Name: automated segmentation of cortical grey matter from t1-weighted mri images
Uploaded: 2019-01-07T14:00:00
Description: Watch this Scientific Journal Video about Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images at JoVE.com

Vi vill tacka alla dem på CHDI/High Q Foundation ansvarar för TRACK-HD studien; i synnerhet Beth Borowsky, Allan Tobin, Daniel van Kammen, Ethan Signer och Sherry Lifer. Författarna vill även utöka sin tacksamhet till TRACK-HD studiedeltagarna och deras familjer. Detta arbete genomfördes vid UCLH/UCL, vilket fick en del av finansieringen från Department of Healths nationella institutet för forskning biomedicinsk forskning vårdcentraler finansieringsprogram. S.J.T. erkänner stöd av National Institute for Health Research genom demenssjukdomar och neurodegenerativ forskarnätverket, dendrologisk.
TRACK-HD utredare: C. Campbell, M. Campbell, I. Lindahl, C. Milchman, J. Stout, Monash University, Melbourne, VIC, Australien; A. Coleman R. Dar Santos, J. Decolongon, B. R. Leavitt, A. Sturrock, University of British Columbia, Vancouver, BC, Kanada; A. Durr, C. Jauffret, D. Justo, S. Lehericy, C. Marelli, K. Nigaud, R. Valabrègue, ICM Institute, Paris, Frankrike; N. Bechtel, S. Bohlen, R. Reilmann, universitetar av Münster, Münster, Tyskland; B. ** Landwehrmeyer **, universitet av Ulm, Ulm, Tyskland; S. J. A. van den Bogaard, E. M. Dumas, J. van der Grond, E. P. 't Hart, R. A. Roos, Leiden University Medical Center, Leiden, Nederländerna. N. Arran, J. Callaghan, D. Craufurd, C. Stopford, University of Manchester, Manchester, Förenade kungariket. D. M. Cash, IXICO, London, Storbritannien. H. Crawford, N. C. Fox, S. Gregory, G. Owen, N. Z. Hobbs, N. Lundqvist, I. Malone, J. Läs, M. J. säga, D. Whitehead, E. Wild, University College London, London, Storbritannien; C. Frost, R. Jones, London School of Hygiene and Tropical Medicine, London, Storbritannien. E. Axelson, H. J. Johnson, D. Langbehn, University of Iowa, IA, USA; och S. Queller, C. Campbell, Indiana University i USA.

Anmärkning: Se till att alla bilder är i NifTI-format. Konvertering till NifTI täcks inte in här.
1. segmentering via SPM 8: Unified Segment
Obs: Denna procedur utförs via SPM8 GUI som verkar inom Matlab. Guiden SPM8 ger ytterligare information och kan hittas på: http://www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf.
<ol><li>Kontrollera att SPM8 är installerad och inställd i sökvägen programvara.</li>
	<li>SPM segmentering utförs med en GUI. Fö...

