Segmentação de infarct cerebral e registro em RM ou TC para lesão-mapeamento de sintomas

Resumo

Fornecido aqui é um tutorial prático para um pipeline de processamento de imagem de acesso aberto e padronizado para fins de mapeamento de lesão-sintoma. Uma explicação passo a passo é fornecida para cada etapa de processamento, desde a segmentação manual do infarto na TC/RM até o registro subseqüente ao espaço padrão, juntamente com recomendações práticas e ilustrações com casos exemplares.

Resumo

No mapeamento lesão-sintoma (LSM), a função cerebral é inferida relacionando a localização de lesões cerebrais adquiridas a sintomas comportamentais ou cognitivos em um grupo de pacientes. Com recentes avanços na imagem cerebral e processamento de imagens, o LSM tornou-se uma ferramenta popular na neurociência cognitiva. O LSM pode fornecer insights fundamentais sobre a arquitetura funcional do cérebro humano para uma variedade de funções cognitivas e não-cognitivas. Uma etapa crucial em executar estudos de LSM é a segmentação das lesões em varreduras do cérebro de um grande grupo de pacientes e o registo de cada varredura a um espaço Stereotaxic comum (igualmente chamado espaço padrão ou um molde padronizado do cérebro). Descrito aqui é um método de acesso aberto, padronizado para segmentação de infarte e registro para fins de LSM, bem como uma explicação detalhada e hands-on com base em casos exemplares. Um tutorial detalhado para a segmentação manual de enfarte do cérebro em varreduras do CT e em seqüências de DWI ou de Flair MRI é fornecido, incluindo critérios para a identificação e as armadilhas do enfarte para tipos diferentes da varredura. O software de registro fornece vários esquemas de registro que podem ser usados para processamento de dados de TC e RM com parâmetros de aquisição heterogêneos. Um tutorial sobre como usar este software de registro e realizar verificações de qualidade visual e correções manuais (que são necessários em alguns casos) é fornecido. Essa abordagem fornece aos pesquisadores uma estrutura para todo o processo de processamento de imagem cerebral necessário para realizar um estudo de LSM, desde a coleta dos dados até a verificação de qualidade final dos resultados.

Introdução

O mapeamento lesão-sintoma (LSM), também denominado mapeamento lesão-comportamento, é uma importante ferramenta para o estudo da arquitetura funcional do cérebro humano¹. Em estudos de lesão, a função cerebral é inferida e localizada estudando pacientes com lesões cerebrais adquiridas. Os primeiros estudos de caso que ligam sintomas neurológicos a locais específicos do cérebro realizados no século XIX já forneceram insights fundamentais sobre os correlatos anatômicos da linguagem e vários outros processos cognitivos². No entanto, os correlatos neuroanatômicos de muitos aspectos da cognição e outras funções cerebrais permaneceram indescritível. Nas últimas décadas, os métodos melhorados da imagem latente do cérebro estrutural e os avanços técnicos permitiram estudos in vivo em grande escala de LSM com definição espacial elevada (isto é, a nível de voxels individuais ou de regiões corticais/subcortical específicas do interesse)^{1 ,2}. Com esses avanços metodológicos, o LSM tornou-se um método cada vez mais popular na neurociência cognitiva e continua a oferecer novos insights sobre a neuroanatomia da cognição e dos sintomas neurológicos³. Uma etapa crucial em todo o estudo de LSM é a segmentação exata das lesões e o registo a um molde do cérebro. No entanto, um tutorial abrangente para o pré-processamento de dados de imagem cerebral para a finalidade do LSM está faltando.

Fornecido aqui é um tutorial completo para uma segmentação de lesão padronizada e método de registro. Este método fornece pesquisadores com um pipeline para processamento de imagem do cérebro padronizado e uma visão geral das armadilhas potenciais que devem ser evitados. O pipeline de processamento de imagem apresentado foi desenvolvido através de colaborações internacionais⁴ e faz parte do quadro do recém-fundado meta VCI MAP Consortium, cujo objetivo é realizar estudos multicêntrico de mapeamento de lesão-sintoma em comprometimento cognitivo vascular < www. metavcimap. org >⁵. Este método foi projetado para processar varreduras do CT e do MRI dos vendedores múltiplos e dos protocolos heterogêneos da varredura para permitir o processamento combinado de conjuntos de dados da imagem latente das fontes diferentes. O software necessário do RegLSM e todo o outro software necessário para este protocolo estão livremente disponíveis à exceção de MATLAB, que exige uma licença. Este tutorial centra-se na segmentação e registro de infartos cerebrais, mas este pipeline de processamento de imagem também pode ser usado para outras lesões, tais como hiperintensidades de matéria branca⁶.

