JoVE Logo
Yazarlar
Bize Ulaşın

Oturum Aç

Bu içeriği görüntülemek için JoVE aboneliği gereklidir. Oturum açın veya ücretsiz deneme sürümünü başlatın.

Bu Makalede

  • Özet
  • Özet
  • Giriş
  • Protokol
  • Sonuçlar
  • Tartışmalar
  • Açıklamalar
  • Teşekkürler
  • Malzemeler
  • Referanslar
  • Yeniden Basımlar ve İzinler

Özet

Burada verilen lezyon-belirti haritalama amacıyla açık erişim, standart görüntü işleme boru hattı için pratik bir öğretici. CT/MRG'deki manuel enfarktüs segmentasyonundan sonraki kayıttan standart alana kadar her işlem adımı için, örnek durumlarda pratik öneriler ve resimlerle birlikte adım adım gözden geçirilir.

Özet

Lezyon-semptom haritalamada (LSM), beyin fonksiyonu bir grup hastada edinsel beyin lezyonlarının yerini davranışsal veya bilişsel semptomlarla ilişkilendirerek çıkarılır. Beyin görüntüleme ve görüntü işleme son gelişmeler ile, LSM bilişsel nörobilimde popüler bir araç haline gelmiştir. LSM bilişsel ve bilişsel olmayan işlevler çeşitli insan beyninin fonksiyonel mimarisi içine temel anlayışlar sağlayabilir. LSM çalışmalarının gerçekleştirilmesinde önemli bir adım, büyük bir hasta grubunun beyin taramalarındaki lezyonların segmentasyonu ve her tetkikin ortak bir stereotaksik alana kaydedilmesidir (standart alan veya standart beyin şablonu olarak da adlandırılır). Burada açıklanan açık erişimli, lsm amacıyla enfarktüs segmentasyonu ve kayıt için standart bir yöntem, hem de örnek durumlarda dayalı ayrıntılı ve eller üzerinde bir geçiş. Ct taramaları ve DWI veya FLAIR MRI dizileri beyin enfarktüslerinin manuel segmentasyonu için kapsamlı bir öğretici, farklı tarama türleri için enfarktüs tanımlama ve tuzaklar için kriterler de dahil olmak üzere sağlanmaktadır. Kayıt yazılımı heterojen edinme parametreleri ile CT ve MRI verilerinin işlenmesi için kullanılabilecek birden çok kayıt düzeni sağlar. Bu kayıt yazılımının kullanılması ve görsel kalite kontrolleri ve manuel düzeltmelerin (bazı durumlarda gerekli olan) yapılması konusunda bir öğretici sağlanır. Bu yaklaşım, araştırmacılara, verilerin toplanmasından sonuçların nihai kalite kontrollerine kadar bir LSM çalışması gerçekleştirmek için gereken beyin görüntü işleme sürecinin tamamı için bir çerçeve sağlar.

Giriş

Lezyon-semptom haritalama (LSM), ayrıca lezyon-davranış haritalama denir, insan beyninin fonksiyonel mimarisi ni incelemek için önemli bir araçtır1. Lezyon çalışmalarında, beyin fonksiyonu çıkarılan ve edinsel beyin lezyonları olan hastalar incelenerek lokalize. On dokuzuncu yüzyılda gerçekleştirilen belirli beyin konumları nörolojik belirtiler bağlayan ilk vaka çalışmaları zaten dil ve diğer birçok bilişsel süreçlerin anatomik korelasyoniçine temel anlayışlar sağladı2. Ancak, biliş ve diğer beyin fonksiyonlarının birçok yönünü nöroanatomik korelasyonlar zor kaldı. Son yıllarda, gelişmiş yapısal beyin görüntüleme yöntemleri ve teknik gelişmeler yüksek mekansal çözünürlük (yani, bireysel voxels veya ilgi belirli kortikal / subkortikal bölgeler düzeyinde) ile vivo LSM çalışmalarda büyük ölçekli sağlamıştır1 ,2. Bu metodolojik gelişmeler ile, LSM bilişsel nörobilimde giderek daha popüler bir yöntem haline gelmiştir ve biliş ve nörolojikbelirtilerinnöroanatomi içine yeni anlayışlar sunmaya devam ediyor 3 . Herhangi bir LSM çalışmada önemli bir adım lezyonların doğru segmentasyonu ve bir beyin şablonu kayıt. Ancak, LSM amacıyla beyin görüntüleme verilerinin ön işlenmesi için kapsamlı bir öğretici eksiktir.

Burada standart lezyon segmentasyon ve kayıt yöntemi için tam bir öğretici sağlanan. Bu yöntem, araştırmacılara standart laştırılmış beyin görüntü işleme için bir boru hattı ve kaçınılması gereken potansiyel tuzaklara genel bir bakış sağlar. Sunulan görüntü işleme boru hattı uluslararası işbirlikleri4 ile geliştirilmiştir ve amacı çok merkezli lezyon-semptom haritalama çalışmaları gerçekleştiren yeni kurulan Meta VCI harita konsorsiyumu, çerçevesinin bir parçasıdır vasküler kognitif bozukluk 5. Bu yöntem, farklı kaynaklardan görüntüleme veri kümelerinin birlikte işlenmesine olanak sağlamak için birden çok satıcının bt ve MRG taramalarını ve heterojen tarama protokollerini işlemek için tasarlanmıştır. Gerekli RegLSM yazılımı ve bu protokol için gerekli diğer tüm yazılımlar, lisans gerektiren MATLAB dışında serbestçe kullanılabilir. Bu öğretici segmentasyon ve beyin enfarktüslerinin kayıt üzerinde duruluyor, ancak bu görüntü işleme boru hattı da diğer lezyonlar için kullanılabilir, beyaz madde hiperintensiteleri gibi6.

