大限にする3dSurf2Vol（AFNI /須磨）を使用して、白質にROIを展開します。
    1. ステップ6のように、マッピングのために滑らかな白質と軟膜の表面を使用しています。
    2. 各表面ノードにおける灰白質の厚さの50％白/灰白質境界より下のROIを成長させるためにf_p1_fr = -0.5を設定します。
    3. 軟膜表面とは反対方向にROIを成長させるためにf_pn_fr = 1に設定してください。
15. 表面ボリューム（brain.nii）にB0画像を整列させるときに生成される12点のアフィン変換行列の逆行列を見つけるためにAFNI cat_matvecプログラムを使用しています。
16. DSIデータでそれらを整列させるために機能的なROIのに逆行列をniiApply。

5。拡散強調画像データの処理

拡散強調画像は、多くの異なるcombinatiを包含する、白質のイメージング技術の総称であり、データ収集と再構成法のアドオン。おそらく、拡散テンソル画像^{（DTI）17、18、}とも呼ばれる、最も頻繁に使用される方法は、6または12の方向に拡散を測定、データ収集の5-10分に基づいています。これらのデータに基づいて、拡散パターンは、典型的には最高の単一の優性の拡散方向を検出するのに適している単純なテンソルモデルでモデル化されています。この制限は、DTIが一点において互いにまたは "キス"を交差イメージング繊維を適切に実行しないことを意味します。クロッシングとキス繊維が良いような高角度分解能拡散イメージング^{（HARDI）19-21、}拡散スペクトルイメージング（DSI）が^1,2、および一般的なQ-ボールイメージング（のような高解像度の買収と再建の方法の組み合わせで検出された^{GQI）22から24。}

シーメンス3Tスキャナ上で実行する257方向マルチシェルDSIのシーケンスはここに示された結果の取得（パラメータのために使用された表1のラメータ）。取得されたデータは、複数の方向に同時拡散を検知することができる方位分布関数（ODF）を使用して各ボクセルに拡散パターンをモデル化GQI法²⁴で再建された。他の高角度分解能拡散シーケンスが、同様の結果を生成する必要があります。 ODFsの正しい再構築、研究者は、DSIのスタジオ、ここで使用DWIの処理及びラクトプログラムへの入力勾配テーブル（これもB-テーブルと呼ぶ）に必要なことに注意してください。 （DSI Studioの詳細な使用説明書は、ソフトウェアのウェブサイトで見つけることができますhttp://dsi-studio.labsolver.org 。）この表は、取得した飲酒運転の各ボリュームに勾配方向と磁界の強さを示しています。グラデーションのテーブルは、MR取得プロトコルに依存しており、自動的にDSI Studioによって、DICOM画像から抽出されます。しかし、我々は、研究者はこのドエルを比較することをお勧めしますそのスキャナのDWIのプロトコルの標準テーブルと勾配表をatically抽出した。

1. 必要に応じて、mri_convert（FreeSurfer）を使用してDCM（DICOM）の形式にMR画像を変換します。
2. B0の画像（ すなわち 、エコープラナー画像は無拡散強調で収集）は、データセット内のどの画像（複数可）を特定します。
3. AFNIプログラムto3dを使用NIfTIフォーマットにB0画像（s）を変換します。
4. DSI Studioで、オープンDICOM画像とソース（src）のファイルを作成するために組み合わせる。
5. （上記参照）の勾配表を提供します。
6. デフォルトの再建マスクは空きスペース、頭蓋骨、または非脳組織を含むことなく、すべての灰白質を包含することを確認してください。必要に応じてマスクを編集します。
7. あるいは、B0画像AFNIプログラム3dAutomaskを実行することにより、復興マスクを作成します。
8. DSIは、GQI、またはGQIバリアント：高解像度復元モデルを選択します。
9. 内の主要な拡散方向（s）を表すために繊維情報ファイル（。FIB）を作成各ボクセル。