Antes de iniciar um estudo LSM, é necessária uma compreensão básica dos conceitos gerais e armadilhas. Diversas directrizes detalhadas e um guia do Hitchhiker estão disponíveis^1,3,6. No entanto, estas revisões não fornecem um tutorial hands-on detalhado para as etapas práticas envolvidas na coleta e conversão de varreduras cerebrais para um formato adequado, segmentando o infarto do cérebro, e registrando as varreduras para um modelo cerebral. O presente documento fornece um tal tutorial. Os conceitos gerais de LSM são fornecidos na introdução com referências para uma leitura mais adicional no assunto.

Objetivo geral dos estudos de mapeamento de lesões-sintomas

Da perspectiva da neuropsicologia cognitiva, a lesão cerebral pode ser usada como uma condição modelo para entender melhor os fundamentos neuronais de certos processos cognitivos e obter um quadro mais completo da arquitetura cognitiva do cérebro¹ . Esta é uma abordagem clássica em Neuropsicologia que foi aplicada pela primeira vez em estudos post-mortem no século XIX por pioneiros como broca e Wernicke². Na era da imagem latente funcional do cérebro, a aproximação da lesão remanesceu uma ferramenta crucial na neurociência porque fornece a prova que as lesões em uma região específica do cérebro interrompem o desempenho da tarefa, quando os estudos funcionais da imagem latente demonstrarem as regiões do cérebro que são ativada durante o desempenho da tarefa. Como tal, essas abordagens fornecem informações complementares¹.

Da perspectiva da neurologia clínica, os estudos do LSM podem esclarecer a relação entre o local da lesão e o funcionamento cognitivo em pacientes com infartos sintomáticos agudos, hiperintensidades de matéria branca, lacunes ou outros tipos de lesão (por exemplo, tumores ). Estudos recentes mostraram que tais lesões em regiões estratégicas do cérebro são mais relevantes para explicar o desempenho cognitivo do que a carga global de lesão^2,5,7,8. Esta abordagem tem o potencial de melhorar a compreensão da fisiopatologia de distúrbios complexos (neste exemplo, comprometimento cognitivo vascular) e pode proporcionar oportunidades para o desenvolvimento de novas ferramentas diagnósticas e prognósticos ou tratamento de apoio estratégias de².

LSM também tem aplicações para além do campo da cognição. De fato, qualquer variável pode estar relacionada à localização da lesão, incluindo sintomas clínicos, biomarcadores e desfecho funcional. Por exemplo, um estudo recente determinou locais de infarto que foram preditivos do desfecho funcional após AVC isquêmico¹⁰.

Voxel-based versus região de lesão baseada em interesses-mapeamento de sintomas

Para realizar o mapeamento lesão-sintoma, as lesões precisam ser segmentadas e registradas em um modelo cerebral. Durante o procedimento de registro, o cérebro de cada paciente é alinhado espacialmente (ou seja, normalizado ou registrado em um modelo comum) para corrigir as diferenças no tamanho, na forma e na orientação do cérebro para que cada voxel no mapa da lesão represente a mesma anatomia anatômica estrutura para todos os pacientes⁷. No espaço padrão, vários tipos de análises podem ser realizados, que são resumidos brevemente aqui.

Uma análise de lesão-subtração bruta pode ser realizada para mostrar a diferença na distribuição da lesão em pacientes com déficits comparados aos pacientes sem déficits. O mapa de subtração resultante mostra regiões que são mais frequentemente danificadas em pacientes com déficits e poupadas em pacientes sem déficits¹. Embora uma análise da lesão-subtração possa fornecer algumas introspecções em correlatos de uma função específica, não fornece nenhuma prova estatística e é usada agora na maior parte quando o tamanho de amostra é demasiado baixo para fornecer bastante poder estatístico para a lesão VOXEL-baseada-sintoma Mapeamento.

No mapeamento de lesão-sintoma baseado em VOXEL, uma associação entre a presença de uma lesão e o desempenho cognitivo é determinada ao nível de cada voxel individual no cérebro (Figura 1). A principal vantagem deste método é a alta resolução espacial. Tradicionalmente, essas análises foram realizadas em uma abordagem de massa univariada, que justifica a correção de múltiplos testes e introduz um viés espacial causado por correlações inter-VOXEL que não são levadas em conta^{1,10 , 11}. abordagens recentemente desenvolvidas que levam em conta as correlações entre VOXEL (geralmente referidas como métodos de mapeamento de lesões-sintomas multivariados, como a análise Bayesiana¹³, a regressão vetorial de suporte^{4, 14}, ou outros algoritmos de aprendizado de máquina¹⁵) mostram resultados promissores e parecem melhorar a sensibilidade e a especificidade dos achados das análises de LSM VOXEL-Wise comparadas aos métodos tradicionais. Uma melhoria mais adicional e uma validação de métodos multivariados para o LSM VOXEL-sábio são um processo em curso. A melhor escolha do método para o mapeamento específico da lesão-sintoma depende de muitos fatores, incluindo a distribuição das lesões, da variável do resultado, e dos pressupostos estatísticos subjacentes dos métodos.

