JoVE Logo
著者
お問い合わせ

サインイン

このコンテンツを視聴するには、JoVE 購読が必要です。 サインイン又は無料トライアルを申し込む。

この記事について

  • 要約
  • 要約
  • 概要
  • プロトコル
  • 結果
  • ディスカッション
  • 開示事項
  • 謝辞
  • 資料
  • 参考文献
  • 転載および許可

要約

ここでは、病変症状マッピングを目的としたオープンアクセスの標準化された画像処理パイプラインの実用的なチュートリアルを提供します。CT/MRIの手動梗塞セグメンテーションから、その後の登録から標準スペースまで、各処理ステップのステップバイステップのチュートリアルが提供され、例示的なケースを含む実用的な推奨事項とイラストが提供されます。

要約

病変症状マッピング(LSM)において、脳機能は、後天性脳病変の位置を患者群の行動または認知症症状に関連させることによって推測される。近年の脳イメージングと画像処理の進歩により、LSMは認知神経科学の一般的なツールとなっています。LSMは、様々な認知機能および非認知機能のための人間の脳の機能アーキテクチャに関する基本的な洞察を提供することができます。LSM研究を行う上で重要なステップは、患者の大規模なグループの脳スキャンの病変のセグメンテーションと、共通の立体空間(標準空間または標準化された脳テンプレートとも呼ばれる)への各スキャンの登録です。ここでは、LSM を目的とした梗塞セグメンテーションと登録のためのオープン アクセスの標準化された方法と、例示的なケースに基づく詳細で実践的なチュートリアルについて説明します。CTスキャンおよびDWIまたはFLAIR MRI配列の脳梗塞の手動セグメント化のための包括的なチュートリアルが提供され、梗塞同定の基準と異なるスキャンタイプの落とし穴が含まれています。登録ソフトウェアは、異種取得パラメータを使用してCTおよびMRIデータの処理に使用できる複数の登録スキームを提供します。この登録ソフトウェアを使用し、視覚的な品質チェックと手動修正(場合によっては必要)を実行するチュートリアルが提供されています。このアプローチは、データの収集から結果の最終品質チェックまで、LSM研究を実行するために必要な脳画像処理のプロセス全体のフレームワークを研究者に提供します。

概要

病変症状マッピング(LSM)は、病変行動マッピングとも呼ばれ、ヒト脳1の機能アーキテクチャを研究するための重要なツールである。病変研究では、後天性脳病変を有する患者を研究することによって脳機能が推測され、局在化する。19世紀に行われた特定の脳の位置に神経学的症状をリンクする最初のケーススタディは、すでに言語といくつかの他の認知プロセスの解剖学的相関に関する基本的な洞察を提供しました2.しかし、認知および他の脳機能の多くの側面の神経解剖学的相関は、依然として解明されていない。過去数十年にわたり、構造脳イメージング法の改善と技術の進歩により、高い空間分解能を持つ生体内LSM研究(すなわち、個々のボクセルまたは特定の皮質/皮質下領域のレベル)で大規模な研究が可能になりました1 、2.これらの方法論的進歩により、LSMは認知神経科学においてますます一般的な方法となり、認知および神経学的症状3の神経解剖学に関する新しい洞察を提供し続けている。LSM研究の重要なステップは、病変の正確なセグメンテーションと脳テンプレートへの登録です。しかし、LSMを目的とした脳イメージングデータの前処理のための包括的なチュートリアルが欠けている。

ここでは、標準化された病変セグメンテーションおよび登録方法の完全なチュートリアルを提供します。この方法は、標準化された脳画像処理のためのパイプラインと避けなければならない潜在的な落とし穴の概要を研究者に提供します。提示された画像処理パイプラインは、国際的なコラボレーション4を通じて開発され、最近設立されたMeta VCIマップコンソーシアムのフレームワークの一部であり、その目的は、マルチセンター病変症状マッピング研究を行っています。血管認知障害 5.この方法は、複数のベンダーからのCTスキャンとMRIスキャンの両方を処理し、異種のソースからのイメージングデータセットを組み合わせた処理を可能にするように設計されています。必要な RegLSM ソフトウェアと、このプロトコルに必要なその他すべてのソフトウェアは、ライセンスが必要な MATLAB を除き、自由に利用できます。このチュートリアルでは、脳梗塞のセグメンテーションと登録に焦点を当てていますが、この画像処理パイプラインは、白色物質の高血圧6などの他の病変にも使用できます。

LSM スタディを始める前に、一般的な概念と落とし穴の基本的な理解が必要です。いくつかの詳細なガイドラインとヒッチハイカーのガイドは、1、3、6を利用可能です。しかし、これらのレビューは、脳スキャンを収集し、適切な形式に変換し、脳梗塞をセグメント化し、脳テンプレートにスキャンを登録することに関連する実用的な手順のための詳細な実践的なチュートリアルを提供していません。本稿では、このようなチュートリアルを提供する。LSM の一般的な概念は、主題に関するさらなる読み取りのための参考文献を紹介する。

病変症状マッピング研究の一般的な目的

認知神経心理学の観点から、脳損傷は、特定の認知過程の神経基盤をよりよく理解し、脳の認知アーキテクチャのより完全な全体像を得るためのモデル条件として使用することができる1.これは、ブロカやヴェルニッケ2のような開拓者によって19世紀の死後研究で最初に適用された神経心理学の古典的なアプローチです。機能的脳イメージングの時代には、病変アプローチは、特定の脳領域の病変がタスクのパフォーマンスを破壊するという証拠を提供し、機能的イメージング研究は脳領域を示すので、神経科学において重要なツールであり続けています。タスクのパフォーマンス中にアクティブ化されます。したがって、これらのアプローチは補完的な情報1を提供します。

臨床神経学の観点から、LSM研究は、急性症状梗塞、白色物質高血圧、ラクネ、または他の病変タイプ(例えば、腫瘍)を有する患者における病変位置と認知機能との関係を明らかにすることができる。).最近の研究は、戦略的脳領域におけるこのような病変が、世界的な病変負担2、5、7、8よりも認知能力を説明する上でより関連していることを示している。このアプローチは、複雑な障害(この例では血管認知障害)の病態生理学の理解を向上させる可能性があり、新しい診断および予後ツールを開発したり、治療をサポートしたりする機会を提供する可能性があります。戦略2.

