휴지 상태 fMRI에서 시각 피질의 지역 균질성 및 기능적 연결성 매핑

요약

우리는 결합된 지역 균질성 및 기능적 연결성 방법을 사용하여 색소성 망막염 환자의 자발적 신경 활동 변화를 조사하기 위해 기능적 자기 공명 영상 데이터를 분석하는 프로토콜을 제시합니다.

초록

비침습적 기능적 자기 공명 영상(fMRI) 방법의 일종인 결합된 국소 균질성(ReHo) 및 기능적 연결성(FC) 방법이 결합되어 색소성 망막염(RP)의 동기 신경 활성 변화를 평가하는 데 사용되었습니다. 이 연구의 목적은 RP 환자의 신경 활동 변화의 지역 내 및 지역 간 동기화를 분석하는 방법을 설명하는 것입니다. ReHo 및 FC 방법을 결합한 것의 장점은 비침습적이고 생체 내에서 대뇌 동기 신경 세포 활동의 변화를 조사할 수 있을 만큼 충분히 민감하다는 것입니다. 여기에서 연령, 성별 및 교육 수준이 밀접하게 일치하는 16명의 RP 환자와 14명의 건강한 대조군이 휴식 상태 fMRI 스캔을 받았습니다. 그룹 간에 ReHo와 FC를 비교하기 위해 두 개의 표본 t-검정을 수행했습니다. 본 연구의 결과는 RP 환자에서 망막-시상피질 경로와 등쪽 시각 흐름의 시각적 네트워크 단절과 재편성이 발생했음을 보여주었습니다. 여기에서는 이 방법의 세부 사항, 사용 및 주요 매개변수의 영향을 단계별로 설명합니다.

서문

기능적 자기공명영상(fMRI)은 생체 내에서 뇌 기능 및 구조의 변화를 조사하는 데 사용할 수 있는 비침습적 방법입니다. 지역 동질성(ReHo) 및 기능적 연결성(FC)은 종종 뇌 활동의 지역 내 및 지역 간 동기화를 평가하는 데 사용됩니다. 휴지 상태 fMRI 방법론인 ReHo는 주어진 복셀의 시계열과 가장 가까운 이웃 사이의 유사성을 계산하는 데 사용되며, 이는 뇌 활동의 국소 동기화를 반영합니다¹. FC는 공간적으로 멀리 떨어진 지역 시계열² 간의 유사성을 조사하는 데 사용됩니다.

fMRI 기술은 안과 질환 관리의 맥락에서 시각 기능에 대한 객관적인 평가를 제공할 수 있습니다. 여기에서는 이러한 경험을 공유하고 전문 지식의 보급을 지원하기 위해 ReHo와 FC 방법을 결합한 방법론적 프로토콜을 제시합니다. 본 연구에서는 절차의 세부 사항을 정교화하기 위해 색소성 망막염(RP) 피험자와 건강 대조군(HC)에 ReHo 및 FC 프로토콜을 사용했습니다. RP는 야간 시력 장애와 점진적인 시력 상실을 특징으로 하는 심각한 유전성 안과 질환입니다 ^3,4. 유전적 돌연변이는 RP의 주요 위험 요소입니다. 간상세포와 원추세포엽세포의 사멸은 RP 환자의 말초 시력 상실로 이어지고 최종적으로 실명으로 이어집니다. 이전의 신경영상 연구는 RP 환자의 시각 피질과 시각 경로에서 구조적 및 기능적 이상을 보여주었다 ^5,6,7. 또한 확산 텐서 이미징을 사용하여 백질 섬유 다발의 무결성을 조사했습니다. RP 환자는 HC에 비해 현저히 높은 겉보기 확산 계수, 주 고유값 및 직교 고유값을 보였으며 시신경의 분획 이방성(fractional anisotropy)이 유의하게 낮았다⁸.

