この研究の一部は、QCや多動障害の患者のデータに適用して破損した勾配方向の補正に関する研究、すなわち欧州のHDネットワーク（EHDNプロジェクト070）によってサポートされていました。この特定の研究ではMRIスキャンは、ロンドンのサイトTRACK-HDコホートの一環として取得した。

分析方法：事前と後処理 voxelwise検出による - - 等方性または異方性のいずれかで、それぞれのボクセルのため扁長またはオブラート拡散テンソルの結果、次のプロトコルのタスクは、可能性があり、白質路内voxelwise拡散特性を分析することである。ボクセルテンソルのパラメータは、FA-マップの計算やfibertractsの識別（ 図1）のどちらかのために使用されます。 以下に示すような解析結果を得るために、ソフトウェアパッケージテンソルイメージングおよび光ファイバ·トラッキング （TIFT）17を使用する。 TIFTは、次の要件の分析ツールを提供しています<ul><li> DTIメトリクス、 例えば FA-マップ、の観点から分析</li><li>定位正常化</li><li> FAや他のDTIメトリクスの観点からグループの比較</li><li> FTの様々な分析アプローチ</li><li>グループ上のFTは、Dの平均TIデータおよび対応する統計分析。 </li></ul>これらの機能は、1ソフトウェア環境17,29,30,31における分析の様々なことができます。 TIFTソフトウェアはDTIデータ分析の新たなオプションのために開発中で絶えずある。 図2は、どのように二つの相補的なアプローチにより、空間的な正規化した後、グループ·レベルでDTIのデータを分析する概略図を示し、最終的にグループレベルでの対象サンプル間の違い、 例えば病気の脳対健常対照を得るためWBSSによってとTFASの両方、すなわち 。 TFASが事前に定義されたfibertractsに基づいているのに対し、ここでは、WBSSは、グループレベルでの違いが地域のvoxelwise公平な検出を目指して、地域を起動TFASいずれか自由に選択することができますまたはWBSS結果（ `ホットスポット &#39;のに由来することができる大幅に）FA変更。 FA-マップの個々の長手方向の比較を検出することにより行われるアフィン定位位置合わせ後の異なる時点での測定のFA-マップでティン差（ 図2）。 <ol><li> 破損した勾配方向の補正を含む品質チェック（QC） 破損したボリュームの場合には取得、 すなわち時の運動障害の場合には、SNRの増加はテンソル計算のための単一勾配方向（GD）を省略することによって得られる。その目的のために、品質チェック（QC）アルゴリズム32を開発した。簡単に説明すると、ボリュームを含んでいた破損スキャンの、SNRの増加は、単一勾配方向テンソル推定前に一つずつ省略することによって達成されます：各GDに対して、加重分散はの角度と加重して、シーケンス内の残りのすべての方向から計算されそれらが索引GD異なっていた。 <ol><li>減少した強度を示す少なくとも一つのスライスとGDを検出することにより、アーチファクト補正を行う、 すなわちモーションアーチファクトが自発suコマンドによって引き起こさ<html> bject運動（ 図3、上パネル ）。任意の拡散強調ボリュームの場合、加重平均アプローチを使用して、各スライスの平均強度を計算し、他のすべてのボリュームで同じスライスとその強度を比較 - 重み付け係数は、2つのGDのベクトルの内積です。 <img alt="式（8）" fo:src="/files/ftp_upload/50427/50427eq8highres.jpg" src="/files/ftp_upload/50427/50427eq8.jpg" /> ： <img alt="式9" fo:src="/files/ftp_upload/50427/50427eq9highres.jpg" src="/files/ftp_upload/50427/50427eq9.jpg" /> <img alt="式10" fo:src="/files/ftp_upload/50427/50427eq10highres.jpg" src="/files/ftp_upload/50427/50427eq10.jpg" /> <img alt="式11" fo:src="/files/ftp_upload/50427/50427eq11highres.jpg" src="/files/ftp_upload/50427/50427eq11.jpg" />観察下のスライスの算術平均強度を示しており、比較のために427eq12.jpg &quot;/&gt;スライス。相対平均強度偏差<img alt="式13" fo:src="/files/ftp_upload/50427/50427eq13highres.jpg" src="/files/ftp_upload/50427/50427eq13.jpg" /> GDの内積によって重み付けされる。したがって、グローバルパラメータを定義するために： <img alt="式14" fo:src="/files/ftp_upload/50427/50427eq14highres.jpg" src="/files/ftp_upload/50427/50427eq14.jpg" /> すべてのスライスのslicewise比較の最小値を反映している。 </li><li> Qが所定の閾値（この例では、0.8のしきい値は、この目的のために使用されている）である場合、そのボリューム全体、またはGDを排除する。 