LSMはまた、認知の分野を超えたアプリケーションを持っています。実際には、任意の変数は、臨床症状、バイオマーカー、および機能的な結果を含む病変位置に関連することができます。例えば、最近の研究では、虚血性脳卒中10後の機能的結果を予測した梗塞場所を決定した。

ボクセルベースとインタレストベース病変症状マッピングの領域

病変症状マッピングを実行するには、病変をセグメント化し、脳テンプレートに登録する必要があります。登録手順の間、各患者の脳は空間的に整列され(つまり、正規化または共通のテンプレートに登録される)、病変マップ内の各ボクセルが同じ解剖学的に表するように、脳の大きさ、形状、方向の違いを修正します。すべての患者のための構造7.標準空間では、いくつかのタイプの解析を実行できます。

粗病変減算分析は、赤字のない患者と比較して、赤字患者における病変分布の差を示すために行うことができる。結果として得られた減算マップは、赤字の患者でより頻繁に損傷を受け、赤字なしの患者で免除される領域を示しています1.病変減算分析は、特定の関数の相関関係に関するいくつかの洞察を提供することができますが、統計的証拠を提供しないし、サンプルサイズが低すぎる場合に主に使用され、ボクセルベースの病変症状に十分な統計的パワーを提供するマッピング。

ボクセルベースの病変症状マッピングにおいて、病変の存在と認知能力との関連は、脳内の個々のボクセルのレベルで決定される(図1)。この方法の主な利点は、高い空間分解能です。従来、これらの分析は、複数のテストの修正を保証し、考慮されていないボクセル間相関によって引き起こされる空間バイアスを導入する質量ユニバタリテアプローチで行われてきました1,10,11.最近開発されたアプローチは、ボクセル間相関を考慮に入れる(通常、ベイジアン分析13、支持ベクター回帰4などの多変量病変症状マッピング法と呼ばれる)14、または他の機械学習アルゴリズム15)は、有望な結果を示し、従来の方法と比較してボクセルワイズLSM分析からの所見の感度および特異性を改善するように見える。ボクセルワイズLSMの多変量法のさらなる改善と検証は、進行中のプロセスです。特定の病変症状マッピングの最良の方法選択は、病変の分布、結果変数、およびメソッドの基礎となる統計的仮定を含む多くの要因に依存します。

対象領域(ROI)ベースの病変症状マッピングでは、特定の脳領域内の病変負担と認知能力との関連が決定される(図1の図2を参照)。この方法の主な利点は、解剖学的構造内の累積病変負担を考慮することです。一方、ROIベースの解析は、領域16のボクセルのサブセットにのみ存在するパターンを検出するための限られた電力を有する。従来、ROIベースの病変症状マッピングは、ロジスティックまたは線形回帰を使用して実行されます。近年、共線性をより良く扱う多変量法(例えば、ベイズネットワーク解析17、支持ベクトル回帰4、18、または他の機械学習アルゴリズム19)が導入されている。病変症状マッピング研究からの所見の特異性を改善する。

患者の選択

LSM研究では、患者は通常、特定の病変タイプ(例えば、脳梗塞または白色物質高血圧)および診断と神経心理学的評価(例えば、急性脳卒中対慢性脳卒中)の間の時間間隔に基づいて選択される。最適な研究設計は、研究の質問に依存します。例えば、ヒト脳の機能的アーキテクチャを研究する場合、急性脳卒中患者は、この段階でまだ機能的再編成が行われていないため、慢性脳卒中患者は研究時に含まれるべきである。認知に対する脳卒中の長期的な影響。患者選択における考慮事項と落とし穴の詳細な説明は、他の場所で提供されています 7.

病変症状マッピングを目的とした脳画像前処理

一般的な脳テンプレートへの正確な病変セグメンテーションと登録は、病変症状マッピングの重要なステップです。病変の手動セグメンテーションは、梗塞7を含む多くの病変タイプのゴールドスタンダードのままである。CTスキャン、拡散加重イメージング(DWI)、および急性および慢性段階の両方における流体減衰反転回収(FLAIR)MRI配列の手動梗塞セグメンテーションの基準に関する詳細なチュートリアルです。セグメント化された梗塞(すなわち、3Dバイナリ病変マップ)は、被験者間分析を実行する前に登録する必要があります。このプロトコルは、マルチセンター設定4で開発された登録方法 RegLSM を使用します。RegLSMはCTおよびMRIの両方にelastix20に基づく線形および非線形登録アルゴリズムを適用し、CTスキャン21の登録品質を高めるために特別に設計された付加的なCT処理ステップと。さらに、RegLSMは、異なるターゲット脳テンプレートと(オプション)中間登録ステップを年齢固有のCT/MRIテンプレート22に使用することを可能にする。CTスキャンとMRIスキャンの両方を処理する可能性と中間およびターゲット脳テンプレートに関するカスタマイズ性により、RegLSMはLSMに非常に適した画像処理ツールになります。CT/MRIスキャンの準備とセグメント化、脳テンプレートへの登録、および手動修正(必要な場合)のプロセス全体について、次のセクションで説明します。