여기서 우리의 목표는 뉴런 활동의 지역 내 및 지역 간 동기화를 탐구하는 것이었습니다. 평균 ReHo 값과 평균 FC 값이 RP 환자의 임상 변수와 상관관계가 있는지 조사했습니다. 우리의 방법을 통해 연구자들은 RP 환자의 주변 시력 상실의 신경 메커니즘에 대한 중요한 통찰력을 얻을 수 있습니다.

프로토콜

이 연구 프로토콜은 우한대학교 인민병원(Renmin Hospital)의 의료윤리위원회(Medical Ethics Committee)의 승인을 받았다. 모든 참가자는 서면 동의서를 작성했습니다.

1. 참가자 분류 및 심사

1. 연령, 성별 및 교육이 밀접하게 일치하는 RP 과목 및 HC를 등록하십시오.
2. 모든 참가자가 다음 기준을 충족하는지 확인하십시오: 1) MRI 스캐너로 스캔할 수 있음(예: 심장 박동기 또는 이식된 금속 장치가 없어야 함). 2) 밀실 공포증이 없습니다. 3) 심장병, 고혈압, 뇌질환이 없는 경우

2. fMRI 데이터 수집

참고: 이 프로토콜에는 8채널 헤드 코일이 있는 3T MRI 스캐너가 사용됩니다.

1. 각 참가자에게 최종 안전 점검 후 MRI 스캐너실에 들어가기 전에 금속 물체를 제거하도록 요청합니다.
2. 참가자에게 침대에 눕도록 지시하고 안와선이 침대와 수직이 되도록 합니다. 그런 다음 머리의 양측 측두 부위에 폼 패드를 놓아 머리의 움직임을 방지하고 귀마개를 제공하여 스캐너의 소음을 줄입니다.
3. 참가자에게 가만히 누워 있고, 잠들지 않고 눈을 감고 있으며, 스캔하는 동안 특별히 아무 것도 생각하지 않도록 지시합니다.
4. 포지셔닝 라이트를 통해 참가자의 머리 위치를 조정합니다. 축 위치 지정 커서가 측면 각도와 평행하고 시상 위치 지정 커서가 면의 정중선과 일치하는지 확인합니다. 다음으로, 침대를 이동하여 축 위치 지정 커서가 참가자의 눈썹 위 또는 아래에 2cm 유지되도록 합니다.
5. 참가자에게 스캔 세션의 시작을 알립니다. 스캐닝 콘솔을 사용하여 구조 로컬라이저 스캔을 시작하여 스캐너에서 참가자의 머리 위치를 확인하고 후속 구조 및 기능 스캔을 계획할 수 있습니다.
6. 다음 시퀀스 및 파라미터를 사용하여 fMRI를 수행합니다.
   1. 다음 매개변수를 사용하여 3차원 뇌 용적 영상(3D-BRAVO) MRI를 수행합니다: 반복 시간(TR)/에코 시간(TE) = 8.5ms/3.3ms; 두께 = 1.0 mm; 교차로 갭 없음; 획득 매트릭스 = 256 x 256; 시야각 = 240 x 240 mm²; 플립 각도 = 12°.
   2. 다음 매개변수를 사용하여 EPI-BOLD(Gradient echo-planar imaging blood oxygenation level-dependent) 이미징을 사용하여 기능적 이미지를 얻습니다: TR/TE = 2,000ms/25ms; 두께 = 3.0mm; 갭 = 1.2mm; 획득 매트릭스 = 256 x 256; 시야각 = 240 x 240 mm²; 복셀 크기 = 3.6 x 3.6 x 3.6 mm³; 및 35 축 슬라이스.
7. 스캔 기간 동안 참가자의 상태를 주시하고, 가능한 한 적게 움직이도록 지시하고, 참가자가 불편함을 느끼면 스캔을 중지합니다.
8. 참가자를 스캐너에서 제거하고 참가자에게 실험이 끝날 때 조심스럽게 앉도록 요청합니다.

