Co-анализ структуры и функционирования мозга использованием МРТ и диффузно-взвешенных изображений

Резюме

Мы описываем новый подход для одновременного анализа функции мозга и структуры с помощью магнитно-резонансной томографии (МРТ). Мы оцениваем структуру мозга с высоким разрешением диффузно-взвешенной визуализации и белом веществе волокна трактография. В отличие от стандартных структурных МРТ, эти методы позволяют непосредственно связаны анатомические подключения к функциональных свойств мозга сетей.

Аннотация

Изучение сложных вычислительных систем способствует сетевые карты, такие как схемы. Такое отображение Особенно информативны при изучении мозга, а функциональная роль, которую выполняет области мозга может быть в значительной степени определяется ее связями с другими областями мозга. В этом докладе мы описываем новый, неинвазивный подход, касающиеся структуры и функционирования мозга использованием магнитно-резонансной томографии (МРТ). Этот подход, сочетание структурного построения дальней волоконно-оптических соединений и функциональных данных изображений, показано в двух различных когнитивных областей, зрительного внимания и восприятия лица. Структурные изображений осуществляется с помощью диффузно-взвешенной визуализации (DWI) и волоконно трактография, которые отслеживают диффузии молекул воды вдоль белом веществе волокна путей в головном мозге (рис. 1). По визуализации этих волокон путей, мы можем исследовать дальний соединительной архитектуре мозга. Результаты сравнения FavoraБлай с одним из наиболее широко используемых методов в DWI, тензор диффузии томографии (DTI). DTI не в состоянии решить сложные конфигурации волокна путей, ограничивая его полезность для построения подробных, анатомически обоснованных моделей функции мозга. В отличие от наших анализов воспроизводят известные нейроанатомию с точностью и аккуратностью. Это преимущество Отчасти это связано с процедурами сбора данных: в то время как многие DTI протоколов мере диффузии в небольшом количестве направлений (например, 6 или 12), мы используем диффузии спектр томографию (DSI) ^{1, 2} протокол, который оценивает диффузии в 257 направлениях и в диапазоне напряженности магнитного градиента. Кроме того, DSI данные позволяют нам использовать более сложные методы для восстановления полученных данных. В двух экспериментах (зрительного внимания и восприятия лица), трактография показывает, что совместное активных областей человеческого мозга анатомически связана с поддержкой существующих гипотез, которые они образуют функциональные сети. DWI позволяет нам создавать "схемы диAgram "и воспроизвести его на индивидуальной основе субъект, с целью мониторинга задач соответствующих активность мозга в сетях интерес.

протокол

1. Оборудование для приобретения MR данных

Рисунки 2 и 3 кратко несколько вариантов, чтобы быть в диффузионной МРТ приобретения, восстановления данных и волоконно-слежения. Имейте в виду, что эти выборы обычно связаны с компромиссами, и лучший выбор может зависеть от своих целей исследования. Например, DSI и мульти-оболочки HARDI (см. Рисунок 2) обычно используют выше "Б-ценности» (т. е. сильной диффузии взвешивания), чем DTI. В результате, эти методы имеют лучшее угловое разрешение, которое необходимо для решения пересечения или "поцелуй" волокна (например, волокна которой кривая друг к другу, что делает контакт на одной касательной до изогнутыми прочь снова). Тем не менее, этот выигрыш в угловом разрешении часто достигается за счет нижнего сигнал-шум (SNR) в РПИ данных (рис. 3). Ученые, возможно, пожелают рассмотреть вопрос об актуальности этого компромисса для своих конкретных целей:если исследование фокусируется на нескольких крупных участков волокна, траектории которых не пересекаются или идут параллельно другие пути, то низко-направление DTI сканирование с высоким SNR может быть идеальным. Визуализация нижней продольного пучка может представлять такой случай. В отличие от потери SNR может быть приемлемым, если следствие исследователь хочет следовать пути через сложные переходы.

Аналогичная компромисс предполагает коррекцию движения головы, вихревые токи, и нелинейные искажения изображения. DWI протоколы использования эхо-планарной томографии (РПИ; см. таблицу 1), которые восприимчивы к неоднородностей магнитного поля вызваны воздушных карманов в придаточные пазухи носа, физиологические шума и других факторов ^3. Эти неоднородности приводят к нежелательным искажениям изображения, особенно в нижней височной доли и орбито-лобной коры, что снижает достоверность и надежность волоконно отслеживания результатов в этих областях. Дополнительные искажения создаются вихревые валютамTS, продуктов быстрого переключения MR градиент ^4. Участники движения головы "является еще одним фактором, который ухудшает качество изображения и может негативно повлиять на трактография. Современные методы можно исправить и движения головы и искажений изображения в условиях низкой B-значение данных, таких как DTI, однако эти методы не были распространены на более высокое разрешение таких методов, как DSI. Трудность применения методов коррекции изображения для DSI данных связана с низким SNR описано выше (рис. 3). Для отслеживания волокна в областях мозга, которые чувствительны к EPI искажений, может быть, лучше использовать низкой направленности DTI или другую технику, для которых искажения изображения могут быть исправлены. С другой стороны, если высокое угловое разрешение по всему мозгу требуется, исследователи могут выбрать для использования DSI, HARDI или аналогичные методы. Tuch (2004) ⁵ о том, что исследователи чередования T2 изображения без диффузионного взвешивания всей DSI сканирования, обеспечивая ориентиры для коррекции движения (например, се исх. 6). Во всех случаях, исследователи должны быть осведомлены о негативном воздействии движения головы во время приобретения: целесообразно использовать высококвалифицированных участников и сведение к минимуму движение с помощью укуса баров, носа охранников, обивка, или другие гарантии.

