拡散テンソルイメージングとラクトを用いたヒト色素欠乏症における一次視覚経路で接続を測定します

要約

この原稿は、光学放射（OR）白皮症と対照との間の接続性の違いを調べるために用い白質（WM）復興のための決定論と確率的アルゴリズムを説明します。確率論的トラクトグラフィは、より密接に神経線維の真の経過をたどるが、決定論的トラクトグラフィは、両方の技術の信頼性と再現性を比較するために行きました。

要約

白皮症において、同側に突出する網膜神経節細胞（RGC）の数が大幅に低減されます。網膜や視交叉はmisroutingのための候補地として提案されています。外側膝状核（LGN）ニューロンおよびLGNのサイズを中継数との相関関係が示されており、人間の白化におけるLGNボリュームで以前に報告された削減に基づいているので、私たちは一次視覚野（V1）に、LGNからの繊維の突起を示唆していますまた低減されます。白皮症の視覚系の構造的な違いを学ぶことmisroutingとその後の臨床応用のメカニズムの理解を向上させることができます。拡散データ及びラクトは、OR（光学放射）をマッピングするために有用です。この原稿は32チャンネルヘッドコイルは構造的なスキャンを取得するために使用されたと白皮症とcontrols.An MRIスキャナで脳の接続性を比較するために、または再構成の2つのアルゴリズムを説明しています。 1ミリメートルとT1強調3D-MPRAGEシーケンス³等方性のボクセルサイズはV1分割用の高解像度画像を生成するために使用されました。複数のプロトン密度（PD）強調画像は、左右のLGNのローカライズのために冠状に取得しました。拡散テンソルイメージング（DTI）スキャンは、64の拡散方向を用いて取得しました。両方の決定論的及び確率論的追跡方法は、対象マスクとしてシードマスクV1としてLGNで、実行して比較しました。 DTIは、比較的低い空間分解能を提供し、または正確な描写は、その低い繊維密度に挑戦することができるが、ラクトは、研究および臨床の両方に有利であることが示されています。管ベースの空間統計（TBSS）は、対照と比較して、アルビノの患者ではOR内に有意に減少白質の整合性の領域を明らかにしました。一対比較は、対照と比較して白皮症でV1の接続にLGNの大幅な削減を明らかにしました。両方の追跡アルゴリズムを比較すると信頼性を強化し、共通の調査結果を明らかにしました技術の。

概要

白皮症は、主に罹患した個体で観察された明白な低色素沈着によって特徴づけられる遺伝子疾患です。これは、メラニン合成¹に関与する遺伝子に継承突然変異によって引き起こされます。白皮症は、主に2つの形式で表示されます。oculo-皮膚白皮症（OCA）、眼および皮膚の両方の機能を提示する常染色体劣性形質。そして、眼白子症（OA）、男性でより普及および眼症状²によって主に特徴付けられるX連鎖特色。網膜色素上皮（RPE）におけるメラニンは、中央視覚経路の適切な発達のために重要です。白化現象におけるその不在は、したがって、羞明、眼振、視力低下や両眼視^2-3の損失を含む視覚障害、になります。視力は白皮症⁴に変更された中心窩の形態、にリンクされています。ヒトでは、交叉の網膜のラインは鼻網膜からの繊維と、中心窩を通じてnasotemporal国境沿いに位置します他の半球に交差し、一時的な網膜からのものが同側に伸びます。白皮症で減少した視覚機能の程度が低色素沈着のレベルにリンクされています。具体的には、色素沈着が交叉⁵のラインの一時的な網膜へのシフトに反比例します。一時的な網膜への交叉のラインのシフトの結果、視神経繊維の交差が増加する-共通の特徴をすべての種³渡って。

ヒトへの構造的MRI研究は、おそらく白皮症^6-8で観察されたRGCの増加交差点の結果である対照と比較して、白化現象が狭い光学chiasmsを、示しています。網膜や視神経視交叉は、Ephファミリー受容体およびそれらのリガンド⁹と軸索ガイダンスの手がかりを表現するため、misrouting ¹⁰の候補部位です。

