구조적 자기 공명 영상을 사용하여 인간의 소뇌 회색 물질 Morphometry를 검사하기위한 표준화 된 파이프 라인

요약

소뇌 회색 물질 형태 측정을 검사하기 위해 표준화 된 파이프 라인이 제시됩니다. 이 파이프라인은 최적화되고 자동화된 소뇌 파셀레이션을 위한 고해상도의 최첨단 접근 방식과 체적 정량화를 위한 소뇌의 복셀 기반 등록을 결합합니다.

초록

여러 분야의 연구는 다양한 인지 및 정서적 기능에서 소뇌의 역할에 대한 강력한 증거를 제공하며, 이는 운동 제어와의 역사적 연관성을 훨씬 뛰어 넘습니다. 구조적 및 기능적 신경 영상 연구는 해부학 적 분열을 넘어 소뇌의 기능적 신경 해부학에 대한 이해를 더욱 정교하게 만들어 건강한 가변성 및 신경 질환에서 개별 소뇌 하위 단위의 검사의 필요성을 강조합니다. 이 논문은 최적화되고 자동화 된 소뇌 파셀레이션을위한 고해상도, 최첨단 접근법을 결합한 소뇌 회색 물질 형태 측정법을 검사하기위한 표준화 된 파이프 라인을 제시합니다 (U-Net Locally Constrained Optimization을 사용하는 자동 소뇌 해부학 적 Parcellation; ACAPULCO) 및 복셀-기반 소뇌의 등록(공간적으로 편향되지 않은 인프라-텐토리얼 템플리트; SUIT) 용적 정량화를 위한 것이다.

파이프 라인은 다양한 신경 질환에 광범위하게 적용 할 수 있으며 출력의 품질 관리에만 필요한 수동 개입으로 완전히 자동화되어 있습니다. 파이프 라인은 상당한 설명서와 함께 무료로 사용할 수 있으며 Mac, Windows 및 Linux 운영 체제에서 실행할 수 있습니다. 파이프 라인은 프리드리히 운동 실조 (FRDA)를 가진 개인의 코호트에 적용되며, 대표적인 결과와 그룹 수준의 추론 통계 분석에 대한 권장 사항이 제공됩니다. 이 파이프 라인은 현장 전반에 걸쳐 신뢰성과 재현성을 촉진하여 궁극적으로 신경 질환의 소뇌 구조 변화를 특성화하고 추적하기위한 강력한 방법 론적 접근 방식을 제공 할 수 있습니다.

서문

소뇌는 역사적으로 운동 제어 ^1,2,3과 관련된 뇌의 일부이며 유전 된 운동 실조증⁴와 같은 희귀 질환의 작은 세트에만 통합적으로 관여하는 것으로 생각됩니다. 그러나 비인간 영장류의 해부학 적 추적 연구뿐만 아니라 인간 병변 및 신경 영상 연구에서 수렴 된 연구 라인은 광범위한 인지 5,6,7, 정서적 8,9,10,11 및 기타 비 운동 기능 ^7,12에서 소뇌의 역할에 대한 강력한 증거를 제공합니다 (⁶ 참조).  검토를 위해). 또한, 소뇌의 이상은 파 킨슨 병 13, 알츠하이머 병 14,15, 간질^16,17, 정신 분열증 18 및 자폐증 스펙트럼 장애 ¹⁹를 포함한 광범위한 신경 및 정신 질환 장애에 점점 더 연루되어 있습니다. . 따라서 소뇌를 인간의 뇌 질환 및 규범 적 행동 변동성의 기능적, 구조적 모델에 통합하는 것이 필수적이되었습니다.

해부학적으로, 소뇌는 열등한 축보다 우월한 축을 따라 전방, 후부 및 응집체의 세 개의 엽으로 나눌 수 있습니다. 엽은 로마 숫자 I-X ^20,21로 표시된 ¹⁰ 개의 소엽으로 더 세분화됩니다 (그림 1). 소뇌는 또한 척수 및 대뇌 피질로부터 각각 입력을받는 중간 선 (vermis) 및 측면 (반구) 영역으로 그룹화 될 수 있습니다. 소엽 I-V를 포함하는 전엽은 전통적으로 운동 과정과 연관되어 왔으며 대뇌 운동 피질(²²)과 상호 연결되어 있다. 소엽 VI-IX를 포함하는 후엽은 주로 비운동 과정(¹¹)과 연관되며, 전두엽 피질, 후두엽 정수리 및 우수한 측두엽 대뇌 피질^(8,23)과 상호 연결을 갖는다. 마지막으로, 소엽 X를 포함하는 응집성 엽은 자세와 보행²¹ 동안 안구 운동과 신체 평형을 지배하는 전정 핵과 상호 연결을 가지고 있습니다.