Bir LSM çalışması başlamadan önce, genel kavramlar ve tuzaklar temel bir anlayış gereklidir. Çeşitli ayrıntılı kurallar ve bir otostopçu kılavuzu mevcuttur1,3,6. Ancak, bu değerlendirmeleri toplama ve uygun bir biçime beyin taramaları dönüştürme dahil pratik adımlar için ayrıntılı bir uygulamalı öğretici sağlamaz, beyin enfarktüs segmente, ve bir beyin şablonuna taramaları kayıt. Mevcut kağıt böyle bir öğretici sağlar. LSM'nin genel kavramları, konuyla ilgili daha fazla okumak için referanslar ile girişte verilmiştir.

Lezyon-semptom haritalama çalışmalarının genel amacı

Bilişsel nöropsikoloji açısından bakıldığında, beyin hasarı daha iyi bazı bilişsel süreçlerin nöronal temellerini anlamak ve beynin bilişsel mimarisinin daha eksiksiz bir resim elde etmek için bir model durum olarak kullanılabilir1 . Bu ilk Broca ve Wernicke2gibi öncüler tarafından on dokuzuncu yüzyılda post-mortem çalışmalarda uygulanan nöropsikoloji klasik bir yaklaşımdır. Fonksiyonel beyin görüntüleme çağında, lezyon yaklaşımı nörolojide önemli bir araç olarak kalmıştır, çünkü belirli bir beyin bölgesindeki lezyonların görev performansını bozduğunu kanıtlatır, fonksiyonel görüntüleme çalışmaları ise beyin bölgelerini görev performansı sırasında etkinleştirilir. Bu nedenle, bu yaklaşımlar tamamlayıcı bilgisağlar 1.

Klinik nöroloji açısından, LSM çalışmaları akut semptomatik infarktları, beyaz madde hiperintensitleri, lakunlar veya diğer lezyon tipleri (örneğin, tümörler) olan hastalarda lezyon yeri ile bilişsel işleyişi arasındaki ilişkiyi açıklığa kavuşturabilir. ). Son çalışmalar stratejik beyin bölgelerinde bu tür lezyonlar küresel lezyon yükü2,5,7,8daha bilişsel performans açıklayan daha alakalı olduğunu göstermiştir . Bu yaklaşım, karmaşık bozuklukların patofizyolojisinin anlaşılmasını geliştirme potansiyeline sahiptir (bu örnekte, vasküler kognitif bozukluk) ve yeni tanısal ve prognostik araçlar geliştirmek veya tedaviyi desteklemek için fırsatlar sağlayabilir stratejileri2.

LSM'nin biliş alanının ötesinde uygulamaları da vardır. Aslında, herhangi bir değişken lezyon yeri ile ilgili olabilir, klinik belirtiler de dahil olmak üzere, biyobelirteçler, ve fonksiyonel sonuç. Örneğin, yakın zamanda yapılan bir çalışmada iskemik inme sonrası fonksiyonel sonucun tahmin edici olduğu enfarktüs yerleri saptandı10.

İlgi tabanlı lezyon-semptom haritalamanın voxel tabanlı ve bölgesi

Lezyon-semptom haritalama yapmak için lezyonların bölümlere ayrılması ve beyin şablonuna kaydedilmesi gerekir. Kayıt işlemi sırasında, her hastanın beyni uzamsal olarak hizalanır (yani, normalleştirilmiş veya ortak bir şablona kayıtlıdır) beyin büyüklüğü, şekli ve oryantasyon farklılıklarını düzeltmek için, böylece lezyon haritasındaki her voxel aynı anatomik anatomik temsil eder tüm hastalar için yapı7. Standart alanda, burada kısaca özetlenen çeşitli analiz türleri yapılabilir.

Açıkları olan hastalarda, eksikliği olmayan hastalara göre lezyon dağılımındaki farkı göstermek için ham lezyon-çıkarma analizi yapılabilir. Ortaya çıkan çıkarma haritası, açıkları olan hastalarda daha sık hasar gören ve açıkları olmayan hastalarda bağışlanan bölgeleri göstermektedir1. Lezyon-çıkarma analizi belirli bir fonksiyonun ilişkili olduğu bazı içgörüler sağlasa da, istatistiksel bir kanıt sağlamaz ve örneklem boyutu voksel bazlı lezyon-semptom için yeterli istatistiksel güç sağlamak için çok düşük olduğunda artık çoğunlukla kullanılır. Eşleme.

