Nosso oleoduto usa abordagens de última geração para quantificar o volume de subunidades cerebelares usando imagens de ressonância magnética estrutural humana. O processo inclui parcelamento anatômico, morfometria baseada em voxel e processos de controle de qualidade. Nosso pipeline padronizado é principalmente automatizado, disponível no formato Docker e Singularity, e tem ampla aplicabilidade a uma série de doenças neurológicas.
Para começar, certifique-se de que Docker ou Singularity, MATLAB e SPM12 sejam instalados. Em seguida, usando o comando do diretório make na linha de comando, crie pastas no diretório de trabalho e rotule-as como acapulco, terno e freesurfer. Em seguida, no diretório acapulco, crie uma pasta de saída.
Na pasta de saída, crie um diretório para cada assunto no estudo contendo a imagem ponderada t1 no formato NIFTI gz. Para parcelamento cerebelar anatômico, baixe o recipiente acapulco e baixe os scripts e recipientes necessários para executar acapulco. Em seguida, coloque o recipiente acapulco Docker ou Singularity, o conteúdo do arquivo QCs_scripts e o contêiner RCIF ou calculate_dicv.
arquivo de piche no diretório acapulco. Em seguida, abra um terminal e, usando singularidade, digite o comando indicado para executar o recipiente acapulco em uma única imagem. Aguarde cinco minutos para que o processamento seja concluído.
Em seguida, loop em todos os assuntos ou varreduras na coorte. Após o processamento, procure os arquivos gerados nas pastas específicas do assunto. Identifique a máscara de cerebelo parcelado em originais e volumes para cada uma das 28 subunidades geradas por acapulco.
Em seguida, a partir do diretório de fotos, identificar imagens representativas sagiais, axiais e coronais. Para detecção estatística outlier e controle de qualidade, certifique-se de que o conteúdo dos scripts QC esteja no diretório acapulco. Em seguida, usando singularidade, digite o comando indicado.
Para examinar as imagens qc geradas por acapulco, abra QC_Images. html em um navegador da Web e rapidamente percorrer as imagens para identificar falhas óbvias ou problemas sistemáticos. Observe os IDs de assunto de imagens com falhas ou suspeitas parceladas para acompanhamento.
Em seguida, abra Plots_for_Outliers. html para verificar os gráficos da caixa para outliers estatísticos quantitativos. Identifique os outliers denotados por um 1 na coluna relevante nos Outliers.
arquivo csv. e observe o número total de segmentos identificados como outliers para cada assunto na coluna final em Outliers.csv. Inspecione manualmente cada imagem com um ou mais outliers.
Se usar um visualizador de imagem NIFTI padrão, sobreponha a máscara de acapulco na imagem original ponderada t1 para verificar a qualidade da fatia de parcelamento por fatia. Se uma ou mais regiões parceladas precisarem ser excluídas do conjunto de dados finais, exclua essa parcelação da análise substituindo a estimativa de volume por NA na célula correspondente desse sujeito. Se erros de parcelamento resultarem na exclusão de parte do cerebelo da máscara, exclua imediatamente o assunto de novas análises.
Para análises de morfometria baseadas em voxel usando SUIT, certifique-se de que a pasta SPM12 e todas as subpastas estejam no caminho MATLAB. Além disso, certifique-se de que os scripts enigma_suit sejam salvos no diretório da caixa de ferramentas SPM12 e adicionados ao caminho MATLAB. Para verificar o caminho MATLAB, digite pathtool na janela de comando MATLAB e clique em Adicionar com Subpastas para adicionar as pastas relevantes.
Em seguida, usando a interface gráfica do usuário, digite suit_enigma_all na janela de comando MATLAB para executar o pipeline SUIT para um ou mais assuntos. Na primeira janela pop-up, selecione as pastas de assunto do diretório de saída de acapulco para incluir na análise. Clique nas pastas individuais no lado direito da janela ou clique com o botão direito do mouse e selecione todas.
Então, pressione Done. Na segunda janela pop-up, selecione o diretório SUIT. Para chamar a função da linha de comando MATLAB para um único assunto, digite o comando indicado.