기능적 신경 영상을 사용하는 최근의 연구가 늘어나면서 소뇌의 기능적 신경 해부학에 대한 이해가 해부학 적 분열을 넘어 더욱 정교 해졌습니다. 예를 들어, 휴지-상태 기능적 자기 공명 영상(fMRI) 기술은 소뇌와 대뇌(²⁴) 사이의 기능적 상호작용의 패턴을 매핑하기 위해 사용되어 왔다. 또한 작업 기반 파셀레이션 접근법을 사용하여 King과 동료^7은 소뇌가 다양한 운동, 정서적, 사회적 및인지 적 작업과 관련된 뚜렷한 기능적 경계에 의해 입증 된 폭 전반에 걸쳐 풍부하고 복잡한 기능적 전문화 패턴을 보여 준다는 것을 보여주었습니다. 총체적으로,이 연구는 소뇌 구조 및 / 또는 기능의 변화를 특징으로하는 건강한 가변성과 신경 질환 모두에서 소뇌 관여의 완전한 생물학적 특성을 개발하기 위해 개별 소뇌 서브 유닛을 조사하는 것이 중요하다는 것을 강조합니다.

본 연구는 인간의 구조적 MRI를 사용하여 소뇌 부피의 국소 변화를 정량화하는 방법에 중점을 둡니다. 일반적으로 MRI 데이터를 사용하여 지역 뇌량을 정량화하는 두 가지 기본 접근법이 있습니다 : 기능 기반 세분화 및 복셀 기반 등록. 기능 기반 세분화 접근법은 해부학적 랜드마크와 표준화된 아틀라스를 사용하여 하위 영역 간의 경계를 자동으로 식별합니다. 세분화를 위한 주류 소프트웨어 패키지에는 FreeSurfer²⁵, BrainSuite²⁶ 및 FSL-FIRST²⁷이 포함됩니다. 그러나 이러한 패키지는 소뇌의 거친 부분 (예 : 각 반구의 전체 회색 물질과 전체 백색 물질을 표시)만을 제공하므로 개별 소뇌 소엽이 내려다 보입니다. 이러한 접근법은 또한 잘못된 세분화, 특히 주변 혈관 구조의 과다 포함에 취약합니다.

암시적 다중 경계 진화를 이용한 소뇌 소엽 자동 분류(ACCLAIM^28,29), 소뇌 분석 툴킷(CATK 30), 다중 자동 생성 템플릿(MAGeT³¹), 인간 소뇌와 그 소엽의 신속한 자동 세분화(RASCAL³² 포함)를 포함하여 소뇌의 보다 정확하고 세밀한 파셀레이션을 제공하는 새로운 기계 학습 및 다중 아틀라스 라벨링 알고리즘이 개발되었습니다. ), 그래프 컷 세그멘테이션(³³), 및 CEREbellum 세그멘테이션(CERES³⁴). 최첨단 완전 자동화 소뇌 파셀레이션 접근법을 비교한 최근 논문에서, CERES2는 소뇌 소엽(³⁵)의 금 표준 수동 분할에 비해 다른 접근법보다 성능이 뛰어난 것으로 밝혀졌다. 최근에, Han과 동료³⁶은 ACAPULCO(국부적으로 제한된 최적화를 가진 U-Net을 이용한 자동 소뇌 해부학적 Parcellation)라는 딥 러닝 알고리즘을 개발했는데, CERES2와 동등하게 수행되고, 건강한 소뇌와 위축된 소뇌 모두에 광범위한 적용 가능성을 가지며, '기성품' 구현을 위해 오픈 소스 Docker 및 Singularity 컨테이너 형식으로 제공되며, 다른 접근법보다 시간 효율적이다. ACAPULCO는 소뇌를 28 개의 해부학 적 영역으로 자동 분할합니다.

