АВТОРЫ
СВЯЖИТЕСЬ С НАМИ

Войдите в систему

Для просмотра этого контента требуется подписка на Jove Войдите в систему или начните бесплатную пробную версию.

В этой статье

  • Резюме
  • Аннотация
  • Введение
  • протокол
  • Результаты
  • Обсуждение
  • Раскрытие информации
  • Благодарности
  • Материалы
  • Ссылки
  • Перепечатки и разрешения

Резюме

Приведено здесь практический учебник для открытого доступа, стандартизированные обработки изображений трубопровода с целью поражения-симптом отображения. Для каждого этапа обработки предусмотрено поэтапное прохождение, начиная с ручной инфарктной сегментации по КТ/МРТ до последующей регистрации на стандартное пространство, а также практические рекомендации и иллюстрации с примерными случаями.

Аннотация

В отображении поражения-симптома (LSM), функция мозга выводилась, соотнося расположение приобретенных поражений мозга поведенческих или когнитивных симптомов в группе пациентов. С недавними достижениями в визуализации мозга и обработки изображений, LSM стал популярным инструментом в когнитивной нейронауки. LSM может обеспечить фундаментальное понимание функциональной архитектуры человеческого мозга для различных когнитивных и некогнитивных функций. Важным шагом в проведении исследований LSM является сегментация поражений на сканировании мозга большой группы пациентов и регистрация каждого сканирования в общем стереотаксическом пространстве (также называемом стандартным пространством или стандартизированным шаблоном мозга). Описано здесь открытый доступ, стандартизированный метод инфаркта сегментации и регистрации для целей LSM, а также подробный и практический пошаговое решение, основанное на примерных случаях. Представлен освоемный учебник для ручного сегментации инфарктов головного мозга на КТ и последовательности DWI или FLAIR MRI, включая критерии идентификации инфарктов и подводные камни для различных типов сканирования. Программное обеспечение для регистрации предоставляет несколько схем регистрации, которые могут быть использованы для обработки данных КТ и МРТ с неоднородными параметрами приобретения. Предоставляется учебник по использованию этого программного обеспечения регистрации и выполнению проверок качества и ручных исправлений (которые необходимы в некоторых случаях). Этот подход предоставляет исследователям основу для всего процесса обработки изображений мозга, необходимых для выполнения исследования LSM, от сбора данных до окончательных проверок качества результатов.

Введение

Отображение искрометного симптома (LSM), также называемое отображением по поражению поведением, является важным инструментом для изучения функциональной архитектуры человеческого мозга1. В исследованиях поражения, функция мозга выводилась и локализуется путем изучения пациентов с приобретенными поражениями мозга. Первые тематические исследования, связывающие неврологические симптомы с конкретными местоположениями мозга, проведенные в девятнадцатом веке, уже дали фундаментальное представление об анатомических коррелях языка и ряде других когнитивных процессов2. Тем не менее, нейроанатомические корреляты многих аспектов познания и других функций мозга оставались неуловимыми. В последние десятилетия усовершенствованные структурные методы визуализации мозга и технические достижения позволили провести крупномасштабные исследования in vivo LSM с высоким пространственным разрешением (т.е. на уровне отдельных вокселей или специфических корковых/субкортикальных областей, представляющих интерес)1 ,2. С этими методологическими достижениями, LSM стал все более популярным методом в когнитивной нейронауки и продолжает предлагать новые идеи в нейроанатомии познания и неврологических симптомов3. Важным шагом в любом исследовании LSM является точная сегментация поражений и регистрация в шаблон мозга. Тем не менее, всеобъемлющий учебник для предварительной обработки данных изображения мозга для целей LSM не хватает.

Приведено здесь полный учебник для стандартизированной сегментации поражения и метод регистрации. Этот метод предоставляет исследователям конвейер для стандартизированной обработки изображений мозга и обзор потенциальных ловушек, которые следует избегать. Представленный конвейер обработки изображений был разработан в рамках международного сотрудничества4 и является частью рамок недавно основанного консорциума карт Meta VCI, целью которого является проведение многоцентровых картографических исследований сосудистые когнитивные нарушения злт;www.metavcimap.org Этот метод был разработан для обработки Как КТ, так и МРТ от нескольких поставщиков и неоднородных протоколов сканирования, чтобы позволить комбинированную обработку наборов данных изображений из разных источников. Необходимое программное обеспечение RegLSM и все другое программное обеспечение, необходимое для этого протокола, свободно доступны, за исключением MATLAB, который требует лицензии. Этот учебник фокусируется на сегментации и регистрации инфарктов мозга, но этот конвейер обработки изображений также может быть использован для других поражений, таких как гиперинтенсивность белого вещества6.

Прежде чем начать исследование LSM, необходимо базовое понимание общих концепций и подводных камней. Несколько подробных руководящих принципов и руководство автостопом доступны1,3,6. Тем не менее, эти обзоры не обеспечивают подробный практический учебник для практических шагов, участвующих в сборе и преобразовании сканирования мозга в надлежащем формате, сегментации инфаркта мозга, и регистрации сканирования на шаблон мозга. В настоящем документе содержится такой учебник. Общие концепции LSM приводятся во введении со ссылками для дальнейшего чтения по этому вопросу.

Общая цель исследований по картированию поражений и симптомов

С точки зрения когнитивной нейропсихологии, черепно-мозговая травма может быть использована в качестве модельного состояния, чтобы лучше понять нейронные основы некоторых когнитивных процессов и получить более полную картину когнитивной архитектуры мозга1 . Это классический подход в нейропсихологии, который был впервые применен в посмертных исследований в девятнадцатом веке пионеров, как Брока и Вернике2. В эпоху функциональной визуализации мозга, развитие мозга подход остается важным инструментом в неврологии, поскольку он обеспечивает доказательство того, что поражения в конкретной области мозга нарушить задачу производительности, в то время как функциональные исследования изображений демонстрируют области мозга, которые являются активирован во время выполнения задачи. Таким образом, эти подходы обеспечивают дополнительную информацию1.

