JoVE Logo
저자
연락처

로그인

JoVE 비디오를 활용하시려면 도서관을 통한 기관 구독이 필요합니다. 전체 비디오를 보시려면 로그인하거나 무료 트라이얼을 시작하세요.

기사 소개

  • 요약
  • 초록
  • 서문
  • 프로토콜
  • 결과
  • 토론
  • 공개
  • 감사의 말
  • 자료
  • 참고문헌
  • 재인쇄 및 허가

요약

여기에 제공된 개방형 이미지 처리 파이프라인은 병변 증상 매핑을 위한 실용적인 자습서입니다. CT/MRI의 수동 경색 세분화부터 표준 공간에 대한 후속 등록에 이르기까지 각 처리 단계에 대해 실용적인 권장 사항 및 예시사례가 있는 그림에 대한 단계별 연습이 제공됩니다.

초록

병변-증상 매핑(LSM)에서 뇌 기능은 후천성 뇌 병변의 위치를 환자 그룹에서 행동 또는 인지 증상과 연관시킴으로써 유추됩니다. 최근 뇌 영상 및 이미지 처리가 발전함에 따라 LSM은 인지 신경 과학에서 인기있는 도구가되었습니다. LSM은 다양한 인지 및 비인지 기능에 대한 인간의 뇌의 기능적 아키텍처에 대한 기본적인 통찰력을 제공할 수 있습니다. LSM 연구 를 수행하기에 중요한 단계는 환자의 큰 그룹의 뇌 스캔에 병변의 세분화및 일반적인 입체 공간 (또한 표준 공간 또는 표준화 된 뇌 템플릿이라고도) 각 스캔의 등록입니다. 여기에 설명된 개방형 액세스, LSM목적을 위한 경색 세분화 및 등록을 위한 표준화된 방법뿐만 아니라 예시적인 사례를 기반으로 한 상세하고 실습적인 연습입니다. CT 스캔 및 DWI 또는 FLAIR MRI 서열에 대한 뇌 경색의 수동 세분화에 대한 포괄적 인 튜토리얼이 제공됩니다, 다른 스캔 유형에 대한 경색 식별 및 함정에 대한 기준을 포함. 등록 소프트웨어는 이기종 수집 매개 변수로 CT 및 MRI 데이터를 처리하는 데 사용할 수있는 여러 등록 체계를 제공합니다. 이 등록 소프트웨어를 사용하고 시각적 품질 검사 및 수동 수정(경우에 따라 필요한 경우)을 수행하는 방법에 대한 자습서가 제공됩니다. 이 접근법은 연구자들이 LSM 연구를 수행하는 데 필요한 뇌 이미지 처리의 전체 프로세스에 대한 프레임워크를 제공합니다.

서문

병변-증상 매핑(LSM)은 병변 행동 매핑이라고도 하며, 인간의뇌의기능적 구조를 연구하기 위한 중요한 도구1. 병변 연구에서, 뇌 기능은 후천성 뇌 병변 환자를 연구하여 유추되고 국소화됩니다. 신경 학적 증상을 19 세기에 수행 된 특정 뇌 위치에 연결하는 첫 번째 사례 연구는 이미 언어와 다른 여러 인지 과정의 해부학 적 상관 관계에 대한 근본적인 통찰력을 제공2. 그러나, 신경 해부학 인식 및 다른 뇌 기능의 많은 측면의 상관 관계는 애매 남아. 지난 수십 년 동안, 개선 된 구조적 뇌 이미징 방법과 기술 발전은 높은 공간 해상도 (즉, 개별 복셀 또는 관심있는 특정 피질 / 피질 영역의 수준에서) 생체 내 LSM 연구에서 대규모를 가능하게했다1 ,2. 이러한 방법론적 진보를 통해 LSM은 인지 신경 과학에서 점점 더 대중적인 방법이 되었으며 인식 및 신경 학적 증상의 신경 해부학에 대한 새로운 통찰력을 지속적으로 제공합니다3. 모든 LSM 연구에서 중요한 단계는 병변의 정확한 세분화및 뇌 템플릿에 등록하는 것입니다. 그러나 LSM을 목적으로 뇌 이미징 데이터의 전처리에 대한 포괄적인 튜토리얼은 부족합니다.

여기에 표준화 된 병변 세분화 및 등록 방법에 대한 완전한 튜토리얼이 제공됩니다. 이 방법은 연구원에게 표준화된 뇌 이미지 처리를 위한 파이프라인과 피해야 할 잠재적인 함정에 대한 개요를 제공합니다. 제시된 이미지 처리 파이프라인은 국제 협력을 통해 개발되었으며 최근에 설립된 Meta VCI 맵 컨소시엄의 프레임워크의 일부로, 그 목적은 다중 센터 병변-증상 매핑 연구를 수행하고 있습니다. 혈관 인지 장애 & www.metavcimap.org>5. 이 방법은 여러 공급업체의 CT 및 MRI 스캔과 이기종 스캔 프로토콜을 모두 처리하여 서로 다른 소스에서 이미징 데이터 세트를 결합하여 처리할 수 있도록 설계되었습니다. 이 프로토콜에 필요한 RegLSM 소프트웨어 및 기타 모든 소프트웨어는 라이센스가 필요한 MATLAB을 제외하고 자유롭게 사용할 수 있습니다. 이 튜토리얼은 뇌 경색의 세분화 및 등록에 초점을 맞추고 있지만,이 이미지 처리 파이프 라인은 백색 물질 과산화 와 같은 다른 병변에도 사용할 수 있습니다6.

