Partes deste trabalho, ou seja, o estudo sobre QC e correção para direções gradiente corrompidos na aplicação de dados de pacientes com desordens hipercinéticas, foram apoiados pela rede HD Europeia (EHDN projeto 070). Os exames de ressonância magnética nesta determinado estudo foram adquiridos como parte do site coorte TRACK-HD Londres.

Métodos de Análise: pré e pós-processamento A tarefa do seguinte protocolo é analisar propriedades de difusão voxelwise dentro tratos de substância branca que poderia ser - devido à detecção voxelwise - ou isotrópicos ou anisotrópicos, resultando em tensores de difusão prolate ou oblato para os respectivos voxels. A parametrização dos tensores voxel é usado tanto para o cálculo da FA-mapas ou a identificação de fibertracts (Figura 1). A fim de obter os resultados da análise, como mostrado a seguir, utilizar o pacote de software de tensor e seguimento de Fibra (TIFT) 17. TIFT fornece ferramentas de análise para os seguintes requisitos: <ul><li> análise em termos de DTI métricas, por exemplo, FA-mapas, </li><li> normalização estereotáxica </li><li> comparação entre os grupos em termos de FA ou outras métricas DTI </li><li> várias abordagens de análise do FT </li><li> FT no grupo de média DDados da TI ea análise estatística correspondente. </li></ul> Estas características permitem uma variedade de análises em um ambiente de software 17,29,30,31. O software TIFT está constantemente em desenvolvimento de novas opções em análise de dados DTI. A Figura 2 apresenta uma visão esquemática como analisar dados DTI no nível do grupo após a normalização espacial de duas abordagens complementares, ou seja, tanto por WBSs e por TFAS para finalmente obter diferenças entre as amostras sujeitas ao nível do grupo, por exemplo, cérebros doentes contra controles saudáveis. Aqui, WBSs visa uma detecção imparcial voxelwise de áreas com as diferenças ao nível do grupo, enquanto que AGT baseia fibertracts pré-definidas; as áreas a partir AGT pode ser livremente escolhida, ou pode ser derivada a partir dos resultados WBSs `(` focos de significativamente alterada FA). Comparação longitudinal individual do FA-mapas é realizada pela detecçãoting diferenças em fa-mapas de medições em diferentes pontos temporais após alinhamento estereotáxico afim (Figura 2). <ol><li> Verificação de qualidade (QC), incluindo a correção para as direções gradiente corrompidos No caso de distúrbios de movimento, durante a aquisição, ou seja, em caso de volumes corrompidos, um aumento de SNR é obtido omitindo direcções gradientes individuais (DG) para o cálculo do tensor. Para esse efeito, um controlo de qualidade (QC) 32 algoritmo foi desenvolvido. Em resumo, para verificações que continha volumes corrompidos, um aumento SNR é conseguido por omissão de um simples gradiente de direcções de cada vez antes da estimação tensor: para cada DG, a variância ponderada é calculada a partir de todos os lados restantes da sequência através da ponderação com o ângulo em que difere do índice de SG. <ol><li> Executar uma correção artefato detectando GD com pelo menos uma fatia mostrando redução na intensidade, ou seja, artefatos de movimento causado por su espontânea<html> bject circulação (Figura 3, painel superior). Para qualquer volume ponderado difusão, calcular a intensidade média para cada fatia e comparar sua intensidade com a mesma fatia em todos os outros volumes, usando uma abordagem média ponderada - o fator de ponderação é o produto escalar de dois vetores de GD <img alt="Equação 8" fo:src="/files/ftp_upload/50427/50427eq8highres.jpg" src="/files/ftp_upload/50427/50427eq8.jpg" /> : <img alt="Equação 9" fo:src="/files/ftp_upload/50427/50427eq9highres.jpg" src="/files/ftp_upload/50427/50427eq9.jpg" /> <img alt="Equação 10" fo:src="/files/ftp_upload/50427/50427eq10highres.jpg" src="/files/ftp_upload/50427/50427eq10.jpg" /> <img alt="Equação 11" fo:src="/files/ftp_upload/50427/50427eq11highres.jpg" src="/files/ftp_upload/50427/50427eq11.jpg" /> denota a intensidade média aritmética da fatia sob observação e427eq12.jpg &quot;/&gt; uma fatia de comparação. O desvio médio relativo intensidade <img alt="Equação 13" fo:src="/files/ftp_upload/50427/50427eq13highres.jpg" src="/files/ftp_upload/50427/50427eq13.jpg" /> é ponderado pelo produto escalar da GD. Assim, a fim de definir um parâmetro global: <img alt="Equação 14" fo:src="/files/ftp_upload/50427/50427eq14highres.jpg" src="/files/ftp_upload/50427/50427eq14.jpg" /> reflecte o mínimo de comparações slicewise de todas as fatias. </li><li> Se Q é abaixo de um certo limiar (no exemplo, um limite de 0,8 é usada para esta finalidade), que o volume de eliminar todo, ou GD. Um limiar de 0,8 é considerada uma solução estável 32. Figura 3 ilustra artefactos de movimento visível nas reconstruções sagital e detectados pelo algoritmo de CQ. Neste exemplo, a partir do número total de GD (pontos azuis na figura 3c), 17 estavam abaixo da linha vermelha, que corresponde a Q = 0,8 e Should ser eliminado. Um exemplo de um volume de estatísticas para eliminação de um estudo conjunto é apresentado na Figura 3d. Neste estudo exemplar, os dados de DTI 29 indivíduos pré-sintomáticos HD foram comparados aos dados de DTI 30 controles. Outros detalhes deste algoritmo é apresentado em 32, 33. </li></ol></li><li> Pré-processamento e normalização espacial <ol><li> Realizar a correcção de distorções geométricas corrente de Foucault induzidas dos dados de imagem de eco-planar define pelo método proposto por 34. </li><li> Para a normalização estereotáxico, criar um específico de estudo (b = 0) - e um molde-molde FA, como descrito anteriormente 17,28,31. Basicamente, uma normalização estereotáxico não linear completo é composto por três componentes de deformação. Consequentemente, o tensor de difusão, resultando <img alt="Equação 15" fo:src="/files/ftp_upload/50427/50427eq15highres.jpg" src="/files/ftp_upload/50427/50427eq15.jpg" /> de cada voxel i tem de ser rotated acordo com todas as rotações acima enumeradas (Figura 4): <ol class="lroman"><li> A Figura 4a mostra uma transformação rígida cérebro para alinhar as estruturas básicas de coordenadas. A rotação <img alt="Equação 16" fo:src="/files/ftp_upload/50427/50427eq16highres.jpg" src="/files/ftp_upload/50427/50427eq16.jpg" /> resultante do alinhamento com a estrutura de coordenadas de base tem de ser aplicado <img alt="Equação 17" fo:src="/files/ftp_upload/50427/50427eq17highres.jpg" src="/files/ftp_upload/50427/50427eq17.jpg" /></li><li> Figura 4b mostra uma deformação linear de acordo com marcos. Os componentes das Autovetores <img alt="Equação 5" fo:src="/files/ftp_upload/50427/50427eq5highres.jpg" src="/files/ftp_upload/50427/50427eq5.jpg" /> tem que ser adaptado de acordo com os seis parâmetros de normalização de S (dependente da região do cérebro é um, a = 1 ... 