figure-introduction-5780
図 1: ボクセルベースの病変症状マッピングの概念の概略図。上部は、病変(この場合は急性梗塞)をセグメント化し、その後に脳テンプレート(この場合はMNI-152テンプレート)に登録して構成される脳画像前処理ステップを示す。以下に、同じ患者の登録されたバイナリ病変マップの一部が3Dグリッドとして示され、各立方体はボクセルを表す。他の99人の患者の病変マップと一緒に、病変オーバーレイマップが生成される。各ボクセルについて、病変状態と認知能力との関連を決定するために統計的検定が行われる。ここに示すカイ二乗検定は一例に過ぎず、統計検定を使用することができます。通常、数十万のボクセルが脳全体でテストされ、その後、複数の比較のための補正が行われます。この図のより大きなバージョンを表示するには、ここをクリックしてください。

プロトコル

このプロトコルは、私たちの機関人間研究倫理委員会のガイドラインに従っています。

1. スキャンと臨床データの収集

  1. 虚血性脳卒中患者の脳CTまたはMRIスキャンを収集します。ほとんどのスキャナは、ハード ディスクまたはサーバーにコピーできる DICOM (医療のデジタル イメージングおよび通信) ファイルとしてスキャンを保存します。
    注:すべてのスキャナタイプ、スキャンプロトコル、およびMRIフィールド強度からのスキャンを使用することができ、1)使用されるスキャンタイプのタイムウィンドウ要件が満たされている限り(表1を参照)、2)正確な梗塞の線引きを妨げるアーティファクトはない。CTおよびMRIのアーティファクト検出に関する詳細なチュートリアルは、他の場所で23、24で提供されています。CT で一般的に発生するモーション アーティファクトの例を図 2に示し、結果セクションの例に良質のスキャンの例を示します。梗塞は、任意のスライスの厚さと任意の面内画像解像度を持つスキャンでセグメント化することができます。しかし、薄いスライスと高い面内分解能により、脳テンプレートに梗塞をより正確に表現できます。
  2. 各臨床変数のケースと列ごとに個別の行を作成して、データファイル(例えば、Excel)に臨床変数を収集します。梗塞セグメンテーションの場合は、少なくともストロークの日付とイメージングの日付の変数、またはストロークとイメージングの間の時間間隔を示す変数を含めます。
  3. プライバシーに関する倫理的なガイドラインと規制に従うことを確認します。データが匿名化されているか、コード化されていることを確認します。DICOM ファイルにタグとして保存されている名前、住所、生年月日などの患者データの削除には特に注意してください。これらのタグは、dcm2niix ()25で無料ダウンロードできます。

2. DICOMイメージからニフティファイルへの変換

  1. dcm2niix ツールを使用して DICOM イメージを圧縮されていない nifti ファイルに変換するには、コマンド プロンプトで「[dcm2niix.exe のフォルダ パス]\dcm2niix %d_%p [dicom ファイルのフォルダ パス]」と入力します。フォルダパスが挿入されたコマンドの例としては、C:\ユーザー\matthijs\dcm2niix %d_%p C:\ユーザー\matthijs\dicom\があります。このコマンドは、dcm2niix実行可能ファイルを実行し、選択したフォルダ内のDICOMイメージを変換し、同じフォルダにniftiファイルを保存します。
    注:%d_%p を追加すると、シリーズの説明とプロトコル名がファイル名に挿入されます。バッチ変換のオプションを含む追加機能は、dcm2niix マニュアル ( ) に記載されています。DICOMイメージをniftiファイルに変換するためにも、他のオープンソースツールを使用することができます。
  2. 変換中にスキャン・タイプ (CT、FLAIR、DWI、またはその他のシーケンス名) の名前がファイル名にコピーされていることを確認します (このオプションは dcm2niix で使用できます)。
  3. MRI スキャンの場合は、セグメンテーションの DWI または FLAIR シーケンスを選択します。あるいは、梗塞が見える他の構造配列を使用することもできます。CT、DWI、またはFLAIRを梗塞セグメンテーションに使用できる脳卒中後の適切な時間枠については、表1を参照してください。
  4. nifti ファイルをケースごとにサブフォルダを使用して便利なフォルダ構造に整理します (RegLSM および補足図 1のマニュアルを参照してください)。このマニュアルはからダウンロードできます。
    注:このフォルダ構造は、登録ソフトウェア RegLSM の要件です (セクション 4 を参照)。RegLSMのアップデートは、BIDS(脳イメージングデータ構造26、)互換を参照してください、現在開発中であり、まもなくリリースされる予定です。