LSM 연구를 시작되기 전에 일반적인 개념과 함정에 대한 기본적인 이해가 필요합니다. 몇 가지 상세한 지침과 히치하이커의 가이드를 사용할 수 있습니다1,3,6. 그러나 이러한 리뷰는 뇌 스캔을 적절한 형식으로 수집하고 변환하고 뇌 경색을 분할하고 스캔을 뇌 템플릿에 등록하는 데 관련된 실용적인 단계에 대한 자세한 실습 자습서를 제공하지 않습니다. 본 문서는 이러한 자습서를 제공합니다. LSM의 일반적인 개념은 주제에 대한 추가 읽기를위한 참조와 함께 소개에 제공됩니다.

병변 - 증상 매핑 연구의 일반적인 목표

인지 신경 심리학의 관점에서, 뇌 손상은 특정 인지 과정의 신경 기초를 더 잘 이해하고 뇌의 인지 구조에 대한 보다 완전한 그림을 얻기 위한 모델 조건으로 사용될 수있습니다 1 . 이것은 브로카와 베르니케2와같은 개척자에 의해 19 세기에 사후 연구에서 처음 적용된 신경 심리학의 고전적인 접근입니다. 기능적인 두뇌 화상 진찰의 시대에, 병변 접근은 특정 두뇌 지구에 있는 병변이 작업 성과를 중단한다는 증거를 제공하기 때문에 신경과학에 있는 중요한 공구남아 있습니다, 기능적인 화상 진찰 연구 결과는 두뇌 지구를 설명하는 동안 작업 성능 중에 활성화됩니다. 따라서 이러한 접근 방식은 상호 보완적인 정보를 제공합니다1.

임상 신경학의 관점에서, LSM 연구는 급성 증상 경색, 백색 물질 고열, lacunes, 또는 다른 병변 유형 (예를 들어, 종양)을 가진 환자에서 병변 위치와 인지 기능 사이의 관계를 명확히 할 수 있습니다 ). 최근 연구에 따르면 전략적 뇌 영역에서 이러한 병변은 글로벌 병변 부담2,5,7,8보다인지 능력을 설명하는 데 더 관련이 있는 것으로 나타났다. 이 접근법은 복잡한 장애의 병리생리학에 대한 이해를 향상시킬 수 있는 잠재력을 가지고 있으며(이 예에서 혈관 인지 장애) 새로운 진단 및 예후 도구를 개발하거나 치료를 지원할 수 있는 기회를 제공할 수 있습니다. 전략2.

LSM은 또한 인식 분야를 넘어서는 응용 분야를 가지고 있습니다. 사실, 임의의 변수는 임상 증상, 바이오마커 및 기능적 결과를 포함하는 병변 위치와 관련될 수 있다. 예를 들어, 최근 연구는 허혈성 뇌졸중10후 기능적 결과를 예측한 경색 위치를 결정했다.

복셀 기반 대 관심 기반 병변 증상 매핑 영역

병변-증상 매핑을 수행하려면 병변을 분할하여 뇌 템플릿에 등록해야 합니다. 등록 절차 도중, 각 환자의 두뇌는 병변 지도에 있는 각 복셀이 동일 해부학을 나타내도록 두뇌 크기, 모양 및 방향에 있는 다름을 정정하기 위하여 공간적으로 정렬됩니다 (즉, 정규화되거나 일반적인 템플릿에 등록) 모든 환자를위한 구조7. 표준 공간에서 여러 유형의 분석을 수행할 수 있으며 여기에 간략하게 요약되어 있습니다.

결핍이 없는 환자에 비해 결핍 환자에서 병변 분포의 차이를 보여주기 위해 조병변-감산 분석을 수행할 수 있습니다. 결과 빼기지도는 적자가 있는 환자에서 더 수시로 손상되고 적자 없이 환자에서 절약되는 지구를 보여줍니다1. 병변 빼기 분석은 특정 기능의 상관 관계로 몇 가지 통찰력을 제공 할 수 있지만, 그것은 통계적 증거를 제공하지 않으며, 샘플 크기가 복셀 기반 병변 - 증상에 대한 충분한 통계 적 힘을 제공하기에 너무 낮을 때 주로 사용된다 매핑.

복셀 계 병변-증상 매핑에서, 병변의 존재와 인지 성능 사이의 연관성은 뇌의 각 개별 복셀 수준에서 결정된다(그림1). 이 방법의 주요 장점은 높은 공간 해상도입니다. 전통적으로 이러한 분석은 여러 테스트에 대한 보정을 보증하고 고려되지 않은 복셀 간 상관 관계로 인한 공간 편향을 도입하는 대량 단변량 접근법에서 수행되었습니다. , 11. 최근 개발 된 접근법은 voxel 상호 상관 관계를 고려합니다 (일반적으로 베이지안 분석13,지원 벡터 회귀4와같은 다변량 병변 - 증상 매핑 방법이라고함) 도 14,또는 다른 기계 학습 알고리즘15)유망한 결과를 보여주고 기존의 방법에 비해 복셀 와이즈 LSM 분석에서 결과의 민감도 및 특이성을 향상시키는 것으로 나타났다. 복셀 와이즈 LSM에 대한 다변량 방법의 추가 개선 및 검증은 지속적인 프로세스입니다. 특정 병변-증상 매핑에 대한 최선의 방법은 병변 분포, 결과 변수 및 방법의 기본 통계 적 가정을 포함한 많은 요인에 따라 달라집니다.

