Измерение Связь в первичной зрительной Путь в человека Альбинизм Использование Diffusion Tensor визуализации и трактография

Резюме

Эта рукопись описывает детерминированные и вероятностные алгоритмы для белого вещества (WM) реконструкции, которые используются для изучения различий в оптического излучения (OR) связи между альбинизм и управления. Хотя вероятностный трактография следует истинный ход нервных волокон более тесно, детерминированный трактография проводили сравнение надежности и воспроизводимости обоих методов.

Аннотация

В альбинизм, количество ипсилатерально выступающими ганглиозных клеток сетчатки (РГК) значительно снижается. Сетчатка и зрительный перекрест были предложены в качестве кандидатов для сайтов misrouting. Так как корреляция между числом боковой коленчатые ядра (LGN) Реле нейронов и размер ЛГН было показано, и на основе ранее сообщаемого сокращения объемов LGN в человеческом альбинизм, мы предполагаем, что волокна проекции от LGN к первичной зрительной коры (V1) также снижается. Изучение структурных различий в зрительной системе альбинизм может улучшить понимание механизма misrouting и последующих клинических применений. Данные Диффузионные и трактография полезны для отображения или (оптического излучения). Эта рукопись описывает два алгоритма или реконструкции с целью сравнения соединения мозга в альбинизм и controls.An МРТ сканера с катушкой головки 32-канал был использован для получения структурных сканирования. Т1-взвешенной последовательности 3D-MPRAGE с 1 мм³ изотропным размер воксела был использован для создания изображений с высоким разрешением для сегментации V1. Множественный плотность протонов (PD) взвешенные изображения были получены с коронковой для правой и левой локализации LGN. тензора диффузии томография (DTI) сканирование были приобретены с 64 направлениями диффузии. Как детерминированные, так и вероятностные методы отслеживания были проведены и по сравнению с ЛГН в качестве маски семян и V1 в качестве целевой маски. Хотя DTI обеспечивает сравнительно низкий уровень пространственное разрешение и точная разграничение или может быть сложной задачей из-за его низкой плотностью волокон, трактография было показано, что выгодно как в научных исследованиях и клинически. ТРАКТ пространственная статистика на основе (ТБСС) выявлены области значительно сниженной целостности белого вещества внутри или у больных с альбинизм по сравнению с контрольной группой. Парные сравнения показали значительное снижение ЛГН к связности V1 в альбинизм по сравнению с контрольной группой. Сравнивая оба отслеживающие алгоритмы выявили общие выводы, повышения надежноститехники.

Введение

Альбинизм является генетическим заболеванием, прежде всего, характеризуется явной гипопигментацией наблюдается в пострадавших лиц. Это вызвано наследуемых мутаций генов , участвующих в синтезе меланина ^1. Альбинизм проявляется в двух основных формах: окуло-кожный альбинизм (ОСА), аутосомно-рецессивный признак представляя как офтальмологические и кожные функции; и глазное альбинизм (ОА), Х-хромосомой черта чаще встречается у мужчин и характеризуется прежде всего глазными симптомами ^2. Меланин в пигментный эпителий сетчатки (ПЭС) имеет решающее значение для правильного развития центрального зрительного пути. Его отсутствие в альбинизм , следовательно , приводит к нарушениями зрения, в том числе светобоязнь, нистагм, снижение остроты зрения и потере бинокулярного зрения ^2-3. Острота была связана с фовеальной морфологии, которая изменена в альбинизм ^4. У людей, линия перекрест сетчатки лежит вдоль nasotemporal границы через ямки, с волокнами из носовой сетчаткипереезд в другое полушарие и те, от височной сетчатки расширения ипсилатерально. Степень снижения зрительной функции в альбинизм была связана с уровнем гипопигментация. В частности, пигментации обратно пропорциональна сдвигу в височной сетчатки линии перекреста ^5. В результате сдвига в линии перекрест в височной сетчатки, пересечение волокон зрительного нерва увеличивается - характерная особенность всех видов ^3.

Структурные исследования МРТ на людях показали более узкие оптические chiasms в альбинизм по сравнению с контрольной группой , которая, вероятно , является результатом увеличения пересечения РГК , наблюдаемых в альбинизм ^6-8. Сетчатка и зрительный перекрест выражают аксонов сигналы наведения , такие как семейные Эф рецепторов и их лигандов ⁹ и поэтому кандидаты сайты для misrouting ^10.