6。全脳ラクトを通じてデータ品質とトラッキングパラメータを評価する

全脳シードとトラッキング繊維は、全体的なデータ品質を評価するための迅速かつ効果的な方法です。また、特にグローバルパラメータ、ラクトで停止基準として使用される異方性のしきい値に適切な値を決定する機会を提供します。この手順では、線維追跡プロセスでカバレッジを向上させ、ノイズを低減するとのバランスをとることが必要である。特別な注意は、このような角度しきい値およびトラッキングしきい値などのキー·トラッキング·パラメータを設定する際に取られるべきである。

異なる管の相対的な異方性は、年齢や白質の整合性などの生物学的な要因だけでなく、セッションの間にハードウェアキャリブレーションのような無関係な要因に応じて、個人間で異なる場合がありますので注意しておくことが重要です。以下では、私たちが追跡を平衡化するために複数の方法を示唆しているデータセット間のしきい値を設定します。すべての回で、知られている神経解剖学にそれらを比較することにより、追跡結果の品質を確認してください。例えば、既知の大脳半球間接続（ すなわち 、脳梁、前方＆後方交連）の外側大脳縦裂を横断繊維が追跡しきい値が低すぎると発生させる必要があるか、頭の動きのアーチファクトの証拠かもしれないことを示すことがあります。

かつてなら線維路は、短期的に曲率が変化しないので、しきい値をトラッキングとは対照的に、角度のしきい値は、セッション全体で特定の個人のために不変であるべきです。同様に、管の曲率は、脳の大きさや形態に大きな違いがない場合には、個人にわたって比較的一定でなければなりません。それにもかかわらず、注意は、このパラメータの初期値を設定する際に注意する必要があります。このようなヘアピンカーブなどありえない軌道を、従う繊維は角度しきい値が高すぎることが考えられます。

1. 作る全脳シード領域。
2. 低信号ボクセルをマスクするために、初期追尾しきい値を設定します。
3. 繊維は、単一のステップでn度にカーブアップできるようにするために角度しきい値を設定します。
4. mm単位で追跡するステップサイズを設定します。
5. 繊維またはシードポイントの数を設定します。
6. 全体のODFの再建の品質をチェックするために、全脳ラクトを実行します。
7. 開始するには、中央値（データセットの向こう側の）追跡しきい値を選択します。
   1. TrackVis、ファイバ管の可視化および分析プログラム（福井医科大学、マサチューセッツ総合病院のためのMartinosセンター^）25に全脳TRKファイルをロードします。
   2. ROIのように須磨ディレクトリ（LH / rh.ribbon.nii）で灰白質（GM）のボリュームをロードします。
   3. ROIのいずれかでどちらかの端を持っている唯一の繊維を受け入れ、トラック·グループのフィルターとしてGMのROIを設定します。
   4. TRKファイル内の繊維（90-100％）のほとんどはフィルタリングト​​ラックグループに残っていることを確認します。
   5. 繰り返す■必要、DSIのスタジオたびにトラッキングしきい値を調整する。
8. さらに空きスペース（ すなわち 、脳のエッジの周りとイントラ脳回空間内）のボクセルのうち追跡しきいマスクは明らかに白質にあるのボクセルを、削除せずにいることを確認してください。
9. 必要に応じて、データセット（ すなわち 、異なったセッションおよび/ ​​または参加）にわたって追跡しきい値を平衡化します。
   1. DSI Studioインターフェイスを介して、データセットに必要に応じて追跡しきい値を設定します。
   2. DSI Studioのウェブサイト（上の指示に従って、MATLABに。マットの延長、importでDSI Studioによって作成された。fibのファイルの名前を変更しhttp://dsi-studio.labsolver.org ）。
   3. あなたがしきい値を希望する値のヒストグラムを作成します。
   4. Zスコアにマップの値を変換します。
   5. あなたが最初にDSIメーカーinterfacで設定したトラッキングしきい値のzスコアを見つける電子。
   6. 手順eで見つかったZスコアに対応するトラッキングしきい値を見つけ、他のすべてのデータセットに対して、手順BDを実行します。
   7. 手順AFのクロスチェックとして、500,000種と後頭極で解剖ROIから制御繊維のセットを追跡。
   8. この手順は、およそデータセット間の繊維の数が同じ（ - 100繊維+）を生成していることを確認します。