3. 梗塞セグメンテーション

  1. すべてのスキャンタイプに適用される一般的な発言
    1. セグメンテーションと登録を実行および評価する人が、バイアスを避けるために結果変数 (通常は認知手段) に盲目であることを確認します。
    2. 梗塞は通常、横方向のスライスでセグメント化されますが、セグメンテーションは任意のスライス方向で実行できます。
    3. 快適な設定を提供するために、高解像度のモニターディスプレイと最適な周囲光を使用して、梗塞セグメンテーション中の理想的な表示条件を確保します。セグメンテーション中に画像コントラストを手動で調整し、健康な脳組織間の最適なコントラストを提供します。主題間で同様の設定を適用する際に一貫性を保ちます。
  2. CT上の梗塞セグメンテーション
    1. まず、脳卒中症状発症後に少なくとも24時間スキャンが行われたかどうかを確認する。24時間以内に、急性梗塞はCT上で部分的にしか見えないか、または部分的にしか見られず、スキャンはセグメンテーション7に使用できない。図については、図 3を参照してください。
    2. ITK-SNAPソフトウェアを使用してネイティブCTを開きます()27で無料ダウンロードできます。ITK-SNAP で、[ファイル] をクリックし、ドロップダウン メニューからメイン イメージを開きます。[参照]をクリックし、ファイルを選択してスキャンを開きます。既定のコントラスト設定で、正常な脳組織と病変とのコントラストが低下する場合は、コントラスト設定を調整します。これを行うには、[ツール] | 画像のコントラスト | コントラスト調整をクリックします。
      注:任意のオープンソースソフトウェアを使用することもできます。
    3. 可能な場合は、急性梗塞とラクーン(サブ)皮質梗塞、または白質高強度を区別するための参照として、脳卒中症状発症後24時間以内に行われたCTを別のインスタンスで開きます。
    4. 次の特性に基づいて梗塞を識別する。梗塞は、正常な脳組織と比較して低いシグナル(すなわち、低密度)を持っている。
      1. 急性期(最初の数週間)では、大きな梗塞は、周囲の組織の変位、心室の圧迫、中線シフトおよびスルチの消滅をもたらす質量効果を引き起こす可能性がある。梗塞内に高信号(すなわち超電度)を有する領域として見られる出血性形質転換がある可能性がある。
      2. 慢性的な段階(数ヶ月から数年)では、梗塞は、(脳脊髄液と同様の密度を有する)低密度のキャビテーションされた中心と損傷した脳組織を表す低密度の縁で構成される。キャビテーションされた中心と低密度のリムの両方を梗塞としてセグメント化する必要があります。大きな梗塞の場合、隣接するスルチまたは心室の外血管肥大が起こりうる。
        注:質量効果または構造の外空拡大による組織変位は、セグメンテーション中に補正されるべきではない(すなわち、梗塞の全範囲のみをセグメント化する必要がある)。組織の変位の訂正は登録および後続のステップの間に行われる。
    5. メインツールバーからペイントブラシモードを使用して梗塞した脳組織をセグメント化します(左クリックで描画し、右クリックして消去します)。または、ポリゴン モードを使用して、病変の境界にアンカー ポイントを配置するか(これらのポイントは自動的に線で接続されます)、マウスの左ボタンを押しながら、レシオの境界上にマウスを移動します。すべてのアンカー ポイントが接続されたら、[同意]をクリックして、線分領域を塗りつぶします。
    6. 梗塞がCT上で同位体になる相(これは、食細胞を持つ梗塞組織の浸潤と共に起こる)を指す曇り相を避けてください。これは通常、脳卒中発症後14~21日後に起こりますが、まれに28日より早く発生する可能性があります。この期間中、梗塞が見えなくなったり、境界がはっきりしなくなったりして、この段階は梗塞のセグメンテーションに適さない。曇り期の後、キャビテーションおよび神経膠シスが起こると、病変は再び低密度になる。2 つの例については、図 4を参照してください。
    7. セグメンテーションが終了したら、セグメンテーションをクリックしてスキャンと同じフォルダにバイナリ nifti ファイルとして保存し、ドロップダウン メニューからセグメンテーションイメージを保存し、セグメント化されたスキャンとまったく同じ名前を付けてセグメンテーションを保存します。.lesion の拡張 (例えば、スキャンが "ID001" として保存された場合。CT.nii」は、セグメンテーションを「ID001」として保存します。CT.lesion.nii")。
  3. DWI上の梗塞セグメンテーション
    1. 最初に、DWIが脳卒中発症から7日以内に行われたかどうかを確認します。梗塞は脳卒中発症後数時間以内にDWIに表示され、約7日後にDWIの可視性が徐々に低下します(詳細については、議論の第2項を参照)。
    2. ITK-SNAP で DWI を開きます(ステップ 3.2.2 と同じ方法で)。
      注:DWI シーケンスは、ほとんどのスキャン プロトコルに対して少なくとも 2 つのイメージを生成します。b 値が高いほど、拡散効果が強くなります。虚血性脳卒中検出では、ほとんどの場合29で良好なコントラスト対雑音比を提供するため、1000 s/mm2付近のb値がしばしば使用されます。b 値が高い画像は、梗塞セグメンテーションに使用されます。
    3. 参照用の ITK-SNAP の別のインスタンスで、見かけの拡散係数 (ADC) シーケンスを開きます。
    4. DWI上の高信号(すなわち、超強烈)とADC上の低信号(すなわち、低強烈)に基づいて梗塞した脳組織を同定し、注釈を付けます(図5参照)。梗塞のADC値は、脳卒中30の後に平均1週間でADCが正常化するまで徐々に増加するが、血管原性性性性経腫が多い場合、ADCは数日後にすでに(ほぼ)正規化される可能性がある。
      注:b値が低いDWI画像では、本質的に高いT2信号(白色物質の高強度など)を持つ脳病変も超強烈に見えることがある。この現象は、T2輝き31と呼ばれています。しかし、b値が大きくなるにつれて、DWIイメージ上の信号は固有のT2信号の代わりに拡散特性をより強く反映するにつれて、この現象はあまり関連性が低くなります。最新の DWI スキャン プロトコル (通常は b 値=1000 以上) では、T2 の輝きスルー効果は32に制限されています。
    5. 空気と、一般的に観察されるアーティファクトである組織または骨の間の界面付近の高いDWI信号を梗塞と間違えさせないようにしてください。図 5を参照してください。
    6. アニュテーションをバイナリ nifti ファイルとして保存し、セグメント化されたスキャンとまったく同じ名前を付け、.lesion の拡張子を指定します (ステップ 3.2.7 と同じ方法で)。
  4. FLAIRの梗塞セグメンテーション
    1. まず、脳卒中の症状の発症後にスキャンが実行されたかどうかを確認します。.gt;48 h.超急性期では、梗塞は通常FLAIR配列では見えないか、梗塞の正確な境界は31である(図6参照)。
    2. ステップ 3.2.2 と同じ方法で、ITK-SNAP で FLAIR を開きます。
    3. T1 を開き、使用可能な場合は、参照用に ITK-SNAP の別個のインスタンスを開きます。
    4. 次の特性に基づいて梗塞した脳組織を同定し、セグメント化する。
      1. 急性期(最初の数週間)では、梗塞は、明らかな腫脹および質量効果の有無にかかわらず、多かれ少なかれ均質な高発性病変として見える(図5)。
      2. 慢性的な段階(数ヶ月から数年)では、梗塞がキャビテーションされ、FLAIR上で中心が低症または同性になることを意味する。この空洞はT1で最も正確に同定することができる。ほとんどの場合、キャビテーションされた中心はFLAIRの超強烈な縁に囲まれ、神経膠座を表す。33.
        注:しかし、慢性梗塞のキャビテーションおよび神経膠症の程度にはかなりのばらつきがある。空洞と超強烈な縁の両方を梗塞としてセグメント化します(ステップ 3.2.5 を参照)。FLAIRの過度の病変は必ずしも梗塞ではない。急性期には、小さな皮質梗塞は、DWIが利用可能な場合に推定血管起源のラクーンなどの白質高血圧または他の慢性病変と容易に区別することができる(図5参照)。慢性的な段階では、それはより困難なことができます。慢性期におけるこれらの病変タイプの判別方法の詳細については、議論の第3項を参照してください。
    5. アニュテーションをバイナリ nifti ファイルとして保存し、セグメント化されたスキャンとまったく同じ名前を付け、.lesion の拡張子を指定します (ステップ 3.2.7 と同じ方法で)。
スキャンの種類ストローク後のタイム ウィンドウ梗塞のプロパティリファレンススキャン落とし穴
Ct>24 h急性: 低密度-- フォギングフェーズ
慢性:CSFおよびより少ない低密度縁との低密度腔- 出血性変換
飲酒 運転<7 日ハイパーインテンスADC: 一般的に低強さ- T2シャインスルー
- 空気と骨/組織間の界面付近の高いDWI信号
才能>48 h急性: 過強烈急性: DWI/ADC, T1 (アイソインテンスまたは低強圧)- ホワイトマターの高強度
慢性:低強さまたはアイソテンス(空洞)、過強性縁慢性:T1(CSF特性を持つ低粘度空洞)。- ラクネス