Исследование на обезьян с индуцированной глаукомой выявило значительное разлrease в числе LGN парвальбумин-иммунореактивных нейронов реле и объема LGN ^11. Это наводит на мысль о корреляции между размером LGN и количеством белого вещества (WM) траекторий, распространяющихся по OR к V1. Патоморфологическому исследование человека альбинизм также показал меньший LGN с плавленых П р и м слоев ^12. Высокого разрешения структурные МРТ подтвердили значительное снижение объема ЛГН в альбинизм ^8. Взятые вместе, эти результаты показывают, что уменьшение объема LGN может привести к уменьшению числа нейронов в LGN, и в свою очередь к снижению связи между ЛГН и V1.

Экспертизы закономерности анатомической связи у людей было ограничено. Вскрытие, нагнетание изотопных индикаторов и индукции поражения являются инвазивные методы, которые могут быть использованы только вскрытие, и, как правило, включают очень небольшое количество пациентов. Предыдущие исследования с использованием карбоцианиновых красителя DII инъекции продемонстрировали нейронную связь между V1 и V2 (вторичного Visual CORTEX) ^13, а также в пределах гиппокампа комплекса в альдегид фиксированной посмертного человеческого мозга ^14. Маркировочные волокна таким образом ограничивается дистанции только десятков миллиметров от точки впрыска ^14. Диффузия Тензор изображений, DTI, является модальность МРТ разработана в начале-середине 1990-х годов, чтобы определить направление путей волокна и организации. Это неинвазивный метод, который позволяет отображение больших WM путей в живом мозге. Министерство торговли и промышленности является чувствительным к диффузии молекул воды в биологической ткани ^15. В головном мозге, диффузия воды является анизотропным (неравномерным) из-за барьеров, таких как мембраны и миелина. WM обладает высокой анизотропии диффузии, а это означает диффузия больше , чем параллельно перпендикулярной ориентацией волокон ^16. Дробное анизотропии (ФА) является скалярной величиной, которая описывает предпочтение молекул диффундировать в анизотропной манере. Значения FA в диапазоне от 0-1, от низкого до высокого anisotвязкая (спинномозговая жидкость (ликвор) <серого вещества (GM) 16.

Streamline (детерминированной) и вероятностные отслеживания волокна два различных алгоритма для реконструкции 3D пути. Детерминированный трактография использует метод распространения линии, соединяющей соседние вокселей в определенном регионе семян. Два критерия останова, используемые в этом алгоритме являются угол поворота и значение FA. Таким образом, отслеживание путей между соседними вокселей маловероятно при больших углах поворота. Алгоритм будет, следовательно, также прогрессирует, только если FA в воксела превышает определенный порог, что ограничивает его эффективность в точно определяющих пути вблизи серого вещества, где анизотропия падает. Вероятностный трактография, с другой стороны, дает возможность соединения карта , описывающая вероятность воксела , чтобы быть частью тракта между двумя областями интереса (трансформирования) и , таким образом , переходит в серое вещество , такие как V1 ^17. С помощью этого приложения МРТ, ключевые WM структурах типаИЛИ может быть разграничены, как показано в предыдущих исследованиях ^18-20.

Таким образом, это исследование использует данные диффузии и трактография для изучения влияния аксонов misrouting на ретино-geniculo-кортикальных соединений. На основании ранее сообщалось сокращения объемов LGN в человеческом альбинизм ^8, мы прогнозируем , что волокна проекции от ЛГН к V1 также снижается (рисунок 1).

протокол

Заявление по этике: Настоящее исследование исследование было одобрено Человеческих участников Комитета по рассмотрению (HPRC) в университете Йорка, Торонто. Все участники дали информированное письменное согласие.

1. Предмет Подготовка

Примечание: участники Одиннадцать с ПЦА, в возрасте 36 ± 4 года (6 самок) по сравнению с десятью возраста из контрольной группы, в возрасте 32 ± 4 года (6 женщин). История Участник регистрируется в таблице 1.