<ol>
	<li>Katuwal, G. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Inter-Method+Discrepancies+in+Brain+Volume+Estimation+May+Drive+Inconsistent+Findings+in+Autism.">Inter-Method Discrepancies in Brain Volume Estimation May Drive Inconsistent Findings in Autism.</a> Frontiers in Neuroscience. 10, 439 (2016).</li><li>Johnson, E. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Recommendations+for+the+Use+of+Automated+Gray+Matter+Segmentation+Tools:+Evidence+from+Huntington's+disease.">Recommendations for the Use of Automated Gray Matter Segmentation Tools: Evidence from Huntington's disease.</a> Frontiers in Neurology. 8, 519 (2017).</li><li>Schwarz, C. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+large-scale+comparison+of+cortical+thickness+and+volume+methods+for+measuring+Alzheimer's+disease+severity.">A large-scale comparison of cortical thickness and volume methods for measuring Alzheimer's disease severity.</a> NeuroImage: Clinical. 11, 802-812 (2016).</li><li>Clarkson, M. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comparison+of+voxel+and+surface+based+cortical+thickness+estimation+methods.">A comparison of voxel and surface based cortical thickness estimation methods.</a> NeuroImage. 57 (3), 856-865 (2011).</li><li>Eggert, L. D., Sommer, J., Jansen, A., Kircher, T., Konrad, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Accuracy+and+reliability+of+automated+gray+matter+segmentation+pathways+on+real+and+simulated+structural+magnetic+resonance+images+of+the+human+brain.">Accuracy and reliability of automated gray matter segmentation pathways on real and simulated structural magnetic resonance images of the human brain.</a> Public Library of Science One. 7 (9), 45081 (2012).</li><li>Fellhauer, I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+automated+brain+segmentation+using+a+brain+phantom+and+patients+with+early+Alzheimer's+dementia+or+mild+cognitive+impairment.">Comparison of automated brain segmentation using a brain phantom and patients with early Alzheimer's dementia or mild cognitive impairment.</a> Psychiatry Research. 233 (3), 299-305 (2015).</li><li>Gronenschild, E. H. B. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+effects+of+FreeSurfer+version,+workstation+type,+and+Macintosh+operating+system+version+on+anatomical+volume+and+cortical+thickness+measurements.">The effects of FreeSurfer version, workstation type, and Macintosh operating system version on anatomical volume and cortical thickness measurements.</a> Public Library of Science One. 7 (6), 38234 (2012).</li><li>Iscan, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Test-retest+reliability+of+freesurfer+measurements+within+and+between+sites:+Effects+of+visual+approval+process.">Test-retest reliability of freesurfer measurements within and between sites: Effects of visual approval process.</a> Human Brain Mapping. 36 (9), 3472-3485 (2015).</li><li>Kazemi, K., Noorizadeh, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+Comparison+of+SPM,+FSL,+and+Brainsuite+for+Brain+MR+Image+Segmentation.">Quantitative Comparison of SPM, FSL, and Brainsuite for Brain MR Image Segmentation.</a> Journal of Biomedical Physics &amp; Engineering. 4 (1), 13-26 (2014).</li><li>Klauschen, F., Goldman, A., Barra, V., Meyer-Lindenberg, A., Lundervold, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+automated+brain+MR+image+segmentation+and+volumetry+methods.">Evaluation of automated brain MR image segmentation and volumetry methods.</a> Human Brain Mapping. 30 (4), 1310-1327 (2009).</li><li>McCarthy, C. S., Ramprashad, A., Thompson, C., Botti, J. A., Coman, I. L., Kates, W. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comparison+of+FreeSurfer-generated+data+with+and+without+manual+intervention.">A comparison of FreeSurfer-generated data with and without manual intervention.</a> Frontiers in Neuroscience. 9, (2015).</li><li>Tohka, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Partial+volume+effect+modeling+for+segmentation+and+tissue+classification+of+brain+magnetic+resonance+images:+A+review.">Partial volume effect modeling for segmentation and tissue classification of brain magnetic resonance images: A review.</a> World Journal of Radiology. 6 (11), 855-864 (2014).</li><li>Sled, J. G., Zijdenbos, A. P., Evans, A. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+nonparametric+method+for+automatic+correction+of+intensity+nonuniformity+in+MRI+data.">A nonparametric method for automatic correction of intensity nonuniformity in MRI data.</a> IEEE Transactions on Medical Imaging. 17, 87-97 (1998).</li><li>Ashburner, J., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Unified+segmentation.">Unified segmentation.</a> NeuroImage. 26 (3), 839-851 (2005).</li><li>Jenkinson, M., Beckmann, C., Behrens, T. E., Woolrich, M. W., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=FSL.">FSL.</a> NeuroImage. 62, 782-790 (2012).</li><li>Dale, A. M., Fischl, B., Sereno, M. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cortical+surface-based+analysis.+I.+Segmentation+and+surface+reconstruction.">Cortical surface-based analysis. I. Segmentation and surface reconstruction.</a> NeuroImage. 9, 179-194 (1999).</li><li>Fischl, B., Sereno, M. I., Dale, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cortical+surface-based+analysis.+II:+Inflation,+flattening,+and+a+surface-based+coordinate+system.">Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system.</a> NeuroImage. 9, 195-207 (1999).</li><li>Avants, B. B., Tustison, N. J., Wu, J., Cook, P. A., Gee, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+open+source+multivariate+framework+for+n-tissue+segmentation+with+evaluation+on+public+data.">An open source multivariate framework for n-tissue segmentation with evaluation on public data.</a> Neuroinformatics. 9 (4), 381-400 (2011).</li><li>Ledig, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Robust+whole-brain+segmentation:+application+to+traumatic+brain+injury.">Robust whole-brain segmentation: application to traumatic brain injury.</a> Medical Image Analysis. 21 (1), 40-58 (2015).</li></ol>