기능 기반 세분화와는 달리, 복셀 기반 등록 접근법은 MRI를 템플릿 이미지에 정확하게 매핑하여 작동합니다. 이 매핑을 수행하려면 원본 이미지의 복셀이 크기와 모양으로 왜곡되어야합니다. 이 왜곡의 크기는 금 표준 템플릿에 상대적인 각 복셀에서 부피의 척도를 효과적으로 제공합니다. 이러한 형태의 체적 평가는 '복셀 기반 형태측정법'³⁷으로 알려져 있다. FSL-FLIRT³⁸/FNIRT³⁹, SPM 통합 세분화(⁴⁰) 및 CAT12⁴¹과 같은 전뇌 복셀 기반 등록 접근법은 복셀 기반 형태측정에 일반적으로 사용된다. 그러나 이러한 접근법은 소뇌를 잘 설명하지 못하여 인프라 영역 (소뇌, 뇌간⁴²)에서 신뢰성과 유효성이 떨어집니다. 이러한 한계를 설명하기 위해 SUIT (공간적으로 편향되지 않은 인프라-텐토리얼 템플릿) 알고리즘은 소뇌 등록을 최적화하고 복셀 기반 형태 측정법^42,43의 정확도를 향상시키기 위해 개발되었습니다.

지역 소뇌량 추정을위한 기능 기반 세분화 및 복셀 기반 등록 접근법은 근본적인 강점과 약점을 가지고 있습니다. 세분화 접근법은 해부학적으로 정의된 영역(예를 들어, 소엽(³⁵))의 부피를 정량화하기 위해 실질적으로 더 정확하다. 그러나 소뇌의 뚜렷한 기능 모듈 사이의 경계는 해부학 적 잎과 균열 (대뇌⁷의 gyri 및 sulci와 동일)에 매핑되지 않습니다. 등록 기반 접근법이 해부학적 랜드마크에 의해 제약받지 않기 때문에, 소뇌의 보다 세밀한 공간 추론 및 고차원 구조-기능 매핑이 가능하다⁽⁴⁴). 종합하면, 세분화 및 등록 접근법은 서로 보완적이며 다른 연구 질문에 대답하는 데 사용할 수 있습니다.

여기에서는 용적 정량화를 위해 최적화되고 자동화된 파셀레이션(ACAPULCO) 및 복셀 기반 소뇌 등록(SUIT)을 제공하기 위해 기존의 검증된 접근 방식을 통합하는 새로운 표준화된 파이프라인이 제시됩니다(그림 2). 이 파이프라인은 정성적 시각화 및 정량적 이상값 감지를 사용하는 품질 관리 프로토콜과 Freesurfer를 사용하여 두개내 부피(ICV)의 추정치를 얻기 위한 신속한 방법을 포함하는 확립된 접근 방식을 기반으로 합니다. 파이프라인은 품질 관리 출력을 확인하는 데만 필요한 수동 개입으로 완전히 자동화되어 있으며 Mac, Windows 및 Linux 운영 체제에서 실행할 수 있습니다. 파이프 라인은 비상업적 목적으로의 사용 제한없이 자유롭게 사용할 수 있으며 간단한 등록 양식⁴⁵를 완료 한 후 ENIGMA 컨소시엄 이미징 프로토콜 웹 페이지 ( "ENIGMA 소뇌 체적 파이프 라인"아래)에서 액세스 할 수 있습니다.

필요한 모든 소프트웨어는 자료 표에 나열되어 있으며 라이브 데모를 포함한 자세한 자습서는 아래에 설명 된 프로토콜 외에도 파이프 라인을 다운로드 할 때 사용할 수 있습니다. 마지막으로, Friedreich 운동 실조 (FRDA) 및 연령 및 성별 일치 건강한 대조군을 가진 사람들의 코호트에서 파이프 라인을 구현하고 그룹 수준의 통계 추론 분석에 대한 권장 사항과 함께 대표적인 결과가 제공됩니다.

프로토콜

참고 :이 연구에 사용 된 데이터는 Monash University Human Research Ethics Committee (프로젝트 7810)가 승인 한 프로젝트의 일부였습니다. 참가자들은 서면 정보에 입각 한 동의를 제공했습니다. 파이프라인은 Mac, Windows 또는 Linux 운영 체제에서 실행할 수 있지만 ACAPULCO, SUIT 및 QC 파이프라인은 Linux(우분투) 및 Mac(Catalina, Big Sur v11.0.1) 운영 체제에서 명시적으로 테스트되었습니다.