6) da deformação linear. v w, j </sub&gt;&#39;&#39; &#39;= S a v w, j&#39;&#39;&#39; w = 1,2,3 e j = x, y, z. </li><li> Figura 4c mostra uma normalização não linear igualização diferenças de forma do cérebro não-lineares. Os desvios vetor 3-D são diferentes para cada voxel levando a uma transformação separado para cada voxel da matriz de 3-D do voxel <img alt="Equação 18" fo:src="/files/ftp_upload/50427/50427eq18highres.jpg" src="/files/ftp_upload/50427/50427eq18.jpg" /> ). Trigonometria padrão dá uma matriz de rotação independente para cada voxel, resultante do vetor 3-D se desloca seguindo os conceitos de 16, a fim de preservar as relações direcionais entre autovetores de voxels neighbored. Assim, diferentes turnos de dois voxels neighbored resultar em rotações de os autovetores correspondentes. Use as matrizes de dilatação para o alinhamento do tensor <img alt="Equação 15" fo:src="/files/ftp_upload/50427/50427eq15highres.jpg" src="/files/ftp_upload/50427/50427eq15.jpg" /> de cada voxel paraos voxels circundantes. <img alt="Equação 19" fo:src="/files/ftp_upload/50427/50427eq19highres.jpg" src="/files/ftp_upload/50427/50427eq19.jpg" /> <img alt="Equação 20" fo:src="/files/ftp_upload/50427/50427eq20highres.jpg" src="/files/ftp_upload/50427/50427eq20.jpg" /> são os componentes <img alt="Equação 18" fo:src="/files/ftp_upload/50427/50427eq18highres.jpg" src="/files/ftp_upload/50427/50427eq18.jpg" /></li></ol> O processo de normalização todo é iterativo, ou seja, criar um scanner e específico de seqüência (b = 0) - modelo para este estudo, no primeiro passo a média aritmética da (b = 0) - volumes de todos os indivíduos, após a transformação linear de acordo com o manual definir marcos. Após esta primeira normalização, criar melhores modelos, a fim de optimizar as matrizes de normalização. Os passos seguintes 1.2.3 até 1.2.5 são esquematicamente visualizado na Figura 5a. </li><li> Após este procedimento de normalização individual (rep (i) - DTI-dados I 0), o uso de todos os dados individuais DTI define para a criação de um específico de estudo (b = 0) - e um molde-molde FA (passo (ii) - modelos T 1). Como o registo não afim de um molde-FA tem a vantagem de proporcionar mais contraste, em comparação com (b = 0), as imagens 10, definem um molde-FA pela média de todos os derivados individualmente FA-os mapas dos doentes e os controlos. </li><li> Em uma segunda etapa, na sequência das ideias básicas da Ashburner Friston e 35, a uma normalização MNI não-linear (passo (iii)) dos dados DTI define minimizando o desfasamento entre as intensidades regionais do mapa-FA para ser montada e o modelo FA de acordo com as diferenças ao quadrado (X 2) - dessa forma, você obter dados DTI I 1. </li><li> Com base nestes dados, os novos modelos são derivados 2 T (passo (iv)). Repita este processo iterativo até que a correlação entre FA-maps individual e tele FA-molde é&gt; 0,7. Geralmente isto é alcançado após duas iterações. </li></ol></li><li> Estatística espacial baseados cérebro inteiro Os passos seguintes 1.3.1 até 1.3.5 são visualizados de forma esquemática na Figura 5b. <ol><li> Calcular FA-mapas a partir dos dados de DTI normalizadas com respeito ao procedimento de normalização de 1,2. , a fim de preservar a informação direccional (passo (i)). </li><li> Como um passo de pré-processamento antes da comparação estatística voxelwise, aplicar um filtro de suavização (passo (ii)) para o indivíduo normalizada FA-mapas. Por alisamento, o facto de que o tamanho do filtro influencia os resultados da análise de dados 36 DTI exige a aplicação do teorema do filtro adaptado que afirma que a largura do filtro utilizado para processar os dados devem ser adaptados ao tamanho da diferença esperada, conforme detalhado em aplicações anteriores aos dados DTI de pacientes com doenças neurodegenerativas (por exemplo 28). </li><li> Realizar estatística miniaturaarison entre os grupos de pacientes e os correspondentes voxelwise grupo controle por teste t de Student de, ou seja, comparar os valores de FA dos pacientes &quot;FA-mapas com os valores de FA os controles &#39;FA-mapas, para cada voxel separadamente (passo (iii )). Valores de FA abaixo de 0,2 não são considerados para o cálculo desde a matéria cinzenta cortical mostra valores de FA até 0,2 37. </li><li> Os resultados estatísticos têm que ser corrigido para múltiplas comparações usando o de taxa de detecção falso (FDR) algoritmo de p &lt;0,05 38 (passo (iv)). Uma maior redução do erro alfa tem de ser executada por um algoritmo de correlação espacial (aglomeração - o passo (v)), que eliminou os voxels isoladas ou pequenos grupos isolados de voxeis na gama de tamanho do grão de alisamento, conduzindo a um tamanho de aglomerado de 512 limiar voxels. </li><li> Para exibir os resultados em um fundo morfológica (passo (v)), normalizar os 3-D T1 dados ponderados define o espaço MNI e média aritmética. Realize esta normalização procedimento por utilização de um modelo específico de estudo em analogia com a normalização aplicados aos dados do DTI define 17. </li></ol></li></ol> A Figura 6 mostra os resultados de toda a estatística espacial baseadas no cérebro (WBSs) de pacientes versus controles ELA. Figura 6a mostra o máximo local de valores de FA diminuiu em um sagital, coronar e vista axial (estabelecido em p &lt;0,01, corrigido para múltiplas comparações). Figura 6b mostra FT projectional com pontos de partida no trato corticoespinhal usado como base para TFAS. Figura 6c mostra diferenças entre os grupos na FA-maps detectados pelo cérebro todo com base estatística espacial (WBSs) entre uma amostra de pacientes com ELA e controles pareados em uma visualização slicewise. <ol start="4"><li> Estatísticas da anisotropia fracionada tractwise tractography e (TFAS) A Figura 7 ilustra o processo de FT-base do grupo, incluindo AGT como descrito no ponto 1.4.1 até 1.4.4. <ol><li> A fim de aplicar algoritmos baseados no grupo FT, gerar dados médios DTI conjuntos de &#39;dados e os comandos a partir dos Pacientes de dados em conjunto de acordo com os métodos descritos anteriormente 17. Isto requer um tratamento cuidadoso média da informação de orientação que é preservada durante o processo de normalização de acordo com técnicas descritas por 16 - para mais pormenores ver 30. </li><li> Realize tractography em conjuntos de dados DTI médias de grupos de sujeitos através da aplicação de uma técnica de simplificar rastreamento 31. Identificar pontos sementes definidas manualmente adjacentes aos valores máximos locais por todo o FA análises baseadas no cérebro, que são a base para a análise FT consecutivo. Após a identificação das sementes, executar tractografia e definir os voxels das fibras delineado como uma máscara específica de grupo pelo seguinte AGT 30. </li><li> De forma a quantificar os resultados tractography, aplicar a técnica de AGT, utilizando thde e feixes de fibras que foram criados na dados DTI médio de conjuntos de todos os sujeitos de cada grupo (dados do doente e os dados de controlo em conjunto) para a selecção dos voxeis que contribuem para uma comparação entre os pacientes e os dos controles FA-mapas. </li><li> Considere todos os voxels resultantes com um valor de FA acima de 0,2 para análise estatística pelo teste t de Student de. </li><li> Se desejado, a técnica de AGT poderia ser aplicada a qualquer métricas derivadas DTI, tais como a difusividade média (DM), anisotropia radial, anisotropia axial, etc (para um exemplo, ver 28). </li><li> Os resultados são exibidos em um fundo morfológico composto pelos MNI-normalizadas 3-D conjuntos de dados T1 </li></ol></li></ol>