Forskning har nyligen visat att användning av olika volymetriska metoder kan ha stor betydelse för neuroradiologiska studier1,2. Genom protokoll för webbpublicering som hjälper nybörjare guide i hur man tillämpar olika neuroimaging verktyg, samt hur du utför QC på resultat-utdata med dessa verktyg, kan forskare välja den bästa metoden att gälla deras datamängd.
Medan de flesta stegen i denna SOP kan justeras för att passa ...

Neuroimaging används flitigt i både kliniska och forskning inställningar. Det finns en aktuell flytta att förbättra reproducerbarheten av studier som kvantifiera hjärnans volym från magnetisk resonanstomografi (MRT) genomsökningar; Det är därför viktigt att utredarna dela erfarenheter av att använda tillgängliga MRI verktyg för segmentera Magnettomografi till regionala volymer, för att förbättra standardisering och optimering av metoder1. Detta protokoll ger en steg för steg guide till att använda sju olika verktyg för att segmentera i hjärnbarkens grå substans (CGM; grå substans som utesluter subkortikala regioner) från T1-vägd Magnettomografi. Dessa verktyg användes tidigare i en metodologisk jämförelse av segmentering metod2, som visade varierande prestanda mellan verktyg på en HS-kohorten. Eftersom prestanda av dessa verktyg är tänkt att variera mellan olika datamängder, är det viktigt för forskarna att testa ett antal verktyg innan du väljer endast en att gälla deras datamängd.
Grå substans (GM) volym används regelbundet som ett mått på hjärnans morfologi. Volymetrisk åtgärder är i allmänhet pålitliga och kunna diskriminera mellan friska kontroller och kliniska grupper3. Volymen av olika vävnadstyper av hjärnregioner beräknas oftast med automatiserad programvaruverktyg som identifierar dessa vävnadstyper. Således, för att skapa högkvalitativa tolkningar (segmenteringar) av GM, korrekt avgränsning av vit substans (WM) och cerebrospinalvätska (CSF) är kritiska för att uppnå noggrannhet av regionen GM. Det finns ett antal automatiserade verktyg som kan användas för att utföra GM segmentering, och var och en kräver olika bearbetningssteg och resulterar i en annan utgång. Ett antal studier har använt verktyg för olika datamängder att jämföra dem med varandra, och vissa har optimerat specifika verktyg1,4,5,6,7,8 ,9,10,11. Tidigare arbete har visat att variationen mellan volymetriska verktyg kan leda till inkonsekvenser inom litteraturen när man studerar hjärnans volym, och dessa skillnader har föreslagits som drivande faktorer för falska avslutningar dras om neurologiska villkor1.
Nyligen genomfördes en jämförelse av olika segmentering verktyg i en kohort som inkluderade både friska kontrolldeltagare och deltagare med Huntingtons sjukdom. Huntingtons sjukdom är en genetisk neurodegenerativ sjukdom med en typisk debut i vuxen ålder. Gradvis atrofi av subkortikala och CGM är en framstående och väl studerat neuropatologiska funktion av sjukdomen. Resultaten visade varierande prestanda av sju segmentering-verktyg som användes till kohorten, stödja tidigare arbete som uppvisade fluktuationer i resultat beroende på vilken programvara som används för att beräkna hjärnan volymer från Magnettomografi. Detta protokoll ger information om den behandling som används i Johnson et al. (2017) 2 som uppmuntrar noggrann metodologiska val av de mest lämpliga verktygen för användning i neuroimaging. Denna handbok omfattar segmentering av GM volym men täcker inte segmentering av lesioner, såsom dem som ses vid multipel skleros.