Voksel tabanlı lezyon-semptom haritalamada, beyindeki her bir voksel düzeyinde bir lezyon varlığı ile bilişsel performans arasındaki ilişki belirlenir (Şekil 1). Bu yöntemin en büyük avantajı yüksek uzamsal çözünürlüktür. Geleneksel olarak, bu analizler birden fazla test için düzeltme yi garanti eden vedikkatealınmayan inter-voxel korelasyonların neden olduğu mekansal bir önyargıyı ortaya çıkaran toplu tek değişkenli bir yaklaşımlagerçekleştirilmiştir. , 11. Son zamanlarda geliştirilen yaklaşımlar inter-voxel korelasyonları dikkate alır (genellikle bayes analizi13gibi çok değişkenli lezyon-semptom haritalama yöntemleri olarak adlandırılır , destek vektör regresyonu4, 14, veya diğer makine öğrenme algoritmaları15) umut verici sonuçlar göstermek ve geleneksel yöntemlere göre voxel-bilge LSM analizleri bulguların duyarlılığı ve özgüllüğünü artırmak için görünür. Voxel-wise LSM için çok değişkenli yöntemlerin daha da geliştirilmesi ve doğrulanması devam eden bir süreçtir. Spesifik lezyon-semptom eşleme için en iyi yöntem seçimi, lezyonların dağılımı, sonuç değişkeni ve yöntemlerin altta yatan istatistiksel varsayımları da dahil olmak üzere birçok faktöre bağlıdır.

İlgi alanı (RoI)tabanlı lezyon-semptom haritalamada, belirli bir beyin bölgesindeki lezyon yükü ile bilişsel performans arasında bir ilişki belirlenir (bir illüstrasyon için Şekil 1 Biesbroek ve ark.2'ye bakınız). Bu yöntemin en büyük avantajı, anatomik yapı daki kümülatif lezyon yükünü dikkate almadır, bu da bazı durumlarda tek bir vokseldeki bir lezyondan daha bilgilendirici olabilir. Öte yandan, Yatırım Getirisi tabanlı analizler, yalnızca16. Geleneksel olarak, Roi tabanlı lezyon-semptom haritalama lojistik veya lineer regresyon kullanılarak yapılır. Son zamanlarda, collinearity ile daha iyi başa çok değişkenli yöntemler tanıtıldı (örneğin, Bayes ağ analizi17, destek vektör regresyon4,18, veya diğer makine öğrenme algoritmaları19), hangi olabilir lezyon-semptom haritalama çalışmalarından elde edilen bulguların özgüllüğünü artırmak.

Hasta seçimi

LSM çalışmalarında hastalar genellikle belirli bir lezyon tipine (örn. beyin enfarktları veya beyaz madde hiperintansitleri) ve tanı ile nöropsikolojik değerlendirme arasındaki zaman aralığına (örn. akut vs. kronik inme) göre seçilirler. En uygun çalışma tasarımı araştırma sorusuna bağlıdır. Örneğin, insan beyninin fonksiyonel mimarisi ni incelerken, akut inme hastaları ideal olarak bu aşamada fonksiyonel yeniden yapılanma gerçekleşmediği için dahil edilirken, kronik inme hastaları inmenin biliş üzerindeki uzun süreli etkileri. Hasta seçiminde dikkat edilmesi gereken hususların ve tuzakların ayrıntılı bir açıklaması başka bir yerde verilmiştir7.

Lezyon-semptom haritalama amacıyla beyin görüntüsü önişleme

Doğru lezyon segmentasyonu ve ortak bir beyin şablonuna kayıt lezyon-semptom haritalama da önemli adımlardır. Lezyonların manuel segmentasyonu, enfarktlar7dahil olmak üzere birçok lezyon tipi için altın standart olmaya devam etmektedir. Sağlanan BT taramaları manuel enfarktüs segmentasyon kriterleri hakkında ayrıntılı bir öğretici, difüzyon ağırlıklı görüntüleme (DWI), ve sıvı zayıflatılmış inversiyon kurtarma (FLAIR) MRI dizileri hem akut hem de kronik aşamalarında. Bölümlü enfarktüslerin (yani 3D ikili lezyon haritalarının) herhangi bir konu ötesi analiz ler yapılmadan önce kaydedilmesi gerekir. Bu protokol, çok merkezli bir ayar4geliştirilmiştir kayıt yöntemi RegLSM kullanır. RegLSM, hem BT hem de MRG için elastix20'ye dayalı doğrusal ve doğrusal olmayan kayıt algoritmaları uygular ve ct taramalarının kayıt kalitesini artırmak için özel olarak tasarlanmış ek bir CT işleme adımı21'dir. Ayrıca, RegLSM farklı hedef beyin şablonları ve yaşa özel CT / MRIşablon22bir (isteğe bağlı) ara kayıt adımı kullanarak sağlar. Hem BT hem de MRG taramalarını işleme imkanı ve orta ve hedef beyin şablonları ile ilgili özelleştirilebilirliği RegLSM'i LSM için son derece uygun bir görüntü işleme aracı haline getirir. CT/MRG taramalarının hazırlanması ve segmente edilmesi, beyin şablonuna kayıt ve gerekirse manuel düzeltmelerin (gerekirse) tüm süreci bir sonraki bölümde açıklanmıştır.

figure-introduction-11561
Şekil 1: Voksel bazlı lezyon-semptom haritalama kavramının şematik illüstrasyonu. Üst kısım, lezyonu segmente eden beyin görüntüsünü ön işleme adımlarını (bu durumda akut enfarktüs) ve ardından bir beyin şablonuna (bu durumda MNI-152 şablonu) kaydederek gösterir. Aşağıda, aynı hastanın kayıtlı ikili lezyon haritasının bir bölümü, her küpün bir voxel temsil ettiği 3B ızgara olarak gösterilmiştir. Diğer 99 hastanın lezyon haritaları ile birlikte bir lezyon kaplama haritası oluşturulur. Her voxel için, lezyon durumu ve bilişsel performans arasındaki ilişkiyi belirlemek için istatistiksel bir test yapılır. Burada gösterilen ki-kare testi sadece bir örnektir, herhangi bir istatistiksel test kullanılabilir. Tipik olarak, voxelyüz binlerce beyin boyunca test edilir, birden fazla karşılaştırmalar için bir düzeltme izledi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Protokol

Bu protokol, kurumlarımızın insan araştırma etik komitesinin yönergelerini takip eder.