Результаты, представленные здесь, используют 257-направление диффузии спектр томографию (DSI) протокол, с градиентной силы от б = 300 до 7000 (см. параметры в таблице 1). Диффузии спектр изображений (DSI) последовательность требует современных сканирования MR оборудования с определенными характеристиками, необходимыми для сбора этого данные с высоким разрешением диффузии. Отметим, что время требования этой последовательности являются значительными: около 43 минут на трио сканер Siemens Тим. После обширного эмпирического тестирования, мы считаем, что качество этих данных оправдать длительность и стоимость сканирования, однако, в выборе приобретения протокола, пользователи должны тщательно взвешивать свои цели исследования против окpacities и комфорт участников. Отметим также, что хорошее качество DSI данные были собраны в качестве всего за 10 минут с передовыми методами приобретения ^7.

1. 3 Тесла поля МР-сканер: 3T является необходимым для достижения сигнал, необходимый для высокого углового направления DSI сканирования.
2. 32-канальный с фазированной антенной решеткой голову катушки: голова катушки с высокой чувствительностью и отличные отношения сигнал-шум, необходимое для сбора данных DSI. Восьми-и 12-канальные катушки обеспечивают меньший сигнал на поверхности мозга и, следовательно, эти катушки может потребовать увеличения времени сканирования, чтобы поддерживать точное отображение проекции поля.
3. Руководитель стабилизации: в связи с длительностью последовательность сканирования DSI, и потому коррекции движения не может быть применен к DSI данных, отличную стабилизацию головы необходимо контролировать движения объекта. Движением управляет, начиная от заполнения и ленты на укус-бар, вакуумный мешок, или термопластичных маска рекомендуется для стабилизации субъективнойTS головы. Более чем на 2 мм поступательного движения или 2 ° вращательного движения в любом направлении, является чрезмерным и может считаться основанием для учета данных.
4. FMRI презентационное оборудование: для анализа с использованием функциональной семян, дополнительное оборудование для МРТ сканирования не требуется. В зависимости от типа регионов должны быть локализованы, это обычно включает в себя MR совместимый дисплей (например, проектор системы MR совместимый LCD), система кнопка ответа, аудио система, и эксперимент компьютерная презентация синхронизирован с приобретением сканера.

2. Процедура сканирования

1. Краткая участников о природе сканирования должны быть выполнены и получить информированное согласие. Подчеркиваем необходимость свести к минимуму движения головы (особенно в течение длительного DSI сканирования). Предложения участников выбор фильмов или других видео для развлечения во время DSI сканирования. Для функциональное сканирование поведенческие задачи, учить предметы контролировать изображение на экране для задач relevaNT стимулов и реагировать так, как требуется.
2. После обследования на противопоказаний MR, удобно стабилизации головы участников с помощью одного из методов, описанных выше, и кровать слайд пациента в сканер.
3. Выполнить начальное сканирование разведчик и калибровки.
4. Установить кусочек рецепт для параллельного сканирования DSI к воображаемой линии, соединяющей переднюю и заднюю commisures. Убедитесь, что срезы для DSI сканирования охватывает весь головной мозг.
5. Запустить сканирование DSI то время как предмет расслабляется в сканер или часы развлечения на презентации системы.
6. Сразу же после завершения сканирования DSI, собирать Т1-анатомического сканирования (например, MPRAGE) для последующего использования совместно регистрации (например, выравнивание) DSI данными с другими анатомические или функциональные данные.
7. При необходимости собирать данные МРТ в той же сессии с использованием стандартных EPI импульсных последовательностей.
8. Если необходимо, провести МРТ сканирование в отдельной сессии сканирования. CollECT MPRAGE в обеих сессиях, чтобы содействовать сотрудничеству регистрации данных.

3. Анатомические МРТ обработки

Для поверхностного анализа МРТ данных и автоматическая сегментация использованием FreeSurfer, как описано ниже, высокое разрешение Т1-анатомического изображения с превосходным белым серое вещество отличие не требуется. Это изображение представляет собой единое пространство ссылка для анализа функциональных и диффузно-взвешенной визуализации данных. В большинстве современных МРТ, этот образ будет называться MPRAGE (намагниченность Подготовлено быстрого Эхо Градиент) изображения. Большинство современных последовательностей MPRAGE может обеспечить достаточное качество данных за одно сканирование (параметры в таблице 1). При необходимости два или более сканирований могут быть усреднены для улучшения серо-белым веществом контраст для сегментации. Ниже мы объясним, как DWI и МРТ данные, которые обычно собираются с различными размерами воксела и различных точек происхождения, может быть автоматически выравниваются и понижается наодновременный просмотр с MPRAGE.