Os autores não têm nada a revelar.

Média inter-sujeito dos dados DTI podem ser alcançados com respeito à amplitude de difusão (por utilização de informação FA) ea direcção da difusão (com base em FT), respectivamente. Média de FA mapas permite a comparação estatística dos grupos de sujeitos por WBSs e AGT. Este quadro metodológico dá uma introdução às técnicas DTI com média inter-sujeitos e comparação grupo. Normalização estereotáxica e comparação de mapas de FA no nível do grupo permite várias possibilidades de quantificar...

Imagem tensor de difusão no cérebro humano A matéria (WM) tratos branca no sistema nervoso central consistem de axónios densamente empacotados em adição a vários tipos de neuroglia e outras pequenas populações de células. A membrana axonal, bem como as fibras de proteína bem alinhadas dentro de um axónio limita a difusão de água perpendicular à orientação das fibras, provocando a difusão de água no cérebro anisotrópica WM 1. Bainhas de mielina em torno dos axônios também podem contribuir para a anisotropia tanto intra e extracelular de água 2. A descrição quantitativa deste anisotropia pode ser detectado pelo tensor de difusão (DTI). DTI produz imagens de tecidos ponderados com as características microestruturais locais de difusão de água. As intensidades de imagem-em cada posição são atenuados, dependendo da intensidade e direcção do chamado gradiente de difusão magnética (representado emo valor-b), bem como sobre a microestrutura local no qual as moléculas de água difundir 3, o coeficiente de difusão D, a um valor escalar: <img alt="Equação 1" fo:src="/files/ftp_upload/50427/50427eq1highres.jpg" src="/files/ftp_upload/50427/50427eq1.jpg" /> No entanto, na presença de anisotropia em WM, difusão já não pode ser caracterizado por um único coeficiente de escalar, mas requer um tensor <img alt="Equação 3" fo:src="/files/ftp_upload/50427/50427eq3highres.jpg" src="/files/ftp_upload/50427/50427eq3.jpg" /> que, em primeira aproximação descreve mobilidade molecular ao longo de cada direção e correlação entre esses quatro direções. Anisotropia de difusão é causada principalmente pela orientação de feixes de fibras em WM e é influenciado por suas micro e macroestrutural recursos. Dos aspectos microestruturais, organização intraaxonal parece ser de grande influência sobre a anisotropia de difusão, além da densidade de uma fibraembalagem célula nd, o grau de mielinização e diâmetro das fibras individuais. Em uma escala macroscópica, a variabilidade na orientação de todas as extensões de WM em um voxel imagiologia influencia o seu grau de anisotropia 5. Em medições típicas de DTI, são as dimensões do voxel na ordem de milímetros. Assim, um voxel sempre contém a informação médio das moléculas de água no interior do volume de detecção que normalmente cobre várias axónios, bem como as moléculas de água circundantes. Apesar deste enquadramento multidirecional, DTI é sensível à orientação do maior eixo principal que se alinha com a direcção predominante axonal, ou seja, a contribuição axonal domina o sinal medido duas. DTI fornece dois tipos de informações sobre a propriedade de difusão de água: em primeiro lugar, a extensão orientação independente de difusão anisotropia 5 e, segundo, a direção predominante de difusão de água em imagvoxels electrónicos, isto é, a orientação de difusão 6. Os protocolos atuais são supostamente para fornecer um quadro de técnicas de análise de DTI para a comparação quantitativa dos grupos de sujeitos no nível do grupo, conforme descrito a seguir. Quantificação de propriedades de difusão - parâmetros de análise Os elementos do tensor simétrico pode ser medido por gradientes de difusão ao longo de, pelo menos, seis não colineares e não coplanares instruções de modo a que b (Equação 1) tornou-se um tensor, o que resulta na atenuação do sinal <img alt="Equação 2" fo:src="/files/ftp_upload/50427/50427eq2highres.jpg" src="/files/ftp_upload/50427/50427eq2.jpg" /> Esta equação requer respondendo por possíveis interações entre imagem e gradientes de difusão que são aplicadas em direções ortogonais (termos cruzados) e até mesmo entre os gradientes de imagem que são aplicadasem quatro direcções ortogonais. O tensor de difusão de segunda ordem <img alt="Equação 3" fo:src="/files/ftp_upload/50427/50427eq3highres.jpg" src="/files/ftp_upload/50427/50427eq3.jpg" /> sempre pode ser diagonalizada deixando apenas três elementos diferentes de zero ao longo da diagonal principal do tensor, ou seja, os valores próprios ( <img alt="Equação 4" fo:src="/files/ftp_upload/50427/50427eq4highres.jpg" src="/files/ftp_upload/50427/50427eq4.jpg" /> ). Os Eigenvalues ​​reflectir a forma ou configuração do elipsóide. A relação matemática entre o principal coordenadas da elipsóide e do quadro de laboratório é descrita por os autovectores <img alt="Equação 5" fo:src="/files/ftp_upload/50427/50427eq5highres.jpg" src="/files/ftp_upload/50427/50427eq5.jpg" /> Uma vez que existem vários desafios na exibição de dados tensor, o conceito de elipsóides de difusão foi proposto 3. Os Eigendiffusivities destes ellipsoids representam unidimensionais os coeficientes de difusão na direcção principal de difusividades do meio, isto é, o eixo principal do elipsóide representa a direcção de difusão principal no voxel, que coincide com a direcção das fibras, enquanto que a excentricidade do elipsóide fornece informações sobre o grau de anisotropia e a sua simetria. Portanto, as métricas de anisotropia de difusão, tais como a anisotropia fracionada (FA) pode ser definida 7. <img alt="Equação 6" fo:src="/files/ftp_upload/50427/50427eq6highres.jpg" src="/files/ftp_upload/50427/50427eq6.jpg" /> <img alt="Equação 7" fo:src="/files/ftp_upload/50427/50427eq7highres.jpg" src="/files/ftp_upload/50427/50427eq7.jpg" /> é a média aritmética de todas as Eigenvalues. Uma abordagem adicional consiste em utilizar a direcção principal do tensor de difusão para abordar a conectividade WM do cérebro, o que corresponde ao tractografia approach que tem a intenção de investigar quais as partes do cérebro estão ligados uns aos outros. Assumindo-se que a orientação do componente