0.8のしきい値は、安定な溶液32と見なされます。 図3は、矢状再建に見えるとQCのアルゴリズムによって検出されたモーションアーチファクトを示しています。この例では、GDの総数（ 図3cの青い点）のうち、17は、Qに対応し、赤い線を下回っていた= 0.8と寿LDを排除することができる。研究全体のボリューム除去統計の例を図3 Dで示されている。この典型的な研究では、29前駆症状HD被験者のDTIデータは30コントロールのDTIのデータと比較した。このアルゴリズムのさらなる詳細は、32、33に示されている。 </li></ol></li><li> 前処理と空間的正規化 <ol><li>エコープラナーイメージングデータの渦電流誘起幾何歪みの補正34が提案した方法により、設定を行います。 </li><li>定位正常化のために、研究固有の（B = 0）を作成-テンプレートと以前に17,28,31を説明されているようにFA-テンプレートを。基本的には、完全な非線形定位正規化には、3つの変形のコンポーネントで構成されています。その結果、得られた拡散テンソル<img alt="式15" fo:src="/files/ftp_upload/50427/50427eq15highres.jpg" src="/files/ftp_upload/50427/50427eq15.jpg" />各ボクセルのiが rotatなければならない上記のすべての回転（ 図4）によるED： <ol class="lroman"><li> 図4aは、基本的な座標フレ ​​ームを整列させるリジッド脳の変換を示しています。回転<img alt="式16" fo:src="/files/ftp_upload/50427/50427eq16highres.jpg" src="/files/ftp_upload/50427/50427eq16.jpg" />基準座標フレームに整列に起因すると、適用されなければならない <img alt="式17" fo:src="/files/ftp_upload/50427/50427eq17highres.jpg" src="/files/ftp_upload/50427/50427eq17.jpg" /></li><li> 図4bは、目印に従って線形変形を示しています。固有ベクトルの成分<img alt="式5" fo:src="/files/ftp_upload/50427/50427eq5highres.jpg" src="/files/ftp_upload/50427/50427eq5.jpg" />線形変形のS（脳領域S、A = 1 ... 6に依存する）の6正規化パラメータに応じて適合させる必要があります。 V W、J </sub&gt;&#39;&#39; &#39;=のV W、J&#39;&#39;&#39; W = 1,2,3およびj = X、Y、Z。 </li><li> 図4cは 、非線形脳の形状の違いを等化非線形正規化を示す図である。 3次元ベクトルシフトは,3-Dボクセルアレイの各ボクセルごとに別々の形質転換につながる各ボクセルごとに異なる<img alt="式（18）" fo:src="/files/ftp_upload/50427/50427eq18highres.jpg" src="/files/ftp_upload/50427/50427eq18.jpg" /> ）。標準的な三角法は、3次元ベクトルシフトは、隣接するボクセルの固有ベクトルとの間の指向性の関係を維持するために16の概念を後に起因する、各ボクセルごとに独立して回転行列を与える。従って、2つの隣接するボクセルの異なるシフトは、対応する固有ベクトルの回転をもたらす。テンソルの位置合わせのための拡張行列を使用<img alt="式15" fo:src="/files/ftp_upload/50427/50427eq15highres.jpg" src="/files/ftp_upload/50427/50427eq15.jpg" />各ボクセルへの周囲のボクセル。 <img alt="式19" fo:src="/files/ftp_upload/50427/50427eq19highres.jpg" src="/files/ftp_upload/50427/50427eq19.jpg" /> <img alt="式（20）" fo:src="/files/ftp_upload/50427/50427eq20highres.jpg" src="/files/ftp_upload/50427/50427eq20.jpg" />の成分である<img alt="式（18）" fo:src="/files/ftp_upload/50427/50427eq18highres.jpg" src="/files/ftp_upload/50427/50427eq18.jpg" /></li></ol>全体の正常化プロセスが反復され、スキャナと配列特異的な（B = 0）を作成する- すなわちテンプレートを最初のステップは、この研究のために算術的に（B = 0）を平均化することによって-線形変換後のすべての科目のボリュームを手動によるランドマークを設定します。この第一の正規化の後に、正規化行列を最適化するために改良されたテンプレートを作成する。次の手順1.2.3まで1.2.5までは、 図5aの図式的に表示されます。 </li><li>この個々の正規化手順の後（STEPは、（i） -テンプレートT 1） - DTIデータI 0）、すべての個々のDTIデータ研究固有の作成 ​​するための設定（ -テンプレートとFA-テンプレート（工程（ii B = 0））を使用します。 