Na região de interesse (ROI)-com base no mapeamento de lesão-sintoma, uma associação entre a carga da lesão dentro de uma região cerebral específica e o desempenho cognitivo é determinada (ver Figura 1 em Biesbroek et al.² para uma ilustração). A principal vantagem deste método é que ele considera a carga de lesão acumulada dentro de uma estrutura anatômica, que em alguns casos pode ser mais informativa do que uma lesão em um único VOXEL. Por outro lado, análises baseadas em ROI têm poder limitado para detectar padrões que só estão presentes em um subconjunto de voxels na região¹⁶. Tradicionalmente, o mapeamento do sintoma-lesão baseado em ROI é realizado por meio de regressão logística ou linear. Recentemente, foram introduzidos métodos multivariados que lidam melhor com a colinearidade (por exemplo, análise de rede Bayesiana¹⁷, regressão vetorial de suporte^4,18ou outros algoritmos de aprendizado de máquina¹⁹), que podem melhorar a especificidade dos achados de estudos de mapeamento de lesão-sintoma.

Seleção de pacientes

Em estudos de LSM, os pacientes são geralmente selecionados com base em um tipo específico de lesão (por exemplo, infartos cerebrais ou hiperintensidades de matéria branca) e o intervalo de tempo entre o diagnóstico e a avaliação neuropsicológica (por exemplo, agudo versus AVC crônico). O projeto ideal do estudo depende da pergunta da pesquisa. Por exemplo, ao estudar a arquitetura funcional do cérebro humano, os pacientes com AVC agudo estão idealmente incluídos porque a reorganização funcional ainda não ocorreu nesta fase, enquanto os pacientes com AVC crônico devem ser incluídos ao estudar a efeitos de longo prazo do AVC na cognição. Uma descrição detalhada das considerações e das armadilhas na seleção paciente é fornecida em outra parte⁷.

Pré-processamento de imagem cerebral para efeitos de mapeamento de lesões-sintomas

A segmentação e o registo exatos da lesão a um molde comum do cérebro são etapas cruciais no mapeamento da lesão-sintoma. A segmentação manual das lesões permanece o padrão-ouro para muitos tipos da lesão, incluindo enfarte⁷. Fornecido é um tutorial detalhado sobre critérios para a segmentação manual do enfarte em varreduras do CT, imagem ponderada difusão (DWI), e seqüências fluido-atenuadas da recuperação da inversão (FLAIR) em estágios agudos e crônicos. Os enfartes segmentados (isto é, os mapas binários da lesão 3D) precisam de ser registados antes que todas as análises do através-assunto sejam executadas. Este protocolo usa o método de registro reglsm, que foi desenvolvido em uma configuração multicêntrico⁴. RegLSM aplica algoritmos de registro lineares e não-lineares baseados em elástica²⁰ para o CT e o MRI, com uma etapa adicional do processamento do CT projetada especificamente realçar a qualidade do registro de varreduras do CT²¹. Além disso, o RegLSM permite o uso de diferentes modelos cerebrais de alvos e um passo de registro intermediário (opcional) para um modelo CT/RM específico para a idade²². A possibilidade de processar as varreduras do CT e do MRI e sua personalização a respeito dos moldes intermediários e do alvo do cérebro faz a reglsm uma ferramenta altamente apropriada do processamento de imagem para LSM. Todo o processo de preparação e segmentação de tomografias de TC/RM, registro em um modelo cerebral e correções manuais (se necessário) são descritos na próxima seção.

Figura 1: ilustração esquemática do conceito de lesão baseada em VOXEL-mapeamento de sintomas. A parte superior mostra as etapas de pré-processamento da imagem cerebral consistindo em segmentar a lesão (um enfarte agudo neste caso) seguida de registro para um modelo cerebral (o modelo MNI-152 neste caso). Abaixo, uma parte do mapa de lesão binária registrada do mesmo paciente é mostrada como uma grade 3D, onde cada cubo representa um VOXEL. Tomado junto com os mapas da lesão de 99 outros pacientes, um mapa da sobreposição da lesão é gerado. Para cada voxel, é realizado um teste estatístico para determinar a associação entre o estado da lesão e o desempenho cognitivo. O teste qui-quadrado mostrado aqui é apenas um exemplo, qualquer teste estatístico poderia ser usado. Tipicamente, centenas de milhares de voxels são testados em todo o cérebro, seguidos por uma correção para comparações múltiplas. Por favor clique aqui para ver uma versão maior desta figura.