3. 데이터 전처리 및 소프트웨어 준비

참고: 이 프로토콜에서 분석된 기능 이미지는 MATLAB 2013a를 기반으로 SPM8 및 toolbox for Data Processing & Analysis for Brain Imaging(DPABI, http://rfmri.org/dpabi)⁹ 에 의해 전처리됩니다. 각 fMRI 세션에 대해 다음 전처리 단계를 개별적으로 수행합니다.

1. dpabi를 클릭하여 MATLAB 터미널에서 DPABI 소프트웨어를 연 다음 DPARSF 4.3 Advanced Edition을 선택하고 "FunRaw" 폴더를 가져옵니다(그림 1).
   참고 : FunRaw 폴더에는 각 참가자의 DICOM 파일이 포함되어 있습니다.
2. FunRaw를 클릭하여 fMRI 스캔 파일을 일관된 번호 매기기 체계(예: "sub0001", "sub0002" 등)로 DPABI로 가져옵니다. 작업 디렉토리와 초기 EPI 및 T1 디렉토리를 선택하고 섹션 4에서 실행을 클릭하기 전에 3.3–3.9단계에서 원하는 모든 매개변수를 계속 선택합니다.
3. 타이밍 포인트 = 240 및 TR = 2 매개변수를 입력합니다(그림 2). EPI DICOM을 NIFTI로 선택하여 기능 이미지를 DICOM에서 NIFTI 형식으로 변환하고 각 기능 이미지의 처음 10개 볼륨을 제거합니다.
4. DPABI 소프트웨어에서 Slice Timing(슬라이스 타이밍 ) 및 Realign(재정렬 ) 확인란을 선택하여 슬라이스 타이밍 효과 및 머리 움직임 보정에 대한 나머지 230개 용량의 기능적 혈액 산소 농도 의존 이미지를 수정합니다.
   참고: 머리 움직임의 경우 스캔 중 머리 움직임이 >2mm 또는 >2° 회전하는 참가자의 데이터는 제외해야 합니다. 슬라이스 순서의 경우, 벡터의 숫자 시퀀스는 이러한 레이어의 수집 시간 순서입니다. 선택한 슬라이스 번호는 40이고, 슬라이스 순서는 [1:2:39,2:2,40]이며, 참조 슬라이스는 39입니다.
5. DPABI 소프트웨어를 사용하여 DARTEL로 표준화 를 선택합니다.
   참고: 이 옵션을 선택하면 소프트웨어가 평균 fMRI 데이터에 등록된 개별 T1 가중치 구조 이미지를 사용하여 공간 정규화를 자동으로 수행합니다. 이렇게 정렬된 T1 가중치 영상은 fMRI 데이터의 정규화 중 공간 정밀도를 개선하기 위해 DARTEL 툴박스를 사용하여 분할됩니다. 정규화된 데이터(Montreal Neurological Institute[MNI] 152 공간)는 3 x 3 x 3 mm³의 해상도로 다시 슬라이스됩니다.
6. DPABI 소프트웨어에서 Detrend 를 선택하여 선형 추세를 제거합니다.
7. Nuisance Covariates Regression 확인란을 선택하고 머리 움직임 모델, 백색질 신호, 전역 평균 신호 및 뇌척수액 신호 파라미터를 선택합니다.
8. DPABI 소프트웨어에서 머리 움직임으로 인한 잘못된 시점을 제거하려면 스크러빙 확인란을 선택하십시오.
9. 고주파 생리적 잡음과 저주파 드리프트를 제거하려면 DPABI 소프트웨어에서 필터 [0.01-0.08] 상자를 선택하여 0.01–0.08Hz 사이의 신호를 유지합니다.
   참고: 데이터 준비 후 ReHo 및 FC 분석을 수행할 수 있습니다.