FA-テンプレートに非アフィン登録としての利点は、それはと比較してより多くのコントラストを提供することがある（B = 0）の画像10は 、すべての個別の患者のFA-マップとコントロール派生を平均することによってFA-テンプレートを定義する。 </li><li>第二段階で、アシュバーナーとFriston 35の基本的な考え方に従って、非線形MNI正規化をDTIのデータ（ステップは、（ⅲ））FA-マップの地域の強度の間に不一致が装着されるように最小化することによって、および設定を実行平方差（X 2）によるとFA-テンプレート-そのように、あなたはDTIデータI 1を得た。 </li><li>これらのデータに基づいて、新しいテンプレートT 2（工程（iv）の）導出される。これは、個々のFAマップとtとの相関まで反復プロセスを繰り返す彼FA-テンプレートは&gt; 0.7である。通常、これは、2回の反復の後に到達した。 </li></ol></li><li> 全脳ベースの空間統計 以下のステップアップ1.3.5へ1.3.1 図5bに概略的に可視化する。 <ol><li> 1.2の正規化手順に関して正規DTIデータからFAマップを計算します。順番に方向情報を（工程（i））保存するため。 </li><li> voxelwise統計学的比較の前に、前処理段階として、個々の正規化されたFA-マップにスムージングフィルタ（工程（ii））を適用。平滑化のために、フィルタサイズは、DTIデータ分析36の結果に影響を与えるという事実は、詳述したように、データを処理するために使用されるフィルタの幅が予想される差の大きさに合わせて調整する必要があることを述べて整合フィルタ定理を適用する必要が神経変性疾患の患者（ 例えば 28）のDTIデータに前のアプリケーションである。 </li><li>統計的なサンプルを実行スチューデントのt検定による患者グループと対応する対照群voxelwise間アリソン、（工程（iii各ボクセル個別に、FA-マップ&#39;コントロールのFA値とFA-マップ&#39;患者のFA値を比較、すなわち ））。皮質の灰白質が0.2〜37のFA値を示していますので、0.2以下のFA値が計算には考慮されません。 </li><li>統計結果は、pで&lt;0.05 38（工程（IV））偽の ​​発見率（FDR）アルゴリズムを使用して、複数の比較のために修正されなければならない。 512の閾値クラスタサイズをもたらす、単離されたボクセル又は平滑化カーネルのサイズ範囲内のボクセルの小さな単離された基を排除 - アルファ誤差のさらなる低減は、空間相関アルゴリズム（工程（v）のクラスタリング）によって実行されなければならないボクセル。 </li><li>形態学的背景（工程（V））で結果を表示するには、算術MNI空間と平均に設定した3次元T1強調データを正規化する。この正規pを行うDTIデータに適用される正規化と同様に研究固有のテンプレートの使用によりrocedureは17を設定します。 </li></ol></li></ol> 図6は、ALS患者対コントロールの全脳ベースの空間統計（WBSS）の結果を示している。 図6aは、矢で減少FA値の極大を示し、coronarと軸ビューが（P &lt;0.01で閾値処理、複数のために修正比較）。 図6bは、TFASのベースとして使用皮質脊髄路の開始点を持つprojectional FTを、図6Cは、ALS患者とマッチさせた対照でのサンプル間の全脳基づく空間統計（WBSS）によって検出されたFA-マップ内のグループの違いを示していますslicewise可視化。 <ol start="4"><li> ラクトとtractwise異方性比率の統計（TFAS） 図7は、1で説明したようにTFAS含むグループベースのFTのプロセスを示す。4.1 1.4.4まで。 <ol><li>グループベースのFTアルゴリズムを適用するために、生成DTIデータが一緒に以前17に記載の方法に従って患者のデータとコントロール&#39;からのデータセット平均した。この平均化は16で説明された技術に基づいて正規化処理中に保存される配向情報の慎重な治療を必要とする-詳細は30を参照のこと。 </li><li>合理トラッキング技術31の適用により対象者グループの平均DTIデータセットでラクトを実行します。連続したFT分析の基礎となる脳全体ベースFA分析によって極大に隣接して、手動で定義されたシードポイントを識別します。種子の同定後、ラクトグラフィを行い、次のTFAS 30グループ固有のマスクとして線引き繊維のボクセルを定義します。 </li><li>ラクト結果を定量化するために、目を用いてTFASの手法を適用DTI平均化データに基づいて作成された電子線維トラクトは、患者のと対照 &#39;FA-マップ間の比較に寄与するボクセルを選択するための各グループのすべての被験者（患者データ及び制御データと共に）のセット。 </li><li>スチューデントのt検定による統計分析のための0.2上記のFA値を持つすべての結果のボクセルを検討してください。 </li><li>所望であれば、TFAS技術は、平均拡散率（MD）、ラジアル異方性、軸方向の異方性などの派生DTIメトリック（たとえば、28を参照）に適用することができる。 </li><li>結果はMNI正規化3-D T1加重データセットからなる形態素の背景に表示されている</li></ol></li></ol>

