私たちのパイプラインは、人間の構造磁気共鳴画像を使用して小脳サブユニットの体積を定量化するための最先端のアプローチを使用しています。このプロセスには、解剖学的パーセル化、ボクセルベースの形態測定、および品質管理プロセスが含まれます。当社の標準化されたパイプラインは、ほとんどが自動化されており、Dockerおよび特異点形式で利用可能であり、さまざまな神経学的疾患に広く適用可能です。
開始するには、Docker または Singularity、MATLAB、および SPM12 がインストールされていることを確認します。次に、コマンド行の make directory コマンドを使用して、作業ディレクトリーにフォルダーを作成し、acapulco、suit、および freesurfer というラベルを付けます。次に、acapulcoディレクトリに、出力フォルダを作成します。
出力フォルダに、NIFTI gz形式のt1強調画像を含む試験の各被験者のディレクトリを作成します。解剖学的小脳パーセルレーションの場合は、アカプルココンテナをダウンロードし、アカプルコを実行するために必要な関連するスクリプトとコンテナをダウンロードします。次に、アカプルコ Docker またはシンギュラリティ コンテナー、QCs_scripts アーカイブの内容、および RCIF コンテナーまたはcalculate_dicvを配置します。
アカプルコディレクトリ内のtarファイル。次に、ターミナルを開き、特異点を使用して、示されたコマンドを入力して、単一のイメージでacapulcoコンテナを実行します。処理が完了するまで 5 分間待ちます。
次に、コホート内のすべての被験者またはスキャンをループします。処理後、件名固有のフォルダーで生成されたファイルを探します。アカプルコによって生成された28個のサブユニットのそれぞれについて、元の小脳マスクと体積でパーセル化小脳マスクを特定する。
次に、picsディレクトリから、代表的な矢状、軸状、および冠状画像を特定します。統計的外れ値の検出と品質管理のために、QC スクリプトの内容が acapulco ディレクトリーにあることを確認してください。次に、特異点を使用して、示されたコマンドを入力します。
アカプルコによって生成されたQC画像を調べるには、QC_Imagesを開きます。Webブラウザでhtmlを作成し、画像をすばやくスクロールして、明らかな障害や体系的な問題を特定します。フォローアップのために、失敗した、または疑わしいパーセルされた画像のサブジェクト ID をメモします。
次に、Plots_for_Outliersを開きます。html を使用して、ボックスプロットで定量統計的外れ値をチェックします。外れ値の関連する列で 1 で示される外れ値を識別します。
csv ファイル。また、「外れ値」の最後の列で、各被験者の外れ値として識別されたセグメントの総数に注意してくだ.csvい。1 つ以上の外れ値を持つ各画像を手動で検査します。
標準のNIFTI画像ビューアを使用している場合は、元のt1強調画像にアカプルコマスクをオーバーレイして、パーセル化スライスの品質をスライスごとに確認します。1 つ以上のパーセル化領域を最終データセットから除外する必要がある場合は、そのサブジェクトの対応するセルの体積推定値を NA に置き換えて、このパーセル化を分析から除外します。パーセル化エラーの結果、小脳の一部がマスクから除外された場合は、直ちに被験者をさらなる分析から除外する。
SUIT を使用したボクセルベースの形態測定解析では、SPM12 フォルダとすべてのサブフォルダが MATLAB パスにあることを確認します。さらに、enigma_suitスクリプトが SPM12 ツールボックス ディレクトリに保存され、MATLAB パスに追加されていることを確認します。MATLAB パスを確認するには、MATLAB コマンド ウィンドウに「pathtool 」と入力し、[サブフォルダーと共に追加] をクリックして、関連するフォルダーを追加します。
次に、グラフィカル ユーザー インターフェイスを使用して、MATLAB コマンド ウィンドウに suit_enigma_all と入力して、1 つ以上のサブジェクトの SUIT パイプラインを実行します。最初のポップアップ ウィンドウで、acapulco 出力ディレクトリから分析に含めるサブジェクト フォルダーを選択します。ウィンドウの右側にある個々のフォルダをクリックするか、右クリックしてすべてを選択します。