緑内障とサルの研究は重要な12月を明らかにしましたLGNのパルブアルブミン免疫反応性の中継ニューロンの数とLGNのボリューム¹¹でrease。これはLGNのサイズとV1にORを通って移動する白質（WM）軌道の数との相関関係を示唆しています。人間の白皮症に死後の研究はまた、融合MとP層¹²と小さいLGNを明らかにしました。高分解能構造MRIは、白皮症⁸ LGNの量の有意な減少が確認されました。まとめると、これらの知見はLGNのニューロン数の減少をもたらす可能性がLGN量を減少し、LGNとV1の間の減少の接続で順番にすることを示唆しています。

ヒトでの解剖学的接続の調査パターンが限定されています。解剖、トレーサー注射および病変の誘発は、死後に使用することができる侵襲性の技術であり、通常は患者のごく少数を含みます。カルボ色素DiIで注射を使用して、以前の研究では、V1とV2（二次のVisual C間の神経の接続性を実証しました^{ortex）13、}ならびにアルデヒド固定死後の人間の脳¹⁴内の海馬コンプレックス内。このようにラベリング繊維は、注入¹⁴の点からミリメートルの唯一の数十の距離に制限されています。拡散テンソル画像、DTIは、線維トラクトの方向と組織を識別するために、早期1990年代半ばに開発されたMRIモダリティです。それは生きている脳内の大WM経路のマッピングを可能にする非侵襲的方法です。 DTIは、生体組織¹⁵内の水分子の拡散に敏感です。脳では、水の拡散は、このような膜およびミエリンなどの障壁に起因する異方性（不均一）です。 WMは、拡散に対するファイバ¹⁶の方向に垂直なより大きい平行である意味、高い拡散異方性を有しています。 フラクショナル異方性（FA）は、異方性的に拡散する分子の好みを説明するスカラー量です。 FA値は、ローからハイanisotに、0-1の範囲粘着性の（脳脊髄液（CSF）<灰白質^（GM）

（決定論的）合理化と確率論ファイバートラッキング3Dパス再構成のための2つの異なるアルゴリズムです。決定論的トラクトグラフィは、定義されたシード領域に隣接したボクセルを結ぶ、直線伝搬法を使用しています。このアルゴリズムで使用される2つの停止基準は、回転角度とFA値です。したがって、隣接ボクセルの間のトレース管は、大きなターニング角度ではほとんどありません。このアルゴリズムは、したがって、ボクセル内のFAが正確に異方性が低下灰白質、近くの経路を定義することでその有効性を制限し、特定のしきい値を超えた場合にのみ進行することになります。確率論的トラクトグラフィは、一方で、関心対象の2つの領域間の道の一部であるボクセルの確率を記述する接続性マップ（関心領域）が得られるので、このようなV1 ¹⁷と灰白質に進行します。このMRIのアプリケーションを使用して、などの主要WM構造以前の研究^18-20に示すようにOR、描写することができます。

この研究は、したがって、レチノ - geniculo皮質接続上の軸索misroutingの効果を調査するために、拡散データとラクトを使用しています。人間の色素欠乏症⁸でLGNボリュームで以前に報告された削減に基づいて、我々はV1に、LGNから繊維突起はまた、（ 図1）に低減されていると予測しています。

プロトコル

倫理文：現在の調査研究は、ヨーク大学、トロントでの人間の参加者審査委員会（HPRC）によって承認されています。すべての参加者は書面によるインフォームドコンセントを与えました。

1.件名の準備

注意：OCAとイレブンの参加者、36±4年（6匹）高齢者が高齢者10年齢をマッチさせたコントロール、32±4年（6匹）と比較しました。参加者の履歴を表1に記録されています。

1. 記入し、MRIの安全ガイドラインと撮影プロトコルを示しています同意書に署名するために、各参加者を確認して下さい。
2. 各参加者のために、耳のために耳栓を提供します。眉毛のレベルで目の上の位置仰臥参加者と第一の磁石でヘッド、および目印。頭部の動きを減らすためにクッションと参加者の頭部を固定します。参加者に患者アラートの圧搾バルブを与えます。