著者らは、開示することは何もありません。

DTIデータの被験者間の平均は、それぞれ、拡散振幅（FA情報を用いて）と拡散方向（FTに基づく）に対して実現することができる。 FAマップの平均化はWBSSとTFASによって対象グループの統計を比較することができます。この方法論のフレームワークは、被験者間の平均とグループの比較でDTIのテクニックに紹介しま​​す。定位正規化およびグループレベルのFAマップの比較は、対象群間の差?...

人間の脳内の拡散テンソルイメージング 中枢神経系の白質（WM）管は、神経膠細胞の他の小集団の様々なタイプに加え、密集軸索から構成されています。軸索内の軸索の膜と同様によく整列蛋白繊維は脳WM 1における異方性の水の拡散につながる、繊維配向に水拡散垂直に制限されます。軸索の周りに髄鞘はまた、内と外の両方の水2用異方性に寄与する可能性がある。 この異方性の定量的な記述は、拡散テンソルイメージング（DTI）によって検出される可能性がある。 DTIは、水の拡散の局所微細構造の特性で重み付け組織の画像を生成する。各位置における画像強度は、で表され、いわゆる磁気拡散勾配（の強さと方向に応じて、減衰されるb値）、ならびに水分子3を拡散する局所微細構造、拡散係数D、スカラー値に関する： <img alt="式（1）" fo:src="/files/ftp_upload/50427/50427eq1highres.jpg" src="/files/ftp_upload/50427/50427eq1.jpg" /> しかし、WMに異方性の存在下で、拡散はもはや単一のスカラー係数によって特徴付けないが、テンソルを必要とすることができる<img alt="式（3）" fo:src="/files/ftp_upload/50427/50427eq3highres.jpg" src="/files/ftp_upload/50427/50427eq3.jpg" />第一近似でこれらの方向4との間の各方向と相関関係に沿って分子運動を記述する。拡散異方性は、主にWM路における繊維の配向によって引き起こされ、そのミクロおよびマクロ構造の特徴によって左右される。微細構造の特徴のうち、intraaxonal組織は、繊維の密度の他に、拡散異方性に最も大きな影響があるように見えるNDセルパッキング、髄鞘形成の程度、および個々の繊維径。巨視的スケールでは、イメージングボクセル内のすべてのWMの管の向きの変動が異方性5の程度に影響を与えます。 典型的なDTIの測定では、ボクセル寸法はミリメートルの順になっています。したがって、ボクセルは常に通常、複数の軸索と同様、周囲の水分子をカバーする検出ボリューム内の水分子の平均情報が含まれています。この多方向環境にもかかわらず、DTIが優勢軸索の方向に揃え最大主軸の向きに敏感であり、 すなわち軸索の貢献は、測定信号2を支配する。 まず、拡散異方性5と第2の向きに依存しない程度、IMAGの水拡散の優勢な方向：DTIは、水の拡散のプロパティに関する2種類の情報を提供しています電子ボクセルは、拡散方向6、すなわち 。 以下に概説されるように現在のプロトコルは、グループレベルで被写体基の定量的比較のためにDTI分析技術のフレームワークを提供することになっている。 拡散特性の定量化-分析パラメータ B（ 式1）テンソルとなっているように、対称テンソルの要素は、信号減衰をもたらす、少なくとも6つの非共線および非同一平面上の方向に沿って拡散勾配によって測定することができる<img alt="式（2）" fo:src="/files/ftp_upload/50427/50427eq2highres.jpg" src="/files/ftp_upload/50427/50427eq2.jpg" /> この方程式は、直交する方向（交差項）に適用しても適用されているイメージング勾配との間でされているイメージングと拡散勾配の間の相互作用の可能性に関する会計処理を必要とする直交する方向に4。 