Protocolo

Este protocolo segue as diretrizes do nosso Comitê de ética em pesquisa de instituições humanas.

1. coleta de varreduras e dados clínicos

1. Colete tomografia computadorizada de cérebro ou ressonância magnética de pacientes com AVC isquêmico. A maioria dos scanners salva as varreduras como arquivos DICOM (Digital Imaging and Communications in Medicine) que podem ser copiados para um disco rígido ou servidor.
   Nota: As varreduras de cada tipo do varredor, o protocolo da varredura, e a força do campo de MRI podem ser usadas, contanto que 1) os requisitos da janela de tempo para o tipo usado da varredura forem cumpridos (veja tabela 1) e 2) não há nenhum artefato que dificulte delineação exata do enfarte. Um tutorial detalhado sobre detecção de artefato em TC e RM é fornecido em outro lugar^23,24. Um exemplo de artefatos de movimento comumente ocorrendo na TC é fornecido na Figura 2, e exemplos de varreduras de boa qualidade são fornecidos nos casos exemplares na seção de resultados. Os Infarcts podem ser segmentados em varreduras com qualquer espessura de fatia e qualquer resolução de imagem no plano. No entanto, fatias finas e alta resolução no plano irá permitir uma representação mais precisa do enfarte para o modelo cerebral.
2. Colete as variáveis clínicas em um arquivo de dados (por exemplo, Excel) fazendo linhas separadas para cada caso e colunas para cada variável clínica. Para segmentação por enfarte, inclua pelo menos as variáveis data de traçado e data de imagem ou uma variável que indique o intervalo de tempo entre o traçado e a imagem.
3. Assegure-se de que as diretrizes e regulamentações éticas relativas à privacidade sejam seguidas. Assegure-se de que os dados sejam anonimizados ou codificados. Preste atenção específica à remoção de dados do paciente, como nome, endereço e data de nascimento que são armazenados nos arquivos DICOM como Tags. Essas tags podem ser limpas usando dcm2niix (download gratuito disponível em < https://github.com/rordenlab/dcm2niix >)²⁵.

2. conversão de imagens DICOM para arquivos NIfTI

1. Para converter as imagens DICOM em arquivos NIfTI descompactados usando a ferramenta dcm2niix, digite "[caminho da pasta de dcm2niix. exe] \dcm2niix% d_% p [caminho da pasta de arquivos DICOM]" no prompt de comando. Um exemplo do comando com os caminhos de pastas inseridos pode ser C:\users\matthijs\dcm2niix% d_% p C:\users\matthijs\dicom\. Este comando executará o executável dcm2niix, converterá as imagens DICOM na pasta selecionada e salvará os arquivos NIfTI na mesma pasta.
   Nota: A adição% d_% p garante que a descrição da série e o nome do protocolo são inseridos no nome do arquivo. Recursos adicionais, incluindo opções para conversão em lote, são fornecidos no manual dcm2niix em < https://www.nitrc.org/plugins/mwiki/index.php/dcm2nii: MainPage >. Outras ferramentas de código aberto podem ser usadas para a conversão de imagens DICOM em arquivos NIfTI, também.
2. Certifique-se de que o nome do tipo de digitalização (CT, FLAIR, DWI ou outros nomes de sequência) é copiado para o nome do arquivo durante a conversão (esta opção está disponível em dcm2niix).
3. Para varreduras de MRI, selecione seqüências de DWI ou de FLAIR para a segmentação. Alternativamente, qualquer outra seqüência estrutural em que o enfarte é visível pode ser usado. Veja a tabela 1 para janelas de tempo apropriadas após o curso em que o CT, o DWI, ou o Flair podem ser usados para a segmentação do infarto.
4. Organize os arquivos NIfTI em uma estrutura de pasta conveniente com uma subpasta para cada caso (consulte o manual do RegLSM e a Figura complementar 1). Este manual pode ser descarregado a partir de < www. metavcimap. org/support/software-Tools >.
   Nota: Esta estrutura de pastas é um requisito para o software de registo RegLSM (ver secção 4). Uma atualização do RegLSM, tornando-se lances (cérebro Imaging data structure²⁶, veja < http://BIDS.neuroimaging.Io >) compatível, está atualmente sendo desenvolvido e em breve será liberado.