1. Попросите каждого участника, чтобы заполнить и подписать форму согласия, в котором перечислены рекомендации по безопасности МРТ и протокол обработки изображений.
2. Для каждого участника, обеспечивают затычки для ушей. участник Положение лежа на спине и руководитель первой в магните, и ориентир выше глаз на уровне бровей. Глава Secure участника с подушками, чтобы уменьшить движение головы. Дайте участнику грушу для оповещения пациента.

2. Структурные параметры МРТ

e_content "> Примечание: Все изображения приобретается на сканер 3Т МРТ с помощью головки катушки 32-канала в течение одной сессии по каждому предмету.:

1. Приобретать T1-взвешенных анатомо высокого разрешения с использованием последовательности 3D-MPRAGE, охватывающий весь мозг со следующими параметрами: время сбора данных 4 мин 26 сек, поле зрения 256 мм, 256 матрица, 192 срезов с ломтик толщиной 1 мм, с в результате чего изотропное размер воксела 1,0 мм ^3, TR = 1900 мс, TE (эхо времени) = 2,52 мс с временем инверсии 900 мс и флип угол 9 °, 1 среднем, параллельной визуализации (IPAT ГРАППА, коэффициент ускорения 2) ,
2. Приобретают DTI последовательность, закрывающую корку, с фрагментами в поперечной ориентации после передней спаечного / задней спайки (AC-PC) линии, используя следующие параметры: время захвата 8 мин 5 сек, поле зрения 192 мм, 128 матрица, вокселей 1.5 1,5 мм в плоскости, 56 смежных (без зазора) ломтики толщиной 2 мм, TR = 6900 мс, TE = 86 мс, 64 направлений, б-значение 1000 сек / мм ² (эталонное изображение с низким б-значение 0 сек / мм ^2), 1 среднее, параллельной визуализации (IPAT Граппа) с коэффициентом ускорения 3.
3. Acquire 30-40 PD-взвешенные изображения в корональной ориентации параллельно ствола мозга, охватывающий от передней степени мосте к задней части нижней бугорок.
   1. С помощью Turbo спинового эха (FAST спинового эха) последовательность импульсов и следующие параметры: время захвата 1 мин 29 сек за одно сканирование, поле зрения 192 мм, 256 матрица, 30-40 ломтиков толщиной 1 мм, в результате чего размер воксела 0,75 0,75 1 мм ^3, TR = 3000 мсек, TE = 22 мс, турбо - фактор 5, переориентацию флип угол 120 °, 1 средний, параллельной визуализации (IPAT Граппа) с коэффициентом ускорения 2.
      Примечание: S12 сканировали с использованием следующих параметров: поле зрения 180 мм, 512 матрица, 30 ломтиков с ломтиками толщиной 1 мм, в результате чего размер воксела 0,4 х 0,4 х 1,0 мм ^3. Все остальные параметры остались прежними. Acquisitиона Время 2 мин 47 сек.
4. Предварительная обработка все сканирования путем преобразования сырых DICOM в формат NIfTI с использованием программы dcm2nii.

3. ЛГН Разграничение

Примечание: ЛГН небольшой субкортикальная структура находится глубоко в мозгу, поэтому PD изображения высокого разрешения необходимы для определения его анатомических границ. В этих сканирований, то ЛГН появляется как область высокой интенсивности сигнала по отношению к окружающим WM путей, что облегчает его обнаружение ^21. Обнаруженный анатомический ЛГН затем используется в качестве начального числа для области трактографии.

1. В то время как закрывать глаза на членство в группе, вручную отслеживать правый и левый ЛГН маски трижды , каждый раз на усредненных изображений PD интерполированных в два раза разрешение и половину размера воксела (оригинал 256 х 256 матрица, размер 0,75 х 0,75 х 1 мм ³ воксела).
   1. Для того, чтобы получить высокое разрешение изображения PD использовать свободно распространяемый функцию флиртовать и другие программные средства в рамках программного обеспечения FMRIB вБиблиотека (FSL, http://www.fmrib.ox.ac.uk/fsl/). Повышающую дискретизацию, сцепить, движения правильные и средние изображения PD для каждого участника , как описано ранее в другом месте ^22.
   2. Загрузите PD изображение с высоким разрешением в FSLView и нажмите на вкладку Tools, чтобы выбрать одну опцию (или нажмите ), Чтобы увеличить изображение.
   3. Перейдите на вкладку Файл, чтобы выбрать опцию Create Mask, и используйте панель инструментов в левой верхней части экрана, чтобы проследить LGN в каждом срезе. При желании, изменить контрастность изображения, перемещая вдоль мин / макс в панели инструментов, чтобы облегчить обнаружение LGN.
2. Слияние этих областей, представляющих интерес (трансформирования) в срединной маску с помощью команды fslmerge.
3. Объединить медианные маски всех Рейтеры в единую срединной маску, используя ту же команду.