С точки зрения клинической неврологии, исследования LSM могут выяснить связь между местом поражения и когнитивного функционирования у пациентов с острыми симптоматическими инфарктами, гиперинтенсивностью белого вещества, лакунами или другими типами поражений (например, опухолями, опухолями ). Недавние исследования показали, что такие поражения в стратегических областях мозга более актуальны в объяснении когнитивных функций, чем глобальное бремя поражения2,5,7,8. Такой подход может улучшить понимание патофизиологии сложных расстройств (в данном примере, сосудистые когнитивные нарушения) и может предоставить возможности для разработки новых диагностических и прогностиковых инструментов или поддержки лечения стратегии2.

LSM также имеет приложения за пределами области познания. На самом деле, любая переменная может быть связана с местом поражения, включая клинические симптомы, биомаркеры и функциональные результаты. Например, недавнее исследование определило инфарктные локации, которые были предсказуемыми функционального исхода после ишемического инсульта10.

Voxel основе по сравнению с регионом на основе интересов на основе поражения-симптом отображение

Для выполнения отображения поражений-симптомов, поражения должны быть сегментированы и зарегистрированы в шаблон мозга. Во время процедуры регистрации, мозг каждого пациента пространственно выровнены (т.е., нормализованы или зарегистрированы на общий шаблон), чтобы исправить различия в размере мозга, форме и ориентации, так что каждый воксель на карте поражения представляет собой тот же анатомический структура для всех пациентов7. В стандартном пространстве может быть выполнено несколько типов анализов, которые кратко обобщены здесь.

Анализ грубого поражения-вычитания может быть выполнен, чтобы показать разницу в распределении поражений у пациентов с дефицитом по сравнению с пациентами без дефицита. В результате вычитания карта показывает регионов, которые чаще всего повреждены у пациентов с дефицитом и пощадил у пациентов без дефицита1. Хотя анализ поражения-вычитания может дать некоторое представление о коррелятах конкретной функции, он не дает статистических доказательств и в настоящее время в основном используется, когда размер выборки слишком низок, чтобы обеспечить достаточную статистическую мощность для вокселя на основе поражения-симптома Сопоставление.

В voxel основе поражения-симптом отображения, связь между наличием поражения и когнитивных функций определяется на уровне каждого отдельного вокселя в головном мозге (Рисунок 1). Основным преимуществом этого метода является высокое пространственное разрешение. Традиционно, эти анализы были выполнены в массовом univariate подход, который требует коррекции для нескольких испытаний и вводит пространственные предубеждения, вызванные межвоксель корреляции, которые не принимаются во внимание1,10 , 11. Недавно разработанные подходы, которые принимают межвоксель корреляции во внимание (обычно называют многовариантные поражения-симптомы картирования методы, такие как байесовский анализ13, поддержка вектор регрессии4, 14, или другие алгоритмы машинного обучения15) показывают многообещающие результаты и, как представляется, улучшить чувствительность и специфичность выводов из воксел-мудрый анализ LSM по сравнению с традиционными методами. Дальнейшее совершенствование и проверка многовариантных методов для lsM с вокселем- мудрым является непрерывным процессом. Наилучший выбор метода для конкретного отображения поражений и симптомов зависит от многих факторов, включая распределение поражений, переменных результатов и базовых статистических предположений методов.

В области интереса (ROI) на основе поражения-симптома отображение, связь между бременем поражения в конкретной области мозга и когнитивных функций определяется (см. Рисунок 1 в Biesbroek и др.2 для иллюстрации). Основным преимуществом этого метода является то, что он рассматривает кумулятивное бремя поражения в анатомической структуре, которая в некоторых случаях может быть более информативным, чем поражения в одном вокселе. С другой стороны, анализы на основе окупаемостью имеют ограниченную мощность для обнаружения закономерностей, которые присутствуют только в подмножестве вокселей в регионе16. Традиционно, ROI основе поражения-симптом отображение осуществляется с использованием логистической или линейной регрессии. В последнее время, многовариантные методы, которые лучше справляются с коллинериальностью были введены (например, Байесийский анализ сети17, поддержка регрессии вектора4,18, или других алгоритмов машинного обучения19), которые могут улучшить специфичность выводов, полученных в ходе исследований по картированию поражений и симптомов.

Выбор пациентов

В исследованиях LSM, пациенты, как правило, выбираются на основе конкретного типа поражения (например, инфарктов головного мозга или гиперинтенсивности белого вещества) и интервал времени между диагностикой и нейропсихологической оценки (например, острый против хронического инсульта). Оптимальная конструкция исследования зависит от исследовательского вопроса. Например, при изучении функциональной архитектуры человеческого мозга, пациенты с острым инсультом идеально включаются, потому что функциональная реорганизация еще не произошла на данном этапе, в то время как пациенты с хроническим инсультом должны быть включены при изучении долгосрочное воздействие инсульта на познание. Подробное описание соображений и подводных камней при отборе пациентов представлено в другом месте7.

Предобработка изображения мозга с целью отображения поражений-симптомов

Точная сегментация поражения и регистрация на общий шаблон мозга являются важнейшими шагами в отображении поражений-симптомов. Ручная сегментация поражений остается золотым стандартом для многих типов поражений, включая инфаркты7. При условии, подробный учебник по критериям для ручного инфаркта сегментации на КТ, диффузии взвешенной визуализации (DWI), и жидкости ослабленной инверсии восстановления (FLAIR) МРТ последовательностей в острых и хронических стадиях. Сегментированные инфаркты (т.е. 3D-карты бинарных поражений) должны быть зарегистрированы до проведения анализа по всему предмету. Этот протокол использует метод регистрации RegLSM, который был разработан в многоцентровой настройке4. RegLSM применяет линейные и нелинейные алгоритмы регистрации на основе elastix20 как для КТ, так и для МРТ, с дополнительным шагом обработки КТ, специально предназначенным для повышения качества регистрации КТ21. Кроме того, RegLSM позволяет использовать различные шаблоны мозга-мишени и (необязательный) промежуточный шаг регистрации для возрастного шаблона CT/MRI22. Возможность обработки как КТ, так и МРТ и его настраиваемость в отношении промежуточных и целевых шаблонов мозга делают RegLSM очень подходящим инструментом обработки изображений для LSM. Весь процесс подготовки и сегментации КТ/МРТ, регистрации на шаблон мозга и ручных исправлений (при необходимости) описан в следующем разделе.