principal do tensor de difusão representa a orientação dos folhetos axonais dominantes, num campo de vectores em 3-D é proporcionado, em que cada vetor representa a orientação das fibras. Actualmente, existem diversas abordagens para reconstruir WM extensões que podem ser divididas em dois tipos: a primeira categoria é baseado em algoritmos de propagação de linha usando a informação tensor local para cada passo de propagação do tracto fibra 2,8,9. A segunda categoria é baseada na minimização de energia global para encontrar o caminho energeticamente mais favorável entre duas regiões WM, resultando na abordagem estatística espacial baseados trato (TBSS) 10, o qual tem sido usado em outros algoritmos, tais como as estatísticas da anisotropia fracionada tractwise (AGT - ver texto do protocolo, a seção 2.4).. Transformação em estande estereotáxicaard espaço Tal como em outros métodos de ressonância magnética avançada, DTI-e estudos baseados em FT num contexto clínico prosseguir a meta final para categorizar morfologia do cérebro do paciente individual, a fim de facilitar o processo de diagnóstico com base em alguma discriminação métrico 11. Estudos ao nível do grupo são mais relevantes se o fenótipo clínico comum é suposto ser devido a danos a uma ou mais áreas específicas do cérebro ou uma rede neuroanatomical específico. Aqui, com uma média de resultados para indivíduos diferentes é útil para avaliar padrões comuns de alterações microestruturais. Cada cérebro individual tem que ser transferido para o espaço estereotáxico de modo que, num segundo passo, a média aritmética dos resultados ao nível do voxel-a-voxel é possível. Normalização espacial permitido para cálculo da média aritmética dos resultados obtidos a partir de diferentes indivíduos, a fim de melhorar a relação sinal-ruído (SNR), e para realizar uma comparação de amostras de pacientes e controls, a fim de analisar o pathoanatomy computacional de uma doença específica, por exemplo, uma doença neurodegenerativa, o qual está associado com a afectação de um sistema cerebral específico. A abordagem inicial de normalização para um espaço estereotáxico padronizado em 12 sugeriram um algoritmo de transformação de um atlas padrão envolvendo a identificação de vários marcos cerebrais e fragmentada escala de quadrantes do cérebro. Hoje em dia, a maioria dos pacotes de análise de dados de ressonância magnética avançados usam normalização do Instituto Neurológico de Montreal (MNI) estereotáxica espaço 13. Para esta transformação, algoritmos de registro cérebro semi-automáticos e automatizados usando o estudo de modelos específicos foram desenvolvidos 14,15. Em DTI, atenção especial deve ser desenhado para preservar a informação direcional durante o processo de normalização 16,17. A aplicação de transformações espaciais em imagens DT-MR, que são necessários para a normalização espacialde conjuntos de conjuntos de dados é, em contraste com as imagens escalares entortamento, complicado pelo facto de conter informações DTs orientacional que é novamente afectadas pela transformação. Este efeito deve ser contabilizada, a fim de garantir a correção anatômica da imagem transformada. Aqui, são apresentadas técnicas de aplicação transformações afins de conjuntos de dados de DTI. Aplicação de DTI para doenças cerebrais A comparação dos dados longitudinal DTI requer um alinhamento / registo de dados de um objecto entre si. Neste contexto, a preservação da informação direccional é necessário (isto é, a rotação do tensor de difusão durante transformações afins). As possíveis aplicações para doenças neurodegenerativas foram relatadas anteriormente (por exemplo, 18,19). DTI foi estabelecida como uma ferramenta técnica não-invasiva robusto para investigar in vivo Neuropatholgia de WM extensões neuronais (por exemplo, 11,20,21,22). Métricas quantitativas baseadas DTI do processo de difusão, por exemplo, o FA, já demonstraram ser marcadores sensíveis para o estudo de uma ampla gama de WM patologias, tais como acidente vascular cerebral 20, esclerose múltipla 23, a esclerose amiotrófica lateral, 24, 25, a doença de Alzheimer 26 e vários outros distúrbios WM 27,28. Além disso, o DTI com FT podem ser usadas para identificar extensões WM 23. Esta técnica, embora ainda não em uso clínico de rotina, está emergindo como um poderoso instrumento para a avaliação de anormalidades específicas da via na doença neurológica. Dentro dos intervalos identificados vários índices quantitativos MRI derivado de DTI e aquisições adicionais (por exemplo, T2 e / ou transferência de magnetização (MT) de imagem) que são anatomicamente georeferenciados aos dados DTI podem ser medidos. Por este meio, cada índice poderia ser calculated como uma função da posição no interior do tracto, referindo-se aos lotes que descrevem a variação espacial como perfis trato. Nos seguintes, digitaliza DTI humanos, que foram realizadas em 1,5 Tesla MRI scanners (Siemens Medical, Erlangen, Alemanha) foram utilizadas para investigar o potencial de várias técnicas de análise para a detecção de alterações na substância branca em grupos de pacientes, assim como em indivíduos. Depois de um controlo automático de qualidade para a eliminação de volumes movimento corrompidos e volumes com outros tipos de artefatos, procedimentos pós-processamento padronizados preparar os dados do DTI para a análise consecutiva. Diferentes abordagens de análise será ilustrada no seguinte, ou seja, em primeiro lugar, o cérebro todo com base estatística espacial (WBSs), em segundo lugar, a FT, e, Tractwise estatísticas da anisotropia fracionada terceiros (AGT). WBSs é um método que funciona em analogia com morfometria baseada em voxel (VBM), que é geralmente conhecida como morfometria / estatística baseada em voxel em dados DTI (VBM / DTI) <em&gt;. VBM é um método que é executado inicialmente em imagens de contraste em que as diferenças de contraste nas varreduras separados têm de ser resolvidas quando WBSs é um método que utiliza a comparação voxelwise de um parâmetro físico. Portanto, embora algoritmicamente semelhante, uma terminologia que se diferenciar WBSs e VBM serão usados ​​a seguir.

