Brain Infarct Segmentation und Registrierung auf MRT oder CT für Lesion-Symptom Mapping

Zusammenfassung

Hier ist ein praktisches Tutorial für eine offene, standardisierte Bildverarbeitungspipeline zum Zwecke der Läsion-Symptom-Mapping. Für jeden Verarbeitungsschritt wird eine schrittweise Vorgehensweise angeboten, von der manuellen Infarktsegmentierung auf CT/MRT über die anschließende Registrierung bis hin zum Standardraum sowie praktische Empfehlungen und Illustrationen mit beispielhaften Fällen.

Zusammenfassung

Bei der Läsions-Symptome-Mapping (LSM), Gehirnfunktion wird durch die Beziehung der Position der erworbenen Gehirnläsionen zu Verhaltens- oder kognitiven Symptomen in einer Gruppe von Patienten abgeleitet. Mit den jüngsten Fortschritten in der Bildgebung und Bildverarbeitung im Gehirn ist LSM zu einem beliebten Werkzeug in der kognitiven Neurowissenschaft geworden. LSM kann grundlegende Einblicke in die funktionelle Architektur des menschlichen Gehirns für eine Vielzahl von kognitiven und nicht-kognitiven Funktionen bieten. Ein entscheidender Schritt bei der Durchführung von LSM-Studien ist die Segmentierung von Läsionen auf Gehirnscans einer großen Gruppe von Patienten und die Registrierung jedes Scans in einen gemeinsamen stereotaxic-Raum (auch Als Standardraum oder standardisierte Gehirnvorlage bezeichnet). Hier wird eine offene, standardisierte Methode zur Infarktsegmentierung und Registrierung für LSM beschrieben, sowie eine detaillierte und praktische Exemplarie auf Basis beispielhafter Fälle. Ein umfassendes Tutorial zur manuellen Segmentierung von Hirninfarkten auf CT-Scans und DWI- oder FLAIR-MRT-Sequenzen wird bereitgestellt, einschließlich Kriterien für die Infarktidentifikation und Fallstricke für verschiedene Scantypen. Die Registrierungssoftware bietet mehrere Registrierungsschemata, die für die Verarbeitung von CT- und MRT-Daten mit heterogenen Erfassungsparametern verwendet werden können. Ein Tutorial über die Verwendung dieser Registrierungssoftware und die Durchführung visueller Qualitätsprüfungen und manueller Korrekturen (die in einigen Fällen erforderlich sind) wird bereitgestellt. Dieser Ansatz bietet Forschern einen Rahmen für den gesamten Prozess der Gehirnbildverarbeitung, der für die Durchführung einer LSM-Studie erforderlich ist, von der Sammlung der Daten bis hin zur abschließenden Qualitätsprüfung der Ergebnisse.

Einleitung

Die Lesion-Symptom-Mapping (LSM), auch Läsion-Behavior Mapping genannt, ist ein wichtiges Werkzeug, um die funktionelle Architektur des menschlichen Gehirns zu untersuchen¹. In Läsionsstudien wird die Gehirnfunktion durch die Untersuchung von Patienten mit erworbenen Hirnläsionen abgeleitet und lokalisiert. Die ersten Fallstudien, die neurologische Symptome mit bestimmten Hirnstandorten im 19. Jahrhundert verknüpften, lieferten bereits grundlegende Einblicke in die anatomischen Korrelationen der Sprache und mehrere andere kognitive Prozesse². Dennoch blieben die neuroanatomischen Korrelate vieler Aspekte der Kognition und anderer Gehirnfunktionen schwer fassbar. In den letzten Jahrzehnten haben verbesserte strukturelle Bildgebungsmethoden und technische Fortschritte groß angelegte in vivo LSM-Studien mit hoher räumlicher Auflösung ermöglicht (d. h. auf der Ebene einzelner Voxel oder spezifischer kortikaler/subkortikaler Interessengebiete)^{1 ,2}. Mit diesen methodischen Fortschritten, LSM hat sich zu einer immer beliebter Methode in der kognitiven Neurowissenschaften und weiterhin neue Einblicke in die Neuroanatomie der Kognition und neurologische Symptome^{bieten 3}. Ein entscheidender Schritt in jeder LSM-Studie ist die genaue Segmentierung von Läsionen und die Registrierung in einer Gehirnvorlage. Es fehlt jedoch ein umfassendes Tutorial zur Vorverarbeitung von Bildgebungsdaten für lsM.

Hier ist ein komplettes Tutorial für eine standardisierte Läsionssegmentierung und Registrierungsmethode vorgesehen. Diese Methode bietet Forschern eine Pipeline für die standardisierte Bildverarbeitung des Gehirns und einen Überblick über mögliche Fallstricke, die vermieden werden müssen. Die vorgestellte Bildverarbeitungspipeline wurde im Rahmen internationaler Kooperationen^{entwickelt 4} und ist Teil des Rahmens des kürzlich gegründeten Meta VCI-Kartenkonsortiums, dessen Zweck die Durchführung multizentrischer Läsions-Symptome-Mapping-Studien in vaskuläre kognitive Beeinträchtigung ⁵. Diese Methode wurde entwickelt, um sowohl CT- als auch MRT-Scans von mehreren Anbietern und heterogene Scanprotokolle zu verarbeiten, um eine kombinierte Verarbeitung von Imaging-Datasets aus verschiedenen Quellen zu ermöglichen. Die erforderliche RegLSM-Software und alle anderen Für dieses Protokoll benötigten Software sind frei verfügbar, mit Ausnahme von MATLAB, das eine Lizenz erfordert. Dieses Tutorial konzentriert sich auf die Segmentierung und Registrierung von Hirninfarkten, aber diese Bildverarbeitungspipeline kann auch für andere Läsionen verwendet werden, wie z. B. Hyperintensitäten der weißen Materie⁶.