figure-introduction-12749
Рисунок 1: Схематическая иллюстрация концепции вокселя на основе поражения-симптома отображения. Верхняя часть показывает изображение мозга предобработки шаги, состоящие из сегментирования поражения (острый инфаркт в данном случае), а затем регистрации в шаблон мозга (шаблон MNI-152 в данном случае). Ниже, часть зарегистрированной бидорожной карты поражения одного и того же пациента отображается как 3D сетка, где каждый куб представляет собой воксель. В совокупности с картами поражения 99 других пациентов создается карта наложения поражения. Для каждого вокселя проводится статистический тест для определения связи между состоянием поражения и когнитивными способности. Тест чи-квадрат, показанный здесь, является лишь примером, любой статистический тест может быть использован. Как правило, сотни тысяч вокселей тестируются по всему мозгу, а затем коррекции для нескольких сравнений. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

протокол

Этот протокол соответствует руководящим принципам нашего комитета по этике исследований человека.

1. Сбор сканирования и клинических данных

  1. Соберите КТ головного мозга или МРТ пациентов с ишемическим инсультом. Большинство сканеров сохраняют сканы как файлы DICOM (Digital Imaging and Communications in Medicine), которые можно скопировать на жесткий диск или сервер.
    ПРИМЕЧАНИЕ: Сканирование из каждого типа сканера, протокол сканирования и прочность поля МРТ могут быть использованы, до тех пор, пока 1) требования временного окна для используемого типа сканирования удовлетворяются (см. таблицу 1) и 2) Нет никаких артефактов, которые препятствуют точному разграничению infarct. Подробный учебник по обнаружению артефактов на КТ и МРТ предоставляется в другом месте23,24. Пример часто встречающихся артефактов движения на КТ приведен на рисунке 2,а примеры сканирования хорошего качества приведены в примерных случаях в разделе результатов. Инфаркты могут быть сегментированы на сканирование с любой толщиной ломтика и любым разрешением изображения в плоскости. Тем не менее, тонкие ломтики и высокое разрешение в плоскости позволит более точное представление инфаркта к шаблону мозга.
  2. Соберите клинические переменные в файле данных (например, Excel), сделав отдельные строки для каждого случая и столбцы для каждой клинической переменной. Для инфарктной сегментации включите по крайней мере дату штриха и дату визуализации или переменную, которая указывает временной интервал между штрихом и визуализацией.
  3. Убедитесь, что этические принципы и правила, касающиеся конфиденциальности, соблюдаются. Убедитесь, что данные либо анонимизированы, либо закодированы. Обратите особое внимание на удаление данных пациента, таких как имя, адрес и дата рождения, которые хранятся в файлах DICOM в виде тегов. Эти теги могут быть очищены с помощью dcm2niix (бесплатная загрузка доступна на lt;https://github.com/rordenlab/dcm2niix;gt;)25.

2. Преобразование изображений DICOM в файлы Nifti

  1. Чтобы преобразовать изображения DICOM в несжатые файлы nifti с помощью инструмента dcm2niix, введите в запросе команды «путь папки dcm2niix.exe»dcm2niix %d'%p «путь папки файлов dicom». Примером команды с вставленными путями папок может быть C: «пользователи»matthijs»dcm2niix %d'%p C: «пользователи»matthijs'dicom. Эта команда запустит исполняемую dcm2niix, преобразует изображения DICOM в выбранную папку и сохранит файлы nifti в той же папке.
    ПРИМЕЧАНИЕ: Добавление%d'% p гарантирует, что описание серии и имя протокола вставляются в имя файла. Дополнительные функции, в том числе варианты преобразования партии, предоставляются в руководстве dcm2niix по адресу:///www.nitrc.org/plugins/mwiki/index.php/dcm2nii:MainPage.gt;. Другие инструменты с открытым исходным кодом также могут быть использованы для преобразования изображений DICOM в файлы nifti.
  2. Убедитесь, что имя типа сканирования (CT, FLAIR, DWI или другие имена последовательности) скопировано в имя файла во время преобразования (эта опция доступна в dcm2niix).
  3. Для МРТ выберите последовательности DWI или FLAIR для сегментации. Кроме того, любая другая структурная последовательность, на которой виден инфаркт, может быть использована. См таблица 1 для соответствующих временных окон после инсульта, в котором Ct, DWI, или FLAIR могут быть использованы для инфаркта сегментации.
  4. Организуйте файлы nifti в удобной структуре папки с субфолдером для каждого случая (см. руководство RegLSM и дополнительную диаграмму 1). Это руководство можно скачать с сайта zlt;www.metavcimap.org/support/software-tools.gt;..
    ПРИМЕЧАНИЕ: Эта структура папок является обязательным условием для программного обеспечения для регистрации RegLSM (см. раздел 4). Обновление RegLSM, что делает его BIDS (структура данных изображения мозга26, см. lt;http://bids.neuroimaging.io'gt;) в настоящее время разрабатывается и в скором времени будет выпущен.