관심 영역(ROI)-기반 병변-증상 매핑에서, 특정 뇌 영역 내의 병변 부담과 인지 성능 사이의 연관성이 결정된다(그림에 대한 비에스브룩등에서 그림 1 참조). 이 방법의 주요 장점은 해부학 적 구조 내에서 누적 병변 부담을 고려한다는 것입니다. 한편, ROI 기반 분석은 영역16의복셀의 서브세트에만 존재하는 패턴을 검출하기 위한 제한된 전력을 가지고 있다. 일반적으로 ROI 기반 병변-증상 매핑은 로지스틱 또는 선형 회귀를 사용하여 수행됩니다. 최근에는 공선성을 더 잘 다루는 다변량 방법이 도입되었습니다(예: Bayesian 네트워크 분석17,지원 벡터 회귀4,18,또는 기타 기계 학습 알고리즘19) 병변- 증상 매핑 연구에서 발견의 특이성을 향상.

환자 선택

LSM 연구에서, 환자는 일반적으로 특정 병변 유형 (예를 들어, 뇌 경색 또는 백색 물질 고혈압)과 진단과 신경 심리적 평가 사이의 시간 간격 (예를 들어, 급성 대 만성 뇌졸중)에 따라 선택됩니다. 최적의 연구 디자인은 연구 질문에 따라 달라집니다. 예를 들어, 인간 뇌의 기능적 구조를 연구할 때, 급성 뇌졸중 환자는 기능적 재구성이 아직 이 단계에서 발생하지 않았기 때문에 이상적으로 포함되는 반면, 만성 뇌졸중 환자는 연구할 때 포함되어야 한다. 인식에 뇌졸중의 장기 효과. 환자 선택의 고려 사항과 함정에 대한 자세한 설명은 다른 곳에서 제공됩니다7.

병변-증상 매핑을 목적으로 하는 뇌 이미지 전처리

일반적인 두뇌 템플릿에 정확한 병변 분할 및 등록은 병변 현상 매핑에 있는 결정적인 단계입니다. 병변의 수동 세분화는 경색7을포함하여 많은 병변 모형을 위한 금 본위제 남아 있습니다. 제공된 것은 급성 및 만성 단계 모두에서 CT 스캔, 확산 가중 이미징 (DWI) 및 유체 감쇠 반전 복구 (FLAIR) MRI 서열에 대한 수동 경색 분절에 대한 기준에 대한 자세한 튜토리얼입니다. 세분화된 경색(즉, 3D 이진 병변 맵)은 모든 주제 간 분석을 수행하기 전에 등록해야 합니다. 이 프로토콜은 다중 센터 설정4에서개발된 등록 메서드 RegLSM을 사용합니다. RegLSM은 CT 및 MRI 모두에 대한 엘라스틱20을 기반으로 하는 선형 및 비선형 등록 알고리즘을 적용하며, CT 스캔21의등록 품질을 향상시키기 위해 특별히 설계된 추가 CT 처리 단계를 적용합니다. 더욱이, RegLSM은 연령별 CT/MRI템플릿(22)에상이한 표적 뇌 템플릿 및 (선택적) 중간 등록 단계를 사용할 수 있다. CT 및 MRI 스캔과 중간 및 대상 뇌 템플릿에 대한 사용자 정의 기능을 모두 처리할 수 있는 가능성으로 RegLSM은 LSM에 매우 적합한 이미지 처리 도구가 됩니다. CT/MRI 스캔을 준비하고 세분화하는 전체 프로세스, 뇌 템플릿 등록 및 수동 교정(필요한 경우)이 다음 섹션에 설명되어 있습니다.

figure-introduction-6310
그림 1: 복셀 계 병변-증상 매핑의 개념에 대한 개략적 그림. 상부는 병변(이 경우 급성 경색)을 분할한 다음 뇌 템플릿(이 경우 MNI-152 템플릿)에 등록하는 것으로 구성된 뇌 이미지 전처리 단계를 보여줍니다. 아래, 동일한 환자의 등록된 이진 병변 맵의 일부가 3D 그리드로 표시되며, 여기서 각 큐브는 복셀을 나타낸다. 99명의 다른 환자의 병변 지도와 함께 취해, 병변 오버레이 지도가 생성됩니다. 각 복셀에 대해, 병변 상태와 인지 성능 사이의 연관성을 결정하기 위해 통계 적 검사가 수행됩니다. 여기에 표시된 카제곱 테스트는 예에 불과하며 모든 통계 검정을 사용할 수 있습니다. 일반적으로 수십만 개의 복셀이 뇌 전체에 걸쳐 테스트되고 여러 비교에 대한 수정이 뒤따릅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

프로토콜

이 프로토콜은 우리 기관의 인간 연구 윤리 위원회의 지침을 따릅니다.