3. segmentação por infarto

1. Observações gerais aplicáveis a todos os tipos de digitalização
   1. Certifique-se de que a pessoa que executa e avalia segmentação e registro é cega para a variável de desfecho (geralmente uma medida cognitiva) para evitar viés.
   2. Observe que os infartos geralmente são segmentados em fatias transversais, mas a segmentação pode ser realizada em qualquer orientação de fatia.
   3. Assegure condições ideais da visão durante a segmentação do enfarte usando uma exposição de alta resolução do monitor e uma luz ambiente óptima para fornecer um ajuste confortável. Ajuste manualmente o contraste da imagem durante a segmentação para proporcionar um contraste ideal entre o tecido cerebral saudável. Seja consistente na aplicação de configurações semelhantes em todos os assuntos.
2. Segmentação do infarto na TC
   1. Primeiro verifique se a varredura foi realizada pelo menos 24 h após o início dos sintomas de AVC. Dentro de 24 h, o enfarte agudo não é ou somente parcialmente visível no CT e a varredura não pode ser usada para a segmentação⁷. Consulte a Figura 3 para obter uma ilustração.
   2. Abra o CT nativo usando o software ITK-SNAP (download gratuito disponível em < www. itksnap. org >)²⁷. No ITK-SNAP, clique em arquivo | Abra a imagem principal no menu suspenso. Clique em procurar e selecione o arquivo para abrir a verificação. Se a configuração de contraste padrão fornece um contraste fraco entre o tecido cerebral saudável e a lesão, ajuste as configurações de contraste. Para fazer isso, clique em ferramentas | contraste de imagem | ajuste de contraste.
      Nota: Qualquer software de código aberto também pode ser usado.
   3. Se disponível, abra um CT que seja executado dentro de 24 h após o início do sintoma do curso em uma instância separada como a referência para distinguir o enfarte agudo das lesões isquêmicas velhas tais como lacunes, (submarino) Infarcts corticais, ou hyperintensities da matéria branca.
   4. Identifique o enfarte com base nas seguintes características. Infarcts têm um sinal baixo (ou seja, hypodense) em comparação com o tecido cerebral normal.
      1. No estágio agudo (primeiras semanas), os infartos grandes podem causar o efeito maciço tendo por resultado o deslocamento de tecidos circunvizinhos, a compressão dos ventrículos, a mudança do midline e o obliteração dos Sulci. Pode haver uma transformação hemorrágica que seja visível como regiões com sinal elevado (isto é. hyperdens) dentro do infarct.
      2. No estágio crônico (meses a anos), o enfarte consistirá de um centro cavitada dos como (com uma densidade similar como o líquido cerebrospinal) e de uma borda menos do hypodense que represente o tecido danificado do cérebro. O centro cavitada e a borda dos como devem ser segmentados como o enfarte. Em caso do enfarte grande, pode haver uma ampliação ex do vacuo de sulcos ou de ventrículos adjacentes.
         Nota: O deslocamento do tecido devido ao efeito de massa ou à ampliação ex do vacuo das estruturas não deve ser corrigido para durante a segmentação (isto é, somente a extensão cheia do infarto tem que ser segmentada). A correção para o deslocamento do tecido ocorre durante o registro e as etapas subseqüentes.
   5. Segmente o tecido cerebral infartado usando o modo pincel a partir da barra de ferramentas principal (clique com o botão esquerdo do mouse para desenhar, clique direito para apagar). Alternativamente, use o modo Polygon para colocar pontos de ancoragem nas bordas da lesão (esses pontos são automaticamente conectados com linhas) ou segure o botão esquerdo do mouse enquanto move o mouse sobre as bordas da lesão. Depois que todos os pontos de ancoragem estiverem conectados, clique em aceitar para preencher a área delimitada.
   6. Evite a fase de nebulização, que se refere à fase em que o infarto se torna isodenso no CT (que co-ocorre com a infiltração do tecido infartado com fagócitos). Isto ocorre tipicamente 14-21 dias após o início do curso, mas em casos raros pode ocorrer mesmo mais cedo²⁸. Durante este período, o enfarte pode tornar-se invisível ou os seus limites tornam-se menos claros, tornando esta fase inadequada para a segmentação do enfarte. Após a fase de nebulização, a lesão torna-se hipodense novamente quando ocorre cavitação e gliose. Consulte a Figura 4 para dois exemplos.