3. Инфарктная сегментация

  1. Общие замечания, применимые ко всем типам сканирования
    1. Убедитесь, что человек, который выполняет и оценивает сегментацию и регистрацию, прислеплен к переменной результата (обычно когнитивной мере), чтобы избежать предвзятости.
    2. Обратите внимание, что инфаркты обычно сегментируются на поперечных ломтиках, но сегментация может быть выполнена в любой ориентации среза.
    3. Обеспечьте идеальные условия просмотра во время инфарктной сегментации, используя дисплей монитора с высоким разрешением и оптимальный окружающий свет, чтобы обеспечить удобную настройку. Вручную отрегулируйте контраст изображения во время сегментации, чтобы обеспечить оптимальный контраст между здоровой тканью мозга. Будьте последовательны в применении аналогичных параметров по разных предметах.
  2. Инфарктная сегментация на КТ
    1. Первая проверка того, было ли сканирование выполнено по крайней мере 24 ч после начала симптомов инсульта. В течение 24 ч, острый инфаркт не является или только частично видны на КТ и сканирование не может быть использован для сегментации7. На рисунке можно найти рисунок 3.
    2. Откройте родной КТ с помощью программного обеспечения ITK-SNAP (бесплатная загрузка доступна по адресу: zlt;www.itksnap.org-gt;)27. В ITK-SNAP щелкните Файл и откройте основное изображение из меню выпадения. Нажмите на просмотр и выберите файл, чтобы открыть сканирование. Если настройка контраста по умолчанию обеспечивает плохой контраст между здоровой тканью мозга и поражением, отрегулируйте настройки контраста. Для этого нажмите «Инструменты» и регулировка контрастности.
      ПРИМЕЧАНИЕ: Любое программное обеспечение с открытым исходным кодом также может быть использовано.
    3. При наличии, открыть КТ, который был выполнен в течение 24 ч после начала инсульта симптом в отдельном случае в качестве ссылки на различие, чтобы отличить острый инфаркт от старых ишемических поражений, таких как лакуны, (суб) корковых инфарктов, или гиперинтенсивность белого вещества.
    4. Определите инфаркт на основе следующих характеристик. Инфаркты имеют низкий сигнал (т.е. гиподенсы) по сравнению с нормальной тканью мозга.
      1. В острой стадии (первые недели), большие инфаркты могут вызвать массовый эффект, что приводит к смещению окружающих тканей, сжатие желудочков, сдвиг средней линии и уничтожение sulci. Там может быть геморрагическое преобразование, которое видно как регионы с высоким сигналом (т.е. гипердены) в инфаркте.
      2. В хронической стадии (месяцы к годам), инфаркт будет состоять из гиподенов кавитированный центр (с аналогичной плотностью, как спинномозговой жидкости) и менее hypodense обода, который представляет поврежденные ткани мозга. И кавитированный центр, и обод гиподенов должны быть сегментированы как инфаркт. В случае большого инфаркта, может быть ex vacuo расширение смежных sulci или желудочков.
        ПРИМЕЧАНИЕ: Перемещение тканей в следствие массового эффекта или экс-вакуо расширение структур не должно быть исправлено в ходе сегментации (т.е. только полный объем инфаркта должен быть сегментирован). Коррекция смещения тканей происходит во время регистрации и последующих этапов.
    5. Сегмент инфарктной ткани мозга с помощью режима кисти из основной панели инструментов (левый клик, чтобы нарисовать, правый щелчок, чтобы стереть). Кроме того, используйте режим полигона для размещения якорных точек на границах поражения (эти точки автоматически связаны с линиями) или удерживайте левую кнопку мыши при перемещении мыши через границы поражения. Как только все точки якоря подключены, нажмите принять, чтобы заполнить очертанную область.
    6. Избегайте фазы запотевания, которая относится к фазе, в которой инфаркт становится изоденистым на КТ (что происходит совместно с инфильтрацией инфарктной ткани с фагоцитами). Это обычно происходит через 14-21 день после начала инсульта, но в редких случаях может произойти еще раньше28. В течение этого периода инфаркт может стать невидимым или его границы становятся менее ясными, что делает эту стадию непригодной для инфарктной сегментации. После фазы запотевания, поражения становится гиподенсивом снова, когда кавитации и глиоза происходят. На рисунке 4 можно ознакомиться на двух примерах.
    7. После завершения сегментации, сохранить его в виде двоичного файла nifti в той же папке, как сканирование, нажав сегментации и сохранить сегментации изображения из меню выпадения, а затем сохранить сегментации, давая ему точно такое же имя, как сегментированное сканирование, с расширение .ssion (например, если сканирование было сохранено как "ID001. CT.nii", за исключением сегментации как "ID001. CT.lesion.nii").
  3. Инфарктная сегментация на DWI
    1. Первая проверка, если DWI была выполнена в течение 7 дней после начала инсульта. Инфаркты видны на DWI в течение нескольких часов после начала инсульта, и их видимость на DWI постепенно уменьшается примерно через 7 дней (см. пункт 2 в обсуждении для более подробной информации).
    2. Откройте DWI в ITK-SNAP (так же, как это делается в шаге 3.2.2).
      ПРИМЕЧАНИЕ: Последовательность DWI генерирует по крайней мере два изображения для большинства протоколов сканирования, одно с b-значением 0, которое является стандартным T2-взвешенным изображением, и одно с более высоким b-значением, которое является сканированием, которое фиксирует фактические свойства диффузии ткани. Чем выше b-значение, тем сильнее эффекты диффузии. Для обнаружения ишемического инсульта часто используется b-значение около 1000 с/мм2, так как это обеспечивает хорошее соотношение контрастности к шуму в большинстве случаев29. Изображение с высокой b-значением используется для инфарктной сегментации.
    3. Откройте последовательность явного коэффициента диффузии (ADC) в отдельном экземпляре ITK-SNAP для справки.
    4. Определите и аннотировать инфарктную ткань мозга на основе высокого сигнала (т.е. гиперинтенсивного) на ДВИ и низкого сигнала (т.е. гипоинтенсивного) на ADC (см. рисунок 5). Значения ADC в инфаркте постепенно увеличиваются до тех пор, пока ADC не нормализуется в среднем через 1 неделю после инсульта30,но в некоторых случаях ADC уже может быть (почти) нормализована через несколько дней, если есть много вазогенных отеков.
      ПРИМЕЧАНИЕ: На изображениях DWI с низкими b-значениями, поражения мозга с внутренне высоким сигналом T2 (например, гиперинтенсивность белого вещества) также могут показаться гиперинтенсивными. Это явление называется T2 просвечивной31. Однако с увеличением b-значений это явление становится менее актуальным, так как сигнал на изображении DWI более сильно отражает свойства диффузии вместо инфиционного сигнала T2. С современными протоколами сканирования DWI (обычно с b-значением 1000 или выше), эффекты T2 просвечивают ограничены32.
    5. Не путайте высокий сигнал DWI вблизи интерфейсов между воздухом и тканью или костью, которые являются обычно наблюдаемым артефактом, для инфаркта. Смотрите рисунок 5.
    6. Сохранить аннотацию в виде двоичного файла nifti, придав ему точно такое же имя, как сегментированное сканирование, с расширением .ssion (так же, как это делается в шаге 3.2.7).
  4. Инфарктная сегментация на FLAIR
    1. Во-первых, проверьте, было ли сканирование выполнено после начала симптомов инсульта. В гиперострой стадии, инфаркт, как правило, не видны на последовательность FLAIR или точные границы инфаркта неясны31 (см. Рисунок 6).
    2. Откройте FLAIR в ITK-SNAP так же, как это делается в шаге 3.2.2.
    3. Откройте T1 отдельный экземпляр ITK-SNAP для справки, если она доступна.
    4. Определите и сегментируйте инфарктную ткань мозга на основе следующих характеристик.
      1. В острой стадии (первые несколько недель), инфаркт виден как более или менее однородное гиперинтенсивное поражения, с или без видимого отека и массовогоэффекта (рисунок 5).
      2. В хронической стадии (месяцы к годам), инфаркт cavitated, то есть центр становится гипо- или изоинтенсивным на FLAIR. Эта полость может быть наиболее точно идентифицирована на T1. В большинстве случаев, кавитированный центр окружен гиперинтенсивным ободком на FLAIR, представляющим собой пейрос. 33.
        ПРИМЕЧАНИЕ: Однако существует значительное количество изменений в степени кавитации и глиоза хронических инфарктов. Сегмент и полости, и гиперинтенсивного обода как инфаркты (см. шаг 3.2.5). FlAIR гиперинтенсивное поражения не всегда инфаркт. В острой стадии, небольшие подкоркические инфаркты можно легко отличить от гиперинтенсивности белого вещества или других хронических поражений, таких как лачки предполагаемого сосудистого происхождения, когда есть DWI доступны (см. Рисунок 5). В хронической стадии, это может быть сложнее. Подробнее о том, как различать эти виды поражений на хронической стадии, читайте в пункте 3 обсуждения.
    5. Сохранить аннотацию в виде двоичного файла nifti, придав ему точно такое же имя, как сегментированное сканирование, с расширением .ssion (так же, как это делается в шаге 3.2.7).
Тип сканированияВременное окно после инсультаИнфарктные свойстваСправочное сканированиеЛовушек
Ct24 чОстрый: гиподенс-- Фаза фоггинга
Хронический: гиподенная полость с CSF и менее гиподенсезийный обод- Геморрагическая трансформация
DwiЗлт;7 днейГиперинтенсивныйADC: как правило, гипоинтенсивные- T2 просвечивает
- Высокий сигнал DWI вблизи интерфейсов между воздухом и костной/тканью
ЧутьеЧт;48 чОстрый: гиперинтенсивныйОстрый: DWI/ADC, T1 (изоинтенсивный или гипоинтенсивный)- Гиперинтенсивность белого вещества
Хронический: гипоинтенсивный или изоинтенсивный (полость), гиперинтенсивный ободХронический: T1 (гипоинтенсивная полость с характеристиками CSF).- Лакунес