1. 스캔 및 임상 데이터의 수집

  1. 허혈성 뇌졸중 환자의 뇌 CT 또는 MRI 스캔을 수집합니다. 대부분의 스캐너는 스캔을 하드 디스크 나 서버에 복사 할 수있는 DICOM (의학의 디지털 이미징 및 통신) 파일로 저장합니다.
    참고: 모든 스캐너 유형, 스캔 프로토콜 및 MRI 필드 강도의 스캔은 1) 사용된 스캔 유형에 대한 시간 창 요구 사항이 충족되는 한 사용할 수 있습니다(표 1참조) 및 2)정확한 경색 묘사를 방해하는 아티팩트가 없습니다. CT와 MRI에 대한 아티팩트 탐지에 대한 자세한 튜토리얼은 다른 곳에서 제공23,24. CT에서 일반적으로 발생하는 모션 아티팩트의 예는 그림 2에제공되며, 좋은 품질의 스캔 예는 결과 섹션의 예시 사례에 제공됩니다. 경색은 슬라이스 두께와 평면 내 이미지 해상도로 스캔시 분할할 수 있습니다. 그러나 얇은 슬라이스와 높은 평면 해상도를 통해 뇌 템플릿에 대한 경색을 보다 정확하게 표현할 수 있습니다.
  2. 각 임상 변수에 대해 각 사례 및 열에 대해 별도의 행을 만들어 데이터 파일(예: Excel)에서 임상 변수를 수집합니다. 경색 분절의 경우, 적어도 뇌졸중의 변수 날짜와 이미징 날짜 또는 뇌졸중과 이미징 사이의 시간 간격을 나타내는 변수를 포함합니다.
  3. 개인 정보 보호에 관한 윤리적 지침 및 규정을 준수하는지 확인합니다. 데이터가 익명화되거나 코딩되었는지 확인합니다. DICOM 파일에 태그로 저장된 이름, 주소 및 생년월일과 같은 환자 데이터를 제거하는 데 특별한 주의를 기울이십시오. 이러한 태그는 dcm2niix (무료 다운로드에서 사용할 수 있습니다 ./https://github.com/rordenlab/dcm2niix>)25를사용하여 지울 수 있습니다.

2. 디콤 이미지를 Nifti 파일로 변환

  1. dcm2niix 도구를 사용하여 DICOM 이미지를 압축되지 않은 nifti 파일로 변환하려면 명령 프롬프트에 "[dcm2niix.exe의 폴더 경로]\dcm2niix %d_%p [dicom 파일의 폴더 경로]"를 입력합니다. 삽입 된 폴더 경로와 명령의 예는 C:\사용자\matthijs\dcm2niix %d_%p C:\사용자\matthijs\dicom\. 이 명령은 dcm2niix 실행 파일을 실행하고 선택한 폴더에서 DICOM 이미지를 변환하고 nifti 파일을 동일한 폴더에 저장합니다.
    참고: %d_%p를 추가하면 계열 설명 및 프로토콜 이름이 파일 이름에 삽입됩니다. 일괄 변환 옵션을 포함한 추가 기능은 dcm2niix 설명서(https://www.nitrc.org/plugins/mwiki/index.php/dcm2nii:MainPage>)에서 제공됩니다. 다른 오픈 소스 도구는 DICOM 이미지를 nifti 파일로 변환하는 데 사용할 수도 있습니다.
  2. 변환 하는 동안 파일 이름에 복사 된 스캔 유형 (CT, FLAIR, DWI 또는 기타 시퀀스 이름)의 이름이 복사 되어 있는지 확인 합니다 (이 옵션은 dcm2niix에서 사용할 수 있습니다).
  3. MRI 스캔의 경우 분할을 위해 DWI 또는 FLAIR 시퀀스를 선택합니다. 또는 경색이 보이는 다른 구조 서열을 사용할 수 있습니다. CT, DWI 또는 FLAIR를 경색 분할에 사용할 수 있는 스트로크 후 적절한 시간 창은 표 1을 참조하십시오.
  4. 각 사례에 대한 하위 폴더가 있는 편리한 폴더 구조로 nifti 파일을 구성합니다(RegLSM 및 보충 그림 1의 설명서 참조). 이 매뉴얼은 에서 다운로드 할 수 있습니다 <.www.metavcimap.org/지원/소프트웨어 도구>.
    참고: 이 폴더 구조는 등록 소프트웨어 RegLSM에 대한 요구 사항입니다(섹션 4 참조). RegLSM의 업데이트, 그것을 만드는 BIDS (뇌 이미징 데이터 구조26,참조 & http://bids.neuroimaging.io>) 호환, 현재 개발 중이며 곧 출시 될 예정이다.