第二ランクの拡散テンソル<img alt="式（3）" fo:src="/files/ftp_upload/50427/50427eq3highres.jpg" src="/files/ftp_upload/50427/50427eq3.jpg" />常にテンソルの主対角線に沿って3つだけの非ゼロの要素を残して対角化することができ、（固有値、すなわち <img alt="式（4）" fo:src="/files/ftp_upload/50427/50427eq4highres.jpg" src="/files/ftp_upload/50427/50427eq4.jpg" /> ）。固有値は、楕円体の形状や構成を反映。楕円や実験枠の主座標との間の数学的関係は、固有ベクトルにより記載されている<img alt="式5" fo:src="/files/ftp_upload/50427/50427eq5highres.jpg" src="/files/ftp_upload/50427/50427eq5.jpg" />テンソルデータを表示する際にいくつかの課題があるため、拡散楕円体の概念は3提案されている。これらの電子のEigendiffusivities楕円体の離心率についての情報を提供しながら、楕円の主軸は、繊維の方向と一致するボクセルの主要な拡散方向を示し、すなわち llipsoidsは、媒体の拡散係数の主方向の一次元拡散係数を表す異方性とその対称性の度合い。したがって、このような異方性比率（FA）などの拡散異方性のメトリックは、7を定義することができる。 <img alt="式6" fo:src="/files/ftp_upload/50427/50427eq6highres.jpg" src="/files/ftp_upload/50427/50427eq6.jpg" /> <img alt="式（7）" fo:src="/files/ftp_upload/50427/50427eq7highres.jpg" src="/files/ftp_upload/50427/50427eq7.jpg" />すべての固有値の算術平均です。 さらなるアプローチは、ラクトapproaに対応する、脳のWMの接続に対処するために、拡散テンソルの主方向を使用することであるそのchが互いに接続されている脳の部分検討する意思を有している。拡散テンソルの主成分の方向が支配的な軸索路の向きを表すと仮定すると、各ベクトルは、繊維配向を表す、3次元ベクトル場が設けられている。最初のカテゴリは、線維トラクトの伝播2,8,9の各ステップのローカルテンソル情報を用いて、線伝搬アルゴリズムに基づいている：現在、二種類に分けることができたWMトラクトを再構成するには、いくつかの異なるアプローチが存在する。第二のカテゴリーは、管ベースの空間統計学の手法では得られた2 WM領域間の精力的に最も有利なパスを見つけることが世界のエネルギー最小化に基づいている（TBSS）などtractwise異方性比率の統計（TFASとして他のアルゴリズムで使用されてきた10 - プロトコルテキスト、セクション2.4を参照）。 定位スタンドに変身ARDスペースその他の高度なMRIの方法と同様に、臨床的な文脈でDTIとFTベースの研究では11メートル、一部差別に基づく診断プロセスを容易にするために、個々の患者の脳の形態を分類するために究極の目標を追求しています。共通の臨床表現型は、1つ以上の特定の脳領域または特定の神経解剖学的ネットワークへの損傷に起因することになっている場合、グループレベルの研究では、最も関連する。ここでは、別の科目の結果を平均すると、微細構造変化の共通パターンを評価するために有用です。個々の脳定位固定空間に移送しなければならないように、第二工程において、ボクセル毎ボクセルレベルでの結果の平均化演算が可能である。