1. Taramalar ve Klinik Verilerin Toplanması

  1. İskemik inme hastalarının beyin BT veya MRG taramalarını toplayın. Çoğu tarayıcı, taramaları sabit diske veya sunucuya kopyalanabilen DICOM (Tıpta Dijital Görüntüleme ve İletişim) dosyaları olarak kaydeder.
    NOT: Her tarayıcı türünden taramalar, tarama protokolü ve MRG alan gücü kullanılabilir, 1) kullanılan tarama türü için zaman penceresi gereksinimleri karşılanır (Tablo 1'e bakınız ) ve 2) doğru enfarktüs delineation engelleyen hiçbir yapı yoktur. CT ve MRG artifakı tespiti hakkında ayrıntılı bir öğretici başka bir yerde23,24sağlanır. CT'de sık görülen hareket yapılarının bir örneği Şekil 2'deve sonuçlar bölümündeki örnek durumlarda kaliteli tarama örnekleri verilmiştir. Enfarkts herhangi bir dilim kalınlığı ve herhangi bir düzlem içi görüntü çözünürlüğü ile taramaları segmente edilebilir. Ancak, ince dilimler ve yüksek düzlem içi çözünürlük beyin şablonuna enfarktüs daha doğru bir temsil sağlayacaktır.
  2. Her klinik değişken için ayrı satırlar ve sütunlar oluşturarak bir veri dosyasındaki (örneğin, Excel) klinik değişkenleri toplayın. Enfarktüs segmentasyonu için, inme ve görüntüleme tarihi veya inme ve görüntüleme arasındaki zaman aralığını gösteren bir değişken en az değişkenler tarihini içerir.
  3. Gizlilikle ilgili etik yönergeve düzenlemelere uyulmasını sağlamak. Verilerin anonim veya kodlanmış olduğundan emin olun. DICOM dosyalarında etiket olarak depolanan ad, adres ve doğum tarihi gibi hasta verilerinin kaldırılmasına özellikle dikkat edin. Bu etiketler dcm2niix kullanılarak temizlenebilir (ücretsiz indirme )25.

2. DICOM Görüntülerinin Nifti Dosyalarına Dönüştürülmesi

  1. DICOM görüntülerini dcm2niix aracını kullanarak sıkıştırılmamış nifti dosyalarına dönüştürmek için komut istemine "[dcm2niix.exe klasör yolu]\dcm2niix %d_%p [dicom dosyalarının klasör yolu]" yazın. Eklenen klasöryolları ile komut bir örnek C:\users\matthijs\dcm2niix %d_%p C:\users\matthijs\dicom\. Bu komut dcm2niix çalıştırılabilir çalıştırAcak, seçili klasörde DICOM görüntüleri dönüştürmek ve aynı klasörde nifti dosyaları kaydedin.
    NOT: %d_%p ek, seri açıklamasının ve protokol adının dosya adına eklenmesini sağlar. Toplu dönüştürme seçenekleri de dahil olmak üzere ek özellikler dcm2niix kılavuzunda adresinde verilmiştir. DiCOM görüntülerinin nifti dosyalarına dönüştürülmesi için de diğer açık kaynak araçları kullanılabilir.
  2. Taşma cismin in adının (CT, FLAIR, DWI veya diğer sıra adları) dönüştürme sırasında dosya adına kopyalandığından emin olun (bu seçenek dcm2niix'te mevcuttur).
  3. MRI taramaları için segmentasyon için DWI veya FLAIR dizilerini seçin. Alternatif olarak, enfarktüsgörünür olduğu başka bir yapısal dizi kullanılabilir. İnme sonrası uygun zaman pencereleri için CT, DWI veya FLAIR'in infarkt segmentasyonu için kullanılabildiği uygun zaman pencereleri için Tablo 1'e bakın.
  4. Nifti dosyalarını her durum için bir alt klasörle uygun bir klasör yapısında düzenleyin (Bkz. RegLSM ve Ek Şekil 1el kitabına ). Bu kılavuzu adresinden indirebilirsiniz.
    NOT: Bu klasör yapısı kayıt yazılımı RegLSM için bir gerekliliktir (bölüm 4'e bakın). RegLSM bir güncelleme, bids yapma (beyin görüntüleme veri yapısı26, bakınız ) uyumlu, şu anda geliştirilmektedir ve yakında çıkacak.