2.構造的MRIパラメータ

e_content ">注：すべての撮影は、被写体ごとに単一のセッション中に32チャンネルヘッドコイルを使用して、3T MRIスキャナで取得されています。

1. 取得時間4分26秒、視野256ミリメートル、256マトリックス、1ミリメートルのスライス厚で192スライス、と：次のパラメータで脳全体をカバーする3D-MPRAGEシーケンスを使用して、高解像度のT1強調解剖学的を買収1.0ミリメートル^3、TR = 1900ミリ秒、TE（エコー時間）=反転900ミリ秒の時間と9°のフリップ角で2.52ミリ秒、1平均、パラレルイメージング（IPAT GRAPPA、2の加速係数）の等方性ボクセルサイズを生じました。
2. 、取得時間8分5秒、ビュー192ミリメートル、128マトリックスのフィールド1.5をボクセル：次のパラメータを使用して、前交連/交連（AC-PC）行の次の横向きにスライスして、皮質をカバーDTIシーケンスを取得100の1.5ミリメートルの面内、2ミリメートルの厚さを持つ56個の連続（ギャップなし）のスライス、TR = 6900ミリ秒、TE = 86ミリ秒、64方向、b値3の加速係数と0秒/ mm ²の（0秒/ mm ²での低b値と基準画像）、1平均、パラレルイメージング（IPAT GRAPPA）。
3. 冠状向きで30-40 PD-強調画像を取得し、脳幹に平行に、下丘の後方部分に橋の前エクステントからカバーしています。
   1. ターボスピンエコー（FASTスピンエコー）パルスシーケンスと次のパラメータを使用します。スキャンあたりの取得時間1分29秒、ボクセルサイズ0.75 0.75結果の視野192ミリメートル、256マトリックス、厚さ1mmの30-40スライス、 1ミリメートル^3、TR = 3000ミリ秒、2の加速係数を持つTE = 22ミリ秒、5のターボ係数、120°のリフォーカスフリップ角、1平均、パラレルイメージング（IPAT GRAPPA）。
      注：S12は、次のパラメータを使用してスキャンしたビュー180ミリメートルの分野、512マトリックス、厚さ1mmのスライスと30スライス、ボクセルサイズ0.4×0.4×1.0ミリメートル^3を得られたし。他のパラメータはすべて同じでした。 Acquisitイオン時間2分47秒。
4. プログラムdcm2niiを使用してNIfTI形式に生のDICOMを変換することにより、すべてのスキャン前処理。

3. LGNの描写

注：LGNは、脳の深部に位置する小さな皮質下の構造であり、従って高解像度のPD画像は、その解剖学的な境界を決定するために必要とされます。これらのスキャンでは、LGNは、その検出^21を容易^に 、周囲のWMトラクトに比べて高信号強度の領域として表示されます。同定された解剖学的LGNは、次にラクトためのシード領域として用いられます。

1. グループメンバーシップへのブラインドが、手動で二度の解像度に補間平均PDの画像に左右のLGNマスクを3回ずつをトレースし、半分のボクセルサイズ（元の256×256マトリックス、0.75のx 0.75のx 1ミリメートル³ボクセルサイズ）。
   1. 高解像度を得るためには、PDの画像がFMRIBのソフトウェア内で自由に利用できるFLIRT機能や他のソフトウェアツールを使用しますライブラリ（FSL、http://www.fmrib.ox.ac.uk/fsl/）。以前に別の場所で²²説明したようにアップサンプリングは、各参加者のために、運動正しいと平均PDの画像を連結します。
   2. FSLViewで高解像度のPD画像を読み込み、1つのオプションを選択するには[ツール]タブをクリックします（またはプレス ）画像を拡大します。
   3. マスクを作成するオプションを選択し、各スライスにLGNをトレースするには、画面の左上のツールバーを使用するには[ファイル]タブをクリックします。必要であれば、LGN検出を容易にするために、ツールバーの最小/最大に沿ってドラッグすることで、画像のコントラストを変更します。
2. fslmergeコマンドを使用して、中央値マスクに興味（関心領域）のこれらの領域をマージします。
3. 同じコマンドを使用して、単一の中央値のマスクにすべての評価者」の中央値マスクを兼ね備えています。