空間的な正規化は、信号対雑音比（SNR）を改善し、患者のサンプルと続きの比較を行うために、異なる被験者から得られた結果の算術平均に許容されるROLSは、特定の疾患の病理解剖学計算を分析するために、特定の脳システムのふりをすることに関連付けられている神経変性疾患、例えば 。 12で標準化された定位空間に正規化の早期のアプローチは、様々な脳のランドマークと脳象限の断片的なスケーリングの識別を含む標準的なアトラスに変換アルゴリズムを提案した。今日では、高度なMRIデータ解析パッケージのほとんどはモントリオール神経学研究所（MNI）定位空間13への正規化を使用しています。この変換では、研究の特定のテンプレートを使って半自動と自動脳登録アルゴリズムは14,15を開発しました。 DTIにおいて、特別な注意は正規化プロセス16,17の間に方向情報を保存するために描かれなければならない。空間的な正規化のために必要とされるDT-MR画像に空間的な変換の応用データセットのコレクションのDTSは再び変換によって影響される配向情報が含まれているという事実によって複雑に反りスカラー画像とは対照的である。この効果は、変換画像の解剖学的な正確さを保証するために考慮する必要があります。ここで、DTIデータセットにアフィン変換を適用するための技術が示されている。 脳疾患への応用DTI 縦DTIデータの比較は、お互いの間で一つの主題のデータの配置/登録が必要です。その意味で、方向情報の保存は（アフィン変換中に拡散テンソルすなわち回転）が必要です。神経変性疾患の可能な用途（ 例えば 、18,19）は、以前に報告されている。 DTIは、in vivo neuropathol に調査する堅牢な非侵襲的な技術的なツールとして確立されているWM神経管のOGY（ 例えば 11,20,21,22）。拡散プロセスのDTIベースの定量的な測定基準は、FA、例えば 、すでにそのようなストローク20、多発性硬化症23、筋萎縮性側索硬化症24、25、アルツハイマー病26とWM病変の広い範囲を研究するための敏感なマーカーであることが示されている、および他のいくつかのWM障害27,28。 また、FTとDTIは、WMの管23を識別するために使用することができる。まだしない日常的な臨床使用中にこの技術は、神経疾患における経路特異的な異常を評価するための強力な手段として浮上している。識別路内では、DTIデータに解剖学的にcoregisteredあるDTI由来の様々な定量的MRI指標と追加取得（ 例えば T2強調画像及び/又は磁化移動（MT）イメージング）を測定することができます。これにより、各インデックスはcalculかもしれません管プロファイルとしての空間的な変動を示すプロットを参照して、管内での位置の関数としてated。 1.5で行った次の、人間のDTIのスキャンでテスラMRI-スキャナは（シーメンスメディカル、エアランゲン、ドイツ）患者群だけでなく、個人での白質の異常を検出するための様々な解析手法の可能性を調査するために使用された。アーティファクトの他の種類のモーション破損ボリュームとボリュームの除去のための自動化された品質チェックの後、標準化された後処理手順は、連続した分析用のDTIのデータを準備する。異なる分析アプローチは、以下に示すように、 すなわち空間統計基づいて、最初の、全脳（WBSS）、第二、FT、および第三、Tractwise異方性比率の統計（TFAS）。されますWBSSは通常DTIデータ（VBM / DTI）上のボクセルベースの​​形態計測/統計として知られているボクセルベースの​​形態計測（VBM）と同様に動作します方法です<emは&gt;。VBMは、もともと別のスキャンのコントラスト差がWBSSが物理パラメータのvoxelwise比較を用いる方法である間に解決されなければならないコントラスト画像上で実行されるメソッドです。アルゴリズム的に類似しているにも関わらず、そのWBSSとVBMの差別化されている用語は、以下で使用されます。