3. 경색 세분화

  1. 모든 스캔 유형에 적용되는 일반 설명
    1. 세분화 및 등록을 수행하고 평가하는 사람이 편견을 피하기 위해 결과 변수 (일반적으로 인지 측정)에 눈을 멀게하는지 확인하십시오.
    2. 경색은 일반적으로 횡단 조각에서 분할되지만 분할은 모든 슬라이스 방향으로 수행할 수 있습니다.
    3. 고해상도 모니터 디스플레이와 최적의 주변 광원을 사용하여 경색 분할 중에 이상적인 시야 조건을 보장하여 편안한 설정을 제공합니다. 세분화 중에 이미지 대비를 수동으로 조정하여 건강한 뇌 조직 간의 최적의 콘트라스트를 제공합니다. 주제에 걸쳐 유사한 설정을 일관되게 적용해야 합니다.
  2. CT에 경색 세분화
    1. 먼저 뇌졸중 증상이 발병한 후 24시간 이상 스캔을 수행했는지 확인합니다. 24 시간 이내, 급성 경색은 CT에 부분적으로 만 보이지 않으며 스캔은 분절7에사용할 수 없습니다. 그림은 그림 3을 참조하십시오.
    2. ITK-SNAP 소프트웨어를 사용하여 네이티브 CT를 엽니다 (무료 다운로드 에서 사용할 수 있습니다 .&www.itksnap.org>)27. ITK-SNAP에서 드롭다운 메뉴에서 파일 | 열기 메인 이미지를 클릭합니다. 찾아보기를 클릭하고 파일을 선택하여 스캔을 엽니다. 기본 대비 설정이 건강한 뇌 조직과 병변 사이의 대비가 좋지 않으면 대비 설정을 조정합니다. 이렇게 하려면 도구 | 이미지 대비 | 대비 조정을클릭합니다.
      참고: 모든 오픈 소스 소프트웨어도 사용할 수 있습니다.
    3. 가능한 경우, lacunes, (sub)피질 경색, 또는 백색 물질 과민증과 같은 오래된 허혈성 병변에서 급성 경색을 구별하기 위한 참조로서 별도의 인스턴스에서 뇌졸중 증상 발병 후 24 시간 이내에 수행된 CT를 엽니다.
    4. 다음 특성에 따라 경색을 식별합니다. 경색은 일반적인 뇌 조직에 비해 낮은 신호(즉, 저밀도)를 갖는다.
      1. 급성 단계 (첫 주)에서 큰 경색은 주변 조직의 변위, 심실의 압축, 중질 거리 이동 및 황치의 말살을 초래하는 질량 효과를 일으킬 수 있습니다. 경색 내의 높은 신호 (즉, 과다)를 가진 지역으로 보이는 출혈성 변환이 있을 수 있습니다.
      2. 만성 단계 (개월에서 년)에서 경색은 (뇌척수액과 유사한 밀도를 가진) 하강 된 센터와 손상된 뇌 조직을 나타내는 덜 저밀도 림으로 구성됩니다. 캐비테이션 된 중심과 하부 테두리는 모두 경색으로 분할해야합니다. 큰 경색의 경우, 인접한 황치 또는 심실의 전 vacuo 확대가있을 수 있습니다.
        참고: 구조의 질량 효과 또는 ex vacuo 확대로 인한 조직 변위는 세분화 동안 보정되어서는 안됩니다 (즉, 경색의 전체 범위만 분할되어야합니다). 조직 변위에 대한 교정은 등록 및 후속 단계에서 발생합니다.
    5. 기본 도구 모음에서 페인트 브러시 모드를 사용하여 경색 된 뇌 조직을 분할합니다 (왼쪽 클릭으로 그리려면 마우스 오른쪽 단추로 지우십시오). 또는 다각형 모드를 사용하여 병변의 테두리에 앵커 포인트를 배치하거나(이러한 점은 선으로 자동으로 연결됨) 마우스를 병변의 테두리 위로 이동하는 동안 왼쪽 마우스 버튼을 누를 수 있습니다. 모든 앵커 포인트가 연결되면 수락을 클릭하여 설명된 영역을 채웁니다.
    6. 경색이 CT에 등온이되는 단계를 말하는 김서림 단계를 피하십시오 (식세포가있는 경색 조직의 침투와 함께 발생). 이것은 전형적으로 치기 개시 후에 14-21 일, 그러나 드문 경우에28이전 조차 생길 수 있습니다 발생합니다. 이 기간 동안 경색이 보이지 않거나 경계가 덜 명확해져이 단계가 경색 분할에 적합하지 않습니다. 안개 단계 후에, 병변은 캐비테이션 및 gliosis가 생길 때 다시 저밀도가 됩니다. 두 가지 예는 그림 4를 참조하십시오.
    7. 분할을 완료 한 후, 세그먼트를 클릭하여 스캔과 동일한 폴더에 이진 nifti 파일로 저장 | 드롭 다운 메뉴에서 세그먼트 이미지를 저장, 다음 세그먼트 스캔과 동일한 이름을 제공하여 세그먼트를 저장, 와 .lesion의 확장(예: 스캔이 "ID001"로 저장된 경우) CT.nii", "ID001"로 세분화를 저장합니다. CT.lesion.nii").
  3. DWI에 대한 경색 세분화
    1. 먼저 DWI가 뇌졸중 발병 후 7일 이내에 수행되었는지 확인합니다. 경색은 뇌졸중 발병 후 몇 시간 이내에 DWI에서 볼 수 있으며 DWI에 대한 가시성은 약 7 일 후에 점차적으로 감소합니다 (자세한 내용은 토론의 단락 2 참조).