1. 모듈 1 : ACAPULCO (해부학 적 파셀레이션)

1. 데이터 수집
   1. 1mm 3 이하의 해상도로 전체 뇌의^3D T1 가중치 MRI 이미지를 수집합니다. 등방성 복셀 치수(일반적으로 1mm x 1mm x 1mm)와 3-Telsa(또는 그 이상) 스캐너를 사용하는 것이 좋습니다. 방사선 촬영 센터의 이미징 전문가와 상담하여 이러한 사양을 충족하는 데이터를 설정하고 획득하십시오.
      참고: T2 가중치 이미지는 때때로 체적 분석에 유용합니다. 그러나 여기에 제시된 파이프라인은 T1 가중 데이터에만 의존하며 사용되는 도구 중 일부는 이러한 유형의 데이터에만 적용됩니다. 따라서 T2 가중치 이미지는 사용할 수 없습니다.
   2. 이미지의 시각적 품질 평가를 수행하여 주요 소뇌 기형 (예 : 큰 병변) 또는 주요 소뇌 랜드 마크 (예 : 주요 해부학 적 균열)의 식별을 방해하는 실질적인 운동 유물을 제외합니다. 위축된 소뇌를 자동으로 배제하지 마십시오.
   3. 그룹 연구의 경우 MRIQC⁴⁶과 같이 자유롭게 사용할 수 있고 표준화 된 도구를 사용하여 문제가되는 데이터를 추가로 식별하는 양적 품질 평가를 고려하십시오.
   4. dcm2niix⁴⁷과 같은 도구를 사용하여 모든 데이터를 NIFTI-GZ 형식으로 변환하십시오.
2. 권장 데이터 구성
   1. 자료표에 나열된 모든 필요한 소프트웨어를 구 하십시오. 파이프라인을 실행하기 전에 Docker⁴⁸ 또는 특이점⁴⁹, Matlab⁵⁰ 및^{SPM12 51}이 설치되었는지 확인합니다.
      참고: 파이프라인을 설명하는 광범위한 서면 및 비디오 자습서도 사용할 수 있습니다( 자료표 참조).
   2. 필요한 모든 소프트웨어가 설치되면 작업 디렉토리에 폴더를 만들고 '아카풀코', '정장'및 '프리 서퍼'라고 레이블을 지정하십시오. 명령행에서 mkdir 명령을 사용하여 이 작업을 수행하십시오.
   3. 'acapulco'디렉토리에서 출력 폴더를 만듭니다. 출력 폴더에서 NIFTI-GZ 형식의 T1 가중치 이미지를 포함하는 연구의 각 주제에 대한 디렉토리를 작성하십시오.
      참고: 원본 데이터의 복사본을 다른 곳에 보관하는 것이 좋습니다.
3. ACAPULCO를 사용한 해부학적 소뇌 파셀레이션
   1. 재료 테이블로 이동하여 ACAPULCO를 실행하는 데 필요한 관련 스크립트 및 컨테이너를 다운로드하십시오(acapulco 파이프라인 파일 아래). 'acapulco' 디렉토리에 (i) ACAPULCO Docker OR 특이점 컨테이너(각각 'acapulco_0.2.1.tar.gz' 또는 '.sif'), (ii) QC_scripts 아카이브의 내용(3개의 파일: 'QC_Master.R', 'QC_Plots.Rmd' 및 'QC_Image_Merge.Rmd'), (iii) 'R.sif'(특이점) 또는 'calculate_icv.tar'(도커) 파일을 배치합니다.
   2. 터미널을 열고 명령줄에서 ACAPULCO 컨테이너를 단일 이미지로 실행합니다(다음에 <<제목>>로 바꿉니다). 처리가 완료 될 때까지 ~ 5 분 동안 기다리십시오.
      1. Docker를 사용하여 다음 명령을 입력합니다.
         도커로드 --입력 acapulco_0.2.1.tar.gz
         docker run -v $PWD:$PWD -w $PWD -t --user $(id -u):$(id -g) --rm acapulco:latest -i output/<>/<>.nii.gz -o output/<>
      2. 특이점을 사용하여 다음 명령을 입력합니다.
         특이점 실행 --cleanenv -B $PWD:$PWD acapulco-0.2.1.sif -i output/<>/<>.nii.gz -o output/<>
   3. 코호트의 모든 피사체/스캔을 반복합니다. 파이프라인을 다운로드하기 위한 ENIGMA 이미징 프로토콜 웹 사이트 링크(ENIGMA 소뇌 용적 파이프라인 아래)와 여러 주제를 순차적으로 처리하기 위한 for-loop를 만드는 방법에 대한 예제가 포함된 튜토리얼 매뉴얼은 자료 표를 참조하십시오.
   4. 처리 후 제목별 폴더에 생성된 다음 파일을 찾습니다.
      1. "_n4_mni_seg_post_inverse.nii.gz"를 확인하십시오 : 원본 (주제 공간)에 소뇌 마스크가 박혀 있습니다.
      2. "_n4_mni_seg_post_volumes.csv"를 식별한다: 아카풀코에 의해 생성된 28개의 서브유닛들 각각에 대한 부피(^mm3 단위);