<table border="1">
 <tbody>
 <tr>
 <td>MR scanner</td>
 <td></td>
 <td></td>
 <td>Siemens 1.5 T Magnetom Symphony</td>
 </tr>
 <tr>
 <td>analysis software </td>
 <td></td>
 <td></td>
 <td>TIFT - Tensor Imaging and Fiber Tracking</td>
 </tr>
 </tbody>
 </table>

diffusion tensor magnetic resonance imaging in the analysis of neurodegenerative diseases

拡散テンソル画像（DTI）の技術は、生体内で大脳白質（WM）の微細構造のプロセスに関する情報を提供します。本アプリケーションは、マッチさせた対照と比較して異なるDTI解析を用いて、異なる脳疾患、特に神経変性疾患に関与WMのパターンの相違を調査するために設計されている。 DTIデータ分析は変量の方法で行われ、一緒に線維追跡でそのような異方性比率（FA）などの地域の拡散方向ベースのメトリックすなわち voxelwise比較、（FT）は、順番にグループレベルでtractwise異方性比率の統計（TFAS）を伴うグループレベルでWMの変化の地域的パターンの定義を目指し、WM構造に沿ってFAの違いを識別します。定位標準空間への変換は、グループ研究のための前提条件であり、dを保持するために徹底した処理データが必要irectional相互依存。現在のアプリケーションでは、グループレベルでのデータ分析における空間正規化中に定量的および方向情報の保存のための最適化されたこの技術的なアプローチを示しています。これに基づいて、FT技術はFTによって定義されたメトリック情報を定量化するために、グループ平均化データに適用することができる。さらに、DTIの方法の適用は、個々の対象者ごとに縦分析における定位整列後のFA-マップすなわち違いは、神経疾患の進行についての情報を明らかにする。 DTIベースの検索結果の更なる品質改善、高いノイズレベル勾配方向の制御された除去を適用することによって前処理中に得ることができる。 要約すると、DTIは、脳全体をベースと管系DTI分析の組み合わせによって異なる脳疾患の別個のWMの病理解剖学を定義するために使用される。

1。多動障害のQCとの患者のデータをアプリケーション内の破損した勾配方向の補正 QCのアプリケーションとそれに続くボリューム除外（破損したGDの補正から結果など）の効果のための例として、 図8は、29 premanifestハンチントン病のグループの比較のために体積排除の有無にかかわらず全脳ベースの空間統計の違いを示しています30年齢と性別マッチさせた対?...

Watch this Scientific Journal Video about Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases at JoVE.com

Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases

拡散テンソル画像（DTI）は、基本的に識別するためのMRIベースのツールと​​して機能します<em生体内で&gt;</em&gt;大脳白質内の神経疾患に起因する脳と病理学的プロセスの微細構造。 DTIベースの分析では、グループレベルで、単一の対象データの両方の脳疾患への応用を可能にします。

神経変性疾患の分析における拡散テンソル磁気共鳴画像

Diffusion tensor imaging (DTI) techniques provide information on the microstructural processes of the cerebral white matter (WM) in vivo. The present ...

diffusion-tensor-magnetic-resonance-imaging-analysis

Research

JoVE Journal

Medicine

28.0K ビュー.  University of Ulm. 拡散テンソル画像（DTI）は、基本的に識別するためのMRIベースのツールと​​して機能します大脳白質内の神経疾患に起因する脳と病理学的プロセスの微細構造。 DTIベースの分析では、グループレベルで、単一の対象データの両方の脳疾患への応用を可能にします。