4. V1セグメンテーション

1. 脳にFreeSurfer23（V5.3.0）の「偵察-すべて」コマンドを実行します。自動処理用のネイティブ解剖学的空間におけるS（T1強調画像）。
2. 新しく作成されたMRIフォルダ（orig.mgz、brain.mgz、rawavg.mgz、T1.mgz）内の適切な出力が "mri_convert」を使用してNIfTIに変換します。
3. 必要に応じてFreeSurfer空間で頭蓋骨ストリッピング出力脳（brain.nii.gz）を補正するためにFSL GUIのBET脳抽出を使用してください。 bet2オプション（デフォルト）を使用して実行して、標準的な脳の抽出]を選択します。画像は、脳組織が不足している場合は、しきい値を下げ、または非脳組織が捕捉された場合に増加する（デフォルトのしきい値0.5）。高度なオプションで（後者は手動修正のために使用することができる）出力脳抽出画像と出力バイナリ脳のマスク画像を選択します。
4. 「label2surf "と" surf2volume」コマンドを使用して、体積マスクに出力V1のparcellationを変換します。

5.プリ追跡登録

注：次の手順については、followinのそれぞれを開くためにFSL GUIを呼び出しますグラムツール。

1. BET脳抽出を使用し、「偵察-すべて」により作成されたMRIフォルダにあり頭蓋骨ストリップrawavg.nii.gzにバイアスフィールド＆首のクリーンアップオプションを選択します。必要に応じてしきい値を調整します。
2. 拡散空間にFreeSurferとネイティブ解剖学的空間内の頭脳を持ってFLIRTリニア登録を実行します。
   1. brain.nii.gzを選択し、偵察-すべて（FreeSurferスペース）、または被験者の脳の出力は、入力画像としてT1（ネイティブ解剖学的空間）を抽出し、基準と拡散強調画像（DWI）を渦を補正し、脳を抽出します画像。そして、「移動」をクリックします。
      注：このステップでは、2つの出力、基準画像（.nii.gz）と変換行列（.MAT）に登録された入力の脳を作成します。シードスペースが拡散ないときは別に登録から、後者のファイルは、ラクトために必要とされます。 7.4.2で説明したようにラクトため、このステップで作成した出力変換行列（.MAT）を使用します。
3. 同様の5.2に、FreeSurfer空間とネイティブの解剖学的空間への参加者のPDの脳を持ってFLIRTリニア登録を実行します。
4. ラクトためのシードマスクを準備します。
   1. FLIRTリニア登録ツールボックスにUtilsのからFLIRT変換を適用します。変換行列として.MAT出力を使用して、元のLGNは、参照ボリュームとして入力し、brain.nii.gz（FreeSurferスペース）またはT1_brain.nii.gz（ネイティブ解剖学的空間）（5.2を参照）のようなマスク。高度なオプションから最近傍補間法を選択します。
5. ラクトのターゲットマスクを準備し、のみbrain.nii.gzファイルを使用します：
   1. ネイティブの解剖学的空間への登録FreeSurfer脳とトライリニア補間を使用してV1マスク（5.2、5.4.1を参照のこと）への変換を適用することにより、ターゲットマスクを作成します。 「移動」をクリックします。