表 1: 異なるスキャン タイプの梗塞セグメンテーションの基準の概要。

4. 標準スペースへの登録

  1. RegLSM を 4からダウンロードします。このツールを使用して、CTスキャンおよびあらゆる種類のMRI配列を処理します。登録手順を図 7 に示します。
    注:RegLSMのオプション機能には、脳萎縮22を有する高齢患者のスキャンに近い中間CT/MRIテンプレートへの登録が含まれる。デフォルトでは、CTスキャンとMRIスキャンはMNI-152テンプレート34に登録されていますが、これがより良いスタディに適している場合は、他のテンプレートに置き換えることができます。図 7 に、さまざまな登録スキームを示します。この手順では、他のオープン ソース登録ツールも使用できます。
  2. 1) nifti ファイルが圧縮されていない場合、2) セグメント化されたスキャンのファイル名に CT、FLAIR、または DWI という用語が含まれていること、および 3) 病変アヌ釈のファイル名に".lesion" が付加された同じ用語が含まれていることを確認します。これらの最初の 3 つの手順に従うと、データは登録用に完全に準備され、何も変更する必要はありません。
  3. MATLAB (バージョン 2015a 以降) を開き、現在のフォルダをRegLSMに設定します (このフォルダは35 (バージョン 12 以上からダウンロードできますが、) に {path フォルダ名を追加してダウンロードできます。SPM}。次に、REGLSMと入力して GUI を開きます。
  4. 1 つのケースの登録を実行するには、登録ドロップダウン メニューでテスト モードを選択します。テスト モード パネルで、開いているイメージボタンを使用して、スキャン (CT、FLAIR、または DWI)、アテーション、および必要に応じて T1 を選択します。登録スキームを選択します: Ct, FLAIR T1 の有無にかかわらず, T1 の有無にかかわらず DWI.
  5. または、バッチ モードを選択して、選択したフォルダ内のすべてのケースのスキャンをバッチ モードで登録します。
  6. RegLSM は、結果の登録パラメータと登録されたスキャン (中間ステップを含む) と登録された病変マップを自動的に生成されるサブフォルダーに保存していることを確認します。このプロセスの間に、登録されたスキャンおよび病変マップはMNI-152テンプレートの分解能(等方性1 mm3ボクセル)および角度に一致するようにリサンプリングされる。