Vor der Initiierung einer LSM-Studie ist ein grundlegendes Verständnis der allgemeinen Konzepte und Fallstricke erforderlich. Mehrere detaillierte Richtlinien und ein Anhalterführer sind verfügbar^1,3,6. Diese Bewertungen bieten jedoch kein detailliertes praktisches Tutorial für die praktischen Schritte beim Sammeln und Konvertieren von Gehirnscans in ein richtiges Format, segmentieren den Hirninfarkt und registrieren die Scans in einer Gehirnvorlage. Das vorliegende Papier bietet ein solches Tutorial. Allgemeine Konzepte von LSM sind in der Einleitung mit Referenzen für die weitere Lektüre zu diesem Thema vorgesehen.

Allgemeines Ziel von Läsion-Symptomen-Mapping-Studien

Aus der Perspektive der kognitiven Neuropsychologie kann Eine Hirnverletzung als Modellbedingung verwendet werden, um die neuronalen Grundlagen bestimmter kognitiver Prozesse besser zu verstehen und ein vollständigeres Bild der kognitiven Architektur des Gehirns zu erhalten¹ . Dies ist ein klassischer Ansatz in der Neuropsychologie, der erstmals in post-mortem Studien im neunzehnten Jahrhundert von Pionieren wie Broca und Wernicke²angewendet wurde. Im Zeit der funktionellen Gehirnbildgebung ist der Läsionsansatz ein entscheidendes Werkzeug in der Neurowissenschaft geblieben, weil er den Beweis dafür liefert, dass Läsionen in einer bestimmten Hirnregion die Aufgabenleistung stören, während funktionelle bildgebende Studien Hirnregionen zeigen, die während der Aufgabenleistung aktiviert werden. Diese Ansätze liefern daher ergänzende Informationen¹.

Aus der Perspektive der klinischen Neurologie können LSM-Studien den Zusammenhang zwischen läsionsort und kognitiver Funktion bei Patienten mit akuten symptomatischen Infarkten, Hyperintensitäten der weißen Materie, Lücken oder anderen Läsionstypen (z. B. Tumoren (z. B. Tumoren ). Jüngste Studien haben gezeigt, dass solche Läsionen in strategischen Hirnregionen bei der Erklärung der kognitiven Leistungsfähigkeit relevanter sind als die globale Läsionsbelastung^2,5,7,8. Dieser Ansatz hat das Potenzial, das Verständnis der Pathophysiologie komplexer Störungen (in diesem Beispiel der vaskulären kognitiven Beeinträchtigung) zu verbessern und kann Möglichkeiten für die Entwicklung neuer diagnostischer und prognostischer Instrumente oder die Unterstützung der Behandlung bieten. Strategien².

LSM hat auch Anwendungen außerhalb des Bereichs der Kognition. Tatsächlich kann jede Variable mit dem Läsionsort in Verbindung gebracht werden, einschließlich klinischer Symptome, Biomarker und funktionellem Ergebnis. Zum Beispiel, eine aktuelle Studie ermittelt Infarkt-Standorte, die Vorhersage des funktionellen Ergebnisses nach ischämischen Schlaganfall¹⁰waren.

Voxel-basierte sandbasierte sandbasierte Läsions-Symptome-Mapping

Um eine Läsions-Symptome-Zuordnung durchzuführen, müssen Läsionen segmentiert und in einer Gehirnvorlage registriert werden. Während des Registrierungsvorgangs wird das Gehirn jedes Patienten räumlich ausgerichtet (d. h. normalisiert oder in einer gemeinsamen Vorlage registriert), um Unterschiede in Derhirngröße, -form und -ausrichtung so zu korrigieren, dass jeder Voxel in der Läsionskarte die gleiche anatomische Struktur für alle Patienten⁷. Im Standardraum können verschiedene Arten von Analysen durchgeführt werden, die hier kurz zusammengefasst werden.

Eine grobe Läsionssubtraktionsanalyse kann durchgeführt werden, um den Unterschied in der Läsionsverteilung bei Patienten mit Defiziten im Vergleich zu Patienten ohne Defizite zu zeigen. Die resultierende Subtraktionskarte zeigt Regionen, die häufiger bei Patienten mit Defiziten geschädigt und bei Patienten ohne Defizite geschont werden¹. Obwohl eine Läsionssubtraktionsanalyse einige Einblicke in Korrelen einer bestimmten Funktion liefern kann, liefert sie keinen statistischen Beweis und wird jetzt hauptsächlich verwendet, wenn die Stichprobengröße zu niedrig ist, um genügend statistische Leistung für voxelbasierte Läsionssymptome bereitzustellen. Zuordnung.

Bei der voxelbasierten Läsions-Symptomenkarzierung wird ein Zusammenhang zwischen dem Vorhandensein einer Läsion und der kognitiven Leistungsfähigkeit auf der Ebene jedes einzelnen Voxels im Gehirn bestimmt (Abbildung 1). Der Hauptvorteil dieser Methode ist die hohe räumliche Auflösung. Traditionell wurden diese Analysen in einem massenunivariaten Ansatz durchgeführt, der eine Korrektur für mehrfache Tests rechtfertigt und eine räumliche Verzerrung einführt, die durch intervoxel-Korrelationen verursacht wird, die nicht berücksichtigt werden^{1,10 , 11}. Kürzlich entwickelte Ansätze, die Intervoxel-Korrelationen berücksichtigen (in der Regel als multivariate Läsion-Symptom-Mapping-Methoden bezeichnet, wie Bayesian-Analyse¹³, Unterstützung der Vektorregression^{4, 14}, oder andere maschinelle Lernalgorithmen¹⁵) zeigen vielversprechende Ergebnisse und scheinen die Empfindlichkeit und Spezifität von Erkenntnissen aus voxel-weisen LSM-Analysen im Vergleich zu herkömmlichen Methoden zu verbessern. Die weitere Verbesserung und Validierung multivariater Methoden für voxel-weiseLSM ist ein kontinuierlicher Prozess. Die beste Methodenwahl für die spezifische Läsions-Symptome-Mapping hängt von vielen Faktoren, einschließlich der Verteilung von Läsionen, Ergebnisvariable, und zugrunde liegenden statistischen Annahmen der Methoden.