Подробное описание анатомических FreeSurfer МРТ потоковых процессоров можно найти на FreeSurfer вики ( http://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferWiki ); FreeSurfer выходе включает в себя несколько корковых представительств поверхности, а также парцелляция коркового анатомических особенностей и сегментации подкорковых структур. Мы рекомендуем работает AFNI / SUMA сценарий @ SUMA_Make_Spec_FS на FreeSurfer выход, который преобразует этот вывод в файл форматов, которые могут быть легко обработаны с помощью инструментов AFNI / SUMA, FSL, РП и других нейровизуализации пакетов программного обеспечения. Например, ко-регистрация изображений может быть выполнена с одной из нескольких программ, таких как 3dAllineate (AFNI / SUMA), флирт (FSL), bbregister (FreeSurfer), или функция SPM Coregister.

1. Выполните анатомические сегментации и поверхности коры реконструкцию бУ подаче Т1-анатомическое изображение автоматизированного алгоритма FreeSurfer (в реконструкции всех).
2. Импорт результатов FreeSurfer переработки в SUMA с помощью @ SUMA_Make_Spec_FS сценарий. Этот шаг создает НИФТИ формате версии всех томов в выходные FreeSurfer, в том числе по интенсивности нормализуется, череп упрощенную версию изображения анатомических вход. Мы называем это обработанные изображения анатомических как поверхность тома, в соответствии с AFNI / SUMA терминологии; версия НИФТИ этого образа, созданного @ SUMA_Make_Spec_FS назван brain.nii.
3. Совместите DSI B0 изображения на поверхность в результате объем (использовать НИФТИ формате версию этого изображения, названного brain.nii, в каталоге SUMA).
4. Сохраните 12-балльной матрица аффинных преобразований для использования в последующем совместно регистрации.

4. Функциональная МРТ (фМРТ) Обработка

Функциональная МРТ анализ можно определить регионах, представляющих интерес (трансформирования) для генерации или после специального отбора волокон. Любой эхо-плоских изображений (EPI) последовательности импульсов с параметрами оптимизированы для конкретных экспериментов МРТ может быть использован. Кроме того, большое количество программных пакетов для МРТ обработки и анализа существуют, например, AFNI / SUMA (NIMH, NIH) ^{8, 9,} BrainVoyager (Brain инноваций) ^10, FSL (FMRIB, Oxford University) ^{11, 12} и РП ( Wellcome Trust Центра нейровизуализации, University College London) ^13. "МРТ обработки и анализа" раздела Рисунок 4 излагается анализ путей на основе AFNI / SUMA пакет программного обеспечения. Для получения более подробной инструкции по использованию, мы отсылаем читателя к превосходному учебников и других учебных материалов по AFNI / SUMA веб-сайт ( http://afni.nimh.nih.gov ).

Конечная цель анализа МРТ для волоконно-отслеживание отличается от стандартного функционального анализа локализации, в которой акцент делается часто, чтобы найти место максимальной активации.Хорошая статистическая процедура требует исследователей, чтобы указать уровни альфа для статистического контрастах заранее, однако, исследователи должны учитывать тот факт, что выбор статистических порогов будет влиять на пространственную протяженность функциональной активации, и, следовательно, степень полей волокна прекращения.