Таблица 1: Резюме критериев для инфарктной сегментации для различных типов сканирования.

4. Регистрация в Стандартное пространство

  1. Загрузите RegLSM с сайта zlt;www.metavcimap.org/features/software-tools-gt;4. Используйте этот инструмент для обработки КТ и любой последовательности МРТ. Процедура регистрации иллюстрируется на рисунке 7.
    ПРИМЕЧАНИЕ: Дополнительные функции в RegLSM включают регистрацию на промежуточный шаблон КТ /МРТ, который больше напоминает сканирование пожилых пациентов с атрофией мозга22. По умолчанию КТ и МРТ регистрируются в шаблоне MNI-15234,но это может быть заменено другими шаблонами, если это лучше подходит для исследования. Различные схемы регистрации иллюстрируются на рисунке 7. Другие инструменты регистрации с открытым исходным кодом также могут быть использованы для этого шага.
  2. Проверьте 1), если файлы nifti не сжаты, 2), что имя файла сегментированного сканирования содержит термин CT, FLAIR, или DWI, и 3), что имя файла аннотации поражения содержит тот же термин с прилагаемым ".ssion". Если эти первые три шага будут выполнены, данные полностью подготовлены к регистрации и ничего не нужно менять.
  3. Откройте MATLAB (версия 2015a или выше), установите текущую папку для RegLSM (эта папка может быть загружена от 35 (версия 12 или выше, бесплатная загрузка на lt;https://www.fil.ion.ucl.ac.uk/spm/)gt;) путем ввода аддапа SPM. Затем введите RegLSM, чтобы открыть графический интерфейс.
  4. Выберите тестовый режим в меню выпадения регистрации для выполнения регистрации для одного случая. В панели тестового режима выберите сканирование (CT, FLAIR или DWI), аннотацию и опционально T1, используя кнопку открытого изображения. Выберите схему регистрации: CT, FLAIR с или без T1, DWI с или без T1.
  5. Кроме того, выберите пакетный режим для регистрации сканов всех случаев в выбранной папке в пакетном режиме.
  6. Убедитесь, что RegLSM сохраняет полученные параметры регистрации и зарегистрированные сканы (включая промежуточные шаги) и зарегистрированную карту поражения в автоматически сгенерированных субфолионах. В ходе этого процесса зарегистрированные карты сканирования и поражения переоформляются в соответствии с разрешением (изотропные 1 мм3 воксели) и ангуляцией шаблона MNI-152.