5. 登録結果の確認

  1. RegLSM GUI でオプションチェックの結果を選択し、登録結果を含むメイン フォルダを参照します。GUI は、登録された病変マップで登録されたスキャンを自動的に選択し、横方向、矢状方向、および冠状位方向に登録された病変マップを持つ MNI-152 テンプレートを選択します(図 8参照)。
  2. 登録されたスキャンをスクロールし、十字線を使用して、登録されたスキャンと MNI-152 テンプレートの配置を確認します。基底神経節、心室、頭蓋骨などの認識可能な解剖学的ランドマークの位置合わせに特に注意を払います。
  3. セクション 6 の後続の手動修正のために、データ ファイル内の別の列 (手順 1.2 で行われた) で、失敗したすべての登録をマークします。
    注:登録における一般的な誤差は、急性期の病変によって引き起こされる質量効果、または慢性期における心室の血管肥大による不完全なアライメントである。このようなずれの例については、図 3および図 5を参照してください。もう一つの一般的な誤差は、テトリウム小脳のずれであり、その場合、後頭部梗塞はテンプレート内の小脳と重なり合うことができる。病変のない組織のずれは、その後の病変症状マッピング解析でバイナリ病変マップのみが使用される場合には問題になりません。このような場合、病変だけを完全に整列させる必要があります。

6. 手動で登録エラーを修正する

  1. 修正が必要な病変マップの場合は、ITK-SNAPでMNI-152 T1テンプレートを開き、セグメンテーションメニューから選択します |オープンセグメンテーション | 登録された病変マップ, テンプレートにオーバーレイされました。
  2. ITK-SNAPの別のインスタンスで登録された脳スキャンを開いて参照してください。
  3. ボクセルを追加する(左クリック)か(右クリック)ブラシ機能を使用して、ステップ5.3で言及されているあらゆるタイプのミスアライメントに対して、ITK-SNAPで登録された病変マップを修正します。登録されたスキャンマップとオーバーレイされた病変マップ(ステップ 5.2 を参照)を MNI-152 テンプレートと慎重に比較し、ITK-SNAP (ステップ 6.1 を参照) で病変マップを重ね合わせて、不整列の領域を識別します。図 3および図 5を参照してください。
  4. MNI空間で病変マップを手動で補正した後、患者のセグメント化されたネイティブスキャンとMNI空間内の補正された病変マップ(すなわち、ステップ6.3の結果)を比較して最終チェックを実行します。MNI空間の補正された病変マップがネイティブ空間の梗塞を正確に表していることを確認します。基底神経節、心室、頭蓋骨などの認識可能なランドマークに特に注意を払います (ステップ 5.2 に似ています)。
  5. MNI空間の修正された病変マップを、MNI-152 空間の修正されていない病変マップと同じフォルダーにバイナリ nifti ファイルとして保存し、修正されていない病変マップとまったく同じ名前を付けます。

7. 病変症状マッピング用のデータの準備

  1. すべての病変マップの名前を変更します。デフォルトでは、RegLSMはファイル名「結果」を持つサブフォルダーに病変マップを保存しました。ファイル名に件名 ID を含めます。手動で修正する場合は、必ず修正したファイルを選択して名前を変更してください。
  2. すべての病変マップを 1 つのフォルダにコピーします。
  3. ITK-SNAPで複数の病変マップをランダムに選択して検査し、これらをネイティブスキャンと比較して、左右反転などのデータ処理における体系的なエラーを除外することで、データの健全性チェックを実行します。
  4. MRIcron 病変が脳テンプレートの外側にないかどうかを確認するために病変の重なり画像を作成して、データの別の健全性チェックを実行します。これを行うには、ドロップダウン メニューを選択します |統計 | オーバーラップ画像を作成します。
    注:結果として得られる病変オーバーレイ マップは、MNI-152 テンプレートに投影され、MRIcron や ITK-SNAP などを使用して検査できます。
  5. 病変マップは、ボクセルベースの病変症状マッピングまたは病変マップと同じ標準空間に登録されたアトラスを使用して、対象とする特定の領域内の梗塞体量の計算に使用できるようになりました(この場合、MNI-152スペース多くのアトラスが利用可能であり、そのうちのいくつかは36、37、38以下に引用されています。

結果

CT(図3)、DWI(図5)、FLAIR(図6)画像における脳梗塞セグメンテーションの例例、およびMNI-152テンプレートへのその後の登録をここに提供する。図3Bおよび図5Cに示す登録結果は、心室の前角付近にずれがあったため、完全に成功しなかった。これらの失敗した登?...

ディスカッション

LSMは、人間の脳の機能アーキテクチャを研究するための強力なツールです。あらゆる病変症状マッピング研究における重要なステップは、画像データの前処理、病変のセグメンテーション、および脳テンプレートへの登録である。ここでは、病変症状マッピングを目的とした病変セグメンテーションおよび登録のための標準化されたパイプラインを報告する。この方法は、自由に利用可能な?...

開示事項

著者らは利益相反を明らかにしていない。

謝辞

Biesbroek博士の仕事は、ユトレヒト大学医療センターの脳センタールドルフ・マグナスからの若い才能フェローシップによってサポートされています。この作品とメタVCIマップコンソーシアムは、オランダのZonMw(健康研究開発機構)からゲールト・ヤン・ビッセルズまで、Vici Grant 918.16.616によってサポートされています。著者らは、数字の1つで使用されたスキャンを共有してくれたタンジャC.W.Nijboer博士に感謝したいと思います。

資料

NameCompanyCatalog NumberComments
dcm2niixN/AN/Afree download https://github.com/rordenlab/dcm2niix
ITK-SNAPN/AN/Afree download www.itksnap.org
MATLABMathWorksN/AVersion 2015a or higher
MRIcronN/AN/Afree download https://www.nitrc.org/projects/mricron
RegLSMN/AN/Afree download www.metavcimap.org/support/software-tools
SPM12bN/AN/Afree download https://www.fil.ion.ucl.ac.uk/spm/

