Boru hattımız, insan yapısal manyetik rezonans görüntülerini kullanarak serebellar alt birimlerin hacmini ölçmek için son teknoloji yaklaşımlar kullanmaktadır. Süreç anatomik parselasyon, voksel bazlı morfometri ve kalite kontrol süreçlerini içerir. Standartlaştırılmış boru hattımız çoğunlukla otomatiktir, Docker ve Tekillik formatında mevcuttur ve bir dizi nörolojik hastalığa geniş uygulanabilirliğe sahiptir.
Başlamak için Docker veya Singularity, MATLAB ve SPM12'nin yüklü olduğundan emin olun. Ardından, komut satırındaki make directory komutunu kullanarak, çalışma dizininde klasörler oluşturun ve bunları acapulco, suit ve freesurfer olarak etiketleyin. Ardından, acapulco dizininde bir çıktı klasörü oluşturun.
Çıktı klasöründe, etütteki her konu için NIFTI gz biçimindeki t1 ağırlıklı görüntüyü içeren bir dizin oluşturun. Anatomik serebellar parselasyon için, akapulko kabını indirin, ardından akapulkoyu çalıştırmak için gereken ilgili komut dosyalarını ve kapları indirin. Ardından acapulco Docker veya Singularity kapsayıcısını, QCs_scripts arşivinin içeriğini ve RCIF kapsayıcısını veya calculate_dicv yerleştirin.
acapulco dizinindeki tar dosyası. Ardından, bir terminal açın ve Singularity'yi kullanarak, acapulco kapsayıcısını tek bir görüntüde çalıştırmak için belirtilen komutu yazın. İşlemin tamamlanması için beş dakika bekleyin.
Ardından, kohorttaki tüm konular veya taramalar arasında döngü yapın. İşlemden sonra, konuya özgü klasörlerde oluşturulan dosyaları arayın. Parsellenmiş beyincik maskesini, akapulko tarafından üretilen 28 alt birimin her biri için orijinal ve hacimli olarak tanımlayın.
Ardından, resimler dizininden temsili sagital, eksenel ve koronal görüntüleri tanımlayın. İstatistiksel aykırı değer tespiti ve kalite kontrolü için, QC komut dosyalarının içeriğinin akapulko dizininde olduğundan emin olun. Ardından, Tekilliği kullanarak belirtilen komutu yazın.
Akapulko tarafından oluşturulan QC görüntülerini incelemek için açık QC_Images. Bir web tarayıcısında html yazın ve bariz arızaları veya sistematik sorunları tanımlamak için görüntüler arasında hızlı bir şekilde gezinin. İzleme için başarısız veya şüpheli parsellenmiş görüntülerin konu kimliklerini not edin.
Ardından, Plots_for_Outliers'ı açın. html, nicel istatistiksel aykırı değerler için kutu grafiklerini işaretlemek üzere kullanılır. Aykırı Değerler'deki ilgili sütunda 1 ile gösterilen aykırı değerleri tanımlayın.
csv dosyası. ve Aykırı Değerler.csv bölümündeki son sütunda her konu için aykırı değer olarak tanımlanan toplam segment sayısını not edin. Bir veya daha fazla aykırı değer içeren her görüntüyü el ile inceleyin.
Standart bir NIFTI resim görüntüleyici kullanıyorsanız, parselasyon diliminin kalitesini dilim dilim kontrol etmek için akapulko maskesini orijinal t1 ağırlıklı görüntünün üzerine yerleştirin. Bir veya daha fazla parsellenmiş bölgenin nihai veri kümesinden dışlanması gerekiyorsa, hacim tahminini o konunun karşılık gelen hücresindeki NA ile değiştirerek bu parselasyonu analizden hariç tutun. Parselasyon hataları, beyinciğin bir kısmının maskeden çıkarılmasına neden olursa, konuyu derhal daha sonraki analizlerden hariç tutun.
SUIT kullanarak voksel tabanlı morfometri analizleri için, SPM12 klasörünün ve tüm alt klasörlerin MATLAB yolunda olduğundan emin olun. Ayrıca, enigma_suit komut dosyalarının SPM12 araç kutusu dizinine kaydedildiğinden ve MATLAB yoluna eklendiğinden emin olun. MATLAB yolunu denetlemek için, MATLAB komut penceresine pathtool yazın ve ilgili klasörleri eklemek için Alt Klasörlerle Ekle'yi tıklatın.
Ardından, grafik kullanıcı arabirimini kullanarak, bir veya daha fazla konu için SUIT işlem hattını çalıştırmak üzere MATLAB komut penceresine suit_enigma_all yazın. İlk açılır pencerede, analize dahil edilecek acapulco output dizininden konu klasörlerini seçin. Pencerenin sağ tarafındaki tek tek klasörlere tıklayın veya sağ tıklayın ve tümünü seçin.
Ardından Bitti'ye basın. İkinci açılır pencerede, SUIT dizinini seçin. İşlevi tek bir konu için MATLAB komut satırından çağırmak için, belirtilen komutu yazın.