6. LGN正規化

1. //fsl.fmrib.oxます：httpで前述したようにFNIRT非線形登録を使用しますモントリオール神経学研究所の全脳テンプレート（MNI152）を使用して、MNI空間にネイティブの解剖学的空間内の参加者の非抽出の脳を持って.ac.uk / FSL / fslwiki / FNIRT。
   注：FNIRTが抽出された脳を上浮気する比較して、非抽出のT1に適用したときに登録がより正確であったとして、元の解剖学的画像の非線形登録は、このステップのために推奨されます。
2. 5.4.1で説明したようにMNI空間にマスクを持参する最近傍補間を使用して（元LGNが以前5.4でネイティブの解剖学的空間に変換）解剖学的空間にLGNマスクに変換を適用します。
3. AFNIの「3dMean」コマンドを使用して、両方のグループ間MNI空間内のすべてのLGNマスクの平均。
4. MNI空間での平均マスクにしきい値を適用するには、「fslmaths -Thr」を使用します。
5. Vを使用して、MNI空間における平均マスクの半径を計算= ^4/3πR3（球を想定）。
6. 質量COORDIの中心を記録コマンドを使用して、ネイティブの解剖学的空間内の個々のLGNマスクの臀部「fslstatsを-C」。
7. 参加者全体で同一のボリュームの球状のROIを作成します。
   1. 6.6に記録されているネイティブの解剖学的空間に適切な個々のLGNマスクの座標とROIポイントを作成するために「fslmaths "を使用
   2. 「fslmaths」を使用して、ネイティブな解剖学的空間におけるROIポイントを中心に球を作成するために、MNI空間における平均マスクの半径を適用します。
8. ラクトのためのシードとしてこれらの標準化されたマスクを使用してください。

7.確率ラクト（FSL 5.0.4）

注：次の手順については、次の各ツールにアクセスするにはFdt_guiを呼び出します。

1. 渦電流補正とDWIsの歪みに対する正しいです。 defaulを残して、拡散[ツールボックス]ウィンドウの上部にあるメニューから、渦電流補正オプションを選択し、入力としてDWIをアップロードTの参照量（0）。
2. 4.3で説明したように脳はBETで画像を抽出します。
3. メニューからDTIFIT復興の拡散テンソルのオプションを選択します。以下のファイルを含む入力ディレクトリを指定します：拡散強調データ、nodif_brain_mask（BETの出力）、bvecとBVALは（bvecsとbvalsに名前を変更する必要があります;拡散画像取得パラメータについての情報を含むテキストフ​​ァイル、拡散のNIfTIへの変換DICOMの出力をデータ）。 dtifitを実行するには、「移動」をクリックし、後処理用のファイルを作成し、各ボクセルでの拡散テンソルモデルにフィットします。
4. 次に、BedpostX（拡散パラメータの推定）メニューからオプションを選択します。 DTIFIT用と同じ入力ディレクトリを使用します。ラクトために必要なすべてのファイルを生成するには、「戻る」をクリックします。
5. 同じメニューから、確率的追跡のためProbtrackXを選択し、個別に各半球のためにそれを実行します。デフォルトの基本オプション（5,000サンプル、0.2曲率とloopcheckのapplieを保ちますd）及び高精度のための高度なオプションから確率的流線を計算するために修正オイラーを選択します。
   1. BEDPOSTXディレクトリとして.MERGEDファイルを含むBedpostXの出力を選択します。
   2. シード空間として単一のマスクを選択し、シード画像として（ネイティブ解剖学的空間に）変換されたLGNマスクをロードし、T1拡散へのシード変換として拡散変換行列に（ネイティブ解剖学的空間における脳）、およびV1（ネイティブ解剖学的空間内）ターゲットとして「任意のターゲット」（除外マスクを除くすべて）インチ
   3. デフォルトのメッシュ大会（キャレット）を使用し、表面の基準画像などのネイティブ解剖学的空間（T1の画像）で脳をロードします。
6. 7.5.2で説明したようにラクトためのシード領域として（ステップ6で作成した）標準的な球状のROIを使用して確率的追跡にProbtrackXを繰り返します。 LGN（解剖学的空間）を形質転換したのと同じ方法でアップロードROIが7.5.2にアップロードされました。
7. 再実行ラクト（7.5）、この時間除外マスクとしてFreeSurferの反対側の白質境界マスクを加えたFreeSurfer空間での種子（非正規化）と目標マスクで、以上の任意の交差を回避し、直接同側の接続を確保します。 ProbtrackXツールボックスからサーフェスオプションをチェックし、メッシュ規則としてFreeSurferを選択します。
   注：これは、そのラクトを強調することが重要である常に拡散空間から実行されますが、確率的追跡のためProbtrackxは拡散空間への変換行列と一緒に、異なる空間でのシードとターゲットマスクの入力を可能にします。本研究では、確率論的トラクトグラフィは、天然の解剖学的およびFreeSurfer空間（ 図2）の両方でマスクで実行されました。