7。局所的に拘束されたラクト

全脳ラクトとは対照的に、局所的に拘束されたラクトは、このような繊維は、または渡すことができませんする必要がありそれを通してボリュームを指定したのとROIベースブール演算を使用しています。その結果、局所的に拘束されたラクトは、関心のあるセレクト繊維を追跡するための高感度と優れた制御を提供しています。全脳ラクト、シード操作および限られたコンピュータグラフィックスメモリの計算コストが高いため可能シード点の空間を、undersamples。 （それはPOですこれらの制約は、ラクトアルゴリズム、増加したメモリ容量、またはその他の要因の変化により、将来的には緩和されるであろうことをssible。）アンダーサンプリング、全脳ラクトグラフィの結果は、多くの場合に支配的な拡散経路に向かって付勢されている結果を生成脳。ユーザー提供のROIは、シード点の高密度に限られた対象領域を提供するそれが簡単にキャプチャするために困難を検出するための光ファイバ管を作ることで、この問題に対処します。

1. DSI Studioの全脳シード領域を作成します。
2. 一つ以上のnifti関心領域（ROI）のファイルをロードします。
3. 必要に応じて通過するべきではありません繊維のボクセルを示すために、回避率（ROA）ファイルの領域を読み込む。
4. 上記のような異方性のしきい値と角度のしきい値を設定します。
5. トラッキングを実行します。
6. 解剖学的詳細にファイバトラックを比較することによって、品質を確認してください。

8。エンドポイントの密度解析

1. すなわち、磁気共鳴のROIとTRKファイルiを読み込むNTO TrackVis。
2. 地域間のブール演算を実行します。
3. 新しいTRKファイルとして各操作の結果を保存します。
4. 空間的に表面ボリューム（brain.nii）ファイルにTRKファイルを変換するtrack_transform（拡散ツールキット）関数を使用します。
5. 検査するTrackVisで変換TRKファイルと表面ボリューム（brain.nii）を読み込みます。
6. 定量的な接続性の見積もりを作るためにMATLABにTRKとROIファイルをロードします。
7. ROIの{X / Y / Z}重心を探す。
8. 接続性の一つの方策として、ROIの体積によって正規化、ROI内の繊維のエンドポイントの総数を計算する。
9. あるいは、そのROIを管の接続性の特異性と一貫性の尺度として、繊維のエンドポイントおよびROIの重心間のユークリッド距離を計算します。

9。代表的な結果

高解像度の拡散強調イメージングおよびファイバートラクトはの広い範囲に適用することができます神経科学の質問。本論文で我々の焦点は、細部に至るまで機能的神経イメージングによる構造接続方法のカップリングである。しかし、我々は、DWIの任意のアプリケーションがデータ·アクイジション·プロトコル、再構成法、およびラクトパラメータが最終製品に重大な、独立した効果を発揮することができることを考えれば、ラクト結果の慎重な評価が必要であることに注意してください。 図5は、使用して最適と部分最適の結果を示しています全脳ラクトグラフィ。すべての3つの画像は、単一の参加者からの同一方向257-DWIのデータセットに基づいており、最適な結果が左側のパネルに表示されます。これとは対照的に、中央のパネルには過度に寛大ラクトパラメータ（FAと角度しきい値）の効果を示しています。右側のパネルには、DWIのデータを復元するために単一テンソルモデルを用いた結果、その品質の低下を示しています。