1. Исправьте на тему движение головой в ФМРТ данные каждого человека, используя среднее изображение первого сканер работает как эталонное изображение.
2. При необходимости, выполнить срез приобретения временной коррекции, особенно при использовании быстрых событий задач, связанных с дизайном.
3. Исправьте между перспективе различия в сигнал базовой путем нормализации временных рядов для каждого воксела, в каждом периоде.
   1. Выразите каждого воксела время серии как процентное изменение, что воксела означают, с течением времени для данного исполнения, используя такие программы, как 3dcalc (AFNI / SUMA) или fslmaths (FSL).
   2. Кроме того, г-преобразование каждого воксела время серии для каждого запуска, на основе среднего сигнала и Санкт-Andard отклонения с течением времени.
4. Сотрудничество зарегистрировать каждую обработанную EPI бежать к поверхности объема (brain.nii) набор данных, созданный на FreeSurfer (см. выше).
5. Соединить все EPI работает во времени для данного индивида.
6. Карта каждого РПИ бежать к поверхности с помощью 3dVol2Surf (AFNI / SUMA), производство NIML набор поверхности для каждого запуска.
   1. Используйте гладкую белую материю и мягкой мозговой оболочки поверхностей в качестве опорной поверхности для отображения, поскольку они могут рассматриваться как представляющие серого / белого вещества границы и поверхности коры, соответственно.
   2. Средний сигнал на расстояние между этими двумя поверхностями.
7. Дополнительно гладкой EPI данные о поверхности коры использованием SurfSmooth (AFNI / SUMA).
8. Создайте отдельную регрессоров для эпох времени, соответствующий каждому из экспериментальных условиях представлены на этой теме.
9. Представьте эти регрессоров (наряду с регрессоров не представляет интереса) к общей модели линейной (GLM)Анализ функциональных данных.
10. Контраст бета весов для различных регрессоров для получения "функциональная карта» статистических значений по всей поверхности
11. По желанию введите бета-весовые значения для нескольких участников в групповой анализ уровня дисперсии (ANOVA), если используется факторный план.
12. Вывести thresholded функциональные карты, чтобы посмотреть статистически значимые эффекты, используя familywise уровень ошибок (гауссовских случайных теории поля) ¹⁴ или ложных открытий (FDR) ^{15, 16} настройки для коррекции множественных сравнений.
13. Создать регионах, представляющих интерес (РИ), которые будут использованы в дальнейшем для трактография посева, из сопредельных регионов значительных функциональных активации на поверхности маркировки каждого сепарабельного области.
    1. Автоматически сегмента и этикетки трансформирования использованием пространственных алгоритм кластеризации, такие, как SurfClust (AFNI / SUMA).
    2. Кроме того, руки-дро трансформирования использованием Draw от SUMA ROI функцию.
14. Развернуть трансформирования в белом веществе использованием 3dSurf2Vol (AFNI / SUMA), позволяющих максимально упрощает контакт с во трактография.
    1. Как и в шаге 6, используйте гладкую белую материю и мягкой мозговой оболочки поверхности для отображения.
    2. Установить f_p1_fr = -0,5 того, чтобы расти ROI ниже серого / белого вещества границу на 50% от толщины серого вещества на поверхности каждого узла.
    3. Установить f_pn_fr = 1 для того, чтобы расти ROI в противоположном направлении к мягкой мозговой оболочки поверхности.
15. Используйте программу AFNI cat_matvec, чтобы найти обратный 12-балльной матрица аффинных преобразований создается при выравнивании B0 изображение на поверхность объема (brain.nii).
16. niiApply обратной матрицы функционального трансформирования в целях приведения их в соответствие с данным DSI.

5. Обработка диффузии взвешенных данных изображений

Диффузионно-взвешенных изображений является общим термином для белых методов визуализации вопрос, охватывая множество различных combinatiДополнения сбора данных и методы восстановления. Пожалуй, самый часто используемый метод, называемый тензором диффузии томографии (DTI) ^{17, 18,} ​​основана на 5-10 минут сбора данных, измерения диффузии в 6 или 12 направлениям. Основываясь на этих данных, диффузия модели, как правило, моделируются с помощью простой модели тензор, который лучше всего подходит для обнаружения одного доминирующего направления диффузии. Это ограничение означает, что DTI не выполняет хорошо для визуализации волокон, которые пересекаются друг с другом, или "поцелуй" в одной точке. Пересечение и целовать волокна лучше обнаружены с сочетанием высокого разрешения приобретение и реконструкцию методы, такие как высокое угловое разрешение диффузии томография (HARDI) ^19-21, диффузия спектр томографию (DSI) ^{1, 2,} и обобщенный Q-Ball томография ( GQI) ^22-24.

257-направление мульти-оболочки DSI последовательность запуска на сканеры Siemens 3T была использована для приобретения представленных здесь результатов (параметрметры в таблице 1). Полученные данные были реконструированы с методом GQI ^24, которая моделирует распространение моделей в каждой воксела с функцией распределения ориентации (ODF), который может обнаружить одновременной диффузии в нескольких направлениях. Другие высоким угловым последовательности разрешение диффузии следует производить аналогичные результаты. Обратите внимание, что правильная реконструкция ODFs требует исследователя вход градиент таблицы (также называемые B-таблицы) для DSI Studio, обработки и DWI трактография программа, используемая здесь. (Подробные инструкции по использованию DSI студии можно найти на веб-сайт программного обеспечения, http://dsi-studio.labsolver.org .) Эта таблица показывает направление градиента и напряженности магнитного поля для каждого из приобретенных объемов DWI. Градиент таблице зависит от протокола приобретения MR и автоматически извлекаются из изображений DICOM по DSI Studio. Тем не менее, мы рекомендуем, чтобы исследователи сравнить эту автомматически экстрагируют градиент стол со стандартной таблице для DWI их сканер протокола.

1. При необходимости конвертировать MR изображений. DCM (DICOM) формате, используя mri_convert (FreeSurfer).
2. Определите, какой образ (ы) в наборе данных являются B0 изображения (например, эхо-плоских изображений, собранных с не диффузия взвешивания).
3. Преобразование изображения B0 (ей) НИФТИ формат с помощью программы AFNI to3d.
4. В DSI Studio, открытая DICOM изображений и объединяются, чтобы создать источник (. SRC-файл).
5. Поставка градиент таблице (см. выше).
6. Убедитесь, что маска по умолчанию реконструкция охватывает все серое вещество, не включая пустое пространство, черепа, или не тканях головного мозга. Редактировать маску по мере необходимости.
7. Кроме того, создание реконструкцию маски, запустив программу AFNI 3dAutomask на B0 изображения.
8. Выберите высоком разрешении реконструкции модели: DSI, GQI, или GQI вариант.
9. Создайте слой информацию о файле (. FIB) представляют основные направления диффузии (ы)каждого воксела.