3. Enfarkt Segmentasyonu

  1. Tüm teleme türlerine uygulanan genel açıklamalar
    1. Segmentasyon ve kaydı gerçekleştiren ve değerlendiren kişinin önyargıdan kaçınmak için sonuç değişkenine (genellikle bilişsel bir ölçü) kör olduğundan emin olun.
    2. Enfarktüslerin genellikle transversal dilimler üzerinde bölümlendiğini, ancak segmentasyonun herhangi bir dilim yönlendirmesinde yapılabilir.
    3. Rahat bir ortam sağlamak için yüksek çözünürlüklü monitör ekranı ve optimum ortam ışığı kullanarak enfarktos segmentasyon sırasında ideal görüntüleme koşullarını sağlayın. Sağlıklı beyin dokusu arasında optimum kontrast sağlamak için segmentasyon sırasında görüntü kontrastını manuel olarak ayarlayın. Konular arasında benzer ayarları uygularken tutarlı olun.
  2. BT'de enfarkt segmentasyonu
    1. İlk olarak inme semptomu başlangıcından sonra en az 24 saat teşrif edilip edilemediğini kontrol edin. 24 saat içinde, akut enfarktüs ct üzerinde kısmen veya sadece kısmen görünür değildir ve segmentasyon7için tarar kullanılamaz. Bir resim için Şekil 3'e bakın.
    2. ITK-SNAP yazılımını kullanarak yerel CT'yi açın (ücretsiz indirme )27. ITK-SNAP'te Açılan menüden Dosya | ana görüntüyü açın'ı tıklatın. Gözat'ı tıklatın ve taramayı açmak için dosyayı seçin. Varsayılan kontrast ayarı sağlıklı beyin dokusu ile lezyon arasında düşük kontrast sağlıyorsa, kontrast ayarlarını ayarlayın. Bunu yapmak için Araçlar | görüntü kontrastı | kontrast ayarlamasınıtıklatın.
      NOT: Herhangi bir açık kaynak yazılım da kullanılabilir.
    3. Varsa, akut enfarktüsleri lakunlar, (alt) kortikal enfarktlar veya beyaz madde hiperintositileri gibi eski iskemik lezyonlardan ayırt etmek için referans olarak ayrı bir örnekte inme semptomu başlangıcından sonra 24 saat içinde yapılan bir CT'yi açın.
    4. Enfarkt'ı aşağıdaki özelliklere göre tanımlayın. Enfarktüsler normal beyin dokusuna göre düşük bir sinyale (yani hipodense) sahiptir.
      1. Akut evrede (ilk haftalarda), büyük enfarktlar çevre dokuların yer değiştirmesi, ventriküllerin sıkıştırılması, orta hat kayması ve sulciobliterasyonu ile sonuçlanan kitle etkisine neden olabilir. İnfarkt içinde yüksek sinyalli bölgeler (yani hiperdenler) olarak görülebilen hemorajik dönüşüm olabilir.
      2. Kronik evrede (aylar-yıllar), enfarktüs hipodenler kavite merkezi (beyin omurilik sıvısı gibi benzer bir yoğunlukta) ve hasarlı beyin dokusutemsil eden daha az hipodens jant oluşacaktır. Hem kavite merkezi hem de hipodens jant enfarkt olarak bölümlere ayrılmalıdır. Büyük infarkt durumunda, komşu sulci veya ventriküllerin ex vacuo genişleme olabilir.
        NOT: Yapıların kitle etkisi veya ex vacuo genişlemesi nedeniyle doku deplasmanı segmentasyon sırasında düzeltilmemelidir (yani, enfarktüsün sadece tam kapsamı segmente edilmelidir). Doku deplasmanı için düzeltme kayıt ve sonraki adımlar sırasında gerçekleşir.
    5. Ana araç çubuğundan paintbrush modunu kullanarak enfarktüs beyin dokusunu segmentleyin (çizmek için sol tıklatın, silmek için sağ tıklatın). Alternatif olarak, lezyonun sınırlarına bağlantı noktaları yerleştirmek için çokgen modunu kullanın (bu noktalar otomatik olarak çizgilerle bağlanır) veya fareyi lezyonun sınırları üzerinde hareket ettirirken sol fare düğmesini basılı tutun. Tüm bağlantı noktaları bağlandıktan sonra, verilen alanı doldurmak için kabul et'i tıklatın.
    6. İnfarktın BT'de isozten haline geldiği evreyi ifade eden sisleme fazından kaçının (enfarktüsli dokunun fagositlerle infiltrasyonu ile birlikte ortaya çıkar). Bu genellikle inme başlangıcından 14-21 gün sonra oluşur, ancak nadir durumlarda daha erken28oluşabilir. Bu dönemde enfarktüs görünmez olabilir veya sınırları daha az netleşerek bu aşamaen fark segmentasyon için uygun olmaz. Sisleme aşamasından sonra kavitasyon ve gliozis meydana geldiğinde lezyon tekrar hipodens olur. İki örnek için Şekil 4'e bakın.
    7. Segmentasyon'u tamamladıktan sonra, segmentasyon | bölümleme görüntüsünü açılır menüden kaydederek sancakla aynı klasöre ikili nifti dosyası olarak kaydedin, sonra segmentasyon görüntüsünü segmentasyon la aynı adı vererek kaydedin, .lezyonun uzantısı (örneğin, tama "ID001" olarak kaydedildiyse. CT.nii", "ID001" olarak segmentasyon kaydedin. CT.lezyon.nii").
  3. DWI'da enfarkt segmentasyonu