我々は、ラクトグラフィの結果が裏付けることができます方法の2つの例を含めるとinterpretatiに知らせる機能イメージングデータの上に。すなわち、顔の知覚と視覚的注意：これらの実験は、機能的なシード領域の作成を許可された認知プロセスを評価する。これらのシード領域は認知ネットワーク内白質接続性の問題をテストするために使用することができます。 図6は、顔認知タスクの間に活性化領域の例を示しています。被験者はfMRIのスキャンを受けながら顔や日常のオブジェクトの写真を見た。中央紡錘状回（MFG）と下後頭回（IOG）に2つの腹側頭領域は、オブジェクトに対してでは顔のためにかなり大きいBOLD反応を示した。これら2つの機能的に定義された領域は、その後、（前述のセクション6-7で概説）ラクト中シード領域として使用された。 図6Aは、繊維の大束は側頭葉内の関心のこれらの2つの領域を接続することを（赤で表示）合理化を示し、約12cmの距離で。繊維とsのタイトなパッキングに注意してください。この距離以上の繊維曲のモール度。このパターンは、長距離（たとえば、REFを参照してください。26）を介して機能ネットワーク内で1対1接続の典型であり、 図6（b）は、個々の繊維のエンドポイントとともにIOG機能シード領域（黄色）（赤点）を示しています。繊維のエンドポイントは、ROI全体に配置されています。この接続パターンは、これらの領域が顔認知ネットワーク内で高速通信の根底にある直接、長距離接続を持っていることを示唆している。

2番目の例（ 図7）は、視覚皮質感覚領域および後部頭頂皮質における注意制御の領域との間の接続を示しています。このケースでは、機能的なアクティベーション（後頭部と頭頂領域）の2セットは、同一個体からfMRIの独立したデータ·セットを介して生成された。頭頂アクティベーションは、visuで6箇所の間の注意シフトタスクを介して生成されたアルフィールド（詳細については、リファレンスを参照してください^27。）、後頭領域は視覚野（V1 - V3）の機能的なシード領域の間の境界をマークするために使用された標準的な視野子午線マッピング^28を使用^して定義されていたのに対し、 図7Aに示しV1、V2＆V3のシード領域（赤、緑、および青、それぞれ）、IPS-1というラベルの付いたPPCのシード領域と、これらの領域をつなぐ線維路のおおよその位置。チッタゴンは、それらが播種し、そこから後頭部のROIによって色分けされています。側頭葉（ 図6）で、長い直線繊維とは異なり、これらの白質路は短い距離（範囲3〜5センチメートル）をカバーし、したがって、より多くのU字型であり、彼らは後頭部から移動して、より少ないすし詰め状態頭頂葉の葉。 図7Bは、各地域における繊維のエンドポイントとともに皮質表面上のIPS（茶色）、V1（赤）、V2（緑）、＆V3（ブルー）機能的に定義された領域を示しています。注意IPS-1内のエンドポイントの相互嵌合度が大きいと対比シード領域によって後頭葉における管の分離、。これは、我々のPPCの領域（選択的注意タスクの実行中にfMRIの活動を通じて識別される）感覚皮質の多くの異なるノードに構造的接続と、脳の収束領域であってもよいことを示唆している。この接続パターンは、初期の皮質の活性を調節する高次脳領域からの注意のバイアス信号の伝送を可能にすることができる、これらの信号が視覚野^29、30内のターゲットの表現を高めるのに役立つ。

図1。拡散強調画像（DWI）の重要な概念の概略図パネル：均質媒体中で、拡散がブラウン運動の結果として、ランダムに発生します。水分子の数が多い場合は、拡散が等方性、つまり、集計拡散パターンが球状である。パネルB：軸索内および軸索の束の隙間に水分子の拡散は、軸索の壁や他の支持構造によって制約されています。したがって、線維路に沿って拡散は異方性である：それは、他の方向に比べて繊維管の軌道に沿ってはるかに大きい。パネルC：高分解能DWIの方法が白質路の複雑な構成では異方性拡散をモデル化するためにこのような配向分布関数（ODF）のようなモデルを使用しています。この例に見られるように、ODFsは一点で交差する複数の線維路に別々​​の拡散経路を区別することができます。 2つまたは3つの異なる線維路を含むクロッシングは、脳内の共通している。