6. Оценка качества данных и отслеживание параметров через весь мозг трактография

Отслеживание волокон с целым мозгом семян является быстрым и эффективным способом оценки общего качества данных. Это также дает возможность решать соответствующие значения для глобальных параметров, в особенности анизотропии порог используется в качестве критерия останова в трактография. Эта процедура необходима, чтобы найти баланс между улучшению покрытия в процессе отслеживания волокна и снижения шума. Особое внимание должно быть принято в настройке основных параметров слежения, такие как угол порога и отслеживания пороговых значений.

Важно отметить, что относительная анизотропия различных участков может варьироваться от физических лиц, в зависимости от биологических факторов, таких как возраст и белый целостность материи, а также внешние факторы, как аппаратной калибровки между сессиями. Ниже мы предлагаем несколько методов для уравновешивания слеженияПороги между наборами данных. Во все времена, проверить качество отслеживания результатов, сравнивая их с известными нейроанатомию. Например, волокна, которые пересекают межполушарной щели за пределами известных межполушарных связей (то есть, мозолистого тела, передней и задней спайки) может свидетельствовать о том, что слежение порог слишком низко и должен быть поднят, а может быть свидетельством артефактов движения головы.

В отличие от отслеживания порог, угол порога должна быть инвариантной для данного индивида между сеансами, так как волокна путей не изменять кривизну в более короткий срок, если вообще когда-либо. Кроме того, тракт кривизна должна быть относительно всех объектов, в отсутствии существенных различий в размерах мозга или морфологии. Тем не менее, следует соблюдать осторожность в определении начальных значений этого параметра. Волокна, которые следуют невероятным траекториям, такие как шпильки кривые, может означать, что угол порог слишком высок.

1. Создатьвесь мозг семян регионе.
2. Установить начальное значение порога слежения для маскировки низкого сигнала вокселей.
3. Установить угол порога, чтобы волокна кривой до н градусов в одну стадию.
4. Установить размер отслеживания шаг в мм.
5. Установите нужное количество волокна или семян пунктов.
6. Выполнить весь мозг трактография, чтобы проверить общую реконструкцию ODF качества.
7. Для начала, выберите средний (между наборами данных) отслеживание порогового значения.
   1. Загрузите целого мозга ТРК файл в TrackVis, визуализация волокна тракта и анализа программ (Martinos Центра биомедицинской визуализации, Massachusetts General Hospital) ^25.
   2. Загрузите серого вещества (GM) томов в каталоге SUMA (LH / rh.ribbon.nii), как ROI.
   3. Установить трансформирования GM в качестве фильтров на треке группы, принимая только волокна, которые имеют либо конец в одном из ROI.
   4. Убедитесь, что большинство волокон (90-100%) в файле ТРК остаются в отфильтрованной трек группы.
   5. Повторитьы необходимости, корректировки отслеживания порог в DSI студии каждый раз.
8. Далее проверьте, что отслеживание порогового маски из вокселов в пустом пространстве (например, по краям мозга и внутри круговорота пространство) без удаления вокселей, которые, очевидно, лежат в белом веществе.
9. При необходимости уравновесить отслеживания порог между наборами данных (например, различных сессий и / или участников).
   1. Установить отслеживания порог, как требуется в одном наборе данных через интерфейс DSI Studio.
   2. Переименовать. Фибо файл, созданный DSI-студио с расширением. Мат и импорта в MATLAB, в соответствии с инструкциями на веб-сайте DSI Studio ( http://dsi-studio.labsolver.org ).
   3. Создание гистограммы значений, которые вы хотите порог.
   4. Преобразование карту значения в Z-баллы.
   5. Найти Z-счет отслеживания порог, который вы изначально настроены на DSI Студия Interfacе.
   6. Выполните шаги BD для всех других наборов данных, находя отслеживания порог, который соответствует Z-счет находится в стадии е.
   7. Как перекрестной проверки для шага AF, отслеживать набор контрольных волокон из анатомических ROI на затылочного полюса с 500000 семян.
   8. Убедитесь, что эта процедура производит примерно такое же количество волокон между наборами данных (+ - 100 волокон).

7. Локально ограничены трактография

В отличие от целого мозга трактография, локально ограничены трактография делает использование ROI на основе логических операций, таких как определение объемов, через которое волокна должны или не могут пройти. В результате, локально ограничены трактография обеспечивает более высокую чувствительность и больший контроль для отслеживания выберите волокон интерес. Всего мозг трактография undersamples пространство возможных точек семян, из-за высокой стоимости вычислительной посева операциях и ограниченного компьютерной графики памяти. (Это роssible, что эти ограничения будут смягчены в будущем, в связи с изменениями в трактография алгоритмы, увеличение объема памяти, или другие факторы.) в результате субдискретизацией, весь мозг трактография часто приводит к результатам, которые смещены в сторону доминирующего пути диффузии в мозге. , Поставляемые пользователем трансформирования решения этой проблемы путем предоставления ограниченных целевых регионах с высокой плотностью семян пунктов, что делает его легче захватить трудные для обнаружения волокон путей.