In der Region von Interesse (ROI) wird ein Zusammenhang zwischen der Läsionslast innerhalb einer bestimmten Hirnregion und der kognitiven Leistungsfähigkeit bestimmt (siehe Abbildung 1 in Biesbroek et al.² für eine Abbildung). Der Hauptvorteil dieser Methode besteht darin, dass sie die kumulative Läsionslast innerhalb einer anatomischen Struktur berücksichtigt, die in einigen Fällen informativer sein kann als eine Läsion in einem einzelnen Voxel. Auf der anderen Seite haben ROI-basierte Analysen nur begrenzte Leistung für die Erkennung von Mustern, die nur in einer Teilmenge von Voxeln in der Region¹⁶vorhanden sind. Traditionell wird die ROI-basierte Lesion-Symptom-Mapping mittels logistischer oder linearer Regression durchgeführt. Kürzlich wurden multivariate Methoden eingeführt, die sich besser mit Kollinearität befassen (z. B. Bayesian Network Analysis¹⁷, Support Vector Regression^4,18, oder andere Machine Learning-Algorithmen¹⁹), die die Spezifität der Befunde aus Läsions-Symptomen-Mapping-Studien zu verbessern.

Patientenauswahl

In LSM-Studien werden die Patienten in der Regel auf der Grundlage eines bestimmten Läsionstyps (z. B. Hirninfarkte oder Hyperintensitäten weißer Materie) und des Zeitintervalls zwischen Diagnose und neuropsychologischer Bewertung (z. B. akuter vs. chronischer Schlaganfall) ausgewählt. Das optimale Studiendesign hängt von der Forschungsfrage ab. Zum Beispiel werden bei der Untersuchung der funktionellen Architektur des menschlichen Gehirns akute Schlaganfallpatienten idealerweise einbezogen, da die funktionelle Reorganisation in diesem Stadium noch nicht stattgefunden hat, während chronische Schlaganfallpatienten bei der Untersuchung der Langzeitwirkungen eines Schlaganfalls auf die Kognition. Eine detaillierte Beschreibung der Überlegungen und Fallstricke bei der Patientenauswahl finden Sie an anderer Stelle⁷.

Gehirnbild-Vorverarbeitung zum Zweck der Läsion-Symptom-Mapping

Genaue Läsionssegmentierung und Registrierung zu einer gemeinsamen Gehirnvorlage sind entscheidende Schritte bei der Lsion-Symptom-Mapping. Die manuelle Segmentierung von Läsionen bleibt der Goldstandard für viele Läsionsarten, einschließlich Infarkte⁷. Zur Verfügung gestellt wird ein detailliertes Tutorial zu Kriterien für die manuelle Infarktsegmentierung bei CT-Scans, diffusionsgewichtete Bildgebung (DWI) und fluid-attenuated Inversion Recovery (FLAIR) MRT-Sequenzen sowohl in akuten als auch in chronischen Stadien. Die segmentierten Infarte (d. h. die 3D-Binärläsionskarten) müssen registriert werden, bevor fachübergreifende Analysen durchgeführt werden. Dieses Protokoll verwendet die Registrierungsmethode RegLSM, die in einer multicenter-Einstellung⁴entwickelt wurde. RegLSM wendet lineare und nichtlineare Registrierungsalgorithmen auf Basis von elastix²⁰ sowohl für CT als auch für MRT an, mit einem zusätzlichen CT-Verarbeitungsschritt, der speziell entwickelt wurde, um die Registrierungsqualität von CT-Scans zu verbessern²¹. Darüber hinaus ermöglicht RegLSM die Verwendung verschiedener Ziel-Gehirnvorlagen und eines (optionalen) Zwischenregistrierungsschritts zu einer altersspezifischen CT/MRT-Vorlage²². Die Möglichkeit, sowohl CT- als auch MRT-Scans zu verarbeiten und seine Anpassbarkeit in Bezug auf Zwischen- und Ziel-Gehirnvorlagen macht RegLSM zu einem sehr geeigneten Bildverarbeitungstool für LSM. Der gesamte Prozess der Vorbereitung und Segmentierung von CT/MRT-Scans, der Registrierung in einer Gehirnvorlage und manueller Korrekturen (falls erforderlich) wird im nächsten Abschnitt beschrieben.

Abbildung 1: Schematische Darstellung des Konzepts der voxelbasierten Läsions-Symptom-Mapping. Der obere Teil zeigt die Vorverarbeitungsschritte des Gehirnbildes, bestehend aus der Segmentierung der Läsion (in diesem Fall ein akuter Infarkt), gefolgt von der Registrierung in einer Gehirnvorlage (in diesem Fall die Vorlage MNI-152). Unten wird ein Teil der registrierten binären Läsionskarte desselben Patienten als 3D-Raster dargestellt, wobei jeder Würfel einen Voxel darstellt. Zusammen mit den Läsionskarten von 99 anderen Patienten wird eine Läsions-Overlay-Karte erzeugt. Für jeden Voxel wird ein statistischer Test durchgeführt, um den Zusammenhang zwischen Läsionsstatus und kognitiver Leistung zu bestimmen. Der hier gezeigte Chi-Quadrat-Test ist nur ein Beispiel, jeder statistische Test könnte verwendet werden. In der Regel werden Hunderttausende von Voxeln im gesamten Gehirn getestet, gefolgt von einer Korrektur für mehrere Vergleiche. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Protokoll

Dieses Protokoll folgt den Richtlinien unserer Institutionen Human Research Ethikkommission.