図2。繊維追跡研究はいくつかの方法で行うことができます最も重要な選択肢が取得プロトコル、再構成技術、及びラクトグラフィ法を含む。現在の研究では、USE拡散スペクトルイメージング（DSI）が^1、取得のための²プロトコル、再建のための一般化されたQ-サンプリングイメージング^（GQI）24;とFACT決定的ラクト^40、41。各ボクセルの拡散を表現するために、我々は、特に配向分布関数を生成するモデルフリーとハイブリッド再構成技術を、（ 図1を参照してくださいODFs）をハイライト表示します。研究者は、予算、使用可能時間、高角度分解能の必要性、および頭部運動と非線形画像の歪みを補正することの重要性に基づいて、さまざまなパイプラインを選択することができます。この図は、すべての実行可能な買収、再建、ラクトグラフィ法の包括的なリストではありません。再構成技術の優れたレビューのためSeunarine＆アレクサンダー^42を参照^してください。

図3。拡散MRI買収変数の相互作用、スキャン時間、およびab繊維踏切を解決するility。高拡散コントラストが複雑な横断構成で繊維を解決するために必要です。このコントラストは勾配方向の数（ すなわち 、可能な繊維配向の数）およびb値（拡散強調の度合いを示す）を含むいくつかの要因に依存します。ここでは、b値と勾配方向の数を増加させる典型的な効果を提示する。このテーブルは唯一の動向を示し、個々の技術は、スキャン時間、信号対雑音比（SNR）は、拡散コントラスト時に異なる影響を与えることがあることに注意してください。一般的には、コントラストが勾配方向の数とb値の大きさの両方を増加させることによって改善することができます。高いb値では、しかし、拡散強調画像の信号対雑音比が減少しているし、スキャン時間はしばしば増加する。

図4。グラフィカル首席緑のテキストが使用される可能性があるソフトウェアを示しながら、黒の解剖学的MRI、DWI-MRIおよびfMRIの処理の流れのRY。テキストは、各処理ステップの性質を記述します。破線とボックスは、すべてのプロジェクトに適用されない場合があり、オプションの手順を示しています。この例では、処理がAFNI /須磨パッケージ（DSI StudioまたはTrackVisが示された場合を除く）で実行されます。他の神経画像解析パッケージに匹敵する機能は、しばしば置換されていてもよい。これらの図に示す手順の多くは、便利なスクリプトにソフトウェア開発者によって部分的に連結されている：我々は、特にFreeSurfer復興すべてのパイプラインに読者をご参照ください（ http://surfer.nmr.mgh.harvard.edu/fswiki/ReconAllDevTable ） 。我々は、いくつかのソフトウェアパッケージがDWIのデータのための完全な処理パイプラインを提供することをさらに注意したが、これらのパッケージは、その長所と短所が異なります、一部は高角度分解能拡散MRIデータを操作するためのツールが含まれていません。 拡大図を表示するにはここをクリック 。

図5。異なる再構成法とラクトパラメータを持つ全脳ラクトグラフィのイラスト。すべての画像は、同じデータセットは、複数のb値（7000秒/ mm ^2で 、5シェル）と257方向拡散スペクトルイメージング（DSI）の配列から誘導された。パネルA：高解像度、ODFベースの再構成法を用いることによって達成最適な結果を得る。 0.06の比較的高いトラッキングしきい値は、強い異方性ボクセルから繊維を生成するために、選択されました。と55°の角度しきい値は、生物学的に非現実的な曲率（ すなわち 、 "ルーピング"繊維）の繊維の生成を阻止するために選ばれました。 N大脳縦裂によって分離半球の明確な描写を、OTEは、また繊維バンドリングが脳溝/脳回輪郭を期待し、次の方法に注意してください。パネルB：同じ再構成法は、（）のように使用されましたが、FAと角度のしきい値は、（0.03、85℃、それぞれ）ラクト中にもっと寛大に設定されていました。不適切なトラッキング·パラメータは、解剖学的構造についての本当の情報を隠蔽する "ジャンク"繊維の大量発生を引き起こす可能性があります。適切なパラメータの選択についてのアドバイスを、 "全脳ラクトを通じてデータ品質とトラッキングパラメータの評価"、第5章を参照してください。パネルC：データは、単一のテンソルモデル、DWIの中で最も広く使われている方法のいずれかを使用して再構成した。適切なトラッキング·パラメータ（と同じ）で、シングルテンソルモデルは多く知られている主要な線維路を再現し、脳回輪郭はサジタルビューで多少見えます。しかし、それはまた、ODFのモデルよりも偽陽性を生成します：ノート繊維が水平走行大脳縦裂の両端LYは大きい図を表示するには、ここをクリックしてください 。