1. Создание целого мозга семян в регионе DSI Studio.
2. Загрузите один или несколько НИФТИ область интересов, (ROI) файлы.
3. При необходимости загружать области избегания (ROA) файл, чтобы указать вокселей которых волокна не должны пройти.
4. Установить порог анизотропии и угла порог, как описано выше.
5. Выполните слежения.
6. Проверьте качество путем сравнения волокна песни в анатомических подробностях.

8. Анализ Endpoint Плотность

1. Загрузите НИФТИ трансформирования и ТРК файлы яNto TrackVis.
2. Выполните логических операций между регионами.
3. Сохранить результаты каждой операции в виде нового файла ТРК.
4. Используйте track_transform (диффузия ToolKit) для преобразования пространственно ТРК файлы на поверхность объема (brain.nii-файл).
5. Загрузите файл преобразуется ТРК и поверхностных Объем (brain.nii) в TrackVis для проверки.
6. Загрузите ТРК и ROI файлов в MATLAB, чтобы сделать количественные оценки связи.
7. Найти {X / Y / Z} тяжести ROI.
8. В качестве одной из мер связи, рассчитать общее количество волокон концами в ROI, нормированный объем ROI.
9. Кроме того, рассчитать евклидово расстояние между концами волокна и ROI тяжести, в качестве меры специфики и последовательности подключения тракта на что ROI.

9. Представитель Результаты

Высокое разрешение диффузно-взвешенной визуализации и волоконно трактография могут быть применены к широкому кругуneuroscientific вопросы. В центре нашего внимания в этой статье к деталям связи структурных методов соединения с функциональной нейровизуализации. Тем не менее, отметим, что любое применение DWI требует тщательной оценки трактография результаты, учитывая, что протокол сбора данных, метод реконструкции, и трактография параметры могут оказывать значительное, независимые влияние на конечный продукт. Рисунке 5 показаны оптимальные и неоптимальные результаты с помощью весь мозг трактография. Все три изображения, основанный на той же 257-направление DWI набор данных из одного участника; оптимальные результаты показаны в левой панели. В отличие от средней панели показывает влияние чрезмерно мягким трактография параметров (FA и угол пороги). Правая панель показывает снижение качества, что результаты с помощью одного-тензорная модель для реконструкции DWI данных.

Мы включают в себя два примера того, как трактография результаты могут подтвердить и сообщить interpretatiпо функциональной визуализации данных. Эти эксперименты оценки когнитивных процессов, которые позволили создать функциональный регионов семян, а именно: лицо восприятия и визуального внимания. Эти семена регионах может быть использован для тестирования вопросов белого вещества подключения в когнитивной сети. Рисунке 6 показан пример регионах активизируется во время задача восприятия лица. Субъекты просматриваемые фотографии лица и предметы быта, но и пройти МРТ сканирование. Два вентро-височной области, в середине веретенообразной извилине (MFG) и нижнюю затылочную извилину (ГВН), показали значительно большую BOLD ответы на лица, чем для объектов. Эти два функционально определенных регионах были затем использованы в качестве стартового регионов во время трактография (как указано в разделах 6-7 выше). Фиг.6А показывает большой пучок волокон тока (показан красным), которые соединяют эти две области интересов в височной доле, на расстоянии около 12 см. Обратите внимание на плотной упаковки волокон и сторговый центр степени волокна кривизны по этому расстоянию. Эта картина является типичной один-на-один соединений внутри функциональных сетей на большие расстояния (например, см. исх. 26). Рисунок 6B показывает IOG функциональной области семян (показано желтым цветом) наряду с отдельными концами волокна (красные точки) . Концами волокна расположены по всей рентабельности. Это соединение модель предполагает, что эти регионы имеют прямой, междугородние соединения, которые могут лежать в основе быстрое общение внутри сети восприятие лица.