automated segmentation of cortical grey matter from t1-weighted mri images

Inom neuroradiologisk forskning, har ett antal nyare studier diskuteras effekterna av mellan-studera skillnader i volymetriska fynd som är tänkt att resultera från användning av olika segmentering verktyg för att generera hjärnan volymer. Här presenteras bearbetning rörledningar för sju automatiserade verktyg som kan användas för att segmentera grå substans i hjärnan. Protokollet ger ett första steg för forskare som syftar till att hitta den mest exakta metoden för att generera grå volymer från T1-vägd Magnettomografi. Åtgärder för att genomföra detaljerad visuell kvalitetskontroll ingår också i manuskriptet. Detta protokoll omfattar en rad potentiella segmentering verktyg och uppmuntrar användare att jämföra prestanda för dessa verktyg inom en delmängd av deras data innan du väljer en att gälla en full kohort. Dessutom kan protokollet generaliseras ytterligare till segmentering av andra regioner i hjärnan.

Genomsnittliga hjärnan volymer för 20 kontrolldeltagare, tillsammans med demografisk information, visas i tabell 1. Detta fungerar som en guide för förväntade värden när du använder dessa verktyg. Resultaten bör ses i samband med den ursprungliga T1.nii bilden. Alla GM regioner ska inspekteras enligt stegen som beskrivs i avsnitt 8. När du utför visuella QC, är det viktigt att direkt jämföra GM regionerna att T1 genomsökningen genom att visa dem överlagras...

Watch this Scientific Journal Video about Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images at JoVE.com

Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images (Video) | JoVE

Det här protokollet beskriver processen att tillämpa sju olika automatiserad segmentering verktyg till strukturella T1-vägd Magnettomografi att avgränsa grå regioner som kan användas för kvantifiering av grå hjärnsubstans volym.

Automatiserad segmentering av hjärnbarkens grå substans från T1-vägd MRI-bilder

Within neuroimaging research, a number of recent studies have discussed the impact of between-study differences in volumetric findings that are thought to ...