1. Sammlung von Scans und klinischen Daten

1. Sammeln Sie Ct- oder MRT-Scans von Patienten mit ischämischem Schlaganfall. Die meisten Scanner speichern die Scans als DICOM-Dateien (Digital Imaging and Communications in Medicine), die auf eine Festplatte oder einen Server kopiert werden können.
   HINWEIS: Scans von jedem Scannertyp, Scanprotokoll und MRT-Feldstärke können verwendet werden, solange 1) die Zeitfensteranforderungen für den verwendeten Scantyp erfüllt sind (siehe Tabelle 1) und 2), es gibt keine Artefakte, die eine genaue Infarktabgrenzung behindern. Ein detailliertes Tutorial zur Artefakterkennung auf CT und MRT ist an anderer Stelle^23,24. Ein Beispiel für häufig vorkommende Bewegungsartefakte auf CT finden Sie in Abbildung 2, und Beispiele für Scans von guter Qualität werden in den Beispielfällen im Ergebnisabschnitt bereitgestellt. Infarte können bei Scans mit jeder Slice-Dicke und jeder Bildauflösung in der Ebene segmentiert werden. Dünne Scheiben und eine hohe Auflösung in der Ebene ermöglichen jedoch eine genauere Darstellung des Infarkts zur Gehirnvorlage.
2. Sammeln Sie die klinischen Variablen in einer Datendatei (z. B. Excel), indem Sie für jeden Fall und jede Spalte für jede klinische Variable separate Zeilen erstellen. Für die Infarktsegmentierung mindestens die Variablen Datum des Schlaganfalls und Datum der Bildgebung oder eine Variable, die das Zeitintervall zwischen Schlaganfall und Bildgebung angibt.
3. Stellen Sie sicher, dass ethische Richtlinien und Vorschriften in Bezug auf den Datenschutz eingehalten werden. Stellen Sie sicher, dass die Daten anonymisiert oder codiert sind. Achten Sie insbesondere auf die Entfernung von Patientendaten wie Name, Adresse und Geburtsdatum, die in den DICOM-Dateien als Tags gespeichert sind. Diese Tags können mit dcm2niix gelöscht werden (kostenloser Download unter )²⁵.

2. Konvertierung von DICOM-Bildern in Nifti-Dateien

1. Um die DICOM-Bilder mithilfe des Werkzeugs dcm2niix in unkomprimierte nifti-Dateien zu konvertieren, geben Sie in der Eingabeaufforderung "[Ordnerpfad von dcm2niix.exe]'dcm2niix %d_%p [Ordnerpfad der dicom-Dateien]" ein. Ein Beispiel für den Befehl mit den eingefügten Ordnerpfaden könnte C:-Benutzer-Matthijs-Dcm2niix %d_%p C:-Benutzer-Matthijs-Dicom-Datei sein. Mit diesem Befehl wird die ausführbare Datei dcm2niix ausgeführt, die DICOM-Images im ausgewählten Ordner konvertiert und die nifti-Dateien im selben Ordner gespeichert.
   HINWEIS: Der Zusatz %d_%p stellt sicher, dass die Serienbeschreibung und der Protokollname in den Dateinamen eingefügt werden. Weitere Funktionen, einschließlich Optionen für die Batch-Konvertierung, finden Sie im dcm2niix-Handbuch unter . Andere Open-Source-Tools können auch für die Konvertierung von DICOM-Bildern in nifti-Dateien verwendet werden.
2. Stellen Sie sicher, dass der Name des Scantyps (CT, FLAIR, DWI oder andere Sequenznamen) während der Konvertierung in den Dateinamen kopiert wird (diese Option ist in dcm2niix verfügbar).
3. Wählen Sie für MRT-Scans DWI- oder FLAIR-Sequenzen für die Segmentierung aus. Alternativ kann auch jede andere Struktursequenz verwendet werden, auf der der Infarkt sichtbar ist. Siehe Tabelle 1 für geeignete Zeitfenster nach einem Schlaganfall, in denen CT, DWI oder FLAIR für die Infarktsegmentierung verwendet werden können.
4. Organisieren Sie die nifti-Dateien in einer praktischen Ordnerstruktur mit einem Unterordner für jeden Fall (siehe Handbuch von RegLSM und Ergänzende Abbildung 1). Dieses Handbuch kann von heruntergeladen werden.
   HINWEIS: Diese Ordnerstruktur ist eine Voraussetzung für die Registrierungssoftware RegLSM (siehe Abschnitt 4). Ein Update von RegLSM, das es BIDS (Gehirn-Imaging-Datenstruktur²⁶, siehe ) kompatibel macht, wird derzeit entwickelt und wird bald veröffentlicht.