<table border="1">
 <tbody>
 <tr>
 <td>MR scanner</td>
 <td></td>
 <td></td>
 <td>Siemens 1.5 T Magnetom Symphony</td>
 </tr>
 <tr>
 <td>analysis software </td>
 <td></td>
 <td></td>
 <td>TIFT - Tensor Imaging and Fiber Tracking</td>
 </tr>
 </tbody>
 </table>

diffusion tensor magnetic resonance imaging in the analysis of neurodegenerative diseases

Técnicas de imagem tensor de difusão (DTI) fornecer informações sobre os processos microestruturais da substância branca cerebral (WM) in vivo. Os atuais aplicativos são projetados para investigar as diferenças de padrões de envolvimento WM em diferentes doenças cerebrais, doenças neurodegenerativas, especialmente pelo uso de diferentes análises DTI em comparação com os controles. Análise de dados DTI é realizada de uma forma variada, ou seja, comparação voxelwise de difusão métricas regionais baseadas em direção como anisotropia fracionada (FA), juntamente com acompanhamento de fibra (FT), acompanhado de estatísticas da anisotropia fracionada tractwise (AGT) no nível do grupo, a fim para identificar diferenças na FA ao longo estruturas WM, visando a definição de padrões regionais de WM alterações no nível do grupo. Transformação em um espaço padrão estereotáxica é um pré-requisito para estudos em grupo e exige que os dados completos de processamento para preservar directional inter-dependências. As aplicações atuais mostram abordagens técnicas otimizadas para esta preservação de informações quantitativas e direcional durante a normalização espacial em análises de dados em nível de grupo. Nesta base, as técnicas de FT pode ser aplicado para o grupo de dados em média, a fim de quantificar a informação métricas definidas pela FT. Além disso, a aplicação de métodos de DTI, isto é, diferenças de FA-mapas após alinhamento estereotáxico, numa análise longitudinal a um sujeito individual com base revelar informações sobre a progressão de desordens neurológicas. Melhora ainda mais a qualidade dos resultados baseados DTI podem ser obtidos durante o pré-processamento através da aplicação de uma eliminação controlada de instruções de gradiente com elevados níveis de ruído. Em resumo, o DTI é utilizado para definir um WM pathoanatomy distinta de diversas doenças cerebrais, a combinação do conjunto de análise DTI cérebro baseado e baseado trato.

1. QC e correção para direções gradiente corrompidos na aplicação de dados de pacientes com desordens hipercinéticas Como um exemplo, para o efeito da aplicação de QC, e de exclusão de volume subsequente (como uma consequência da correcção para GD corrompidos), a Figura 8 mostra as diferenças de cérebro inteiro de estatísticas espaciais base com ou sem exclusão de volume para a comparação de grupos de 29, a doença de premanifest Huntington assuntos vs 30 ano...

Watch this Scientific Journal Video about Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases at JoVE.com

Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases

Tensor de difusão (DTI), basicamente, serve como uma ferramenta baseada em ressonância magnética para identificar<em&gt; In vivo</em&gt; A microestrutura do cérebro e processos patológicos devido a desordens neurológicas dentro da matéria branca cerebral. Análises baseadas DTI permite a aplicação de doenças cerebrais, tanto ao nível do grupo e em Dados sujeitos individuais.

Diffusion Tensor Imagem por Ressonância Magnética na Análise de Doenças Neurodegenerativas

Diffusion tensor imaging (DTI) techniques provide information on the microstructural processes of the cerebral white matter (WM) in vivo. The present ...

diffusion-tensor-magnetic-resonance-imaging-analysis

Research

JoVE Journal

Medicine

28.1K visualizações.  University of Ulm. Tensor de difusão (DTI), basicamente, serve como uma ferramenta baseada em ressonância magnética para identificar In vivo A microestrutura do cérebro e processos patológicos devido a desordens neurológicas dentro da matéria branca cerebral. Análises baseadas DTI permite a aplicação de doenças cerebrais, tanto ao nível do grupo e em Dados sujeitos individuais.