    2. ITK-SNAP에서 DWI를 엽니다(3.2.2단계에서 수행된 것과 동일한 방식으로).
      참고: DWI 시퀀스는 대부분의 스캔 프로토콜에 대해 적어도 두 개의 이미지를 생성하며, 하나는 표준 T2 가중치 이미지인 b-값 = 0이고, 하나는 조직의 실제 확산 특성을 캡처하는 스캔인 더 높은 b-값으로 생성됩니다. b 값이 높을수록 확산 효과가 강해집니다. 허혈성 뇌졸중 검출의 경우 대부분의 경우29에서좋은 대비 대 잡음 비를 제공하기 때문에 약 1000 s/mm2의 b 값이 자주 사용됩니다. b 값이 높은 이미지는 경색 분할에 사용됩니다.
    3. 참조를 위해 ITK-SNAP의 별도 인스턴스에서 명백한 확산 계수(ADC) 시퀀스를 엽니다.
    4. ADC상에서 높은 신호(즉, 과강성)와 낮은 신호(즉, 저강도)에 기초하여 경색된 뇌 조직을 식별하고 비할 수 있습니다(그림 5참조). 경색의 ADC 값은 뇌졸중30후 평균 1 주 동안 정상화 될 때까지 점차적으로 증가하지만, 어떤 경우에는 혈관 발생 부종이 많은 경우 ADC가 이미 (거의) 정상화 될 수 있습니다.
      참고: 낮은 b-값을 가진 DWI 이미지에서는 본질적인 높은 T2 신호가 있는 두뇌 병변 (백색 물질 고강도 등)도 강렬하 게 나타날 수 있습니다. 이 현상은 T2 샤인 스루31이라고합니다. 그러나 B-값이 증가함에 따라 DWI 이미지의 신호가 본질적인 T2 신호 대신 확산 특성을 더 강하게 반영하기 때문에 이 현상은 관련성이 낮아집니다. 최신 DWI 스캔 프로토콜(일반적으로 b-값=1000 이상)을 사용하면 T2 샤인 스루 효과가32개로 제한됩니다.
    5. 공기와 일반적으로 관찰되는 아티팩트인 조직 또는 뼈 사이의 인터페이스 근처의 높은 DWI 신호를 경색으로 착각하지 마십시오. 그림 5를참조하십시오.
    6. 이진 nifti 파일로 추가 를 저장, 그것에 게 세그먼트된 스캔으로 정확 하 게 동일한 이름을 제공, .lesion의 확장 (단계에서 수행 하는 것과 같은 방식으로 3.2.7).
  4. FLAIR의 경색 세분화
    1. 먼저 뇌졸중 증상이 발병한 후 >48시간 검사를 수행했는지 확인합니다. 과급성 단계에서, 경색은 일반적으로 FLAIR 서열 상에서 보이지 않거나 경색의 정확한 경계는 불분명하다(도 6참조).
    2. 3.2.2단계에서와 동일한 방식으로 ITK-SNAP에서 FLAIR를 엽니다.
    3. 사용 가능한 경우 T1을 참조할 수 있는 별도의 ITK-SNAP 인스턴스를 엽니다.
    4. 다음 특성에 따라 경색 된 뇌 조직을 식별하고 분할합니다.
      1. 급성 단계 (처음 몇 주)에서, 경색은 명백한 팽윤 및 질량 효과의 유무에 관계없이 다소 균일 한 초강렬한 병변으로 볼 수 있습니다(그림 5).
      2. 만성 단계 (개월에서 년)에서 경색은 캐비테이션되어 중심이 FLAIR에서 저혈압 또는 등극이됩니다. 이 캐비티는 T1에서 가장 정확하게 식별할 수 있습니다. 대부분의 경우, 캐비테이션 센터는 GLIOSIS를 나타내는 FLAIR에 강렬한 테두리로 둘러싸여 있습니다. 33.
        참고: 그러나 만성 경색의 캐비테이션 및 글리오시스의 정도에는 상당한 변화가 있습니다. 캐비티와 초강렬한 림을 경색으로 구분합니다(단계 3.2.5 참조). FLAIR 과강렬한 병변은 항상 경색이 아닙니다. 급성 단계에서, 작은 피질 경색은 DWI가 존재할 때 백색 물질 고강도 또는 추정 된 혈관 기원의 가금류와 같은 다른 만성 병변과 쉽게 구별 될 수 있습니다 (그림 5참조). 만성 단계에서는 더 어려울 수 있습니다. 만성 단계에서 이러한 병변 유형을 구별하는 방법에 대한 자세한 내용은 토론에서 단락 3을 참조하십시오.
    5. 이진 nifti 파일로 추가 를 저장, 그것에 게 세그먼트된 스캔으로 정확 하 게 동일한 이름을 제공, .lesion의 확장 (단계에서 수행 하는 것과 같은 방식으로 3.2.7).
스캔 유형스트로크 후 시간 창경색 속성참조 스캔함정
코네티컷>24 시간급성: 저밀도-- 포깅 단계
만성: CSF가 있는 저밀도 캐비티와 더 적은 저밀도 림- 출혈성 변형
음주 운전lt;7 일강렬한ADC: 일반적으로 저강도- T2 샤인스루
- 공기와 뼈 / 조직 사이의 인터페이스 근처 높은 DWI 신호
감각>48 시간급성: 강렬한급성: DWI/ADC, T1 (등이스로강렬 또는 저강도)- 백색 물질 고강도
만성: 저강도 또는 등이강도(캐비티), 초강렬한 림만성: T1 (CSF 특성을 가진 저강 성).- 라쿠네스