4. Сегментация V1

1. Выполните команду "Recon-все" в FreeSurfer23 (v5.3.0) на головном мозгеs в родном анатомическом пространстве (T1-взвешенных изображений) для автоматизированной обработки.
2. Преобразовать соответствующие выходы во вновь созданную папку (МР-orig.mgz, brain.mgz, rawavg.mgz, T1.mgz) к NIfTI с использованием "mri_convert".
3. Используйте извлечение мозга BET в FSL GUI, чтобы исправить череп раздели выходной мозг (brain.nii.gz) в FreeSurfer пространстве, если это необходимо. Выберите стандартное извлечение мозга выполняется с использованием bet2 вариант (по умолчанию). Снизить порог, если отсутствует изображение ткани мозга, или увеличить, если ткани не-мозг захвачен (пороговое значение по умолчанию 0.5). Выберите выходной мозговую экстракцию изображение и выходной двоичный маски мозга изображения (последняя может быть использована для ручной коррекции) в дополнительных параметрах.
4. Преобразование выходного V1 парцелляции в мерную маске с использованием "label2surf" и команды "surf2volume".

5. Предварительно отслеживания регистраций

Примечание: Для следующих шагов, вызовите FSL GUI, чтобы открыть каждый из followinг инструменты.

1. С помощью экстракции мозга BET и выберите поле Bias & вариант очистки шеи к черепу однополосной rawavg.nii.gz, расположенный в папке МВН, созданной "Recon-все". Отрегулируйте порог по мере необходимости.
2. Запуск FLIRT линейной регистрации, чтобы привести мозги в FreeSurfer и родное анатомическое пространство для диффузионного пространства.
   1. Выберите brain.nii.gz, выход RECON-всех (FreeSurfer пространства), или мозг субъекта добыли T1 (родной анатомическое пространство) в качестве входного изображения, а Eddy исправленное и мозг извлекается диффузионно-взвешенное изображение (ДВИ) в качестве эталона образ. Затем нажмите кнопку "Go".
      Примечание: Этот шаг создает два выходных сигнала, входной мозг, зарегистрированный на опорном изображении (.nii.gz) и матрицу преобразования (.mat). Помимо регистрации, последний файл необходим для трактографии, когда Семя пространство не является диффузия. С помощью матриц выходного преобразования (.mat), созданные в этом шаге для трактографии как описано в разделе 7.4.2.
3. Аналогичныйдо 5.2, запустить FLIRT линейной регистрации, чтобы принести PD мозги участников к FreeSurfer пространства и родной анатомического пространства.
4. Подготовка семян маски для трактографии:
   1. Применить преобразование FLIRT из Utils в регистрации инструментов FLIRT линейной. Используйте выход .mat в качестве матрицы преобразования, оригинальная ЛГН маска в качестве входных данных и brain.nii.gz (FreeSurfer пространство) или T1_brain.nii.gz (родное анатомическое пространство) (см 5.2) в качестве эталонного объема. Выберите ближайший метод Neighbor интерполяции из дополнительных опций.
5. Используя только brain.nii.gz файлы, подготовить целевые маски для трактографии:
   1. Регистрация FreeSurfer мозги родному анатомического пространства и создавать целевые маски путем применения преобразования к V1 масок (см 5.2, 5.4.1) с использованием Tri-линейной интерполяции. Нажмите кнопку "Go".