Vídeo: Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases

Magnetic Resonance Derived Myocardial Strain Assessment Using Feature Tracking

Purpose: An accurate and practical method to measure parameters like strain in myocardial tissue is of great clinical value, since it has been shown, that strain is a more sensitive and earlier marker for contractile dysfunction than the frequently used parameter EF. Current technologies for CMR are time consuming and difficult to implement in clinical practice. Feature tracking is a technology that can lead to more automization and robustness of quantitative analysis of medical images with less time consumption than comparable methods.
Methods: An automatic or manual input in a single phase serves as an initialization from which the system starts to track the displacement of individual patterns representing anatomical structures over time. The specialty of this method is that the images do not need to be manipulated in any way beforehand like e.g. tagging of CMR images.
Results: The method is very well suited for tracking muscular tissue and with this allowing quantitative elaboration of myocardium and also blood flow.
Conclusions: This new method offers a robust and time saving procedure to quantify myocardial tissue and blood with displacement, velocity and deformation parameters on regular sequences of CMR imaging. It therefore can be implemented in clinical practice.

An accurate and practical method to measure parameters like strain in myocardial tissue is of great clinical value, since it has been shown, that strain is a more sensitive and earlier marker for contractile dysfunction than the frequently used parameter EF.

Avaliação Strain Ressonância Magnética Derivado do Miocárdio Usando o controle de recursos

Purpose: An accurate and practical method to measure parameters like strain in myocardial tissue is of great clinical value, since it has been shown, that ...

Medicina

Probing the Brain in Autism Using fMRI and Diffusion Tensor Imaging

Newly emerging theories suggest that the brain does not function as a cohesive unit in autism, and this discordance is reflected in the behavioral symptoms displayed by individuals with autism. While structural neuroimaging findings have provided some insights into brain abnormalities in autism, the consistency of such findings is questionable. Functional neuroimaging, on the other hand, has been more fruitful in this regard because autism is a disorder of dynamic processing and allows examination of communication between cortical networks, which appears to be where the underlying problem occurs in autism. Functional connectivity is defined as the temporal correlation of spatially separate neurological events1. Findings from a number of recent fMRI studies have supported the idea that there is weaker coordination between different parts of the brain that should be working together to accomplish complex social or language problems2,3,4,5,6. One of the mysteries of autism is the coexistence of deficits in several domains along with relatively intact, sometimes enhanced, abilities. Such complex manifestation of autism calls for a global and comprehensive examination of the disorder at the neural level. A compelling recent account of the brain functioning in autism, the cortical underconnectivity theory,2,7 provides an integrating framework for the neurobiological bases of autism. The cortical underconnectivity theory of autism suggests that any language, social, or psychological function that is dependent on the integration of multiple brain regions is susceptible to disruption as the processing demand increases. In autism, the underfunctioning of integrative circuitry in the brain may cause widespread underconnectivity. In other words, people with autism may interpret information in a piecemeal fashion at the expense of the whole. Since cortical underconnectivity among brain regions, especially the frontal cortex and more posterior areas 3,6, has now been relatively well established, we can begin to further understand brain connectivity as a critical component of autism symptomatology.
A logical next step in this direction is to examine the anatomical connections that may mediate the functional connections mentioned above. Diffusion Tensor Imaging (DTI) is a relatively novel neuroimaging technique that helps probe the diffusion of water in the brain to infer the integrity of white matter fibers. In this technique, water diffusion in the brain is examined in several directions using diffusion gradients. While functional connectivity provides information about the synchronization of brain activation across different brain areas during a task or during rest, DTI helps in understanding the underlying axonal organization which may facilitate the cross-talk among brain areas. This paper will describe these techniques as valuable tools in understanding the brain in autism and the challenges involved in this line of research.

Neuroimaging techniques, such as functional MRI and Diffusion Tensor Imaging have become increasingly useful in characterizing the cognitive and neural deficits in autism. An examination of brain connectivity in autism at a network level along with adaptations for scanning children with developmental disabilities is presented.

Sondando o cérebro no autismo utilizando fMRI e Difusão Tensor Imagem

Newly emerging theories suggest that the brain does not function as a cohesive unit in autism, and this discordance is reflected in the behavioral ...

High Content Screening in Neurodegenerative Diseases

The functional annotation of genomes, construction of molecular networks and novel drug target identification, are important challenges that need to be addressed as a matter of great urgency1-4. Multiple complementary 'omics' approaches have provided clues as to the genetic risk factors and pathogenic mechanisms underlying numerous neurodegenerative diseases, but most findings still require functional validation5. For example, a recent genome wide association study for Parkinson's Disease (PD), identified many new loci as risk factors for the disease, but the underlying causative variant(s) or pathogenic mechanism is not known6, 7. As each associated region can contain several genes, the functional evaluation of each of the genes on phenotypes associated with the disease, using traditional cell biology techniques would take too long. 
	There is also a need to understand the molecular networks that link genetic mutations to the phenotypes they cause. It is expected that disease phenotypes are the result of multiple interactions that have been disrupted. Reconstruction of these networks using traditional molecular methods would be time consuming. Moreover, network predictions from independent studies of individual components, the reductionism approach, will probably underestimate the network complexity8. This underestimation could, in part, explain the low success rate of drug approval due to undesirable or toxic side effects. Gaining a network perspective of disease related pathways using HT/HC cellular screening approaches, and identifying key nodes within these pathways, could lead to the identification of targets that are more suited for therapeutic intervention.
	High-throughput screening (HTS) is an ideal methodology to address these issues9-12. but traditional methods were one dimensional whole-well cell assays, that used simplistic readouts for complex biological processes. They were unable to simultaneously quantify the many phenotypes observed in neurodegenerative diseases such as axonal transport deficits or alterations in morphology properties13, 14. This approach could not be used to investigate the dynamic nature of cellular processes or pathogenic events that occur in a subset of cells. To quantify such features one has to move to multi-dimensional phenotypes termed high-content screening (HCS)4, 15-17. HCS is the cell-based quantification of several processes simultaneously, which provides a more detailed representation of the cellular response to various perturbations compared to HTS. 
	HCS has many advantages over HTS18, 19, but conducting a high-throughput (HT)-high-content (HC) screen in neuronal models is problematic due to high cost, environmental variation and human error. In order to detect cellular responses on a 'phenomics' scale using HC imaging one has to reduce variation and error, while increasing sensitivity and reproducibility. 
	Herein we describe a method to accurately and reliably conduct shRNA screens using automated cell culturing20 and HC imaging in neuronal cellular models. We describe how we have used this methodology to identify modulators for one particular protein, DJ1, which when mutated causes autosomal recessive parkinsonism21. 
	Combining the versatility of HC imaging with HT methods, it is possible to accurately quantify a plethora of phenotypes. This could subsequently be utilized to advance our understanding of the genome, the pathways involved in disease pathogenesis as well as identify potential therapeutic targets.