5. Обзор результатов регистрации

  1. Выберите результаты проверки опции в GUI RegLSM и просмотрите основную папку с результатами регистрации. GUI автоматически выберет зарегистрированное сканирование с помощью зарегистрированной карты поражения, а также шаблон MNI-152 с зарегистрированной картой поражения в поперечной, сагитальной и корональной ориентации (см. рисунок 8).
  2. Прокрутите зарегистрированное сканирование и используйте перекрестие, чтобы проверить выравнивание зарегистрированного сканирования и шаблона MNI-152. Обратите особое внимание на выравнивание узнаваемых анатомических ориентиров, таких как базальные ганглии, желудочки и череп.
  3. Отметьте все неудачные регистрации в отдельном столбце в файле данных (сделано в шаге 1.2) для последующей ручной коррекции в разделе 6.
    ПРИМЕЧАНИЕ: Общие ошибки в регистрации являются несовершенным выравнивание из-за массового эффекта, вызванного поражения в острой стадии, или ex vacuo увеличение желудочков в хронической стадии. Примеры такого несоответствия можно найти на рисунке 3 и рисунке 5. Другой распространенной ошибкой является несогласованность тентория мозжечок, и в этом случае затылочной инфаркт может перекрываться с мозжечком в шаблоне. Несогласованность тканей, которые не поражены, не является проблемой, когда только бинарные карты поражения используются в последующих анализах отображения поражений и симптомов. В таких случаях, только поражения должны быть идеально выровнены.

6. Ручно исправные ошибки регистрации

  1. Для карт поражения, которые нуждаются в коррекции, откройте шаблон MNI-152 T1 в ITK-SNAP и выберите из меню сегментации открытая сегментация и зарегистрированная карта поражения, которая теперь наложена на шаблон.
  2. Откройте зарегистрированное сканирование мозга в отдельном экземпляре ITK-SNAP для справки.
  3. Исправьте зарегистрированную карту поражения в ITK-SNAP для любого типа несогласованности, которое упоминается в шаге 5.3 с помощью функции кисти, чтобы добавить воксели (левый щелчок) или удалить воксели (правый клик). Тщательно сравните зарегистрированную карту сканирования и наложенного поражения (см. шаг 5.2) с шаблоном MNI-152 и накладной картой поражения на ITK-SNAP (см. шаг 6.1) для определения регионов несогласованности. Смотрите Рисунок 3 и Рисунок 5.
  4. После ручной коррекции карты поражения в пространстве MNI, выполнить окончательную проверку, сравнивая сегментированное родное сканирование пациента с исправленной карте поражения в пространстве MNI (т.е. результаты шага 6.3). Убедитесь, что исправленная карта поражения в пространстве MNI теперь точно представляет инфаркт в родном пространстве. Обратите особое внимание на узнаваемые достопримечательности, такие как базальные ганглии, желудочки и череп (по аналогии с шагом 5.2).
  5. Сохранить исправленную карту поражения в пространстве MNI в виде двоичного файла nifti в той же папке, что и карта неисправленного поражения в пространстве MNI-152, придав ей точно такое же название, как карта неисправленного поражения, с расширением .corrected.

7. Подготовка данных для картирования из-за резионно-симптомов

  1. Переименуй все карты поражения. По умолчанию RegLSM сохранил карты поражения в подфолиате с именем файла "результаты". Включите идентификатор объекта в имя файла. В случае ручной коррекции обязательно выберите и переименуйте исправленный файл.
  2. Копируйте все карты поражения в одну папку.
  3. Выполните проверку вменяемости данных путем случайного выбора и проверки нескольких карт поражения в ITK-SNAP и сравните их с родными сканы, чтобы исключить систематические ошибки в обработке данных, такие как лево-правое листать.
  4. Используйте MRIcron lt;https://www.nitrc.org/projects/mricron-gt; чтобы выполнить еще одну проверку вменяемости данных, создав изображение перекрытия поражения, чтобы проверить, если нет поражений, расположенных за пределами шаблона мозга. Сделайте это, выбрав меню выпадения протяжений статистика - создают перекрываемые изображения.
    ПРИМЕЧАНИЕ: Полученную карту наложения поражения можно проецировать на шаблон MNI-152 и проверять с использованием, например, MRIcron или ITK-SNAP.
  5. Карты поражения теперь готовы к использованию для картирования вокселей на основе поражения-симптома или для расчета объемов инфаркта в определенных регионах, представляющих интерес, используя атлас, который зарегистрирован в том же стандартном пространстве, что и карты поражения (в данном случае, MNI-152 пространство для которые многие атласы доступны, лишь некоторые из которых цитируются ниже36,37,38).

Результаты

Примеры случаев инфаркта мозга сегментации на КТ(Рисунок 3), DWI(Рисунок 5), и FLAIR(Рисунок 6) изображения, и последующая регистрация на шаблон MNI-152 предоставляются здесь. Результаты регистрации, показанные на рису?...

Обсуждение

LSM является мощным инструментом для изучения функциональной архитектуры человеческого мозга. Важным шагом в любом исследовании по картированию поражений и симптомов является предварительная обработка данных изображений, сегментация поражения и регистрация в шаблон мозга. Здесь мы с...

Раскрытие информации

Авторы не раскрывают никакого конфликта интересов.

Благодарности

Работа доктора Бисбрука поддерживается стипендией young Talent от Центра мозга Рудольфа Магнуса из Университетского медицинского центра Утрехта. Эта работа и консорциум Meta VCI Map поддерживаются Vici Grant 918.16.616 от zonMw, Нидерланды, Организации исследований и разработок в области здравоохранения, герту Яну Бисселсу. Авторы хотели бы поблагодарить д-ра Таню С.В. Нийбур за совместное сканирование, которое было использовано в одной из фигур.