次に、[完了] を押します。2 番目のポップアップ・ウィンドウで、SUIT ディレクトリーを選択します。単一のサブジェクトの MATLAB コマンド行から関数を呼び出すには、示されたコマンドを入力します。
コマンド行から SUIT を実行するときに、SPM12 または enigma_suit ディレクトリーが MATLAB パスに永続的に保管されない場合は、そのステップをコマンド行に追加する必要があります。MATLAB の外部にある端末ウィンドウから 1 つのサブジェクトに対して関数を呼び出すには、示されているコマンドを入力します。各被験者のフォルダで最終出力を確認してください。
正規化された変調画像に重大な障害がないか視覚的に検査するには、MATLAB で spm_display_4d と入力します。次に、必要な画像を選択するには、SUITディレクトリに移動し、フィルタボックスに示されたコマンドを入力します。次に、[再帰的] ボタンを押し、次に [完了] ボタンを押します。
画像をスクロールして、すべての画像が整列していることを確認します。次に、空間共分散で外れ値をチェックするには、MATLAB にcheck_spatial_covと入力します。次に、先ほどの変調画像を選択し、プロンプトが表示されたらPropを設定します。
はいにスケーリングし、変数から共分散をいいえに、スライスを48に、ギャップを1にスケーリングします。最後に、サンプル内の他のすべての画像に対する各画像の平均空間共分散を表示する箱ひげ図を見てください。MATLAB コマンド ウィンドウで平均より 2 つ以上の標準偏差を下回るデータ ポイントを特定します。
これらのデータ ポイントについては、SUIT フォルダー内の適切なイメージにアーティファクト、画質の問題がないか調べます。または前処理エラー。ここに示されているのは、脊髄小脳失調症2患者からのひどく萎縮した小脳である。
エッジの周囲に見られる組織の損失にもかかわらず、SUITはこの画像をテンプレートにかなりうまく歪めました。これは除外を保証するものではありません。ここでは、小脳の上から下への明確なグラデーションがあり、画像はかなりスクラップ状であり、除外を正当化する。
最後に、この例では、マスキングがうまく機能していません。エッジはきれいではなく、画像はSUITパイプラインから通常出てくるものよりも滑らかです。これは除外を正当化するでしょう。
健康でひどく萎縮した大脳を含む良好なパーセルレーションの例をここに示し、個々の小脳小葉の微妙な過剰および過小封入を伴うミスパルセレーションの例をここに見ることができる。これらのタイプのエラーは、一般に、影響を受ける個々の小葉の除外を必要とするが、パーセル化小脳の残りの部分は保持することができる。対照的に、グローバルな障害では、主題を完全に除外する必要があります。
フリードライヒ運動失調症および37の健康な対照を有する31人のサンプルでアカプルコを投与したとき、左小葉IXおよび右小葉Crus Iが最も高い除外率を示した。フリードライヒ運動失調症における28個の小脳解剖学的小葉の体積と健康な対照個体との比較は、フリードライヒ運動失調症における髄質コーパスにおける有意に減少した白質を示した。グループ間の他の有意な差はなかった。
健康なコントロールとフリードライヒ運動失調症の両方からの整列した画像の例をここに示し、除外の例をここで見ることができます。すべての正規化された画像の空間的共分散を検定した後、2つのスキャンが、サンプルの残りの部分との平均空間的共分散に基づいて統計的外れ値として検出されました。小脳灰白質体積の有意なグループ間差を検定するために、SNPMにおいてノンパラメトリック順列試験を実施した。
SUIT分析の結果、フリードライヒ運動失調症患者は両側前小葉IからV、およびVermis VIおよびVermisを含む内側後葉領域において灰白質体積を有意に減少させたことが示さ IX.It、小脳マスクを手動でチェックして完全な小脳カバレッジが達成されていることを確認し、小脳小葉の過剰および過小封入についてマスクを検査することが極めて重要である。このパイプラインは、小脳灰白質構造を調べることに関心のあるマルチサイトグループレベルの統計分析の実行を容易にします。機能的連結性などの他の技術も、個々の小脳小葉と大脳との間の連結性を探索するために使用することができる。