We describe a methodology combining automated cell culturing with high-content imaging to visualize and quantify multiple cellular processes and structures, in a high-throughput manner. Such methods can aid in the further functional annotation of genomes as well as identify disease gene networks and potential drug targets.

Screening alto teor em Doenças Neurodegenerativas

The functional annotation of genomes, construction of molecular networks and novel drug target identification, are important challenges that need to be ...

The Use of Primary Human Fibroblasts for Monitoring Mitochondrial Phenotypes in the Field of Parkinson's Disease

Parkinson's disease (PD) is the second most common movement disorder and affects 1% of people over the age of 60 1. Because ageing is the most important risk factor, cases of PD will increase during the next decades 2. Next to pathological protein folding and impaired protein degradation pathways, alterations of mitochondrial function and morphology were pointed out as further hallmark of neurodegeneration in PD 3-11.
After years of research in murine and human cancer cells as in vitro models to dissect molecular pathways of Parkinsonism, the use of human fibroblasts from patients and appropriate controls as ex vivo models has become a valuable research tool, if potential caveats are considered. Other than immortalized, rather artificial cell models, primary fibroblasts from patients carrying disease-associated mutations apparently reflect important pathological features of the human disease.
Here we delineate the procedure of taking skin biopsies, culturing human fibroblasts and using detailed protocols for essential microscopic techniques to define mitochondrial phenotypes. These were used to investigate different features associated with PD that are relevant to mitochondrial function and dynamics. Ex vivo, mitochondria can be analyzed in terms of their function, morphology, colocalization with lysosomes (the organelles degrading dysfunctional mitochondria) and degradation via the lysosomal pathway. These phenotypes are highly relevant for the identification of early signs of PD and may precede clinical motor symptoms in human disease-gene carriers. Hence, the assays presented here can be utilized as valuable tools to identify pathological features of neurodegeneration and help to define new therapeutic strategies in PD.

The Use of Primary Human Fibroblasts for Monitoring Mitochondrial Phenotypes in the Field of Parkinson&#039;s Disease

Fibroblasts from patients carrying mutations in Parkinson's disease-causing genes represent an easily accessible ex vivo model to study disease-associated phenotypes. Live cell imaging gives the opportunity to study morphological and functional parameters in living cells. Here we describe the preparation of human fibroblasts and subsequent monitoring of mitochondrial phenotypes.

A utilização de recursos primários fibroblastos humanos de Monitoramento Fenótipos mitocondriais no Campo da Doença de Parkinson

Parkinson's disease (PD) is the second most  common movement disorder and affects 1% of people over the age of 60 1. Because ageing is  the most important ...

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging

Breast cancer is the most common cause of cancer among women worldwide. Early detection of breast cancer has a critical role in improving the quality of life and survival of breast cancer patients. In this paper a new approach for the detection of breast cancer is described, based on tracking the mammary architectural elements using diffusion tensor imaging (DTI). 
The paper focuses on the scanning protocols and image processing algorithms and software that were designed to fit the diffusion properties of the mammary fibroglandular tissue and its changes during malignant transformation. The final output yields pixel by pixel vector maps that track the architecture of the entire mammary ductal glandular trees and parametric maps of the diffusion tensor coefficients and anisotropy indices. 
The efficiency of the method to detect breast cancer was tested by scanning women volunteers including 68 patients with breast cancer confirmed by histopathology findings. Regions with cancer cells exhibited a marked reduction in the diffusion coefficients and in the maximal anisotropy index as compared to the normal breast tissue, providing an intrinsic contrast for delineating the boundaries of malignant growth. Overall, the sensitivity of the DTI parameters to detect breast cancer was found to be high, particularly in dense breasts, and comparable to the current standard breast MRI method that requires injection of a contrast agent. Thus, this method offers a completely non-invasive, safe and sensitive tool for breast cancer detection.

We describe how to obtain parametric and vector maps of the diffusion tensor of the breast using magnetic resonance imaging. The protocol and final output following imaging processing are tailored for tracking breast architectural features and detecting breast malignancy.

Acompanhando as mamárias elementos arquitectónicos e detecção do câncer de mama com Ressonância Magnética Tensor Difusão de imagens

Breast cancer is the most common cause of cancer among women worldwide. Early detection of breast cancer has a critical role in improving the quality of ...

Quantitative Magnetic Resonance Imaging of Skeletal Muscle Disease

Quantitative magnetic resonance imaging (qMRI) describes the development and use of MRI to quantify physical, chemical, and/or biological properties of living systems. Neuromuscular diseases often exhibit a temporally varying, spatially heterogeneous, and multi-faceted pathology. The goal of this protocol is to characterize this pathology using qMRI methods. The MRI acquisition protocol begins with localizer images (used to locate the position of the body and tissue of interest within the MRI system), quality control measurements of relevant magnetic field distributions, and structural imaging for general anatomical characterization. The qMRI portion of the protocol includes measurements of the longitudinal and transverse relaxation time constants (T1 and T2, respectively). Also acquired are diffusion-tensor MRI data, in which water diffusivity is measured and used to infer pathological processes such as edema. Quantitative magnetization transfer imaging is used to characterize the relative tissue content of macromolecular and free water protons. Lastly, fat-water MRI methods are used to characterize fibro-adipose tissue replacement of muscle. In addition to describing the data acquisition and analysis procedures, this paper also discusses the potential problems associated with these methods, the analysis and interpretation of the data, MRI safety, and strategies for artifact reduction and protocol optimization.

Neuromuscular diseases often exhibit a temporally varying, spatially heterogeneous, and multi-faceted pathology. The goal of this protocol is to characterize this pathology using non-invasive magnetic resonance imaging methods.

Quantitativa Ressonância Magnética da doença do músculo esquelético

Quantitative magnetic resonance imaging (qMRI) describes the development and use of MRI to quantify physical, chemical, and/or biological properties of ...