参考文献

  1. Rorden, C., Karnath, H. O. Using human brain lesions to infer function: A relic from a past era in the fMRI age. Nature Reviews Neuroscience. 5 (10), 812-819 (2004).
  2. Biesbroek, J. M., Weaver, N. A., Biessels, G. J. Lesion location and cognitive impact of cerebral small vessel disease. Clinical Science (London, England: 1979). 131 (8), 715-728 (2017).
  3. Karnath, H. O., Sperber, C., Rorden, C. Mapping human brain lesions and their functional consequences. NeuroImage. 165, 180-189 (2018).
  4. Zhao, L., et al. Strategic infarct location for post-stroke cognitive impairment: A multivariate lesion-symptom mapping study. Journal of Cerebral Blood Flow and Metabolism An Official Journal of the International Society of Cerebral Blood Flow and Metabolism. 38 (8), 1299-1311 (2018).
  5. Weaver, N. A., et al. The Meta VCI Map consortium for meta-analyses on strategic lesion locations for vascular cognitive impairment using lesion-symptom mapping: design and multicenter pilot study. Alzheimer's and Dementia: Diagnosis, Assessment and Disease Monitoring. , (2019).
  6. Biesbroek, J. M., et al. Impact of Strategically Located White Matter Hyperintensities on Cognition in Memory Clinic Patients with Small Vessel Disease. PLoS One. 11 (11), e0166261 (2016).
  7. de Haan, B., Karnath, H. O., et al. A hitchhiker's guide to lesion-behaviour mapping. Neuropsychologia. 115, 5-16 (2018).
  8. Duering, M., et al. Strategic role of frontal white matter tracts in vascular cognitive impairment: A voxel-based lesion-symptom mapping study in CADASIL. Brain. 134 (Pt8), 2366-2375 (2011).
  9. Biesbroek, J. M., et al. Association between subcortical vascular lesion location and cognition: a voxel-based and tract-based lesion-symptom mapping study. The SMART-MR study. PLoS One. 8 (4), e60541 (2013).
  10. Wu, O., et al. Role of Acute Lesion Topography in Initial Ischemic Stroke Severity and Long-Term Functional Outcomes. Stroke. 46 (9), 2438-2444 (2015).
  11. Mah, Y. H., Husain, M., Rees, G., Nachev, P. Human brain lesion-deficit inference remapped. Brain. 137 (Pt8), 2522-2531 (2014).
  12. Sperber, C., Karnath, H. O. Impact of correction factors in human brain lesion-behavior inference. Human Brain Mapping. 38 (3), 1692-1701 (2017).
  13. Chen, R., Herskovits, E. H. Voxel-based Bayesian lesion-symptom mapping. NeuroImage. 49 (1), 597-602 (2010).
  14. Zhang, Y., Kimberg, D. Y., Coslett, H. B., Schwartz, M. F., Wang, Z. Multivariate lesion-symptom mapping using support vector regression. Human Brain Mapping. 35 (12), 5861-5876 (2014).
  15. Corbetta, M., et al. Common behavioral clusters and subcortical anatomy in stroke. Neuron. 85 (5), 927-941 (2015).
  16. Biesbroek, J. M. The anatomy of visuospatial construction revealed by lesion-symptom mapping. Neuropsychologia. 62, 68-76 (2014).
  17. Duering, M., et al. Strategic white matter tracts for processing speed deficits in age-related small vessel disease. Neurology. 82 (22), 1946-1950 (2014).
  18. Yourganov, G., Fridriksson, J., Rorden, C., Gleichgerrcht, E., Bonilha, L. Multivariate Connectome-Based Symptom Mapping in Post-Stroke Patients: Networks Supporting Language and Speech. The Journal of Neuroscience. 36 (25), 6668-6679 (2016).
  19. Zavaglia, M., Forkert, N. D., Cheng, B., Gerloff, C., Thomalla, G., Hilgetag, C. C. Mapping causal functional contributions derived from the clinical assessment of brain damage after stroke. NeuroImage: Clinical. 9, 83-94 (2015).
  20. Klein, S., Staring, M., Murphy, K., Viergever, M. A., Pluim, J. P. W. Elastix: A toolbox for intensity-based medical image registration. IEEE Transactions on Medical Imaging. 29, 196-205 (2010).
  21. Kuijf, H. J., Biesbroek, J. M., Viergever, M. A., Biessels, G. J., Vincken, K. L. Registration of brain CT images to an MRI template for the purpose of lesion-symptom mapping. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics. , (2013).
  22. Rorden, C., Bonilha, L., Fridriksson, J., Bender, B., Karnath, H. O. Age-specific CT and MRI templates for spatial normalization. NeuroImage. 61, 957-965 (2012).
  23. Barrett, J. F., Keat, N. Artifacts in CT: Recognition and Avoidance. RadioGraphics. , (2007).
  24. Zhuo, J., Gullapalli, R. P. AAPM/RSNA physics tutorial for residents: MR artifacts, safety, and quality control. Radiographics: a review publication of the Radiological Society of North America, Inc. , (2007).
  25. Rorden, C., Brett, M. Stereotaxic display of brain lesions. Behavioural Neurology. 12 (4), 191-200 (2000).
  26. Gorgolewski, K. J., et al. The brain imaging data structure, a format for organizing and describing outputs of neuroimaging experiments. Scientific Data. 3, 160044 (2016).
  27. Yushkevich, P. A., et al. User-guided 3D active contour segmentation of anatomical structures: Significantly improved efficiency and reliability. NeuroImage. 31 (3), 1116-1128 (2006).
  28. Becker, H., Desch, H., Hacker, H., Pencz, A. CT fogging effect with ischemic cerebral infarcts. Neuroradiology. 18 (4), 185-192 (1979).