3. Infarkt-Segmentierung

1. Allgemeine Bemerkungen für alle Scantypen
   1. Stellen Sie sicher, dass die Person, die Segmentierung und Registrierung durchführt und auswertet, für die Ergebnisvariable (in der Regel eine kognitive Maßnahme) geblendet wird, um Verzerrungen zu vermeiden.
   2. Beachten Sie, dass Infarte in der Regel auf transversalen Slices segmentiert werden, aber die Segmentierung kann in jeder Slice-Ausrichtung durchgeführt werden.
   3. Sorgen Sie für ideale Sichtbedingungen bei der Infarktsegmentierung, indem Sie ein hochauflösendes Monitordisplay und optimales Umgebungslicht verwenden, um eine komfortable Einstellung zu gewährleisten. Passen Sie den Bildkontrast während der Segmentierung manuell an, um einen optimalen Kontrast zwischen gesundem Hirngewebe zu gewährleisten. Seien Sie konsistent bei der Anwendung ähnlicher Einstellungen über Themen hinweg.
2. Infarktsegmentierung auf CT
   1. Überprüfen Sie zunächst, ob der Scan mindestens 24 h nach Demonstonat des Schlaganfallsymptoms durchgeführt wurde. Innerhalb von 24 h ist der akute Infarkt nicht oder nur teilweise auf CT sichtbar und der Scan kann nicht für die Segmentierung⁷verwendet werden. Siehe Abbildung 3 für eine Abbildung.
   2. Öffnen Sie den nativen CT mit der ITK-SNAP-Software (kostenloser Download unter )²⁷. Klicken Sie in ITK-SNAP im Dropdown-Menü auf Datei | Öffnen Sie das Hauptbild. Klicken Sie auf Durchsuchen und wählen Sie die Datei aus, um den Scan zu öffnen. Wenn die Standardkontrasteinstellung einen schlechten Kontrast zwischen gesundem Hirngewebe und der Läsion bietet, passen Sie die Kontrasteinstellungen an. Klicken Sie dazu auf Extras | Bildkontrast | Kontrastanpassung.
      HINWEIS: Jede Open-Source-Software kann auch verwendet werden.
   3. Wenn verfügbar, öffnen Sie eine CT, die innerhalb von 24 h nach Demonstonat des Schlaganfallsymptoms in einer separaten Instanz als Referenz zur Unterscheidung des akuten Infarkts von alten ischämischen Läsionen wie Lacunen, (sub)kortikalen Infarkten oder Hyperintensitäten der weißen Materie durchgeführt wurde.
   4. Identifizieren Sie den Infarkt anhand der folgenden Merkmale. Infarkte haben ein niedriges Signal (d.h. Hypodense) im Vergleich zu normalem Hirngewebe.
      1. Im akuten Stadium (erste Wochen) können große Infarkte Massenwirkung verursachen, die zu Einer Verschiebung des umgebenden Gewebes, Kompression von Ventrikeln, Mittellinienverschiebung und Auslöschung von Sulci führt. Es kann eine hämorrhagische Transformation geben, die als Regionen mit hohem Signal (d.h. Hyperden) innerhalb des Infarkts sichtbar ist.
      2. Im chronischen Stadium (Monate bis Jahre) besteht der Infarkt aus einem hypodens cavitated Center (mit einer ähnlichen Dichte wie die Zerebrospinalflüssigkeit) und einem weniger hypodichten Rand, der geschädigtes Hirngewebe darstellt. Sowohl der kavitierte Mittel- als auch der Hypodenrand müssen als Infarkt segmentiert werden. Im Falle eines großen Infarkts kann es zu einer Ex-Vakuumvergrößerung der angrenzenden Sulci oder Ventrikel kommen.
         HINWEIS: Die Gewebeverschiebung durch Massenwirkung oder Ex-Vakuumvergrößerung der Strukturen sollte während der Segmentierung nicht korrigiert werden (d. h. es muss nur das volle Ausmaß des Infarkts segmentiert werden). Die Korrektur der Gewebeverschiebung erfolgt während der Registrierung und der nachfolgenden Schritte.
   5. Segmentieren Sie das infarktierte Hirngewebe mit dem Pinselmodus von der Hauptsymbolleiste (Linksklick zum Zeichnen, Rechtsklick zum Löschen). Alternativ können Sie den Polygonmodus verwenden, um Ankerpunkte an den Rändern der Läsion zu platzieren (diese Punkte werden automatisch mit Linien verbunden) oder halten Sie die linke Maustaste gedrückt, während Sie die Maus über die Ränder der Läsion bewegen. Sobald alle Ankerpunkte verbunden sind, klicken Sie auf Akzeptieren, um den abgegrenzten Bereich zu füllen.
   6. Vermeiden Sie die Nebelphase, die sich auf die Phase bezieht, in der der Infarkt auf CT isodense wird (was bei Infiltration des Infarktgewebes mit Phagozyten koauftritt). Dies tritt in der Regel 14-21 Tage nach Schlaganfall-Beginn auf, kann aber in seltenen Fällen sogar früher auftreten²⁸. Während dieser Zeit kann der Infarkt unsichtbar werden oder seine Grenzen werden weniger klar, so dass diese Stufe für die Infarktsegmentierung ungeeignet ist. Nach der Nebelphase wird die Läsion wieder hypodense, wenn Kavitation und Gliose auftreten. Siehe Abbildung 4 für zwei Beispiele.
   7. Speichern Sie die Segmentierung nach Abschluss der Segmentierung als binäre Nifti-Datei im selben Ordner wie der Scan, indem Sie auf Segmentierung klicken | Segmentierungsbild aus dem Dropdown-Menü speichern, und speichern Sie dann die Segmentierung, indem Sie ihr den genaugleichen Namen wie der segmentierte Scan mit erweiterung von .ision (z. B. wenn der Scan als "ID001" gespeichert wurde. CT.nii", speichern Sie die Segmentierung als "ID001. CT.lesion.nii").