      3. 대표적인 이미지 식별('pics' 디렉토리에서): 시그널, 축방향, 코로나.
4. 통계적 이상값 검출 및 품질 관리(QC)
   1. 터미널과 'acapulco'디렉토리에서 QC_scripts의 내용이 'acapulco'디렉토리에 있는지 확인하십시오. QC 스크립트를 실행하려면:
      1. Docker를 사용하여 다음 명령을 입력합니다.
         도커 로드 calculate_icv.tar
         도커 실행 -v $PWD:$PWD -w $PWD --rm -it luhancheng/calculate_icv:latest Rscript
         QC_Master.R 출력/
      2. 특이점을 사용하여 다음 명령을 입력합니다.
         특이점 exec -B $PWD:$PWD R.sif Rscript /path/to/QC_Master.R /path/to/acapulco/output
5. ACAPULCO에서 생성된 QC 이미지 검사
   참고: ACAPULCO 파셀레이션된 이미지의 품질을 확인하기 위한 3단계 프로세스가 있습니다.
   1. 웹 브라우저에서 'QC_Images.html'을 열고 이미지를 빠르게 스크롤하여 (주제 당 ~ 10 초) 명백한 실패 또는 체계적인 문제를 식별하십시오. 후속 조치를 위해 실패했거나 의심되는 파셀레이션된 이미지의 주체 ID를 기록해 둡니다.
      참고 : 소뇌 소엽의 신경 해부학에 대한 안내서는 그림 3 을 참조하고 아래의 대표적인 결과 섹션에서 그림 4, 그림 5 및 그림 6 에서 '좋은'파셀레이션, '미묘한 오판'및 '글로벌 실패'파셀레이션의 예를 참조하십시오.
   2. 'Plots_for_Outliers.html'를 열어 정량적 통계 이상값에 대한 상자 플롯을 확인합니다. 상자 플롯의 수염 위 또는 아래에 특이치(평균 위 또는 아래 2.698 s.d)를 찾습니다. 데이터 점 위에 마우스를 올려 주체 ID를 표시합니다. '이상값' 파일의 관련 열에서 '1'로 표시된 이상값을 식별하고 '이상값.csv'의 마지막 열에서 각 피사체에 대한 이상값으로 식별된 세그먼트의 총 수를 기록.csv니다.
   3. 하나 이상의 이상값이 있는 각 이미지를 수동으로 검사합니다. 중요: 표준 NIFTI 이미지 뷰어(예: FSLEyes 또는 MRICron)를 사용하여 ACAPULCO 마스크를 원본 T1w 이미지에 오버레이하여 슬라이스별 파셀레이션 품질을 확인합니다.
      1. FSLEyes를 사용하여 명령 줄에서 자세한 QC에 대한 오버레이를 생성하려면 i) 디렉토리를 'acapulco'디렉토리로 변경하고, ii) 볼 제목을 지정하십시오 (바꾸기 <주제>):
         subj =
      2. 다음 코드를 터미널에 복사 / 붙여 넣으십시오 (이전 줄에서 설정 했으므로 {subj}를 수동으로 변경하지 않고).
         t1_image=output/${subj}/${subj}.nii.gz
         acapulco_image=output/${subj}/${subj}_n4_mni_seg_post_inverse.nii.gz
         fsleyes ${t1_image} ${acapulco_image} --overlayType label --lut random_big --outline --outlineWidth 3 ${acapulco_image} --overlayType volume --alpha 50 --cmap random
         참고 : 비정상적인 세그먼트를 포함할지 여부, 즉 파셀레이션 오류가 있는지 또는 개인의 해부학에서 정상적인 변동성인지 여부를 결정해야합니다. 각 파셀링된 영역은 개별적으로 고려되므로 이미지에 대해 일부 영역을 제외할 수 있고 나머지는 올바른 경우 유지할 수 있습니다.
      3. 하나 이상의 파셀된 영역을 최종 데이터 세트에서 제외해야 합니까?
         예(이상값이 확인됨)인 경우, 해당 피험자에 대한 'Cerebel_vols.csv' 파일의 해당 셀에서 부피 추정치를 NA 로 대체하여 분석에서 이 파셀레이션(들)을 제외합니다.
      4. parcellation 오류로 인해 소뇌 중 일부가 마스크에서 제외됩니까?
         예, 예인 경우(예를 들어, 특정 소뇌 소엽이 마스크에서 누락되거나 '잘려나' 나타나는 경우), 즉시 추가 분석에서 피험자를 제외합니다(즉, 해당 피험자에 대해 SUIT 모듈을 실행하지 마십시오).