図6。顔認知の実験からラクトグラフィの結果。パネル（a）は、顔認識の実験から同定された機能的なROI間ラクト起因する合理化されます。下後頭回（IOG）と半ば紡錘状回（MFG）の一般的な領域は黄色の楕円で示されます。パネル（B）は、繊維のIOGのエンドポイントは後部側頭皮質表面を拡大した腹ビューで表示された（）パネルに示されているを示しています。黄色でレンダリングROIが顔認知機能MRI実験から得られた。 IOG機能的に定義されたアクティベーションと繊維のエンドポイントの間に大きな契約を注意してください。これらの繊維は、顔認知に関与する脳領域、MFGから追跡。P :/ / www.jove.com/files/ftp_upload/4125/4125fig6large.jpg "ターゲット=" _blank ">拡大図を表示するには、ここをクリックしてください。

図7。視覚的注意の実験。パネル（A） からトラクトグラフィの結果は、視覚的注意の実験²⁷から識別された機能ROI間ラクト起因する合理化を示しています。後部頭頂皮質（IPS-1）と視覚野（V1d、V2d、＆V3D）の一般的な領域は、色付きの楕円で示されています。 V1d赤、V2dための緑、V3Dの青：線維路は、対応する色でレンダリングされます。パネル（B）は、繊維のエンドポイントは後部（頭頂部と後頭部）皮質表面を拡大した側面図で表示された（）パネルに示されているを示しています。カラー規則はパネルのものを（）に一致します。視覚的注意機能的MRI実験から得られた関心領域は皮質表面に表示されます。すべての3つのトラクト/エンドポイントのETSは、視覚野でのターゲットへのバイアス信号を注意の源であるかもしれない視覚的注意のプライオリティのマッピングを含むと考えられているIPS-1の領域では、収束する。これらの線維路の後頭部両端が明らかに視覚野の領域によって分離されているのに対し、IPS-1の管は、主に、互いにかみ合っています。

MRスキャン	パラメータ
DSI	257方向拡散スペクトルイメージング（DSI）のスキャンは二回リフォーカススピンエコーEPIシーケンスを用いて、43分間の取得時間を持つ複数のQ値（TR = 9916ミリ秒、TE = 157ミリ、ボクセルサイズ= 2.4×2.4×2.4ミリメートル、FOV = 231 X 231ミリメートル、B-MAX = 7000秒/ mm 2で 、5シェル）
解剖の	T1強調MPRAGEシーケンス（1ミリメートル×1ミリメートル×1ミリメートル、176矢状スライス、TR = 1870は、TI = 1100、FA = 8°、グラッパ= 2）
fMRIの	T2 *加重エコープラナーイメージング（EPI）のパルスシーケンス（31斜軸スライス面内分解能2㎜×2ミリメートル、3ミリメートルのスライス厚、隙間なく、繰り返し時間[TR] = 2,000ミリ、エコー時間[TE ] = 29ミリ、フリップ角= 90°、グラッパ= 2、マトリックスサイズ= 96×96、視野[視野] = 192ミリメートル）

表1神経画像収集パラメータ。

ディスカッション

高解像度のDWIとファイバートラクトは、人間の脳の結合構造を調べるための強力なアプローチを提供します。ここで、我々は、fMRIによって評価し、この構造的なアーキテクチャは意味深長に脳機能に関連しているという証拠を提示します。 fMRIのタスクの活性化に基づくラクトの種子を使用することによって、私たちは視覚的注意の中の協調アクティブになっている脳領域が機能的神経解剖?...