    1. DWI inme başlangıcından itibaren 7 gün içinde yapıldı olup olmadığını ilk kontrol edin. İnfarktlar inme başlangıcından sonra birkaç saat içinde DWI'da görünür ve DWI üzerindeki görünürlükleri yaklaşık 7 gün sonra kademeli olarak azalır (daha fazla ayrıntı için tartışmadaki paragraf 2'ye bakın).
    2. ITK-SNAP'te DWI'yı açın (adım 3.2.2'de olduğu gibi).
      NOT: Bir DWI dizisi çoğu tazyik protokolü için en az iki görüntü oluşturur, biri b değeri = 0 olan, standart T2 ağırlıklı bir görüntü, diğeri de daha yüksek b değerine sahip, dokudaki gerçek difüzyon özelliklerini yakalayan tarar. B değeri ne kadar yüksekse difüzyon etkileri de o kadar güçlü olur. İskemik inme algılaması için, 1000 s/mm2 civarında bir b değeri genellikle kullanılır, çünkü bu çoğu durumda iyi bir kontrast-gürültü oranı sağlar29. B değeri yüksek olan görüntü enfarkt segmentasyonu için kullanılır.
    3. Görünürdidifüzyon katsayısı (ADC) sırasını başvuru için ITK-SNAP'in ayrı bir örneğinde açın.
    4. Enfarktüs beyin dokusunu DWI'daki yüksek sinyale (yani hiperyoğun) ve ADC'deki düşük sinyale (yani hipoyoğun) göre tanımlayın ve açıklama lar (Bkz. Şekil 5). İnfarktüsdeki ADC değerleri inmedensonraki ortalama 1 hafta normalleşene kadar kademeli olarak artar, ancak bazı durumlarda, çok vazojenik ödem varsa ADC birkaç gün sonra (neredeyse) normalleştirilmiş olabilir.
      NOT: Düşük b değeri ne rendelenmiş DWI görüntülerde, içsel yüksek T2 sinyaline sahip beyin lezyonları (beyaz madde hiperintensitleri gibi) da hiperyoğun görünebilir. Bu fenomen T2 shine-through31denir. Ancak, artan b-değerleri ile, dwi görüntü üzerinde sinyal daha güçlü içsel T2 sinyali yerine difüzyon özelliklerini yansıtan bu fenomen, daha az alakalı hale gelir. Modern DWI tetkik protokolleri ile (genellikle b-değeri=1000 veya daha yüksek), T2 parlaklık etkisi32ile sınırlıdır.
    5. Hava ve doku veya kemik arasındaki arayüzlerin yakınında yüksek bir DWI sinyali yanlış yapmayın, hangi yaygın olarak gözlenen bir artifaktır, bir infarkt için. Bkz. Şekil 5.
    6. .lezyonun uzantısı (adım 3.2.7'de olduğu gibi) uzantısı ile birlikte, segmentli tarak aynı adı vererek, ikili nifti dosyası olarak ek açıklama kaydedin.
  4. FLAIR'de enfarkt segmentasyonu
    1. İlk olarak, inme semptomu başlangıcından sonra teşkezmi >48 saat mi yapıldığını kontrol edin. Hiperakut aşamada, enfarktüs genellikle FLAIR dizisinde görünmez veya enfarktın tam sınırlarıbelirsizdir 31 (Bkz. Şekil 6).
    2. ITK-SNAP'teki FLAIR'i 3.2.2 adımda olduğu gibi açın.
    3. T1'i başvuru için itk-SNAP'in ayrı bir örneğini açın.
    4. Enfarktlı beyin dokusunu aşağıdaki özelliklere göre tanımlayın ve ayırın.
      1. Akut evrede (ilk birkaç hafta) enfarktüs az ya da çok homojen hiperyoğun lezyon olarak görünür, belirgin şişlik ve kitle etkisi olsun veya olmasın(Şekil 5).
      2. Kronik evrede (aylar-yıllar) enfarktüs kavite edilir, yani merkez FLAIR'de hipo veya izointense olur. Bu boşluk en doğru T1 üzerinde tespit edilebilir. Çoğu durumda, kavite merkezi FLAIR üzerinde bir hiperyoğun jant ile çevrilidir, gliosis temsil eden. 33'e kadar.
        NOT: Ancak, kronik enfarktüslerin kavitasyon ve gliozis derecesi varyasyon önemli miktarda vardır. Hem boşluğu hem de hiperyoğun jantı enfarkt olarak ayırın (bkz. adım 3.2.5). FLAIR hiperyoğun lezyonu her zaman enfarktüs değildir. Akut evrede, küçük subkortikal enfarktlar beyaz madde hiperintensitlerinden veya dwi mevcut olduğunda vasküler kökenli lakunlar gibi diğer kronik lezyonlardan kolayca ayırt edilebilir (bkz. Şekil 5). Kronik aşamada, daha zor olabilir. Kronik evrede bu lezyon türlerinin nasıl ayırt edilebildiğini hakkında daha fazla bilgi için tartışmada paragraf 3'e bakın.
    5. .lezyonun uzantısı (adım 3.2.7'de olduğu gibi) uzantısı ile birlikte, segmentli tarak aynı adı vererek, ikili nifti dosyası olarak ek açıklama kaydedin.
Tsama türüKontur dan sonra zaman penceresiEnfarkt özellikleriReferans taradığıTuzaklar
Ct>24 saatAkut: hipodens-- Sisleme fazı
Kronik: BOS ve daha az hipodens jant ile hipodens kavite- Hemorajik dönüşüm
Dag<7 günAşırı yoğunADC: tipik hipoyoğun- T2 parlaklık
- Hava ve kemik/doku arasındaki arayüzlere yakın yüksek DWI sinyali
Flair>48 saatAkut: aşırı yoğunAkut: DWI/ADC, T1 (yoğun veya hipoyoğun)- Beyaz madde hiperintensitleri
Kronik: hipoyoğun veya izointense (kavite), hiperyoğun jantKronik: T1 (BOS özelliği olan hipoyoğun kavite).- Lakunlar