3. Infarktsegmentierung auf DWI
   1. Überprüfen Sie zunächst, ob das DWI innerhalb von 7 Tagen nach Schlaganfallbeginn durchgeführt wurde. Infarte sind auf DWI innerhalb weniger Stunden nach Schlaganfallbeginn sichtbar und ihre Sichtbarkeit auf DWI nimmt nach etwa 7 Tagen allmählich ab (siehe Abschnitt 2 in der Diskussion für weitere Details).
   2. Öffnen Sie das DWI in ITK-SNAP (wie in Schritt 3.2.2).
      HINWEIS: Eine DWI-Sequenz erzeugt mindestens zwei Bilder für die meisten Scanprotokolle, eines mit einem b-Wert = 0, einem Standard-T2-gewichteten Bild, und eines mit einem höheren b-Wert, d. h. dem Scan, der die tatsächlichen Diffusionseigenschaften des Gewebes erfasst. Je höher der b-Wert, desto stärker die Diffusionseffekte. Für die ischämische Huberkennung wird häufig ein b-Wert um 1000 s/mm2 verwendet, da dies in den meisten Fällen ein gutes Kontrast-Rausch-Verhältnis von²⁹bietet. Das Bild mit einem hohen B-Wert wird für die Infarktsegmentierung verwendet.
   3. Öffnen Sie die Sequenz des scheinbaren Diffusionskoeffizienten (ADC) in einer separaten Instanz von ITK-SNAP als Referenz.
   4. Identifizieren und kommentieren Sie das infarktierte Hirngewebe auf der Grundlage des hohen Signals (d. h. hyperintensiv) auf DWI und des niedrigen Signals (d. h. hypointense) auf dem ADC (siehe Abbildung 5). Die ADC-Werte im Infarkt nehmen allmählich zu, bis sich ADC durchschnittlich 1 Woche nach dem Schlaganfall³⁰normalisiert, aber in einigen Fällen kann der ADC bereits nach mehreren Tagen (fast) normalisiert werden, wenn es viel vasogene Ödeme gibt.
      HINWEIS: In DWI-Bildern mit niedrigen B-Werten können Hirnläsionen mit einem intrinsischen hohen T2-Signal (z. B. Hyperintensitäten weißer Materie) auch hyperintensiv erscheinen. Dieses Phänomen wird T2 Shine-through³¹genannt. Mit steigenden b-Werten wird dieses Phänomen jedoch weniger relevant, da das Signal auf dem DWI-Bild stärker Diffusionseigenschaften anstelle eines intrinsischen T2-Signals widerspiegelt. Bei modernen DWI-Scanprotokollen (in der Regel mit b-wert=1000 oder höher) sind die T2-Glanzeffekte begrenzt³².
   5. Verwechseln Sie kein hohes DWI-Signal in der Nähe von Schnittstellen zwischen Luft und Gewebe oder Knochen, die ein häufig beobachtetes Artefakt sind, für einen Infarkt. Siehe Abbildung 5.
   6. Speichern Sie die Anmerkung als binäre nifti-Datei, so dass sie genau den gleichen Namen wie der segmentierte Scan mit der Erweiterung von .ision (in der gleichen Weise wie in Schritt 3.2.7) hat.
4. Infarktsegmentierung auf FLAIR
   1. Überprüfen Sie zunächst, ob der Scan >48 h nach dem Auftreten des Schlaganfallsymptoms durchgeführt wurde. Im hyperakuten Stadium ist der Infarkt in der Folge des FLAIR in der Regel nicht sichtbar oder die genauen Grenzen des Infarkts sind unklar³¹ (siehe Abbildung 6).
   2. Öffnen Sie das FLAIR in ITK-SNAP auf die gleiche Weise wie in Schritt 3.2.2.
   3. Öffnen Sie die T1 eine separate Instanz von ITK-SNAP als Referenz, sofern verfügbar.
   4. Identifizieren und segmentieren Sie das infarktierte Hirngewebe anhand der folgenden Merkmale.
      1. Im akuten Stadium (erste Wochen) ist der Infarkt als mehr oder weniger homogene hyperintensive Läsion mit oder ohne scheinbare Schwellung und Massenwirkung sichtbar (Abbildung 5).
      2. Im chronischen Stadium (Monate bis Jahre) wird der Infarkt kavitiert, was bedeutet, dass das Zentrum auf FLAIR hypo- oder isointense wird. Dieser Hohlraum kann am genauesten auf dem T1 identifiziert werden. In den meisten Fällen ist das kavitierte Zentrum von einem hyperintensiven Rand auf dem FLAIR umgeben, der Gliose darstellt. ³³.
         HINWEIS: Allerdings gibt es eine beträchtliche Menge an Variationen im Kavitationsgrad und der Gliose chronischer Infarkte. Segmentieren Sie sowohl den Hohlraum als auch den hyperintensiven Rand als Infarkte (siehe Schritt 3.2.5). Eine FLAIR hyperintensive Läsion ist nicht immer ein Infarkt. Im akuten Stadium können kleine subkortikale Infarkte leicht von Hyperintensitäten weißer Materie oder anderen chronischen Läsionen wie Lücken vermuteter vaskulärer Herkunft unterschieden werden, wenn ein DWI verfügbar ist (siehe Abbildung 5). Im chronischen Stadium kann es schwieriger sein. Weitere Informationen dazu, wie diese Läsionsarten im chronischen Stadium diskriminiert werden können, finden Sie in Absatz 3 der Diskussion.
   5. Speichern Sie die Anmerkung als binäre nifti-Datei, so dass sie genau den gleichen Namen wie der segmentierte Scan mit der Erweiterung von .ision (in der gleichen Weise wie in Schritt 3.2.7) hat.