표 1: 다른 검사 유형에 대한 경색 세분화에 대한 기준 요약입니다.

4. 표준 공간에 등록

  1. 에서 RegLSM을 다운로드 4. 이 도구를 사용하여 CT 스캔 및 모든 종류의 MRI 서열을 처리합니다. 등록 절차는 그림 7에나와 있습니다.
    참고: RegLSM의 선택적 특징은 뇌 위축22를가진 노인 환자의 스캔과 더 밀접하게 유사한 중간 CT / MRI 템플릿에 등록을 포함합니다. 기본적으로 CT 및 MRI 스캔은 MNI-152 템플릿34에등록되어 있지만 연구에 더 적합한 경우 다른 템플릿으로 대체 할 수 있습니다. 그림 7에다른 등록 계획이 나와 있습니다. 다른 오픈 소스 등록 도구도 이 단계에 사용할 수 있습니다.
  2. 확인 1) nifti 파일이 압축되지 않은 경우, 2) 분할 된 스캔의 파일 이름에 CT, FLAIR 또는 DWI라는 용어가 포함되어 있는지, 3) 병변 어노테이션의 파일 이름에 ".lesion"이 추가된 동일한 용어가 포함되어 있는지 확인합니다. 이러한 처음 세 단계를 따르는 경우 데이터는 등록을 위해 완전히 준비되며 변경할 필요가 없습니다.
  3. OPEN MATLAB (버전 2015a 이상), RegLSM에 현재 폴더를 설정 (이 폴더는 35에서 다운로드 할 수 있습니다 (버전 12 이상, 무료 다운로드 에서 ) addpath {폴더 이름 SPM}. 다음으로 RegLSM을 입력하여 GUI를 엽니다.
  4. 등록 드롭다운 메뉴에서 테스트 모드를 선택하여 단일 케이스에 대한 등록을 수행합니다. 테스트 모드 패널에서 열린 이미지 버튼을 사용하여 스캔(CT, FLAIR 또는 DWI), 주석 및 선택적으로 T1을 선택합니다. 등록 구성표를 선택합니다: T1유무에 관계없이 CT, FLAIR, T1 유무에 관계없이 DWI.
  5. 또는 일괄 처리 모드를 선택하여 선택한 폴더의 모든 사례의 스캔을 일괄 처리 모드로 등록합니다.
  6. RegLSM이 결과 등록 매개 변수와 등록된 검사(중간 단계 포함) 및 등록된 병변 맵을 자동으로 생성되는 하위 폴더에 저장해야 합니다. 이 과정에서 등록된 스캔 및 병변 맵은 MNI-152 템플릿의 분해능(등방성 1 mm 3복셀) 및 각도에 맞게 재샘플링됩니다.

5. 등록 결과 검토

  1. RegLSM GUI에서 옵션 검사 결과를 선택하고 등록 결과를 사용하여 기본 폴더를 찾아봅니다. GUI는 등록된 병변 맵과 함께 등록된 스캔을 자동으로 선택하고, MNI-152 템플릿을 가로, 시상 및 관상 방향에서 등록된 병변 맵과 함께 선택한다(도 8참조).
  2. 등록된 스캔을 스크롤하고 십자선을 사용하여 등록된 스캔 및 MNI-152 템플릿의 정렬을 확인합니다. 기초 중추, 심실 및 두개골과 같은 인식 가능한 해부학 적 랜드 마크의 정렬에 특별한주의를 기울이하십시오.
  3. 섹션 6의 후속 수동 수정을 위해 데이터 파일(1.2단계에서 만든)의 별도 열에 모든 실패한 등록을 표시합니다.
    참고: 등록의 일반적인 오차는 급성 기에서 병변에 의한 질량 효과로 인한 불완전한 정렬, 또는 만성 단계에서 심실의 ex vacuo 확대. 이러한 정렬 불량의 예는 그림 3 및 그림 5를 참조하십시오. 또 다른 일반적인 오류는 텐토리움 소뇌의 정렬 불량이며, 이 경우 후두 경색이 템플릿의 소뇌와 겹칠 수 있습니다. 병변이 되지 않는 조직의 정렬 불량은 후속 병변-증상 매핑 분석에서 이진 병변 맵만 사용될 때 문제가 되지 않습니다. 이러한 경우 병변만 완벽하게 정렬해야합니다.