Tablo 1: Farklı tarar türleri için enfarkt segmentasyonu ölçütlerinin özeti.

4. Standart Alana Kayıt

  1. RegLSM'i 4adresinden indirin. CT taramaları ve MRI dizisi her türlü işlemek için bu aracı kullanın. Kayıt prosedürü Şekil 7'degösterilmiştir.
    NOT: RegLSM'deki isteğe bağlı özellikler arasında, beyin atrofisi22'liyaşlı hastaların taramalarına daha çok benzeyen bir ara BT/MRG şablonuna kayıt bulunmaktadır. Varsayılan olarak, CT ve MRI taraması MNI-152şablon34'ekaydedilir, ancak bu çalışmaya daha uygunsa bu diğer şablonlarla değiştirilebilir. Farklı kayıt şemaları Şekil 7'degösterilmiştir. Diğer açık kaynak kayıt araçları da bu adım için kullanılabilir.
  2. Kontrol 1) nifti dosyaları sıkıştırılmış değilse, 2) segmentli taraması dosya adı terimi CT, FLAIR veya DWI ve 3) lezyon ek açıklama aynı terimi içeren içerir ".lezyon". Bu ilk üç adım izlenirse, veriler kayıt için tamamen hazırlanır ve hiçbir şeyin değiştirilmesi gerekmez.
  3. Açık MATLAB (sürüm 2015a veya daha yüksek), geçerli klasörü RegLSM olarak ayarlayın (bu klasör 35'ten indirilebilir (sürüm 12 veya üzeri, ücretsiz indirin ) addpath {klasör adı yazarak SPM}. Ardından, GUI'yi açmak için RegLSM yazın.
  4. Tek bir servis talebi için kaydı gerçekleştirmek için kayıt açılır menüsünde test modunu seçin. Test modu panelinde, açık görüntü düğmesini kullanarak tetkik (CT, FLAIR veya DWI), ek açıklama ve isteğe bağlı olarak T1'i seçin. Kayıt düzenini seçin: CT, FLAIR veya T1 ile veya T1 olmadan DWI.
  5. Alternatif olarak, seçili klasördeki tüm servis servis lerinin taramalarını toplu modda kaydetmek için toplu iş modunu seçin.
  6. RegLSM'in ortaya çıkan kayıt parametrelerini ve kayıtlı taramaları (ara adımlar dahil) ve otomatik olarak oluşturulan alt klasörlerdeki kayıtlı lezyon haritasını kaydettiğinden emin olun. Bu işlem sırasında, kayıtlı taramalar ve lezyon haritaları çözünürlüğe (izotropik 1 mm3 voksel) ve MNI-152 şablonunun anjiyasyonuna uyacak şekilde yeniden örneklenir.

5. Kayıt Sonuçlarını İnceleyin

  1. RegLSM GUI'deki seçenek denetimi sonuçlarını seçin ve kayıt sonuçlarıyla birlikte ana klasöre göz atın. GUI, kayıtlı lezyon haritası ile kayıtlı tonu ve enine, sagital ve koronal oryantasyonlarda kayıtlı lezyon haritasına sahip MNI-152 şablonunu otomatik olarak seçer (Bkz. Şekil 8).
  2. Kayıtlı tbmm'de ilerleyin ve kayıtlı tamanın ve MNI-152 şablonunun hizalanmasını kontrol etmek için artı işaretini kullanın. Bazal gangliyonlar, ventriküller ve kafatası gibi tanınabilir anatomik yerlerin hizalanmasına özellikle dikkat edin.
  3. Bölüm 6'daki sonraki el ile düzeltme için tüm başarısız kayıtları veri dosyasındaki ayrı bir sütunda (adım 1.2'de yapılan) işaretleyin.
    NOT: Kayıtta sık karşılaşılan hatalar, akut evredeki lezyonun neden olduğu kitle etkisi veya kronik evrede ventriküllerin ex vacuo genişlemesi nedeniyle kusurlu hizalamadır. Bu tür yanlış hizalama örnekleri için Şekil 3 ve Şekil 5'e bakın. Başka bir yaygın hata tentorium serebelli bir yanlış hizalama, bu durumda bir oksipital enfarktüs şablonda beyincik ile çakışabilir. Sonraki lezyon-semptom haritalama analizlerinde sadece ikili lezyon haritaları kullanıldığında, lezyonlu olmayan dokuların yanlış hizalanması sorun değildir. Bu gibi durumlarda, sadece lezyonların mükemmel bir şekilde hizalanmış olması gerekir.