   7. Depois de terminar a segmentação, salve-o como um arquivo NIfTI binário na mesma pasta que a digitalização clicando em segmentação | salve a imagem de segmentação no menu suspenso e, em seguida, salve a segmentação, dando-lhe o mesmo nome exato que a varredura segmentada, com a extensão de. lesão (por exemplo, se a digitalização foi guardada como "ID001. CT. Nii ", salvar a segmentação como" ID001. CT. lesão. Nii ").
3. Segmentação de infarct no DWI
   1. Primeiro verifique se o DWI foi realizado no prazo de 7 dias após o início do AVC. Os infartos são visíveis no DWI dentro de várias horas após o início do AVC e sua visibilidade na DWI diminui gradualmente após aproximadamente 7 dias (ver o parágrafo 2 na discussão para obter mais detalhes).
   2. Abra o DWI no ITK-SNAP (da mesma forma que o feito na etapa 3.2.2).
      Nota: Uma sequência DWI gera pelo menos duas imagens para a maioria dos protocolos de digitalização, uma com um valor b = 0, que é uma imagem ponderada em T2 padrão e uma com um valor b mais alto, que é a varredura que captura as propriedades de difusão reais do tecido. Quanto maior o valor-b, mais forte os efeitos de difusão. Para a deteção isquêmica do curso, um b-valor em torno de 1000 s/milímetro² é usado frequentemente, porque este fornece uma boa relação do contraste-à-ruído em a maioria de casos²⁹. A imagem com um alto valor-b é usada para segmentação por enfarte.
   3. Abra a sequência de coeficiente de difusão aparente (ADC) em uma instância separada do ITK-SNAP para referência.
   4. Identifique e anote o tecido cerebral infartado com base no sinal alto (ou seja, hiperintenso) no DWI e no sinal baixo (ou seja, hipointenso) no ADC (veja a Figura 5). Os valores de ADC no infarto aumentam gradualmente até que a ADC normaliza em média 1 semana após o AVC³⁰, mas em alguns casos, o ADC já pode ser (quase) normalizado após vários dias, se houver muito edema vasogênico.
      Nota: Em imagens de DWI com baixos b-valores, as lesões cerebrais com um sinal elevado intrínseco do T2 (tal como hyperintensities da matéria branca) podem igualmente aparecer hyperintense. Este fenômeno é chamado de brilho T2-através de³¹. No entanto, com o aumento dos valores-b, esse fenômeno se torna menos relevante, pois o sinal na imagem DWI reflete mais fortemente as propriedades de difusão em vez do sinal T2 intrínseco. Com os protocolos modernos da varredura de DWI (geralmente com b-valor = 1000 ou mais altamente), os efeitos do brilho de T2 são limitados³².
   5. Não confunda um sinal elevado de DWI perto das relações entre o ar e o tecido ou o osso, que são um artefato comumente observado, para um enfarte. Consulte a Figura 5.
   6. Salve a anotação como um arquivo de NIfTI binário, dando-lhe o mesmo nome exato que a varredura segmentada, com a extensão de. lesão (da mesma forma como feito na etapa 3.2.7).
4. Segmentação do infarct no FLAIR
   1. Primeiramente, verifique se a varredura foi executada > 48 h após o início do sintoma do curso. No estágio hiperagudo, o infarto geralmente não é visível na sequência FLAIR ou os limites exatos do infarto são pouco claros³¹ (ver Figura 6).
   2. Abra o FLAIR no ITK-SNAP da mesma forma que o feito na etapa 3.2.2.
   3. Abra o T1 uma instância separada do ITK-SNAP para referência, se disponível.
   4. Identifique e Segmente o tecido cerebral infartado com base nas seguintes características.
      1. No estágio agudo (primeiras semanas), o infarto é visível como uma lesão hiperintensa mais ou menos homogênea, com ou sem inchaço aparente e efeito de massa (Figura 5).
      2. No estágio crônico (meses a anos), o enfarte é escavado, significando que o centro se torna hipo-ou isointenso em Flair. Esta cavidade pode ser identificada com mais precisão no T1. Na maioria dos casos, o centro cavitada é cercado por uma borda hyperintense no Flair, representando o gliosis. ³³.
         Nota: No entanto, há uma quantidade considerável de variação no grau de cavitação e gliose de infartos crônicos. Segmente a cavidade e o rebordo hiperintenso como enfarte (ver passo 3.2.5). Uma lesão do FLAIR hyperintense não é sempre um enfarte. No estágio agudo, os infartos subcorticais pequenos podem facilmente ser distinguidos das hiperintensidades da matéria branca ou de outras lesões crônicas tais como as lacunes da origem vascular presumida quando há um DWI disponível (veja Figura 5). No estágio crônico, pode ser mais difícil. Veja o parágrafo 3 na discussão para mais informação em como discriminar estes tipos da lesão na fase crônica.
   5. Salve a anotação como um arquivo de NIfTI binário, dando-lhe o mesmo nome exato que a varredura segmentada, com a extensão de. lesão (da mesma forma como feito na etapa 3.2.7).