4. ReHo 및 FC 분석

1. ReHo 계산을 위해 MATLAB을 통해 DAPABI 소프트웨어를 열고 클러스터에서 27개의 복셀을 선택합니다. ReHo 를 마우스 왼쪽 버튼으로 클릭하고 [6*6*6]을 매끄럽게 한 다음 실행을 선택합니다.
   참고: Kendall의 일치 계수는 27개의 복셀과 가장 가까운 이웃의 시계열의 Kendall의 일치 계수를 계산하여 주어진 복셀에 할당됩니다. 그룹 간의 통계적 비교에 대한 개별 변동의 영향을 줄이기 위해 각 복셀의 ReHo 맵은 Fisher의 r-to-z 변환을 사용하여 z 변환됩니다. 나머지 z ReHo 맵은 최대 절반에서 6*6*6 전체 너비의 가우스 커널을 사용하여 공간적으로 평활화됩니다.
2. FC 계산을 위해 MATLAB을 통해 DAPABI 소프트웨어를 열고 두 그룹 간의 변경된 ReHo 브레인 영역을 관심 영역(ROI)으로 정의합니다. Functional Connectivity 를 클릭하고 ROI(반경 = 10mm에서 x = 0, y = -69 및 z = -3을 중심으로)를 정의한 다음 Run을 선택합니다.
   참고: 각 참가자의 시간 경과에 대한 상관 관계 분석은 구형 종자 영역과 전체 뇌 복셀 사이에서 수행됩니다. 모든 FC 맵은 그룹 간의 통계적 비교에 대한 개별 변동의 영향을 줄이기 위해 Fisher의 r-to-z 변환에 의해 z-변환됩니다. 좌표 주위의 ROI 반경은 10mm(X = 0, Y = -69, Z = -3)여야 합니다.

5. 통계 분석

1. 관련 파일 데이터를 처리한 후 ReHo 및 FC라는 폴더를 찾습니다. zReHo.nii 및 zFC.nii의 파일을 "RP-group-ReHo", "HC-group-ReHo", "RP-group-FC" 및 "HC-group-FC"의 네 개의 하위 폴더로 분류합니다.
2. MATLAB을 통해 DPABI를 열어 단일 표본 t-검정을 수행합니다.
   1. 통계 분석을 마우스 왼쪽 버튼으로 클릭한 다음 one-Sample t-test를 클릭합니다. 출력 결과의 이름을 "one-sample-t-test-RP"로 지정하고 출력 디렉토리를 설정합니다.
   2. 그룹 이미지 추가를 마우스 왼쪽 버튼으로 클릭하고 "RP-group-ReHo" 하위 폴더를 엽니다.
   3. 마스크 파일 옵션에서 마우스 왼쪽 버튼을 클릭하여 "mask" 폴더에서 "BrainMask-05-61*73*61" 하위 파일을 엽니다.
   4. 컴퓨팅을 선택하여 프로그램을 실행합니다. "one-sample-t-test-HC" 그룹에 대해 이와 동일한 절차를 수행합니다.
      참고: 1표본 t-test는 DPABI 소프트웨어에서 각 그룹의 평균 ReHo 맵을 분석하고 표시하는 데 사용됩니다.
3. MATLAB을 통해 DPABI를 열어 두 개의 표본 t-검정을 수행합니다.
   1. 통계 분석을 마우스 왼쪽 버튼으로 클릭한 다음 2표본 t-검정을 선택합니다. 출력 결과의 이름을 "two-sample-t-test-ReHo"로 지정하고 출력 디렉터리를 설정합니다.
   2. Add Group Images(그룹 이미지 추가)를 마우스 왼쪽 버튼으로 클릭하고 "RP-group-ReHo" 및 "HC-group-ReHo" 하위 폴더를 엽니다.
   3. 마스크 파일 옵션에서 마우스 왼쪽 버튼을 클릭하여 "mask" 폴더에서 "BrainMask-05-61*73*61" 하위 파일을 엽니다.
   4. 컴퓨팅을 선택하여 프로그램을 실행합니다. "two-sample-t-test-FC"에 대해 동일한 절차를 수행합니다. 통계 분석 및 가우스 랜덤 필드(GRF) 수정[양측, 복셀 수준(0.01) 및 복셀 수준(0.05)]을 클릭한 다음 실행을 클릭합니다.
      참고: zReHo 맵과 zFC 맵 그룹 간의 차이는 두 개의 샘플 t-검정으로 비교됩니다. GRF는 DPABI 소프트웨어를 사용하여 연령 및 성별의 다중 비교 및 회귀 공변량을 수정하는 데 사용됩니다.
4. BrainNet Viewer 소프트웨어(https://www.nitrc.org/projects/bnv/)를 사용하여 결과를 표시합니다.
   1. MATLAB을 통해 BrainNet을 열고 파일 불러오기를 클릭합니다. 표면 파일의 경우 찾아보기 를 클릭하고 BrainMesh-ICBM152-smoothed.nv를 선택한 다음 확인을 클릭합니다. 볼륨 파일의 경우 spm-T.nii (ReHo 및 FC 결과 포함)를 선택한 다음 확인을 클릭합니다.
5. 통계 소프트웨어를 사용하여 이전 단계에서 얻은 데이터를 처리합니다.
   참고: 카이 제곱 검정은 성별 비교에 사용되는 반면 독립 표본 t-검정은 다른 임상 변수에 사용됩니다. 계량형 변수는 평균과 표준 편차로 표시됩니다.
6. 통계 소프트웨어를 사용하여 서로 다른 뇌 영역의 zReHo 값과 zFC 값 및 시각적 측정 데이터 간의 관계를 식별하기 위해 Pearson 상관 계수 분석을 수행합니다.
   1. DPABI 소프트웨어를 사용하여 각 참가자의 zReHo 값 및 zFC 값의 ROI 신호를 얻습니다. ROI 신호 추출기를 클릭하고 ROI mask.nii 파일이 있는 디렉토리 추가를 클릭합니다.
      참고: <0.05의 P 값은 통계적으로 유의한 것으로 간주되어야 합니다.