6. Elle Doğru Kayıt Hataları

  1. Düzeltilmesi gereken lezyon haritaları için ITK-SNAP'te MNI-152 T1 şablonunu açın ve segmentasyon menüsünden seçin | açık segmentasyon | kayıtlı lezyon haritası, şimdi şablon üzerinde overlaid olduğunu.
  2. Kayıtlı beyin tonu başvuru için ITK-SNAP ayrı bir örnekte açın.
  3. Voxels (sol tıklama) eklemek veya voxels (sağ tıklama) kaldırmak için fırça işlevini kullanarak adım 5.3 belirtilen herhangi bir yanlış hizalama için ITK-SNAP kayıtlı lezyon haritası düzeltin. Yanlış hizalama bölgelerini belirlemek için kayıtlı tarama ve yerle bir lezyon haritasını (bkz. adım 5.2) MNI-152 şablonu ve ITK-SNAP'teki overlaid lezyon haritasıile dikkatlice karşılaştırın (bkz. Bkz. Şekil 3 ve Şekil 5.
  4. MNI uzayında lezyon haritasını manuel olarak düzelttinden sonra, hastanın parçalı yerel tayini ile MNI uzayında düzeltilmiş lezyon haritasını karşılaştırarak son bir kontrol yapın (yani adım 6.3'ün sonuçları). MNI uzayında düzeltilmiş lezyon haritasının artık yerel uzaydaki enfarktüsü doğru bir şekilde temsil ettiğinden emin olun. Bazal ganglia, ventriküller ve kafatası gibi tanınabilir yerlere özellikle dikkat edin (adım 5.2'ye benzer).
  5. MNI alanında düzeltilmiş lezyon haritasını MNI-152 alanında düzeltilmemiş lezyon haritası ile aynı klasörde ikili bir nifti dosyası olarak kaydedin ve bu da düzeltilmemiş lezyon haritasıile aynı adı vererek .düzeltildi.

7. Lezyon-semptom Eşleme Için Veri Hazırlama

  1. Tüm lezyon haritalarını yeniden adlandırın. Varsayılan olarak, RegLSM lezyon eşlemlerini dosya adı "sonuçlar" olan bir alt klasöre kaydetti. Dosya adına özne kimliğini ekleyin. El ile düzeltme durumunda, düzeltilen dosyayı seçtiğinizden ve yeniden adlandırdığından emin olun.
  2. Tüm lezyon eşlemlerini tek bir klasörde kopyalayın.
  3. ITK-SNAP'te birden fazla lezyon haritasını rasgele seçip inceleyerek verilerin akıl sağlığı denetimini yapın ve sol-sağ çevirme gibi veri işlemedeki sistematik hataları ekarte etmek için bunları yerel taramalarla karşılaştırın.
  4. MRIcron beyin şablonunun dışında lezyon çakışan bir görüntü oluşturarak verilerin başka bir akıl sağlığı denetimini gerçekleştirin. Bunu açılan menüyü seçerek yapın | istatistikler | çakışan görüntüler oluşturun.
    NOT: Elde edilen lezyon bindirme haritası MNI-152 şablonuna yansıtılabilir ve örneğin MRIcron veya ITK-SNAP kullanılarak denetlenebilir.
  5. Lezyon haritaları artık voxel tabanlı lezyon-semptom haritalama için veya lezyon haritaları ile aynı standart alana kayıtlı bir atlas kullanarak ilgi belirli bölgeler içinde enfarktüs hacimlerinin hesaplanması için kullanılmaya hazırdır (bu durumda, MNI-152 alanı hangi birçok atlaslar mevcuttur, sadece birkaç tanesi aşağıda belirtilmiştir36,37,38).

Sonuçlar

CT(Şekil 3),DWI (Şekil 5) ve FLAIR (Şekil 6) görüntüleri ve MNI-152 şablonuna sonraki kayıt beyin enfarktüs segmentasyonları örnek durumlarda burada sağlanır. Şekil 3B ve Şekil 5C'de gösterilen kayıt sonuçları, ventrikülün ön boynuzunun yakınında yanlış hizalama olduğu için tam olarak başarılı olamadı. Bu baş...

Tartışmalar

LSM, insan beyninin fonksiyonel mimarisini incelemek için güçlü bir araçtır. Herhangi bir lezyon-semptom haritalama çalışmasında önemli bir adım görüntüleme verilerinin ön işlenmesi, lezyonun segmentasyonu ve beyin şablonuna kayıttır. Burada, lezyon-semptom haritalama amacıyla lezyon segmentasyonu ve kayıt için standart bir boru hattı rapor ediyoruz. Bu yöntem serbestçe kullanılabilir görüntü işleme araçları ile yapılabilir, hem BT hem de yapısal MRI taramaları işlemek için kullanıl...

Açıklamalar

Yazarlar çıkar çatışması olmadığını açıklarlar.

Teşekkürler

Dr Biesbroek çalışmaları Beyin Merkezi Rudolf Magnus Üniversitesi Tıp Merkezi Utrecht bir Genç Yetenek Bursu tarafından desteklenir. Bu çalışma ve Meta VCI Harita konsorsiyumu, Hollanda'nın ZonMw, Sağlık Araştırma ve Geliştirme Örgütü'nden Geert Jan Biessels'e vici Grant 918.16.616 tarafından desteklenmiştir. Yazarlar, dr. Tanja C.W. Nijboer'a figürlerden birinde kullanılan taramaları paylaştığı için teşekkür etmek isterler.

Malzemeler

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/

Referanslar

  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).

Yeniden Basımlar ve İzinler

Bu JoVE makalesinin metnini veya resimlerini yeniden kullanma izni talebi

Izin talebi

Daha Fazla Makale Keşfet

DavranSay 151lezyon semptom haritalamalezyon davran haritalamainfarktinmesegmentasyonkay tg r nt kayduzamsal normalizasyonvask ler kognitif bozukluk

This article has been published

Video Coming Soon

JoVE Logo

Gizlilik

Kullanım Şartları

İlkeler

Bize Ulaşın

KÜTÜPHANEYE TAVSİYE ET

JoVE HABER BÜLTENLERİ

Araştırma

Eğitim

Yazarlar

Kütüphaneciler

JoVE Hakkında

Telif Hakkı © 2020 MyJove Corporation. Tüm hakları saklıdır