Ao executar o SUIT da linha de comando, se os diretórios SPM12 ou enigma_suit não forem permanentemente salvos no caminho MATLAB, esse passo deve ser adicionado à linha de comando. Para chamar a função da janela do terminal fora do MATLAB para um único assunto, digite o comando mostrado. Verifique a pasta de cada assunto para obter as saídas finais.
Para inspecionar visualmente as imagens moduladas normalizadas para grandes falhas, digite spm_display_4d no MATLAB. Em seguida, para selecionar as imagens necessárias, navegue até o diretório SUIT e digite o comando indicado na caixa de filtro. Em seguida, pressione o botão Recursivo, seguido por Done.
Role as imagens para garantir que todas estejam bem alinhadas. Em seguida, para verificar a covariância espacial para outliers, digite check_spatial_cov no MATLAB. Em seguida, selecione as imagens moduladas de anterior e quando solicitado, defina Prop.
escalando para sim, Variável para covariância para não, Cortar para 48, e Gap para 1. Finalmente, olhe para o enredo da caixa exibindo a covariância espacial média de cada imagem em relação a todas as outras na amostra. Identifique os pontos de dados que são mais de dois desvios padrão abaixo da média na janela de comando MATLAB.
Para esses pontos de dados, inspecione as imagens apropriadas na pasta SUIT em busca de artefatos, problemas de qualidade de imagem. ou erros de pré-processamento. Aqui é mostrado um cerebelo fortemente atrofiado de um paciente de ataxia spino-cerebelar 2.
Apesar da perda de tecido vista ao redor das bordas, a SUIT distorceu essa imagem para o modelo muito bem. Isso não justificaria uma exclusão. Aqui, há um gradiente claro de cima para baixo do cerebelo e a imagem é bastante sucata, garantindo uma exclusão.
Finalmente, neste exemplo, o mascaramento não funcionou bem. As bordas não estão limpas e a imagem é mais suave do que as que normalmente saem do pipeline SUIT. Isso justificaria uma exclusão.
Exemplos de boas parcelas, incluindo cerebella saudável e fortemente atrofiada, são mostrados aqui, enquanto exemplos de misparcelações com sutis sobre-e sub-inclusões de lobulos individuais de cerebelo podem ser vistos aqui. Esses tipos de erros geralmente requerem a exclusão dos lobulos individuais afetados, enquanto o restante do cerebelo parcelado pode ser retido. Em contrapartida, as falhas globais requerem uma exclusão completa do assunto.
Quando o acapulco foi executado em uma amostra de 31 pessoas com ataxia Friedreich e 37 controles saudáveis, o lobule IX esquerdo e lobule direito Crus eu tinha as maiores taxas de exclusão. A comparação dos volumes de 28 lobulos anatômicos cerebelares em Friedreich ataxia e indivíduos de controle saudável mostrou significativamente reduzida matéria branca no corpus medullare em Friedreich ataxia. Não houve outras diferenças significativas entre os grupos.
Exemplos de imagens bem alinhadas tanto de controles saudáveis quanto de ataxia de Friedreich são mostrados aqui, enquanto exemplos de exclusões podem ser vistos aqui. Após o teste da covariância espacial de todas as imagens normalizadas, dois exames foram detectados como outliers estatísticos com base em sua covariância espacial média com o resto da amostra. Foram realizados testes de permutação não paramétricos no SNPM para testar diferenças significativas entre grupos nos volumes de matéria cinzenta do cerebelo.
Os resultados da análise do SUIT mostraram que os pacientes com ataxia friedreich reduziram significativamente o volume de matéria cinzenta no lobule I para V anterior bilateral, e nas regiões de lobo posterior medial, incluindo Vermis VI e Vermis IX.It é crucial verificar manualmente as máscaras cerebelares para garantir que a cobertura cerebelar completa tenha sido alcançada, e também inspecionar as máscaras para excesso e sub-inclusões de lobules cerebelares. Este pipeline facilita análises estatísticas de nível de grupo multi-local a serem realizadas que estejam interessadas em olhar para a estrutura de matéria cinzenta do cerebelo. Outras técnicas, como conectividade funcional, também podem ser usadas para explorar a conectividade entre lobulos cerebelares individuais e o cerebrum.