  29. Kingsley, P. B., Monahan, W. G. Selection of the Optimum b Factor for Diffusion-Weighted Magnetic Resonance Imaging Assessment of Ischemic Stroke. Magnetic Resonance in Medicine. 51, 996-1001 (2004).
  30. Shen, J. M., Xia, X. W., Kang, W. G., Yuan, J. J., Sheng, L. The use of MRI apparent diffusion coefficient (ADC) in monitoring the development of brain infarction. BMC Medical Imaging. 11 (2), (2011).
  31. Lansberg, M. G., et al. Evolution of apparent diffusion coefficient, diffusion-weighted, and T2-weighted signal intensity of acute stroke. American Journal of Neuroradiology. 22 (4), 637-644 (2001).
  32. Geijer, B., Sundgren, P. C., Lindgren, A., Brockstedt, S., Ståhlberg, F., Holtås, S. The value of b required to avoid T2 shine-through from old lacunar infarcts in diffusion-weighted imaging. Neuroradiology. 43, 511-517 (2001).
  33. Wardlaw, J. M. Neuroimaging standards for research into small vessel disease and its contribution to ageing and neurodegeneration. The Lancet Neurology. 12, 822-838 (2013).
  34. Fonov, V., Evans, A. C., Botteron, K., Almli, C. R., McKinstry, R. C., Collins, D. L. Unbiased average age-appropriate atlases for pediatric studies. NeuroImage. 54 (1), 313-327 (2011).
  35. Ashburner, J., Friston, K. J. Unified segmentation. NeuroImage. 26 (3), 839-851 (2005).
  36. Desikan, R. S. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest. NeuroImage. 31 (3), 968-980 (2006).
  37. Hua, K. Tract probability maps in stereotaxic spaces: Analyses of white matter anatomy and tract-specific quantification. NeuroImage. 39 (1), 336-347 (2008).
  38. Eickhoff, S. B., et al. A new SPM toolbox for combining probabilistic cytoarchitectonic maps and functional imaging data. NeuroImage. 25 (4), 1325-1335 (2005).
  39. Ricci, P. E., Burdette, J. H., Elster, A. D., Reboussin, D. M. A comparison of fast spin-echo, fluid-attenuated inversion-recovery, and diffusion-weighted MR imaging in the first 10 days after cerebral infarction. American Journal of Neuroradiology. 20 (8), 1535-1542 (1999).
  40. Eastwood, J. D., Engelter, S. T., MacFall, J. F., Delong, D. M., Provenzale, J. M. Quantitative assessment of the time course of infarct signal intensity on diffusion-weighted images. American Journal of Neuroradiology. 24 (4), 680-687 (2003).
  41. Wardlaw, J. M. What is a lacune?. Stroke. 39, 2921-2922 (2008).
  42. Kate, M. P. Dynamic Evolution of Diffusion-Weighted Imaging Lesions in Patients With Minor Ischemic Stroke. Stroke: a Journal of Cerebral Circulation. 46, 2318-2341 (2015).
  43. Inoue, M. Early diffusion-weighted imaging reversal after endovascular reperfusion is typically transient in patients imaged 3 to 6 hours after onset. Stroke. 45, 1024-1028 (2014).
  44. Campbell, B. C. V. The infarct core is well represented by the acute diffusion lesion: Sustained reversal is infrequent. Journal of Cerebral Blood Flow and Metabolism. 32 (1), (2012).
  45. Sperber, C., Karnath, H. O. On the validity of lesion-behaviour mapping methods. Neuropsychologia. 115, 17-24 (2018).
  46. Hillis, A. E., et al. Restoring Cerebral Blood Flow Reveals Neural Regions Critical for Naming. Journal of Neuroscience. 26 (31), 8069-8073 (2006).
  47. Wilke, M., de Haan, B., Juenger, H., Karnath, H. O. Manual, semi-automated, and automated delineation of chronic brain lesions: A comparison of methods. NeuroImage. 56 (4), 2038-2046 (2011).
  48. Zhang, R., et al. Automatic Segmentation of Acute Ischemic Stroke From DWI Using 3-D Fully Convolutional DenseNets. IEEE Transactions on Medical Imaging. 37 (9), 2149-2160 (2018).
  49. Biesbroek, J. M., et al. Distinct anatomical correlates of discriminability and criterion setting in verbal recognition memory revealed by lesion-symptom mapping. Human Brain Mapping. 36 (4), 1292-1303 (2015).
  50. Biesbroek, J. M., van Zandvoort, M. J. E., Kappelle, L. J., Velthuis, B. K., Biessels, G. J., Postma, A. Shared and distinct anatomical correlates of semantic and phonemic fluency revealed by lesion-symptom mapping in patients with ischemic stroke. Brain Structure & Function. 221 (4), 2123-2134 (2016).
  51. Ten Brink, F. A., et al. The right hemisphere is dominant in organization of visual search-A study in stroke patients. Behavioural Brain Research. 304, 71-79 (2016).
  52. Pluim, J. P. W., Maintz, J. B. A. A., Viergever, M. A. Mutual-information-based registration of medical images: A survey. IEEE Transactions on Medical Imaging. 22 (8), 986-1004 (2003).
  53. Zhao, L., et al. The additional contribution of white matter hyperintensity location to post-stroke cognitive impairment: Insights from a multiple-lesion symptom mapping study. Frontiers in Neuroscience. 12 (MAY), (2018).

転載および許可

このJoVE論文のテキスト又は図を再利用するための許可を申請します

許可を申請

さらに記事を探す

151

This article has been published

Video Coming Soon

JoVE Logo

個人情報保護方針

利用規約

一般データ保護規則

お問い合わせ

図書館への推薦

JoVE ニュースレター

研究

教育

著者

図書館員

JoVEについて

Copyright © 2023 MyJoVE Corporation. All rights reserved