2. 모듈 2 : SUIT 소뇌 최적화 복셀 기반 형태 측정

1. SUIT를 사용한 복셀 기반 형태 분석
   중요: 이 파이프라인은 SUIT 템플릿에 대한 소뇌의 등록 및 정규화를 최적화하기 위해 피사체별 소뇌 마스크의 생성에 의존하기 때문에 ACAPULCO 모듈이 이미 실행되었어야 합니다. ACAPULCO에 의해 생성 된 피험자 별 마스크에 전체 소뇌가 포함되지 않은 경우, 이는 SUIT 모듈에서 제외 된 것을 보증합니다. SUIT 독립 실행형 실행에 대한 지침은⁵²를 참조하십시오.
   1. 재료 표에 나열된 모든 필요한 소프트웨어를 구하십시오. SPM12 폴더와 모든 하위 폴더가 MATLAB 경로에 있는지 확인합니다. 스크립트enigma_suit 'spm12/toolbox' 디렉토리에 저장되고 MATLAB 경로에 추가되었는지 확인합니다. MATLAB 경로를 확인하려면 MATLAB 명령 창에 pathtool을 입력한 다음 하위 폴더와 함께 추가를 클릭하여 관련 폴더를 추가합니다.
   2. 하나 이상의 주제에 대해 SUIT 파이프라인을 실행합니다. ~ 15-20 분 (그래픽 사용자 인터페이스 [GUI]를 사용하는 경우)과 터미널 (bash / shell)에서 실행중인 경우 ~ 5-7 분 동안 기다렸다가 처리가 완료됩니다.
      1. GUI(주제는 직렬로 실행됨)를 사용하려면 MATLAB 명령 창에서 다음 명령을 입력합니다.
         suit_enigma_all
      2. 첫 번째 팝업 창에서 'acapulco/output' 디렉토리에서 분석에 포함할 주제 폴더를 선택합니다. 창의 오른쪽에 있는 개별 폴더를 클릭하거나 마우스 오른쪽 버튼을 클릭하고 모두 선택합니다. 완료를 누릅니다. 두 번째 팝업 창에서 분석을 기록할 SUIT 디렉토리를 선택합니다.
      3. 또는 단일 주제에 대해 MATLAB 명령줄에서 함수를 호출하고 다음 명령을 입력합니다.
         suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir')
      4. 또는 MATLAB 외부의 터미널 창에서 명령을 입력하여 단일 주제에 대해 함수를 호출합니다.
         matlab -nodisplay -nosplash -r "suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir'), exit"
   3. 파이프라인을 다운로드하기 위한 ENIGMA 이미징 프로토콜 웹 사이트 링크(ENIGMA 소뇌 용적 파이프라인 아래)와 여러 주제를 순차적으로 처리하기 위한 for-loop를 만드는 방법에 대한 예제가 포함된 튜토리얼 매뉴얼은 자료 표를 참조하십시오.
   4. 스크립트와 관련하여 다음 사항을 찾습니다.
      1. 스크립트가 N4 바이어스 보정, MNI 정렬(강체) T1 이미지 및 ACAPULCO 소뇌 마스크를 출력 디렉토리에 복사하는지 확인합니다.
      2. 스크립트가 소뇌의 회색과 흰색 물질을 분할하는지 확인하십시오.
      3. 스크립트가 ACAPULCO 마스크를 사용하여 파셀레이션에 과도하게 포함된 오류를 수정하는지 확인합니다.
      4. 스크립트 DARTEL이 데이터를 정규화하고 Jacobian 변조를 사용하여 SUIT 공간으로 다시 슬라이스하여 각 복셀의 값이 원래 볼륨에 비례하도록 하십시오.
      5. 각 피사체의 폴더에서 'wd_seg1.nii'(회색 물질) 및 'wd_seg2.nii'(백색 물질)의 최종 출력이 있는지 확인합니다.
2. 통계적 이상값 감지 및 품질 관리
   1. 정규화된 변조된 이미지(wd*)에서 중대한 오류가 있는지 육안으로 검사합니다. MATLAB에서 다음 명령을 입력합니다.
      spm_display_4D
   2. 수트 하위 폴더에서 'wd * seg1'이미지를 수동으로 선택하거나 'suit'디렉토리로 이동하십시오. 필터 상자에 '^wd.*seg1'을 삽입하고 (인용문 없음) Rec 버튼을 누릅니다. 완료를 누릅니다.
   3. 이미지를 스크롤하여 모두 잘 정렬되었는지 확인합니다. 건강한 대조군(A,B)과 위축성이 심한 소뇌(D)를 가진 개체의 이미지를 올바르게 정규화한 이미지는 그림 7을 참조하십시오.
      참고: 이 단계에서 피사체 간 해부학은 매우 유사하며(동일한 템플릿에 등록되었기 때문에), 볼륨 차이는 복셀 강도가 다른 것으로 인코딩됩니다. 주요 실패는 예를 들어, 빈 이미지, 누락 된 조직의 넓은 영역, 비정상적인 강도 구배 (즉, 상단의 밝은 복셀, 하단의 어두운 복셀)와 같이 명백 할 것입니다. 이러한 이미지는 후속 단계에서 제외해야 합니다.
   4. 이상값에 대한 공간 공분산을 확인합니다. MATLAB에서 다음 명령을 입력합니다.
      check_spatial_cov
      1. 이전 단계에 따라 'wd*seg1' 이미지를 선택합니다. 메시지가 표시되면 다음 옵션을 선택합니다. Prop 크기 조정: 예; 공변하는 변수 : 아니오; 슬라이스 (mm) : - 48, 간격 : 1.
      2. 샘플의 다른 모든 이미지에 상대적인 각 이미지의 평균 공간 공분산을 표시하는 상자 그림을 살펴봅니다. MATLAB 명령 창의 평균보다 >2s.d. 낮은 데이터 요소를 식별합니다. 이러한 작업의 경우 SUIT 폴더의 "_n4_mni.nii.gz" 이미지에 아티팩트(동작, 해부학적 이상), 이미지 품질 문제 또는 전처리 오류가 있는지 검사합니다.
      3. 이미지 품질 및 전처리가 허용되고 이전 단계에서 변조된 이미지의 육안 검사가 세분화 및 정규화에 문제가 있음을 나타내지 않는 경우 이러한 데이터를 샘플에 보관하십시오. 그렇지 않으면 이러한 데이터를 제외합니다.