6. ЛГН Нормализация

1. Используйте FNIRT нелинейную регистрацию, как описано выше по адресу: //fsl.fmrib.ox.ac.uk / FSL / fslwiki / FNIRT довести участников не-извлеченный мозги в родном анатомическом пространстве MNI пространство, используя весь шаблон мозга Монреальского неврологического института (MNI152).
   Примечание: Нелинейная регистрация исходных анатомических изображений рекомендуется для этого шага, поскольку регистраций были более точными, когда FNIRT был применен к не-извлеченной T1s по сравнению с флиртовать извлеченной мозги.
2. Применить преобразование к LGN масок в анатомическом пространстве (оригинал ЛГН ранее трансформированных в родное анатомического пространства в 5.4) с помощью ближайшего соседа интерполяции, как описано в разделе 5.4.1, чтобы принести маски MNI пространства.
3. Средние все маски LGN в MNI пространстве через обеих группах с помощью команды Afni в "3dMean".
4. Используйте "fslmaths -Thr", чтобы применить порог к средней маски в MNI пространстве.
5. Вычислить радиус средней маски в MNI пространстве , используя V = 4/3 πr ³ (предположим , сфера).
6. Запись центра масс координаты каждой отдельной маски LGN в родном анатомическом пространстве с помощью команды "fslstats -C".
7. Создание сферических трансформирования одинаковых объемов через участников:
   1. Используйте "fslmaths" , чтобы создать точку ROI с координатами соответствующей индивидуальной маски LGN в родном анатомическом пространстве , как записано в 6.6
   2. Использование "fslmaths", примените радиус средней маски в MNI пространстве, чтобы создать сферу вокруг точки ROI в родном анатомическом пространстве.
8. Используйте эти стандартные маски в качестве семян для трактографии.

7. Вероятностный трактография (FSL 5.0.4)

Примечание: Для следующих шагов, вызовите Fdt_gui для доступа к каждому из следующих инструментов.

1. Правильное искажения в DWIs с текущей коррекции Eddy. Выберите текущий параметр коррекции Eddy из меню в верхней части окна Diffusion Toolbox и загрузить ДВИ в качестве входных данных, оставляя defaulт опорный объем (0).
2. Мозг извлечь изображения с BET, как описано в разделе 4.3.
3. Выберите DTIFIT Реконструкция Тензоры диффузии из вариантов меню. Укажите каталог ввода, содержащий следующие файлы: диффузия взвешенных с учетом данных, nodif_brain_mask (вывод BET), bvec и bval (должен быть переименован в bvecs и bvals, текстовые файлы, содержащие информацию о параметрах сбора диффузии изображения, выход DICOM для преобразования NIfTI диффузии данные). Нажмите кнопку "Go", чтобы запустить dtifit, который соответствует тензорный диффузионной модели на каждом воксела, создавая файлы для последующей обработки.
4. Затем выберите опцию из меню на BedpostX (оценка параметров диффузии). Используйте один и тот же каталог, что и для ввода DTIFIT. Нажмите кнопку "Пуск" для создания все файлы, необходимые для трактографии.
5. Из этого же меню выберите ProbtrackX для вероятностного отслеживания и запустить его для каждого полушария в отдельности. Держите по умолчанию основные параметры (5000 образцов, 0,2 кривизны и loopcheck applied) и выберите модифицированный Эйлера для вычисления вероятностных линий тока с расширенными возможностями для повышения точности.
   1. Выберите выход BedpostX содержащий .merged файлы в качестве каталога BEDPOSTX.
   2. Выберите одну маску в качестве начального пространства и загрузите преобразованную маску LGN (в родном анатомическом пространстве) в качестве начального изображения, T1 (мозг в родном анатомическом пространстве) к матрице преобразования диффузии, как семя диффузии преобразования, и V1 (в родном анатомическом пространстве) в "необязательных целей" (все, кроме масок исключения) в качестве мишени.
   3. Используйте сетки по умолчанию конвенции (знак вставки) и загрузить мозг в родном анатомическом пространстве (T1 изображения) в качестве опорной поверхности изображения.
6. Повторите ProbtrackX для отслеживания вероятностного с использованием стандартного сферического трансформирования (созданный на шаге 6) в качестве семенных областей для трактографии, как описано в разделе 7.5.2. Загрузить трансформирования таким же образом трансформированной LGN (анатомическое пространство) было загружено в 7.5.2.
7. Повторно запустите трактография (7.5), на этот разс семенами (ненормированного) и целевых масок в FreeSurfer пространстве с добавлением контралатеральной белого вещества пограничной маски FreeSurfer в качестве маски исключения, чтобы избежать перехода через прямые и обеспечить ипсилатеральные соединений. Отметьте опцию Surface на панели инструментов ProbtrackX и выберите FreeSurfer в качестве сетки конвенции.
   Примечание: Важно подчеркнуть, что трактография всегда выполняется из диффузионного пространства, но Probtrackx для вероятностного отслеживания позволяет вводить семян и целевых масок в другом пространстве, наряду с матрицей преобразования в диффузионной пространстве. В этом исследовании, вероятностный трактография проводили с масками как в родном анатомических и FreeSurfer пространства (рис 2).