결과

본 연구에서는 연령, 성별 및 교육 수준이 밀접하게 일치하는 16명의 RP 개인과 14명의 건강한 대조군이 휴식 상태 fMRI 스캔을 받았습니다. ReHo 및 FC 방법을 사용하여 RP 개인의 내부 및 상호 동기 뉴런 활동을 탐색했습니다. BCVA는 오른쪽 눈(P < 0.001)과 왼쪽 눈(P < 0.001) 간에 유의한 차이가 관찰되었으나, 두 그룹 간의 성별, 연령 또는 체중의 차이는 유의하지 않았다.

토론

이 보고서는 RP 및 HC 그룹에 대한 ReHo 및 FC 값을 계산하기 위한 프로토콜을 설명하고 두 그룹 간에 ReHo 및 FC 값이 크게 다르다는 것을 보여주었습니다. 특히 이 과정에서 중요한 단계는 실험 전에 샘플을 분류하고 선별하는 것입니다. 이 프로토콜을 자체 분석에 적용했을 때, 모든 RP 피험자는 두 명의 경험 많은 안과 의사에 의해 진단되었습니다. 녹내장, 백내장, 시위축과 ...

자료

Name	Company	Catalog Number	Comments
BrainNet Viewer software	National Key Laboratory of Cognition Neuroscience and Learning, BNU	BrainNet Viwer 2013	BrainNet Viewer is a brain network visualization tool to visualize structural and functional connectivity patterns
DPABI software	Institute of Psychology, CAS, Beijing, China	DPABI 4.3	DPABI is a toolbox for data processing and analysis of brain imaging.
MATLAB	MathWorks, Natick, MA, USA	2013a	MATLAB is a high-level technical computing language and interactive environment for algorithm development, data visualization, data analysis, and numeric computation.
MRI scanner	GE Healthcare, Milwaukee	MRI 3.0
SPM software	Wellcome Centre for Human Neuroimaging, UCL	SPM8	SPM8 is a major update to the SPM software, containing substantial theoretical, algorithmic, structural and interface enhancements over previous versions.
SPSS	IBM, Chicago, IL, USA	SPSS version 20.0	SPSS software platform offers advanced statistical analysis, text analysis, open-source extensibility, integration with big data and seamless deployment into applications.