Материалы

NameCompanyCatalog NumberComments
dcm2niixN/AN/Afree download https://github.com/rordenlab/dcm2niix
ITK-SNAPN/AN/Afree download www.itksnap.org
MATLABMathWorksN/AVersion 2015a or higher
MRIcronN/AN/Afree download https://www.nitrc.org/projects/mricron
RegLSMN/AN/Afree download www.metavcimap.org/support/software-tools
SPM12bN/AN/Afree download https://www.fil.ion.ucl.ac.uk/spm/

Ссылки

  1. Rorden, C., Karnath, H. O. Using human brain lesions to infer function: A relic from a past era in the fMRI age. Nature Reviews Neuroscience. 5 (10), 812-819 (2004).
  2. Biesbroek, J. M., Weaver, N. A., Biessels, G. J. Lesion location and cognitive impact of cerebral small vessel disease. Clinical Science (London, England: 1979). 131 (8), 715-728 (2017).
  3. Karnath, H. O., Sperber, C., Rorden, C. Mapping human brain lesions and their functional consequences. NeuroImage. 165, 180-189 (2018).
  4. Zhao, L., et al. Strategic infarct location for post-stroke cognitive impairment: A multivariate lesion-symptom mapping study. Journal of Cerebral Blood Flow and Metabolism An Official Journal of the International Society of Cerebral Blood Flow and Metabolism. 38 (8), 1299-1311 (2018).
  5. Weaver, N. A., et al. The Meta VCI Map consortium for meta-analyses on strategic lesion locations for vascular cognitive impairment using lesion-symptom mapping: design and multicenter pilot study. Alzheimer's and Dementia: Diagnosis, Assessment and Disease Monitoring. , (2019).
  6. Biesbroek, J. M., et al. Impact of Strategically Located White Matter Hyperintensities on Cognition in Memory Clinic Patients with Small Vessel Disease. PLoS One. 11 (11), e0166261 (2016).
  7. de Haan, B., Karnath, H. O., et al. A hitchhiker's guide to lesion-behaviour mapping. Neuropsychologia. 115, 5-16 (2018).
  8. Duering, M., et al. Strategic role of frontal white matter tracts in vascular cognitive impairment: A voxel-based lesion-symptom mapping study in CADASIL. Brain. 134 (Pt8), 2366-2375 (2011).
  9. Biesbroek, J. M., et al. Association between subcortical vascular lesion location and cognition: a voxel-based and tract-based lesion-symptom mapping study. The SMART-MR study. PLoS One. 8 (4), e60541 (2013).
  10. Wu, O., et al. Role of Acute Lesion Topography in Initial Ischemic Stroke Severity and Long-Term Functional Outcomes. Stroke. 46 (9), 2438-2444 (2015).
  11. Mah, Y. H., Husain, M., Rees, G., Nachev, P. Human brain lesion-deficit inference remapped. Brain. 137 (Pt8), 2522-2531 (2014).
  12. Sperber, C., Karnath, H. O. Impact of correction factors in human brain lesion-behavior inference. Human Brain Mapping. 38 (3), 1692-1701 (2017).
  13. Chen, R., Herskovits, E. H. Voxel-based Bayesian lesion-symptom mapping. NeuroImage. 49 (1), 597-602 (2010).
  14. Zhang, Y., Kimberg, D. Y., Coslett, H. B., Schwartz, M. F., Wang, Z. Multivariate lesion-symptom mapping using support vector regression. Human Brain Mapping. 35 (12), 5861-5876 (2014).
  15. Corbetta, M., et al. Common behavioral clusters and subcortical anatomy in stroke. Neuron. 85 (5), 927-941 (2015).
  16. Biesbroek, J. M. The anatomy of visuospatial construction revealed by lesion-symptom mapping. Neuropsychologia. 62, 68-76 (2014).
  17. Duering, M., et al. Strategic white matter tracts for processing speed deficits in age-related small vessel disease. Neurology. 82 (22), 1946-1950 (2014).
  18. Yourganov, G., Fridriksson, J., Rorden, C., Gleichgerrcht, E., Bonilha, L. Multivariate Connectome-Based Symptom Mapping in Post-Stroke Patients: Networks Supporting Language and Speech. The Journal of Neuroscience. 36 (25), 6668-6679 (2016).
  19. Zavaglia, M., Forkert, N. D., Cheng, B., Gerloff, C., Thomalla, G., Hilgetag, C. C. Mapping causal functional contributions derived from the clinical assessment of brain damage after stroke. NeuroImage: Clinical. 9, 83-94 (2015).
  20. Klein, S., Staring, M., Murphy, K., Viergever, M. A., Pluim, J. P. W. Elastix: A toolbox for intensity-based medical image registration. IEEE Transactions on Medical Imaging. 29, 196-205 (2010).
  21. Kuijf, H. J., Biesbroek, J. M., Viergever, M. A., Biessels, G. J., Vincken, K. L. Registration of brain CT images to an MRI template for the purpose of lesion-symptom mapping. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics. , (2013).
  22. Rorden, C., Bonilha, L., Fridriksson, J., Bender, B., Karnath, H. O. Age-specific CT and MRI templates for spatial normalization. NeuroImage. 61, 957-965 (2012).
  23. Barrett, J. F., Keat, N. Artifacts in CT: Recognition and Avoidance. RadioGraphics. , (2007).
  24. Zhuo, J., Gullapalli, R. P. AAPM/RSNA physics tutorial for residents: MR artifacts, safety, and quality control. Radiographics: a review publication of the Radiological Society of North America, Inc. , (2007).
  25. Rorden, C., Brett, M. Stereotaxic display of brain lesions. Behavioural Neurology. 12 (4), 191-200 (2000).
  26. Gorgolewski, K. J., et al. The brain imaging data structure, a format for organizing and describing outputs of neuroimaging experiments. Scientific Data. 3, 160044 (2016).
  27. Yushkevich, P. A., et al. User-guided 3D active contour segmentation of anatomical structures: Significantly improved efficiency and reliability. NeuroImage. 31 (3), 1116-1128 (2006).