SUIT'i komut satırından çalıştırırken, SPM12 veya enigma_suit dizinleri MATLAB yoluna kalıcı olarak kaydedilmezse, bu adımın komut satırına eklenmesi gerekir. Tek bir konu için MATLAB'ın dışındaki terminal penceresinden işlevi çağırmak için, gösterilen komutu yazın. Son çıktılar için her konunun klasörünü kontrol edin.
Normalleştirilmiş modüle edilmiş görüntüleri büyük hatalara karşı görsel olarak incelemek için MATLAB'da spm_display_4d yazın. Ardından, gerekli görüntüleri seçmek için SUIT dizinine gidin ve filtre kutusuna belirtilen komutu yazın. Ardından, Özyinelemeli düğmesine ve ardından Bitti'ye basın.
Hepsinin iyi hizalandığından emin olmak için görüntüler arasında gezinin. Ardından, aykırı değerler için uzamsal kovaryansın denetlenmesi için MATLAB'a check_spatial_cov yazın. Ardından, önceki modüle edilmiş görüntüleri seçin ve istendiğinde Prop'u ayarlayın.
evet'e ölçeklendirme, Değişken'den kovaryansa hayır'a, Dilim'den 48'e ve Boşluk'tan 1'e ölçeklendirilme. Son olarak, her görüntünün örneklemdeki diğer tüm görüntülere göre ortalama uzamsal kovaryansını gösteren kutu grafiğine bakın. MATLAB komut penceresinde ortalamanın altında ikiden fazla standart sapma olan veri noktalarını tanımlayın.
Bu veri noktaları için, SUIT klasöründeki uygun görüntüleri yapılar, görüntü kalitesi sorunları açısından inceleyin. veya ön işleme hataları. Burada bir spino-serebellar ataksi 2 hastasından ağır atrofik bir beyincik gösterilmektedir.
Kenarlarda görülen doku kaybına rağmen, SUIT bu görüntüyü şablona oldukça iyi bir şekilde çarpıttı. Bu bir dışlamayı garanti etmez. Burada, beyinciğin yukarıdan aşağıya doğru net bir gradyanı vardır ve görüntü oldukça hurdalıdır ve bu da bir dışlamayı garanti eder.
Son olarak, bu örnekte, maskeleme iyi çalışmadı. Kenarlar temiz değildir ve görüntü tipik olarak SUIT işlem hattından çıkanlardan daha pürüzsüzdür. Bu bir dışlamayı garanti eder.
Sağlıklı ve ağır atrofiye serebella da dahil olmak üzere iyi parselasyonların örnekleri burada gösterilirken, bireysel beyincik lobüllerinin ince aşırı ve az inklüzyonları ile misparselasyon örnekleri burada görülebilir. Bu tür hatalar genellikle etkilenen bireysel lobüllerin dışlanmasını gerektirirken, parsellenmiş beyinciğin geri kalanı korunabilir. Buna karşılık, küresel başarısızlıklar konunun tamamen dışlanmasını gerektirir.
Acapulco, Friedreich ataksi ve 37 sağlıklı kontrolü olan 31 kişiden oluşan bir örneklem üzerinde çalıştırıldığında, sol lobül IX ve sağ lobül Crus I en yüksek dışlama oranlarına sahipti. Friedreich ataksisinde 28 serebellar anatomik lobül hacminin ve sağlıklı kontrol bireylerinin karşılaştırılması, Friedreich ataksisinde korpus medullarede beyaz cevherin önemli ölçüde azaldığını göstermiştir. Gruplar arasında başka anlamlı bir farklılık yoktu.
Hem sağlıklı kontrollerden hem de Friedreich ataksisinden iyi hizalanmış görüntülerin örnekleri burada gösterilirken, istisnaların örnekleri burada görülebilir. Tüm normalleştirilmiş görüntülerin uzamsal kovaryansını test ettikten sonra, iki tarama, numunenin geri kalanıyla ortalama uzamsal kovaryanslarına dayanarak istatistiksel aykırı değerler olarak tespit edildi. SNPM'de parametrik olmayan permütasyon testleri, beyincik gri cevher hacimlerinde gruplar arası anlamlı farklılıkları test etmek için gerçekleştirildi.
SUIT analizinden elde edilen sonuçlar, Friedreich ataksi hastalarının bilateral anterior lobül I'den V'ye ve Vermis VI ve Vermis dahil olmak üzere medial posterior lob bölgelerinde gri cevher hacmini önemli ölçüde azalttığını göstermiştir IX.It, tam serebellar kapsama alanının sağlandığından emin olmak için serebellar maskeleri manuel olarak kontrol etmek ve ayrıca maskeleri serebellar lobüllerin aşırı ve az kapanımları açısından incelemek için çok önemlidir. Bu boru hattı, beyincik gri cevheri yapısına bakmakla ilgilenen çok bölgeli grup düzeyinde istatistiksel analizlerin yapılmasını kolaylaştırır. İşlevsel bağlantı gibi diğer teknikler, bireysel serebellar lobüller ve serebrum arasındaki bağlantıyı keşfetmek için de kullanılabilir.