Denna metod kan svara på viktiga frågor inom neuroimaging och neurologi fält. Såsom, om det finns gruppskillnader i när volym för icke-kliniska kontra kliniska populationer. Den största fördelen med denna teknik är att den gör det möjligt för forskare att använda det bästa verktyget för sina data.Börja med att först öppna SPM-programvaran genom att öppna ett MATLAB-kommandofönster och skriva in SPM i kommandoraden. Sedan, för att utföra enhetlig segmentering, välj PET VBM för att öppna den strukturella MRI verktygslådan. Nu öppnar du batch-redigeraren för att utföra segmentering på flera genomsökningar samtidigt.Välj SPM, Spatial och Segment, sedan Data, välj Filer och välj de T1-viktade skanningar som Indata. Klicka sedan på Utgångsfiler, Grå materia och se till att Native Space är valt, och upprepa detta för White Matter. Om CSF-segmenteringen inte krävs, lämna den här uppsättningen till Ingen.Om skanningarna redan har varit Bias Corrected ändrar du det här alternativet till Spara inte korrigerat. Använd sedan Rensa eventuella partitioner och testa alla tre alternativ innan du kör den fullständiga analysen. Nu, lämna de andra inställningarna som standard och klicka på den gröna flaggan för att köra segmenteringen.MATLAB-fönstret kommer att säga Klar när segmenteringen är klar. Slutligen utför Visual Quality Control på den resulterande Grey Matter NIfTI fil. Om du vill utföra alternativet Nytt segment i SPM 8 väljer du först PET VBM innan du öppnar batchredigeraren.Välj sedan SPM, Verktyg, Nytt segment och välj de NIfTI-format T1-bildfiler som ska användas. Ställ in alternativet Native Tissue Type till Native Space, och stäng av Tissue Classes som inte är obligatoriska. Också stänga av Warped Tissue, klicka sedan på den gröna flaggan för att köra segmenteringen och utföra Visual Quality Control när den är klar.För att utföra segmentering i SPM 12 igen trycka PET VBM och öppna batch editor. Välj sedan SPM, Spatial Segment och Data Volumes. Välj sedan Native Space Tissue Type och stäng av ej härdat Tissue Classes.Ange Skev vävnad till Ingen och klicka på den gröna flaggan. När segmenteringen har slutförts, återigen se till att utföra Visual Quality Control som beskrivs i nästa avsnitt i det här protokollet. Visual Quality Control kan utföras med hjälp av FSLeyes.Börja med att öppna ett terminalfönster och öppna sedan FSLeyes genom att skriva FSLeyes i terminalen. Välj sedan Arkiv, Lägg till från fil och välj den ursprungliga T1 och de segmenterade regionerna för att visa dem. När FSLeyes öppnas använder du opacitetsväxlingen för att tillåta visualisering av den underliggande T1-bilden.Ändra också färg på segmenteringsöverlägget efter behov via fliken färg dropdown i den översta rutan. Nu, bläddra igenom varje skiva i hjärnan och kontrollera var och en för regioner under eller överskattning i regionen inspekteras. Visuell kvalitetskontroll är ett väsentligt steg för denna procedur.Genom att jämföra dina segmenterade regioner med den ursprungliga T1-skanningen kan du se till att dina regioner håller en hög kvalitet, och att dina slutsatser är biologiskt korrekta. Om du vill utföra Visual Quality Control av FreeSurfer-data med Hjälp av Freeview öppnar du ett terminalfönster och ändrar katalogen till ämnesmappen som innehåller den bearbetade FreeSurfer-utgången. Skriv sedan kommandot sett på skärmen här för att visa den volymtriska grå materia regionen överlagrat på T1. Återigen, bläddra igenom varje skiva i hjärnan och kontrollera regioner under eller överskattning för hjärnan regionen inspekteras.Här ser vi ett exempel på en misslyckad segmentering som visas på en T1-skanning. Denna segmentering bör upparbetas och uteslutas från analys om den inte kan förbättras. Denna figur visar exempel på prestanda för olika verktyg på tinningloben på en T1-skanning.Exempel på en bra regional avsnining ses här, medan exempel på dålig regional avstning, som visar spill i vänster och höger temporallober, visas här. Denna figur visar exempel på utförandet av olika verktyg på nackloben på en T1 scan. Här ser vi T1 scan med ett exempel på en bra regional avstning, medan här är ett exempel på en dålig regional avsnining, som visar spill i den mediala dura.Här ser vi ett exempel på en grå materia region spillts ut i dura, som framhävs av den blå regionen. Denna figur visar ett exempel på en grå substans region som har uteslutit regioner i hjärnbarken från segmentering, bäst visas i axiell vy. Medan du försöker den här proceduren är det viktigt att komma ihåg att testa olika verktyg i dina data, och att utföra Visuell kvalitetskontroll på processgenomsökningarna.Efter det utveckling, denna teknik banade väg för neuroimaging forskare att studera förändringar i hjärnans volym över tiden utan att kräva invasiva tester.

Research

JoVE Journal

Neuroscience

Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images

Generation of Neural Stem Cells from Discarded Human Fetal Cortical Tissue

Generation of Neural Stem Cells from Discarded Human Fetal Cortical Tissue (Video) | JoVE

Generering av neuronala stamceller från kasserade mänskliga foster Bark-Tissue

Neural stem cells (NSCs) reside along the ventricular zone neuroepithelium during the development of the cortical plate. These early progenitors ...