  28. Becker, H., Desch, H., Hacker, H., Pencz, A. CT fogging effect with ischemic cerebral infarcts. Neuroradiology. 18 (4), 185-192 (1979).
  29. Kingsley, P. B., Monahan, W. G. Selection of the Optimum b Factor for Diffusion-Weighted Magnetic Resonance Imaging Assessment of Ischemic Stroke. Magnetic Resonance in Medicine. 51, 996-1001 (2004).
  30. Shen, J. M., Xia, X. W., Kang, W. G., Yuan, J. J., Sheng, L. The use of MRI apparent diffusion coefficient (ADC) in monitoring the development of brain infarction. BMC Medical Imaging. 11 (2), (2011).
  31. Lansberg, M. G., et al. Evolution of apparent diffusion coefficient, diffusion-weighted, and T2-weighted signal intensity of acute stroke. American Journal of Neuroradiology. 22 (4), 637-644 (2001).
  32. Geijer, B., Sundgren, P. C., Lindgren, A., Brockstedt, S., Ståhlberg, F., Holtås, S. The value of b required to avoid T2 shine-through from old lacunar infarcts in diffusion-weighted imaging. Neuroradiology. 43, 511-517 (2001).
  33. Wardlaw, J. M. Neuroimaging standards for research into small vessel disease and its contribution to ageing and neurodegeneration. The Lancet Neurology. 12, 822-838 (2013).
  34. Fonov, V., Evans, A. C., Botteron, K., Almli, C. R., McKinstry, R. C., Collins, D. L. Unbiased average age-appropriate atlases for pediatric studies. NeuroImage. 54 (1), 313-327 (2011).
  35. Ashburner, J., Friston, K. J. Unified segmentation. NeuroImage. 26 (3), 839-851 (2005).
  36. Desikan, R. S. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest. NeuroImage. 31 (3), 968-980 (2006).
  37. Hua, K. Tract probability maps in stereotaxic spaces: Analyses of white matter anatomy and tract-specific quantification. NeuroImage. 39 (1), 336-347 (2008).
  38. Eickhoff, S. B., et al. A new SPM toolbox for combining probabilistic cytoarchitectonic maps and functional imaging data. NeuroImage. 25 (4), 1325-1335 (2005).
  39. Ricci, P. E., Burdette, J. H., Elster, A. D., Reboussin, D. M. A comparison of fast spin-echo, fluid-attenuated inversion-recovery, and diffusion-weighted MR imaging in the first 10 days after cerebral infarction. American Journal of Neuroradiology. 20 (8), 1535-1542 (1999).
  40. Eastwood, J. D., Engelter, S. T., MacFall, J. F., Delong, D. M., Provenzale, J. M. Quantitative assessment of the time course of infarct signal intensity on diffusion-weighted images. American Journal of Neuroradiology. 24 (4), 680-687 (2003).
  41. Wardlaw, J. M. What is a lacune?. Stroke. 39, 2921-2922 (2008).
  42. Kate, M. P. Dynamic Evolution of Diffusion-Weighted Imaging Lesions in Patients With Minor Ischemic Stroke. Stroke: a Journal of Cerebral Circulation. 46, 2318-2341 (2015).
  43. Inoue, M. Early diffusion-weighted imaging reversal after endovascular reperfusion is typically transient in patients imaged 3 to 6 hours after onset. Stroke. 45, 1024-1028 (2014).
  44. Campbell, B. C. V. The infarct core is well represented by the acute diffusion lesion: Sustained reversal is infrequent. Journal of Cerebral Blood Flow and Metabolism. 32 (1), (2012).
  45. Sperber, C., Karnath, H. O. On the validity of lesion-behaviour mapping methods. Neuropsychologia. 115, 17-24 (2018).
  46. Hillis, A. E., et al. Restoring Cerebral Blood Flow Reveals Neural Regions Critical for Naming. Journal of Neuroscience. 26 (31), 8069-8073 (2006).
  47. Wilke, M., de Haan, B., Juenger, H., Karnath, H. O. Manual, semi-automated, and automated delineation of chronic brain lesions: A comparison of methods. NeuroImage. 56 (4), 2038-2046 (2011).
  48. Zhang, R., et al. Automatic Segmentation of Acute Ischemic Stroke From DWI Using 3-D Fully Convolutional DenseNets. IEEE Transactions on Medical Imaging. 37 (9), 2149-2160 (2018).
  49. Biesbroek, J. M., et al. Distinct anatomical correlates of discriminability and criterion setting in verbal recognition memory revealed by lesion-symptom mapping. Human Brain Mapping. 36 (4), 1292-1303 (2015).
  50. Biesbroek, J. M., van Zandvoort, M. J. E., Kappelle, L. J., Velthuis, B. K., Biessels, G. J., Postma, A. Shared and distinct anatomical correlates of semantic and phonemic fluency revealed by lesion-symptom mapping in patients with ischemic stroke. Brain Structure & Function. 221 (4), 2123-2134 (2016).
  51. Ten Brink, F. A., et al. The right hemisphere is dominant in organization of visual search-A study in stroke patients. Behavioural Brain Research. 304, 71-79 (2016).
  52. Pluim, J. P. W., Maintz, J. B. A. A., Viergever, M. A. Mutual-information-based registration of medical images: A survey. IEEE Transactions on Medical Imaging. 22 (8), 986-1004 (2003).
  53. Zhao, L., et al. The additional contribution of white matter hyperintensity location to post-stroke cognitive impairment: Insights from a multiple-lesion symptom mapping study. Frontiers in Neuroscience. 12 (MAY), (2018).

Перепечатки и разрешения

Запросить разрешение на использование текста или рисунков этого JoVE статьи

Запросить разрешение

Смотреть дополнительные статьи

151

This article has been published

Video Coming Soon

JoVE Logo

Конфиденциальность

Условия эксплуатации

Политика

СВЯЖИТЕСЬ С НАМИ

РЕКОМЕНДОВАТЬ БИБЛИОТЕКЕ

НОВОСТИ JoVE

Исследования

Образование

АВТОРЫ

Библиотекарь

О JoVE

Авторские права © 2025 MyJoVE Corporation. Все права защищены