Scan-Typ	Zeitfenster nach Strich	Infarkteigenschaften	Referenzscan	Fallstricke
Ct	>24 h	Akut: Hypodense	-	- Nebelphase
		Chronisch: Hypodense Hohlraum mit CSF und weniger hypodense Rand		- Hämorrhagische Transformation
Dwi	<7 Tage	Hyperintensiv	ADC: typisch hypointense	- T2 Glanz durch
				- Hohes DWI-Signal in der Nähe von Schnittstellen zwischen Luft und Knochen/Gewebe
gespür	>48 h	Akut: hyperintensiv	Akut: DWI/ADC, T1 (isointense oder hypointense)	- Hyperintensitäten der weißen Materie
		Chronisch: hypointense oder isointense (Kavität), hyperintensive Felge	Chronisch: T1 (hypointense Hohlraum mit CSF-Eigenschaften).	- Lacunes

Tabelle 1: Zusammenfassung der Kriterien für die Infarktsegmentierung für verschiedene Scantypen.

4. Registrierung im Standard Space

1. Laden Sie RegLSM von ⁴herunter. Verwenden Sie dieses Tool, um CT-Scans und jede Art von MRT-Sequenz zu verarbeiten. Das Registrierungsverfahren ist in Abbildung 7dargestellt.
   HINWEIS: Zu den optionalen Funktionen in RegLSM gehört die Registrierung zu einer CT/MRT-Zwischenvorlage, die den Scans älterer Patienten mit Hirnatrophie eher ähnelt²². Standardmäßig werden der CT- und MRT-Scan in der MNI-152-Vorlage³⁴registriert, dies kann jedoch durch andere Vorlagen ersetzt werden, wenn dies der Studie besser entspricht. In Abbildung 7sind verschiedene Registrierungssysteme dargestellt. Für diesen Schritt können auch andere Open-Source-Registrierungstools verwendet werden.
2. Überprüfen Sie 1) wenn die nifti-Dateien nicht komprimiert sind, 2) dass der Dateiname des segmentierten Scans den Begriff CT, FLAIR oder DWI enthält, und 3), dass der Dateiname der Läsionsanmerkung denselben Begriff mit einem angehängten ".läsion" enthält. Wenn diese ersten drei Schritte befolgt werden, sind die Daten vollständig für die Registrierung vorbereitet und es muss nichts geändert werden.
3. Öffnen Sie MATLAB (Version 2015a oder höher), legen Sie den aktuellen Ordner auf RegLSM fest (dieser Ordner kann von ³⁵ heruntergeladen werden (Version 12 oder höher, kostenloser Download unter ) durch Eingabe von addpath SPM. Geben Sie als Nächstes RegLSM ein, um die GUI zu öffnen.
4. Wählen Sie den Testmodus im Dropdownmenü für die Registrierung aus, um die Registrierung für einen einzelnen Fall durchzuführen. Wählen Sie im Testmodusbedienfeld die Scan-Anmerkung (CT, FLAIR oder DWI), die Anmerkung und optional das T1 mithilfe der Schaltfläche "Öffnen des Bildes" aus. Wählen Sie das Registrierungsschema: CT, FLAIR mit oder ohne T1, DWI mit oder ohne T1.
5. Alternativ können Sie den Batchmodus auswählen, um die Scans aller Fälle im ausgewählten Ordner im Batchmodus zu registrieren.
6. Stellen Sie sicher, dass RegLSM die resultierenden Registrierungsparameter und die registrierten Scans (einschließlich Zwischenschritte) und die registrierte Läsionszuordnung in Unterordnern speichert, die automatisch generiert werden. Dabei werden die registrierten Scans und Läsionskarten neu gesampelt, um der Auflösung (isotrop1 mm³ Voxel) und der Winkelung der Vorlage MNI-152 zu entsprechen.

5. Überprüfung der Registrierungsergebnisse

1. Wählen Sie die Option Überprüfen Ergebnisse in der RegLSM GUI und navigieren Sie zum Hauptordner mit den Registrierungsergebnissen. Die GUI wählt automatisch den registrierten Scan mit der registrierten Läsionskarte und die Vorlage MNI-152 mit der registrierten Läsionskarte in Quer-, Sagittal- und Koronalausrichtung aus (siehe Abbildung 8).
2. Blättern Sie durch den registrierten Scan und verwenden Sie das Fadenkreuz, um die Ausrichtung des registrierten Scans und der MNI-152-Vorlage zu überprüfen. Achten Sie insbesondere auf die Ausrichtung erkennbarer anatomischer Landmarken wie Basalganglien, Ventrikel und Schädel.
3. Markieren Sie alle fehlgeschlagenen Registrierungen in einer separaten Spalte in der Datendatei (in Schritt 1.2) für die nachfolgende manuelle Korrektur in Abschnitt 6.
   HINWEIS: Häufige Fehler bei der Registrierung sind eine unvollkommene Ausrichtung aufgrund der Massenwirkung, die durch die Läsion im akuten Stadium verursacht wird, oder ex vacuo Vergrößerung der Ventrikel im chronischen Stadium. Beispiele für eine solche Fehlausrichtung finden Sie in Abbildung 3 und Abbildung 5. Ein weiterer häufiger Fehler ist eine Fehlausrichtung des Tentoriums cerebelli, in diesem Fall kann sich ein okzipitaler Infarkt mit dem Kleinhirn in der Schablone überlappen. Eine Fehlausrichtung von Geweben, die nicht läsioniert sind, ist kein Problem, wenn nur die binären Läsionskarten in den nachfolgenden Läsions-Symptom-Mapping-Analysen verwendet werden. In solchen Fällen müssen nur die Läsionen perfekt aufeinander abgestimmt sein.