Simultaneous PET/MRI Imaging During Mouse Cerebral Hypoxia-ischemia

Dynamic changes in tissue water diffusion and glucose metabolism occur during and after hypoxia in cerebral hypoxia-ischemia reflecting a bioenergetics disturbance in affected cells. Diffusion weighted magnetic resonance imaging (MRI) identifies regions that are damaged, potentially irreversibly, by hypoxia-ischemia. Alterations in glucose utilization in the affected tissue may be detectable by positron emission tomography (PET) imaging of 2-deoxy-2-(18F)fluoro-&#7429;-glucose ([18F]FDG) uptake. Due to the rapid and variable nature of injury in this animal model, acquisition of both modes of data must be performed simultaneously in order to meaningfully correlate PET and MRI data. In addition, inter-animal variability in the hypoxic-ischemic injury due to vascular differences limits the ability to analyze multi-modal data and observe changes to a group-wise approach if data is not acquired simultaneously in individual subjects. The method presented here allows one to acquire both diffusion-weighted MRI and [18F]FDG uptake data in the same animal before, during, and after the hypoxic challenge in order to interrogate immediate physiological changes.

The method presented here uses simultaneous positron emission tomography and magnetic resonance imaging. In the cerebral hypoxia-ischemia model, dynamic changes in diffusion and glucose metabolism occur during and after injury. The evolving and irreproducible damage in this model necessitates simultaneous acquisition if meaningful multi-modal imaging data are to be acquired.

Simultânea de imagem PET / MRI Durante Rato isquemia-hipoxia cerebral

Dynamic changes in tissue water diffusion and glucose metabolism occur during and after hypoxia in cerebral hypoxia-ischemia reflecting a bioenergetics ...

Cardiac Magnetic Resonance Imaging at 7 Tesla

CMR at an ultra-high field (magnetic field strength B0&#160;&#8805; 7 Tesla) benefits from the signal-to-noise ratio (SNR) advantage inherent at higher magnetic field strengths and potentially provides improved signal contrast and spatial resolution. While promising results have been achieved, ultra-high field CMR is challenging due to energy deposition constraints and physical phenomena such as transmission field non-uniformities and magnetic field inhomogeneities. In addition, the magneto-hydrodynamic effect renders the synchronization of the data acquisition with the cardiac motion difficult. The challenges are currently addressed by explorations into novel magnetic resonance technology. If all impediments can be overcome, ultra-high field CMR may generate new opportunities for functional CMR, myocardial tissue characterization, microstructure imaging or metabolic imaging. Recognizing this potential, we show that multi-channel radio frequency (RF) coil technology tailored for CMR at 7 Tesla together with higher order B0 shimming and a backup signal for cardiac triggering facilitates high fidelity functional CMR. With the proposed setup, cardiac chamber quantification can be accomplished in examination times similar to those achieved at lower field strengths. To share this experience and to support the dissemination of this expertise, this work describes our setup and protocol tailored for functional CMR at 7 Tesla.

The sensitivity gain inherent to ultrahigh field magnetic resonance holds promise for high spatial resolution imaging of the heart. Here, we describe a protocol customized for functional cardiovascular magnetic resonance (CMR) at 7 Tesla using an advanced multi-channel radio-frequency coil, magnetic field shimming and a triggering concept.

Ressonância magnética cardíaca na Tesla 7

CMR at an ultra-high field (magnetic field strength B0&#160;&#8805; 7 Tesla) benefits from the signal-to-noise ratio (SNR) advantage inherent at higher ...

Phase Contrast Magnetic Resonance Imaging in the Rat Common Carotid Artery

Phase contrast magnetic resonance imaging (PC-MRI) is a noninvasive approach that can quantify flow-related parameters such as blood flow. Previous studies have shown that abnormal blood flow may be associated with systemic vascular risk. Thus, PC-MRI can facilitate the translation of data obtained from animal models of cardiovascular diseases to pertinent clinical investigations. In this report, we describe the procedure for measuring blood flow in the common carotid artery (CCA) of rats using cine-gated PC-MRI and discuss relevant analysis methods. This procedure can be performed in a live, anesthetized animal and does not require euthanasia after the procedure. The proposed scanning parameters yield repeatable measurements for blood flow, indicating excellent reproducibility of the results. The PC-MRI procedure described in this article can be used for pharmacological testing, pathophysiological assessment, and cerebral hemodynamics evaluation.

The overall goal of this procedure is to measure the blood flow in the rat common carotid artery by using noninvasive phase contrast magnetic resonance imaging.

Imagens de ressonância magnética fase contraste na artéria carótida comum de rato

Phase contrast magnetic resonance imaging (PC-MRI) is a noninvasive approach that can quantify flow-related parameters such as blood flow. Previous ...

Cardiac Magnetic Resonance for the Evaluation of Suspected Cardiac Thrombus: Conventional and Emerging Techniques

We present the conventional cardiac magnetic resonance (CMR) protocol for evaluating a suspected thrombus and highlight emerging techniques.&#160;The appearance of a mass on certain magnetic resonance (MR) sequences can help differentiate a thrombus from competing diagnoses such as a tumor. T1 and T2 signal characteristics of a thrombus are related to the evolution of hemoglobin properties. A thrombus typically does not enhance following contrast administration, which also helps differentiation from a tumor. We also highlight the emerging role of T1 mapping in the evaluation of a thrombus, which can add another level of support in diagnosis. Prior to any CMR exam, patient screening and interviews are critical to ensure safety and to optimize patient comfort. Effective communication during the exam between the technologist and the patient promotes proper breath holding technique and higher quality images. Volumetric post processing and structured reporting are helpful to ensure that the radiologist answers the ordering services&#39; question and communicates these results effectively. Optimal pre-MR safety evaluation, CMR exam execution, and post exam processing and reporting allow for delivery of high quality radiological service in the evaluation of a suspected cardiac thrombus.

The goal of this article is to describe how cardiac magnetic resonance can be used for the evaluation and diagnosis of a suspected cardiac thrombus. The method presented will describe data acquisition as well as the pre-procedure and post-procedure protocol.

Ressonância magnética cardíaca para avaliação de suspeita de trombo cardíaco: técnicas convencionais e emergentes

We present the conventional cardiac magnetic resonance (CMR) protocol for evaluating a suspected thrombus and highlight emerging techniques.&#160;The ...