Tipo de digitalização	Janela de tempo após o curso	Propriedades infarct	Verificação de referência	Armadilhas
Ct	> 24 h	Agudo: hipodense	-	-Fase de nebulização
		Crônica: hypodense cavidade com CSF e menos hypodense rim		-Transformação hemorrágica
Dwi	< 7 dias	Hyperintense	ADC: tipicamente hipointenso	-T2 shinethrough
				-Sinal elevado de DWI perto das relações entre o ar e o osso/tecido
Flair	> 48 h	Agudo: hiperintenso	Agudo: DWI/ADC, T1 (isointense ou hypointense)	-Hiperintensidades de matéria branca
		Crônica: hipointensa ou isointensa (cavidade), borda hiperintensa	Crônica: T1 (cavidade hipointensa com características do LCR).	-Lacunes

Tabela 1: Resumo dos critérios de segmentação de infarto para diferentes tipos de varredura.

4. registro para o espaço padrão

1. Download RegLSM de < www. metavcimap. org/features/software-Tools >⁴. Use esta ferramenta para processar varreduras do CT e qualquer tipo da seqüência de MRI. O procedimento de registro é ilustrado na Figura 7.
   Nota: As características opcionais no RegLSM incluem o registo a um molde intermediário de CT/MRI que se assemelhem mais pròxima às varreduras de uns pacientes mais idosos com atrofia²²do cérebro. Por padrão, o CT e MRI scan são registrados para o modelo MNI-152³⁴, mas isso pode ser substituído por outros modelos, se este melhor se adapte ao estudo. Diferentes esquemas de registro são ilustrados na Figura 7. Outras ferramentas de registro de código aberto também podem ser usadas para esta etapa.
2. Verifique 1) se os arquivos NIfTI não são compactados, 2) que o nome do arquivo da varredura segmentada contém o termo CT, FLAIR, ou DWI, e 3) que o nome do arquivo da anotação da lesão contém o mesmo termo com um acrescentado ". lesão". Se essas três primeiras etapas forem seguidas, os dados serão totalmente preparados para o registro e nada precisa ser alterado.
3. Abra o MATLAB (versão 2015a ou superior), defina a pasta atual como Reglsm (esta pasta pode ser baixada de ³⁵ (versão 12 ou superior, download gratuito em < https://www.fil.Ion.UCL.AC.uk/SPM/>) digitando addpath {nome da pasta SPM}. Em seguida, digite Reglsm para abrir a GUI.
4. Selecione o modo de teste no menu suspenso de registro para executar o registro para um único caso. No painel do modo de teste, selecione a verificação (CT, FLAIR ou DWI), a anotação e, opcionalmente, o T1, usando o botão abrir imagem . Selecione o esquema de registro: CT, Flair com ou sem T1, DWI com ou sem T1.
5. Alternativamente, selecione o modo batch para registrar as varreduras de todos os casos na pasta selecionada no modo de lote.
6. Assegure-se de que o RegLSM salve os parâmetros de registro resultantes e as varreduras registradas (incluindo etapas intermediárias) e o mapa de lesão registrado nas subpastas que são geradas automaticamente. Durante este processo, as varreduras registradas e os mapas da lesão são reampled para combinar a definição (isotropic 1 milímetro³ voxels) e a angulação do molde de MNI-152.

5. revisar os resultados do registro

1. Selecione a opção verificar os resultados na GUI do RegLSM e navegue até a pasta principal com os resultados do registro. O GUI selecionará automaticamente a varredura registrada com o mapa registrado da lesão, e o molde de MNI-152 com o mapa registrado da lesão em orientações transversais, sagital, e coronal (veja Figura 8).
2. Percorra a digitalização registada e utilize a mira para verificar o alinhamento da digitalização registada e o modelo MNI-152. Preste atenção específica ao alinhamento de marcos anatômicos reconhecíveis, como os gânglios basais, ventrículos e crânio.
3. Marque todos os registros com falha em uma coluna separada no arquivo de dados (feito na etapa 1,2) para a correção manual subseqüente na seção 6.
   Nota: Os erros comuns no registro são o alinhamento imperfeito devido ao efeito maciço causado pela lesão no estágio agudo, ou à ampliação ex do vacuo dos ventrículos na fase crônica. Consulte a Figura 3 e a Figura 5 para obter exemplos desse desalinhamento. Um outro erro comum é um desalinhamento do cerebelli do tentorium, neste caso um enfarte occipital pode sobrepor com o cerebelo no molde. O desalinhamento dos tecidos que não são lesionados não é um problema quando somente os mapas binários da lesão são usados nas análises subseqüentes do mapeamento da lesão-sintoma. Nesses casos, apenas as lesões precisam estar perfeitamente alinhadas.