8.確定ラクト（DSIスタジオ）

1. オープンソースの画像：エディはステップ1をクリックすることにより、DSIメーカー²⁴での拡散強調画像を補正し開きます。自動的にB-テーブルウィンドウ上にロードbvecとBVALファイルOPEソース（.SRC）ファイルを作成するために定義さ。
2. デフォルトを変更するには、再構成ウィンドウ上に生成されたソースファイルを読み込み、必要に応じて脳のマスクを再構築し。
3. その後、再構成法²⁵としてDTIを選択して、繊維情報ファイル（.fib）を生成するソースファイル上で実行します。
4. FLIRT線形登録を使用して拡散空間への参加者のPDの脳を持参してください。
5. 5.4.1で説明したように、最近傍補間を使用して、LGNマスクに変換を適用します。
6. プログラムの追跡ウィンドウに.fibファイルを開きます。
7. 終局の領域としてDSIメーカーから入手可能なブロードマンアトラスから種子及び地域17（V1）として拡散空間にLGNを使用して、個別に各半球のトラッキングを実行します。 Regionsタブおよび開口領域をクリックすることで、LGNマスクをロードします。画面左のリージョン・リストのタイプの下に種子のオプションを選択します。アトラスからV1マスクをロードするには、リージョン・リストにツールバーからアトラスをクリックして、適切なアトラスを選択します。
8. 各実験では、反対側のWM回避領域（ROA）などFreeSurferセグメンテーションアトラス（追跡ウィンドウ内のリージョン・リストボックスを参照してください）​​から（名前付き/左右の大脳白マター）のマスクを設定します。
9. ラクトのためのシード領域として拡散空間の代わりに、個々のLGNで球状のROIを使用して（8.7から8.8）を追跡繰り返します。
   注：球形ROIがすべての被験者間で同じボリュームがあり、各LGNの質量の中心を中心としています。
10. 標準MNI空間にマスクを持参する（元LGNが以前に8.4から8.5に拡散空間に変換）標準MNI空間へ拡散空間で脳を登録し、拡散空間にLGNへの変換を適用LGNの正規化、セクション6、これだけの時間を繰り返します。 MNI空間における被験者全体のすべてのLGNの平均体積として球形ROIの体積を計算します。
    注：トラッキングパラメータは、ユーザによって変更することができます。ほとんどの実行のために、デフォルトのトラッキングパラメータを適用しました。いくつかの個体（A5、A7、S12）については、異方性しきい値（デフォルト0.14から0.15）が低下した（0.10から0.12）と角度しきい値（デフォルト60）はよりよい可視化のために（65-85）増加しました。技術の概略図を図3に示されています。

9.統計分析 - TBSS（FSL）

注：トラクトベースの空間統計はdtifit26で得られたmaps16参加者のFAのvoxelwise統計分析です。これは、広く拡散データの統計のために使用されます。このvoxelwiseアプローチはVBMスタイルFA分析で見られる潜在的なアライメントと平滑な問題を克服し、達成不可能ラクトベースapproaches16を通して脳全体の調査を、提供します。

1. 新しく作成されたTBSSディレクトリにあるFAデータの「tbss_1_preproc」を実行します。
2. ファイル名を指定して実行」tbss_2_reg」 - 非線形登録を適用するT、共通の空間に各参加者のFAデータをもたらす（FMRIB58_FA、TBSSで対象画像）。
3. 「tbss_3_postreg -S」を使用して、参加者間のすべての一般的な管の中心と平均FA骨格を作成します。
4. ラン すべての整列FAマップの平均骨格上に各参加者の整列FAマップを投影する「0.2 tbss_4_prestats」。
5. 行列の順序はTBSSはFAデータを前処理する順序と一致していることを確認して、design.conとdesign.matファイルを作成します。
6. それは、より正確なp値を与えるスケルトン（3Dデータの一部を削減）、および5000プレ変異、に作用するようTBSSに推奨されるT2オプションを使用して、「ランダム化」を実行します。