6. Korrigieren Sie manuell Registrierungsfehler

1. Öffnen Sie für die Zufallskarten, die korrigiert werden müssen, die Vorlage MNI-152 T1 in ITK-SNAP, und wählen Sie aus dem Segmentierungsmenü | offene Segmentierung | registrierte Läsionskarte, die nun auf der Vorlage überlagert wird.
2. Öffnen Sie den registrierten Brain-Scan in einer separaten Instanz von ITK-SNAP als Referenz.
3. Korrigieren Sie die registrierte Läsionskarte in ITK-SNAP für jede Art von Fehlausrichtung, die in Schritt 5.3 erwähnt wird, indem Sie die Pinselfunktion verwenden, um Voxel hinzuzufügen (Linksklick) oder Voxel zu entfernen (Rechtsklick). Vergleichen Sie die registrierte Scan- und überlagerte Läsionskarte (siehe Schritt 5.2) sorgfältig mit der Vorlage MNI-152 und der überlagerten Läsionskarte in ITK-SNAP (siehe Schritt 6.1), um die Regionen der Fehlausrichtung zu identifizieren. Siehe Abbildung 3 und Abbildung 5.
4. Nachdem Sie die Läsionskarte im MNI-Raum manuell korrigiert haben, führen Sie eine abschließende Prüfung durch, indem Sie den segmentierten nativen Scan des Patienten mit der korrigierten Läsionskarte im MNI-Raum (d. h. den Ergebnissen von Schritt 6.3) vergleichen. Stellen Sie sicher, dass die korrigierte Läsionskarte im MNI-Raum jetzt den Infarkt im nativen Raum genau darstellt. Achten Sie genau auf die erkennbaren Sehenswürdigkeiten wie Basalganglien, Ventrikel und Schädel (ähnlich Schritt 5.2).
5. Speichern Sie die korrigierte Läsionskarte im MNI-Raum als binäre Nifti-Datei im selben Ordner wie die unkorrigierte Läsionskarte im MNI-152-Raum, sodass sie genau denselben Namen wie die unkorrigierte Läsionskarte mit der Erweiterung .corrected hat.

7. Vorbereiten von Daten für die Lesion-Symptom-Mapping

1. Benennen Sie alle Läsionskarten um. Standardmäßig hat RegLSM die Läsionszuordnungen in einem Unterordner mit dem Dateinamen "results" gespeichert. Fügen Sie die Betreff-ID in den Dateinamen ein. Achten Sie bei der manuellen Korrektur darauf, die korrigierte Datei auszuwählen und umzubenennen.
2. Kopieren Sie alle Läsionszuordnungen in einen einzigen Ordner.
3. Führen Sie eine Sanity-Prüfung der Daten durch zufällige Auswahl und Inspektion mehrerer Läsionskarten in ITK-SNAP durch und vergleichen Sie diese mit den nativen Scans, um systematische Fehler in der Datenverarbeitung wie Links-Rechts-Kippen auszuschließen.
4. Verwenden Sie MRIcron , um eine weitere Überprüfung der Integrität der Daten durchzuführen, indem Sie ein Lesionsüberlappungsbild erstellen, um zu überprüfen, ob sich keine Läsionen außerhalb der Gehirnvorlage befinden. Wählen Sie dazu das Dropdown-Menü draw | Statistiken | überlappende Bilder erstellen.
   HINWEIS: Die resultierende Läsions-Overlay-Karte kann auf die MNI-152-Vorlage projiziert und z.B. mit MRIcron oder ITK-SNAP geprüft werden.
5. Die Läsionskarten können nun für die voxelbasierte Läsions-Symptome-Mapping oder für die Berechnung von Infarkt-Volumen innerhalb bestimmter Interessengebiete mit Hilfe eines Atlas verwendet werden, der auf dem gleichen Standardraum wie die Läsionskarten registriert ist (in diesem Fall MNI-152 Platz für viele Atlanten zur Verfügung stehen, von denen nur wenige unter^36,37,38) zitiert werden.

Ergebnisse

Beispiele für Hirninfarktsegmentierungen auf CT -Abbildung 3), DWI (Abbildung 5) und FLAIR ( Abbildung6) Bilder, und anschließende Registrierung in der MNI-152-Vorlage werden hier zur Verfügung gestellt. Die in Abbildung 3B und Abbildung 5C dargestellten Registrierungsergebnisse waren nicht ganz erfolgreich, da es in der Nähe des Frontho...

Diskussion

LSM ist ein leistungsfähiges Werkzeug, um die funktionale Architektur des menschlichen Gehirns zu studieren. Ein entscheidender Schritt in jeder Läsion-Symptom-Mapping-Studie ist die Vorverarbeitung von bildgebenden Daten, die Segmentierung der Läsion und die Registrierung in eine Gehirnschablone. Hier berichten wir über eine standardisierte Pipeline zur Läsionssegmentierung und Registrierung zum Zwecke der Läsions-Symptome-Mapping. Diese Methode kann mit frei verfügbaren Bildverarbeitungswerkzeugen durchgeführt ...

Materialien

Name	Company	Catalog Number	Comments
dcm2niix	N/A	N/A	free download https://github.com/rordenlab/dcm2niix
ITK-SNAP	N/A	N/A	free download www.itksnap.org
MATLAB	MathWorks	N/A	Version 2015a or higher
MRIcron	N/A	N/A	free download https://www.nitrc.org/projects/mricron
RegLSM	N/A	N/A	free download www.metavcimap.org/support/software-tools
SPM12b	N/A	N/A	free download https://www.fil.ion.ucl.ac.uk/spm/