6. corrigir erros de registro manualmente

1. Para os mapas de lesão que necessitam de correção, abra o modelo MNI-152 T1 no ITK-SNAP e selecione no menu segmentação | segmentação aberta | mapa de lesão registrado, que agora está sobreposto no modelo.
2. Abra a verificação de cérebro registrada em uma instância separada do ITK-SNAP para referência.
3. Corrija o mapa de lesão registrado em ITK-SNAP para qualquer tipo de desalinhamento mencionado na etapa 5,3 usando a função Brush para adicionar voxels (clique esquerdo) ou remover voxels (clique com o botão direito do mouse). Compare com cuidado a varredura registada e o mapa sobreposto da lesão (veja a etapa 5,2) com o molde de MNI-152 e o mapa sobreposto da lesão em ITK-SNAP (veja a etapa 6,1) para identificar as regiões do desalinhamento. Consulte a Figura 3 e a Figura 5.
4. Após corrigir manualmente o mapa da lesão no espaço MNI, realize uma verificação final comparando a varredura nativa segmentada do paciente com o mapa de lesão corrigido no espaço MNI (i.e., os resultados da etapa 6,3). Assegure-se de que o mapa corrigido da lesão no espaço de MNI represente agora exatamente o infarto no espaço nativo. Preste atenção específica aos marcos reconhecíveis, como gânglios da base, ventrículos e crânio (semelhante ao passo 5,2).
5. Salve o mapa de lesão corrigido no espaço MNI como um arquivo de NIfTI binário na mesma pasta que o mapa de lesão não corrigido no espaço MNI-152, dando-lhe exatamente o mesmo nome que o mapa de lesão não corrigido, com a extensão de. corrigido.

7. preparando dados para lesão-mapeamento de sintomas

1. Renomeie todos os mapas da lesão. Por padrão, o RegLSM salvou os mapas da lesão em uma subpasta com o nome do arquivo "Results". Inclua o ID do assunto no nome do arquivo. No caso de correção manual, certifique-se de selecionar e renomear o arquivo corrigido.
2. Copie todos os mapas de lesão em uma única pasta.
3. Realize uma verificação da sanidade dos dados selecionando e inspecionando aleatòria diversos mapas da lesão em ITK-SNAP e compare estes com as varreduras nativas para governar para fora erros sistemáticos no processamento de dados tal como a inversão esquerdo-direita.
4. Use MRIcron < https://www.nitrc.org/projects/mricron > para executar outra verificação de sanidade dos dados, criando uma imagem de sobreposição de lesão para verificar se nenhuma lesão está localizada fora do modelo cerebral. Faça isso selecionando o menu suspenso desenhar | estatísticas | criar sobreposição de imagens.
   Nota: O mapa de sobreposição de lesão resultante pode ser projetado no modelo MNI-152 e inspecionado usando, por exemplo, MRIcron ou ITK-SNAP.
5. Os mapas da lesão estão agora prontos para ser usados para o mapeamento da lesão-sintoma VOXEL-baseado ou para o cálculo de volumes do enfarte dentro das regiões específicas do interesse usando um Atlas que seja registado ao mesmo espaço padrão que os mapas da lesão (neste caso, espaço de MNI-152 para que muitos Atlas estão disponíveis, apenas alguns dos quais são citados abaixo^36,37,38).

Resultados

Exemplos de segmentações de infarte cerebrais em imagens de TC (Figura 3), DWI (Figura 5) e Flair (Figura 6) e registro subseqüente ao modelo MNI-152 são fornecidos aqui. Os resultados de registro mostrados na Figura 3B e na Figura 5C não foram inteiramente bem-sucedidos, pois houve desalinhamento próximo ao chifre frontal do ventrícu...

Discussão

O LSM é uma ferramenta poderosa para estudar a arquitetura funcional do cérebro humano. Uma etapa crucial em todo o estudo do mapeamento da lesão-sintoma é o pré-processamento de dados da imagem latente, a segmentação da lesão e o registo a um molde do cérebro. Aqui, nós relatamos um encanamento estandardizado para a segmentação e o registo da lesão para a finalidade do mapeamento da lesão-sintoma. Este método pode ser realizado com ferramentas de processamento de imagem disponíveis livremente, pode ser u...

Materiais

Name	Company	Catalog Number	Comments
dcm2niix	N/A	N/A	free download https://github.com/rordenlab/dcm2niix
ITK-SNAP	N/A	N/A	free download www.itksnap.org
MATLAB	MathWorks	N/A	Version 2015a or higher
MRIcron	N/A	N/A	free download https://www.nitrc.org/projects/mricron
RegLSM	N/A	N/A	free download www.metavcimap.org/support/software-tools
SPM12b	N/A	N/A	free download https://www.fil.ion.ucl.ac.uk/spm/