10.統計分析 - SPSS

1. 確定的データからFA値の抽出
   注：確定ベースのFA値は、DSIスタジオ出力統計テキストフ​​ァイルから得ました。これらの値は、生成された管の中WHを平均FAを表しますこの場合、ICHは、ORの領域に対応します。
   1. DSIのスタジオでファイバートラッキングを実行します。
   2. トラクトの生成された各セットについてDSIメーカーが作成した「統計」のテキストフ​​ァイルを保存し、それらから「FA平均」値を記録。
2. 確率論的データからFA値の抽出
   注：確率ベースのFA値はProbtrackX2出力fdt_pathsファイルから導出されています。これらは、本研究でORに対応する領域をカバーする3次元管密度画像です。
   1. 拡散空間に各参加者のfdt_pathsファイルを持ってFLIRTリニア登録を使用してください。
   2. 「 - ビンfslmaths」を使用して出力マスクを2値化。
   3. 各参加者は、「-mul fslmaths」を使用してdtifitから自分のFAマップによってマスクを掛けます。
   4. 各道のマスクから平均FAを見つけるために、「fslmeants」コマンドを実行します。
3. SPSSは、（決定論と確率を使用したとの分析を実行します
   データ）
   N注意：統計解析は、Mac用のSPSS 20を使用して行われます。半球は被験者内変数であるため、脳の各側における効果を別々に見ることができると一般化線形モデル（GENLIN）が印加されます。具体的には、一般化推定方程式（GEE）が使用されます。
   1. 独立したテストでは、従属変数として（waytotalまたはパーセンテージが流線、PGSLを生成）平均FAのそれぞれを設定し、カウントを合理化。
      注：この研究では、カウントは道-合計値に基づく合理化。 Waytotalは、包含/除外基準²⁷によって拒否されていない生成された流線の合計数を示しています。送信されたストリームラインの総数を指す生成流線（NGSL）の数は、各ボクセル（この場合は5,000）から引き出されたサンプルの数を乗じたシードマスク内のボクセルの数に等しいです。割合は流線（PGSL）を生成し、NGSL 100倍で割っwaytotalは、成功したconneの尺度でありますシードとターゲットとの間ctivity。
   2. すべてのテストで独立変数としてそれらを設定することにより、V1の接続に、LGN上のグループと性別の影響を調べます。
      注：主効果だけでなく、二次元と三元相互作用が研究されました。これらの個々のテストが互いに調整されていないことに留意することが重要であるので、一方の主効果または相互作用の重要性は、他から独立しています。
   3. すべてのテストのための共変量として年齢を使用してください。また、従属変数として平均FAとテストのための共変量とwaytotalとしてLGNボリュームを使用しますが、従属変数としてPGSLを用いた試験からそれを省略します。
      注：全脳容積は重要でない共変量であることが判明し、したがって、統計から除外しました。
   4. 多重比較^28（有意性はp <0.05のレベル）を調整するために、ボンフェローニ補正方法を選択します。

結果

このセクションでは、決定論と確率論的トラクトグラフィ、二つの異なるアルゴリズムを用いて得られた結果の要約を提供します。マスクが最初に描画されたPDの空間において、ならびに本研究で用いたすべての他の空間におけるLGNボリュームは、 表2に記録され、およびLGNのトレースは、図 4に示されています。ここで報告され?...

ディスカッション

WMを変更し、より具体的には、期待された対照と比較して白皮症で接続性を減少させました。このように、対照と比較して白皮症の右半球だけでなく、ここで報告アルビノと男性患者で減少し、接続中の還元FAは、当社の予測と一致しています。ジェンダーと半球効果が示唆している健康な脳の研究は、女性に比べて男性の左半球にWMの複雑さを減少したものの^30-31本研究で観察され?...

資料

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