3. 모듈 3 (선택 사항) : FreeSurfer를 사용한 두개내 볼륨 (ICV) 추정

참고: 이 모듈은 FreeSurfer 파이프라인을 사용하여 ICV를 계산합니다. 코호트 (모든 버전)에 대한 기존 Freesurfer 출력이있는 경우 다시 실행할 필요가 없습니다.

1. 프리서퍼 설정
   1. FreeSurfer가 다운로드되어 설치되어 있는지 확인하십시오⁵³. 재료 테이블 로 이동하여 관련 스크립트를 다운로드하여 이 모듈을 실행합니다( ICV 파이프라인 파일 아래). FreeSurfer로 작업할 때 다음 변수를 설정합니다.
      내보내기 FREESURFER_HOME=
      출처 $FREESURFER_HOME/SetUpFreeSurfer.sh
   2. 다음 에서 를 바꿉니다.
      내보내기 SUBJECTS_DIR = < 경로 > / 수수께끼 / 프리 서퍼
2. 프리서퍼 자동 정찰기 실행1
   1. 단일 피사체의 경우 'freesurfer'디렉토리 내부(처리 시간 ~ 20분)에서 다음 명령을 입력합니다.
      CD <경로>/수수께끼/프리서퍼
      recon-all -i .. /input/.nii.gz -s -autorecon1
   2. 여러 과목을 순차적으로 처리하기 위한 for-loop를 만드는 방법에 대한 예제는 튜토리얼 설명서를 참조하십시오.
3. ICV의 계산
   1. 데이터 조직
      1. 'freesurfer' 디렉토리에 (i) 모듈 1에 사용된 Docker OR 특이점 컨테이너(각각 'calculate_icv.tar' 또는 'R.sif') 및 (ii) xfm2det 스크립트( 자료 표 참조)를 배치합니다. 그런 다음 git clone을 수행하여 필요한 ICV 스크립트를 복제하십시오.
         자식 클론 https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
   2. ICV 추출 실행 (처리 시간 ~ 5 분)
      1. 특이점 ( 'R.sif') 컨테이너가있는 'freesurfer'디렉토리에서 다음을 입력하십시오.
         특이점 exec --cleanenv -B $PWD:$PWD R.sif calculate_icv/calculate_icv.py --freesurfer_dir=/path/to/freesurfer --acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv calculate_icv
      2. 도커 컨테이너가있는 'freesurfer'디렉토리에서 다음을 입력하십시오.
         도커 실행 -v $PWD:$PWD -w $PWD -rm -it luhancheng/calculate_icv:latest
         calculate_icv/calculate_icv.py --freesurfer_dir=/path/to/Freesurfer --
         acapulco_dir=/경로/에/아카풀코/QC/소뇌파일 --output_csv_name=Cerebel_vols.csv
         calculate_icv
      3. 컨테이너 없이 스크립트 실행 - 추가 필수 소프트웨어 및 종속성에 대해서는 재료 표를 참조하십시오. '프리서퍼' 디렉토리에서 다음을 입력합니다.
         ./calculate_icv/ calculate_icv.py ---freesurfer_dir=/path/to/freesurfer --
         acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --
         output_csv_name=Cerebel_vols.csv calculate_icv
         참고: 이렇게 하면 각 주제에 대한 ICV가 계산되고 ICV가 있는 열이 'Cerebel_vols.csv' 파일의 끝에 추가됩니다.