Наш второй пример (рис. 7) показывает связь между зрительной коре сенсорных регионы и области внимания контролю в задней теменной коре (КПП). В этом случае два набора функциональных активаций (затылочной и теменной областях) было произведено с помощью независимых набора данных МРТ с теми же лицами. Теменная активаций были получены с помощью смещения внимания задаче от 6 мест в VISUАль-поле (подробнее см. ^27.), в то время как затылочной областей были определены с использованием стандартных визуальных полей меридиан отображение ^28, который был использован для обозначения границ между функциональными областями семена зрительной коры (V1 - V3). рис. 7а показывает приближенное расположение V1, V2, V3 и регионов семян (красная, зеленая, синяя и, соответственно), КПП регионе семян помечены IPS-1, а слой путей, которые соединяют эти регионы. Урочища окрашены затылочной ROI, из которого они были посеяны. В отличие от длинных, прямых волокон в височной доле (рис. 6), эти белого вещества мозга меньшее расстояние (в пределах 3 - 5 см) и, следовательно, более U-образную форму и менее плотно упакованы, как они путешествуют от затылочного доли в теменной доле. рисунке 7б показана функционально определенных регионах IPS (коричневый), V1 (красный), V2 (зеленый), и V3 (синий) на поверхности коры наряду с концами волокна в каждом регионе. Обратите внимание, чторазделение путей в затылочной доле семенами области, контрастируют с большой степенью конечной точки смыкании зубов в IPS-1. Это говорит о том, что наш регион PPC (выявленных в ходе МРТ активность во время селективного внимания задаче) может быть конвергенция области мозга, структурные соединения различных узлов сенсорной коры. Эта связь картина может позволить передачу внимания смещение сигналов от высших корковых областей модулировать активность в начале коры; эти сигналы способствовать повышению целевого представления в зрительной коре ^{29, 30.}

Рисунок 1. Схематическое изображение ключевых понятий в диффузно-взвешенной визуализации (DWI) Группа A:. В однородной среде, диффузия происходит случайно, в результате броуновского движения. Для большого числа молекул воды, диффузия является изотропным, то есть совокупная картина диффузии сферических. Группа B: диффузии молекул воды в аксонов и в промежутках аксонов расслоения ограничена аксональной стенах и других конструкциях. Таким образом, диффузия вдоль волокон путей является анизотропной: это гораздо больше вдоль траектории волокна тракта, чем в других направлениях. Группа C: высокое разрешение DWI методы используют такие модели, как функция распределения ориентации (ODF) для модели анизотропной диффузии в сложной конфигурации трактов белого вещества. Как видно из этого примера, ODFs можно выделить отдельные пути диффузии для нескольких участков волоконно пересечения в одной точке. Переходы с участием двух или трех различных участков волокна являются общими в мозг.

Рисунок 2. Волоконно-отслеживание исследования могут быть выполнены в ряде направлений. Наиболее важных решений связаны с приобретением протокол, реконструкция технику, и трактография метод. В текущей работе USE диффузии спектр изображений (DSI) ^{1, 2} протокол для приобретения; обобщенного Q-выборки изображений (GQI) ²⁴ для реконструкции и FACT детерминированных трактография ^{40, 41.} Мы особо выделить модель свободного и гибридные методы реконструкции, которые порождают ориентацию функций распределения (ODFs; см. рисунок 1) представляет диффузии в каждом воксела. Исследователи могут выбрать различные трубопроводов на основе бюджета, имеющегося времени, необходимость высокого углового разрешения, а также важность коррекции для движения головы и нелинейные искажения изображения. Эта цифра не полный список всех жизнеспособных приобретение, реконструкцию и трактография методами. См. Seunarine и Александр ⁴² для превосходного обзора реконструкции методов.

Рисунок 3. Взаимодействие диффузии МРТ переменных приобретение, длительность проверки, и абility решить волокна переходах. Высокая контрастность диффузии, необходимых для решения волокон в комплексе пересечения конфигураций. Этот контраст зависит от нескольких факторов, включая количество направлений градиента (т. е. число возможных ориентации волокон) и б-значение (которое указывает на степень диффузии взвешивания). Здесь мы приведем типичные эффекты увеличения Б-ценности и количество градиент направлениях. Обратите внимание, что эта таблица указывает только тенденции, и отдельные методы могут иметь различные эффекты на длительность проверки, отношения сигнал-шум (SNR), и диффузия контраст. Вообще, контраст может быть повышена за счет увеличения как числа градиент направления и величины B-значения. При более высоких значений б, однако, отношение сигнал-шум диффузионно-взвешенные изображения уменьшается, а время сканирования часто увеличены.

Рисунок 4. Графическое суммированиеры анатомических МРТ, ДВИ-МРТ и МР-томографию потоков обработки. текста в черно описывает природу каждого шага обработки, в то время как текст в зеленый цвет означает программное обеспечение, которое может быть использовано. Пунктирные линии и коробки указывают дополнительные шаги, которые не могут быть применимы ко всем проектам. В этом примере обработка выполняется в AFNI / SUMA пакет (за исключением случаев, DSI студии или TrackVis указано). Сопоставимые функций в другие пакеты анализа нейровизуализации часто может быть замещен. Многие шаги показаны на этих диаграмм были частично укрепился на разработчиков программного обеспечения в удобном сценариев: мы особенно отсылаю читателей к FreeSurfer реконструкции всех трубопроводов ( http://surfer.nmr.mgh.harvard.edu/fswiki/ReconAllDevTable ) . Заметим дополнительно, что несколько программных пакетов, обеспечивают полную трубопроводов обработки данных DWI, однако, эти пакеты различаются по их сильные и слабые, А некоторые не включают в себя инструменты для работы с высоким угловым разрешением диффузии данным МРТ. Нажмите, чтобы увеличить показатель .