6. 수동으로 등록 오류를 수정

  1. 보정이 필요한 병변 맵의 경우 ITK-SNAP에서 MNI-152 T1 템플릿을 열고 세분화 메뉴에서 선택 | 오픈 세분화 | 등록 병변지도,이는 지금 템플릿에 오버레이된다.
  2. 참조를 위해 ITK-SNAP의 별도 인스턴스에서 등록된 뇌 스캔을 엽니다.
  3. 5.3 단계에서 언급된 모든 유형의 정렬 불량에 대해 ITK-SNAP에 등록된 병변 맵을 수정하여 브러시 기능을 사용하여 복셀(왼쪽 클릭)을 추가하거나 복셀(오른쪽 클릭)을 제거합니다. 등록된 스캔 및 중첩병변 맵(단계 5.2 참조)을 ITK-SNAP에서 MNI-152 템플릿 및 중첩 병변 맵과 신중하게 비교하여 정렬 불량 영역을 식별합니다(단계 6.1 참조). 그림 3 및 그림 5를참조하십시오.
  4. MNI 공간에서 병변 맵을 수동으로 수정한 후, MNI 공간에서 교정된 병변 맵과 환자의 분절된 네이티브 스캔을 비교하여 최종 검사를 수행한다(즉, 6.3단계의 결과). MNI 공간에서 수정된 병변 맵이 이제 네이티브 공간의 경색을 정확하게 나타내는지 확인합니다. 기초 중추, 심실 및 두개골과 같은 인식 가능한 랜드마크에 특별한주의를 기울이세요 (5.2 단계와 유사).
  5. MNI-152 공간의 수정되지 않은 병변 맵과 동일한 폴더에 이진 nifti 파일로 MNI 공간에 수정된 병변 맵을 저장하여 .corrected의 확장과 함께 수정되지 않은 병변 맵과 동일한 이름을 지정합니다.

7. 병변 증상 매핑을 위한 데이터 준비

  1. 모든 병변 맵의 이름을 바꿉니다. 기본적으로 RegLSM은 파일 이름 "결과"가 있는 하위 폴더에 병변 맵을 저장했습니다. 파일 이름에 제목 ID를 포함합니다. 수동 수정의 경우 수정된 파일을 선택하고 이름을 바꿉니다.
  2. 모든 병변 맵을 단일 폴더에 복사합니다.
  3. ITK-SNAP에서 여러 병변 맵을 임의로 선택하고 검사하여 데이터의 정세 검사를 수행하고 이를 네이티브 스캔과 비교하여 왼쪽-오른쪽 뒤집기와 같은 데이터 처리의 체계적인 오류를 배제합니다.
  4. MRIcron & lt;https://www.nitrc.org/project/mricron>를 사용하여 병변 중복 이미지를 만들어 뇌 템플릿 외부에 병변이 없는지 확인하여 데이터의 또 다른 온전성 검사를 수행합니다. 그리기 드롭다운 메뉴를 선택하여 이 작업을 수행 | 통계 | 겹치는 이미지를 만듭니다.
    참고: 생성된 병변 오버레이 맵은 MNI-152 템플릿에 투영되고 MRIcron 또는 ITK-SNAP와 같은 사용하여 검사될 수 있습니다.
  5. 병변 지도는 지금 병변 지도와 동일한 표준 공간에 등록된 아틀라스를 사용하여 복셀 기지를 둔 병변 현상 지도 또는 관심있는 특정 지구 내의 경색 부피의 계산을 위해 사용될 준비가 되었습니다 (이 경우, MNI-152 공간 많은 아틀라스를 사용할 수 있으며, 그 중 몇 가지만36,37,38)아래에 인용됩니다.

결과

CT에 대한 뇌 경색 세분화의 예시 사례(그림 3),DWI(그림 5),및 FLAIR(그림 6)이미지, 및 MNI-152 템플릿에 대한 후속 등록이 여기에 제공된다. 도 3B 및 도 5C에 도시된 등록 결과는 심실의 전두엽 경적 근처에 정렬 불량이 있었기 때문에 완전히 성공하지 못했다. 이러한...

토론

LSM은 인간의 뇌의 기능적 구조를 연구할 수 있는 강력한 도구입니다. 어떤 병변 현상 매핑 연구 결과에 있는 결정적인 단계는 화상 진찰 데이터의 전처리, 병변의 분할 및 두뇌 템플릿에 등록입니다. 여기에서, 우리는 병변 현상 매핑의 목적을 위한 병변 분할 및 등록을 위한 표준화한 파이프라인을 보고합니다. 이 방법은 자유롭게 이용 가능한 이미지 처리 도구를 사용하여 수행할 수 있고, CT 및 ?...

공개

저자는 이해 관계의 충돌을 공개하지 않습니다.

감사의 말

비스브룩 박사의 작품은 위트레흐트 대학 의료 센터의 뇌 센터 루돌프 매그너스의 젊은 인재 펠로우십에 의해 지원됩니다. 이 작품과 메타 VCI지도 컨소시엄은 Vici Grant 918.16.616에 의해 지원됩니다 ZonMw에서, 네덜란드, 건강 연구 및 개발을위한 조직, 게르트 얀 비셀에. 저자는 인물 중 하나에 사용 된 스캔을 공유 한 탄자 C.W. Nijboer 박사에게 감사드립니다.

자료

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/

참고문헌

  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).

재인쇄 및 허가

JoVE'article의 텍스트 или 그림을 다시 사용하시려면 허가 살펴보기

허가 살펴보기

더 많은 기사 탐색

151

This article has been published

Video Coming Soon

JoVE Logo

개인 정보 보호

이용 약관

정책

연락처

사서에게 추천하기

JoVE 뉴스레터

연구

교육

저자

사서

JoVE 소개

Copyright © 2025 MyJoVE Corporation. 판권 소유