결과

소뇌 파셀레이션 (ACAPULCO)

소뇌 분리 마스크의 품질 관리 :
다음 예는 ACAPULCO 파셀레이션된 출력을 시연하고 a) 개별 수준에서 파셀링된 마스크의 품질 및 b) 통계 분석에서 특정 소엽(들)의 후속 포함 또는 배제에 대한 의사 결정을 안내합니다. 궁극적으로, 피험자를 포함하거나 배제하는 결정은 주관적이다; 다양한 건강 및 임상 그룹의 '좋은 파셀레?...

토론

소뇌는 광범위한 인간 운동³,인지 58, 정서적¹⁰ 및 언어 ^7,59 기능에 중요하며 많은 신경 및 정신 질환에 연루되어 있습니다. 지역 소뇌량의 정량화를위한 표준화되고 쉽게 구현 할 수있는 접근법의 가용성은 점점 더 상세한 '전체 뇌'구조 기능 매핑, 완전한 질병 모델링 및 뇌 질환에 대한 소뇌 기여도?...

자료

Name	Company	Catalog Number	Comments
ACAPULCO pipeline files	0.2.1	http://enigma.ini.usc.edu/protocols/imaging-protocols/	Please make sure to use acapulco version 0.2.1
Docker for Mac		https://docs.docker.com/desktop/mac/install/	macOS must be version 10.14 or newer Docker requires sudo priviledges Docker imposes a memory (RAM) constraint on Mac OS. To increase the RAM, open Docker Desktop, go to Preferences and click on resources. Increase the Memory to the maximum
Docker for Windows		https://docs.docker.com/docker-for-windows/install/
ENIGMA SUIT scripts		http://enigma.ini.usc.edu/protocols/imaging-protocols/
FreeSurfer	7	https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall	Following variables need to be set everytime you work with Freesurfer: export FREESURFER_HOME=freesurfer _installation_directory source $FREESURFER_HOME/SetUpFreeSurfer.sh
			export SUBJECTS_DIR=path/enigma/Freesurfer
FSL (for FSLeyes). Optional	6	https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation
ICV pipeline files		http://enigma.ini.usc.edu/protocols/imaging-protocols/	ICV pipeline can be run in two ways: 1) with docker/singularity. You will not require additionl software; 2) without docker/singularity- this involves running the ICV script (calculate_icv.py) manually. You will require the following additional software: Python version =3.5 Python module pandas Python module fire Python module tabulate Python module Colorama
		https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
MATLAB*	2019 or newer	https://au.mathworks.com/	An academic license is required
Singularity	3.7 or newer	https://www.sylabs.io/docs/	Prefered for high performance computing (HPC) clusters
SPM	12	http://www.fil.ion.ucl.ac.uk/spm/software/spm12/	Make sure spm12 and all subfolders are in your MATLAB path
SUIT Toolbox	3.4	http://www.diedrichsenlab.org/imaging/suit_download.htm	Make sure you place SUIT toolbox in spm12/toolbox directory
Troubleshooting manual and segmentation output examples		http://enigma.ini.usc.edu/protocols/imaging-protocols/
Tutorial manual and video		http://enigma.ini.usc.edu/protocols/imaging-protocols/	Manual and accompanying live demonstration provide detailed step-by-step instructions on how to run the pipeline from start to finish.
*Not freely available; an academic license is required