Рисунок 5. Иллюстрация из целого мозга трактография с различными методами реконструкции и трактография параметров. Все изображения были получены из того же набора данных, 257-направление диффузии спектр изображений (DSI) последовательность с несколькими Б-ценности (7.000 сек / мм ^2, 5 снарядов). Группа: оптимальные результаты, достигнутые с помощью высокого разрешения, ODF на основе метода реконструкции. Относительно высокий порог слежения в 0,06 была выбрана для того, чтобы генерировать волокна только с сильно анизотропным вокселов, а угол порога 55 ° была выбрана, чтобы исключить образование волокон с биологически нереальной кривизны (например, "циклы" волокна). NОТЕ четкое разграничение полушарий, разделенных продольной трещиной; также отметить, как слой комплектации дальнейшем ожидается sulcal / круговорота контуров. Группа B: тот же метод реконструкции был использован как в (A), но FA и угол пороги были установлены более снисходительно, во время трактография (0,03 и 85 °, соответственно). Несоответствующий отслеживания параметров может привести к генерации большого количества "мусора" волокна, которые скрывают правдивую информацию о анатомического строения. См. раздел 5, «Оценка качества данных и отслеживание параметров через целого мозга трактография", для консультаций по соответствующим выбором параметров. Группа C: данные были восстановлены с помощью одной модели тензор, одним из наиболее широко используемых методов в DWI. С соответствующими параметрами слежения (так же, как), одного тензора модель воспроизводит многие известные основные участки волокна, и круговорота контуров несколько видимых в сагиттальной зрения. Тем не менее, она также производит больше ложных срабатываний, чем модель ODF: записка волокон путешествия горизонтальной ют по межполушарной щели. Нажмите, чтобы увеличить показатель .

Рисунок 6. Трактография результаты эксперимента восприятие лица. Panel (A) показывает, тока в результате трактография между функциональными трансформирования определены из эксперимента восприятие лица. Генеральный областях уступает затылочную извилину (ГВН) и средней веретенообразной извилине (MFG) обозначены желтыми овалами. Группа (B) показывает, ГВН концами волокна, указанные в панель (A) отображается в увеличенном вид снизу задней временные поверхности коры. ROI вынесено в желтом результате лицо восприятия функциональной МРТ эксперимента. Обратите внимание на большое соглашение между функционально определенной активации и волокна концами в ГВН. Эти волокна трек с MFG, области мозга, участвующие лица восприятия.р :/ / www.jove.com/files/ftp_upload/4125/4125fig6large.jpg "целевых =" _blank "> Щелкните здесь для просмотра больших фигура.

Рисунок 7. Трактография результаты визуального эксперимента внимания. Panel (A) показывает тока в результате трактография между функциональными трансформирования определены с визуальным экспериментом внимания ^27. Генеральный области задней теменной коре (IPS-1) и зрительной коры (V1d, V2D, и V3d) отмечены цветными овалами. Волоконно участки предоставляются в соответствующие цвета: красный для V1d, зеленый для V2D, и синий для V3d. Группа (B) показывает, концы волокон, указанных в панель (A) отображается на увеличенной боковой вид на задний (теменной и затылочной) поверхности коры. Цвет конвенций совпадать с панелью (A). Регионы интересов в результате визуального внимания функциональной МРТ эксперимента отображаются на поверхности коры. Все три сETS трактатов / концами сходятся в IPS-1 регионе, который, как полагают, содержат карту приоритетов визуального внимания, что может быть источником внимание смещение сигналов цели в зрительной коре. Урочища в IPS-1 в значительной степени штыревой, тогда как затылочная концы этих волокон путей четко разделены по области зрительной коры.

МРТ	Параметры
DSI	257 направление диффузии спектр изображений (DSI) сканирования с помощью дважды переориентирована спин-эхо последовательности EPI и несколько Q-значения с 43 раза приобретение мин (TR = 9916 мс, TE = 157 мс, размер воксела = 2,4 х 2,4 х 2,4 мм , FoV = 231 х 231 мм, B-Max = 7000 сек / мм 2, 5 снарядов)
Анатомический	Т1-взвешенных MPRAGE последовательности (1 мм х 1 мм х 1 мм, 176 сагиттальных, TR = 1870, TI = 1100, FA = 8 °, GRAPPA = 2)
МРТ	T2 *-взвешенные эхо-планарной томографии (EPI) последовательность импульсов (31 косой аксиальных срезов, в плоскости разрешение 2 мм х 2 мм, 3 мм толщина среза, без зазора, время повторения [TR] = 2000 мс, время эхо [TE ] = 29 мс, флип угол = 90 °, граппа = 2, размер матрицы = 96 х 96, поле зрения [FOV] = 192 мм)

Таблица 1. Нейровизуализации приобретение параметров.

Обсуждение

Высокое разрешение DWI и волоконно трактография обеспечивают мощный подход для изучения структуры соединительной человеческого мозга. Здесь мы приводим доказательства того, что эта структурная архитектура значению связаны с функцией мозга, оценивается МРТ. С помощью трактография сем...