8. Детерминированный трактография (DSI студия)

1. Открытый Eddy исправлен диффузионно-взвешенных изображений в DSI Studio , ²⁴ нажав на Шаг 1: Open Source Images. Load bvec и bval файлы на окно б-таблицу, которая автоматически ОПЕNed для создания файла источника (.src).
2. Загрузите созданные файлы источника на окно восстановления для изменения по умолчанию реконструированы маски мозга по мере необходимости.
3. Затем выберите DTI в качестве метода реконструкции ²⁵ и запустить его на исходные файлы для получения информации волокна файлов (.fib).
4. Принесите PD мозги участников к диффузии пространства с использованием FLIRT линейной регистрации.
5. Применить преобразование к LGN масок с использованием ближайшего соседа интерполяции, как описано в разделе 5.4.1.
6. Откройте .fib файлы в окне отслеживания программы.
7. Запуск отслеживания для каждого полушария в отдельности, используя LGN в диффузионном пространстве в качестве посевного материала и области 17 (V1) из Бродманн атласе доступных из DSI Studio, как terminative области. Загрузите маску LGN, нажав на вкладку Регионы и открытая область. Выберите опцию Seed под тип в списке области на левой части экрана. Чтобы загрузить маску V1 из атласа, нажмите на атлас на панели инструментов в списке регионов ивыберите соответствующий атлас.
8. В каждом цикле, установите контралатеральной WM (названный левый / правый-мозговыми-белого вещества) маски из FreeSurfer сегментации атласа (см область Список поле в окне отслеживания) как регион избегания (РОА).
9. Повторите отслеживания (8.7-8.8) с использованием сферических трансформирования в диффузионном пространстве вместо отдельных ЛГН в качестве семян для регионов трактографии.
   Примечание: Сферические трансформирования имеют одинаковый объем по всем предметам и сосредоточены на центр масс каждой ЛГН.
10. Повторите ЛГН нормализацию, раздел 6, только на этот раз в регистрации мозги диффузионного пространства стандартного MNI пространства, и применяя преобразования к ЛГН в диффузионном пространстве (оригинальный ЛГН ранее трансформированных диффузионного пространства в 8,4-8,5), чтобы принести маски для стандартного MNI пространства. Рассчитать объем сферической ROI как средний объем всех ЛГН по субъектам в MNI пространстве.
    Примечание: параметры отслеживания могут быть изменены пользователем. Для большинства трасс, были применены параметры отслеживания по умолчанию, Для некоторых людей (A5, A7, S12), порог анизотропии (по умолчанию 0,14-0,15) была снижена (0.10-0.12) и был увеличен угловой порог (по умолчанию 60) (65-85), для более хорошей визуализации. Схема метода показана на рисунке 3.

9. Статистический анализ - ТБСС (ПСМ)

Примечание: TRACT на основе пространственной статистики является voxelwise статистический анализ ФА участников maps16 получены с dtifit26. Он широко используется для статистики по данным диффузии. Этот voxelwise подход преодолевает потенциальные выравнивание и сглаживание проблемы видели в ВБМ-стиле анализа FA и обеспечивает весь исследование мозга, недостижимы через трактография на основе approaches16.

1. Запуск "tbss_1_preproc" по данным FA, расположенных во вновь созданном каталоге ТБСС.
2. Запуск "tbss_2_reg" - T применять нелинейную регистрацию, в результате чего данные FA каждого участника в общее пространство (FMRIB58_FA,изображение цели в ТБСС).
3. Создание среднего FA скелет с центрами всех общих путей среди участников , использующих "tbss_3_postreg -S".
4. Бег "Tbss_4_prestats 0.2" проекта выровненный карту ФА каждого участника на средний скелет всех выровненных FA карт.
5. Создание design.con и design.mat файлов, гарантируя, что порядок матрицы соответствует порядку, в котором ТБСС предварительно обработаны данные FA.
6. Запуск "рандомизации", используя опцию T2, который рекомендуется для ТБСС, как он действует на каркасе (уменьшенном подмножества данных 3D), и 5000 предварительных мутаций, что дает более точные р-значения.

10. Статистический анализ - SPSS

1. Извлечение значений из FA детерминированных данных
   Примечание: значения FA Детерминированная основе были получены от DSI студии вывода статистики текстовых файлов. Эти значения представляют собой средние значения FA в сгенерированном трактов, ВГIch в этом случае соответствуют области OR.
   1. Запуск отслеживания волокна в DSI студии.
   2. Сохраните текстовые файлы "Статистика", созданные DSI Studio, для каждого сгенерированного набора путей и записать значения 'FA' означают из них.
2. Извлечение значений из FA вероятностного данных
   Примечание: Значения вероятностный на основе FA получены из ProbtrackX2 вывода fdt_paths файлов. Эти изображения 3D плотности кишечного тракта, что в данном исследовании, охватывают область, соответствующую ИЛИ.
   1. Использование линейной регистрации FLIRT принести fdt_paths файлы каждого участника диффузионного пространства.
   2. Binarize выходные маски с использованием "fslmaths - бункер".
   3. Для каждого участника, умножить маску на их карте FA от dtifit с использованием "fslmaths -mul".
   4. Выполните команду "fslmeants", чтобы найти среднюю FA от каждой маски тракта.
3. Запуск Анализы с SPSS (Использование Детерминированные и вероятностные
   Данные)
   NOTE: Статистический анализ выполняется с помощью программы SPSS 20 для Mac. Поскольку полушарие является в пределах объекта съемки переменной, обобщенной линейной модели (GENLIN), с которой эффекты в каждой стороне мозга можно рассматривать отдельно, применяется. В частности, используется обобщенная оценка уравнение (ГЭЭ).
   1. В отдельных тестах, установить каждый из среднего FA и оптимизировать количество (waytotal или процент генерироваться линий тока, PGSL) в качестве зависимой переменной.
      Примечание: В данном исследовании, оптимизировать подсчет основан на пути итог значений. Waytotal описывает общее количество генерируемых линий тока, которые не были отклонены по критериям включения / исключения ^27. Количество генерируемых линиями тока (NGSL), которая относится к общему количеству линий тока, посланных, равно количеству вокселей в маске семян, умноженной на число выборок, взятых из каждого воксела (5000 в данном случае). Процент сгенерированные тока (PGSL), waytotal делится на NGSL раз 100, является мерой успешной Connectivity между семенем и мишенью.
   2. Исследование влияния группы и пола на ЛГН для подключения V1, установив их в качестве независимых переменных во всех тестах.
      Примечание: Были изучены основные эффекты, а также двух- и трехходовые взаимодействия. Важно отметить, что эти индивидуальные тесты не обусловлены друг к другу, так что значение одного основного эффекта или взаимодействия не зависит от другого.
   3. Использовать возраст как ковариаций для всех тестов. Кроме того, используйте объем LGN как ковариата для испытаний со средним FA и waytotal как зависимые переменные, но исключить его из тестов с PGSL в качестве зависимой переменной.
      Примечание: Общий объем мозга было обнаружено, что незначительный коварьировать и поэтому был исключен из статистики.
   4. Выберите метод коррекции Бонферрони для корректировки множественных сравнений ²⁸ (уровень значимости р <0,05).

Результаты

В этом разделе приводится краткое изложение результатов, полученных с использованием двух различных алгоритмов трактографии, детерминированной и вероятностной. Объемы LGN в PD пространстве , в котором маски первоначально были нарисованы, а также во всех других помещен...

Обсуждение

Altered WM и, более конкретно, уменьшилась возможность соединения в альбинизм по сравнению с ожидались управления. Таким образом, приведенная FA в правом полушарии альбинизм по сравнению с контрольной группой, а также уменьшением подключения у мужчин с альбинизм сообщили здесь в соответств...

Материалы

Name	Company	Catalog Number	Comments
Magnetom Tim Trio 3T MRI	Siemens (Erlangen, Germany)
FMRIB’s Software Library (FSL)			http://www.fmrib.ox.ac.uk/fsl/
FreeSurfer			http://surfer.nmr.mgh.harvard.edu
DSI Studio			http://dsi-studio.labsolver.org
SPSS