Isolation of Cerebrospinal Fluid from Rodent Embryos for use with Dissected Cerebral Cortical Explants

Isolation of Cerebrospinal Fluid from Rodent Embryos for use with Dissected Cerebral Cortical Explants (Video) | JoVE

Isolering av cerebrospinalvätska från Gnagare Embryon för användning med Dissekerade cerebrala kortikala Explantat

The CSF is a complex fluid with a dynamically varying proteome throughout development and in adulthood. During embryonic development, the nascent CSF ...

A Comprehensive Protocol for Manual Segmentation of the Medial Temporal Lobe Structures

A Comprehensive Protocol for Manual Segmentation of the Medial Temporal Lobe Structures (Video) | JoVE

En omfattande protokoll för manuell segmentering av den mediala temporalloben strukturer

The present paper describes a comprehensive protocol for manual tracing of the set of brain regions comprising the medial temporal lobe (MTL): amygdala, ...

Subtype-selective Electroporation of Cortical Interneurons

Subtype-selective Electroporation of Cortical Interneurons (Video) | JoVE

Subtypselektiva Elektroporering av kortikal Interneuroner

The study of central nervous system (CNS) maturation relies on genetic targeting of neuronal populations. However, the task of restricting the expression ...

A Guide to In vivo Single-unit Recording from Optogenetically Identified Cortical Inhibitory Interneurons

A Guide to In vivo Single-unit Recording from Optogenetically Identified Cortical Inhibitory Interneurons (Video) | JoVE

En guide till<em&gt; In vivo</em&gt; Single-enhet Inspelning från Optogenetically identifierad kortikal hämmande intern

A major challenge in neurophysiology has been to characterize the response properties and function of the numerous inhibitory cell types in the cerebral ...

High-resolution In Vivo Manual Segmentation Protocol for Human Hippocampal Subfields Using 3T Magnetic Resonance Imaging

High-resolution In Vivo Manual Segmentation Protocol for Human Hippocampal Subfields Using 3T Magnetic Resonance Imaging (Video) | JoVE

Hög upplösning<em&gt; In Vivo</em&gt; Manuell segmente Protocol for Human hippocampus delområden Använda 3T Magnetic Resonance Imaging

The human hippocampus has been broadly studied in the context of memory and normal brain function and its role in different neuropsychiatric disorders has ...

Optogenetic Functional MRI

Optogenetic Functional MRI (Video) | JoVE

Optogenetic Funktionell MRI

The investigation of the functional connectivity of precise neural circuits across the entire intact brain can be achieved through optogenetic functional ...

Simultaneous Recordings of Cortical Local Field Potentials, Electrocardiogram, Electromyogram, and Breathing Rhythm from a Freely Moving Rat

Simultaneous Recordings of Cortical Local Field Potentials, Electrocardiogram, Electromyogram, and Breathing Rhythm from a Freely Moving Rat (Video) | JoVE

Samtidiga inspelningar av kortikala lokala fältet potentialer, elektrokardiogram, Elektromyogram och andas rytm från en fritt rörliga råtta

Monitoring the physiological dynamics of the brain and peripheral tissues is necessary for addressing a number of questions about how the brain controls ...

Convection Enhanced Delivery of Optogenetic Adeno-associated Viral Vector to the Cortex of Rhesus Macaque Under Guidance of Online MRI Images

Convection Enhanced Delivery of Optogenetic Adeno-associated Viral Vector to the Cortex of Rhesus Macaque Under Guidance of Online MRI Images (Video) | JoVE

Konvektion förbättrad leverans av Optogenetiska Adeno-associerad viral vektor till cortex av Rhesus macaque under ledning av online MRI-bilder

In non-human primate (NHP) optogenetics, infecting large cortical areas with viral vectors is often a difficult and time-consuming task. Here, we ...

Functional MRI in Conjunction with a Novel MRI-compatible Hand-induced Robotic Device to Evaluate Rehabilitation of Individuals Recovering from Hand Grip Deficits

Functional MRI in Conjunction with a Novel MRI-compatible Hand-induced Robotic Device to Evaluate Rehabilitation of Individuals Recovering from Hand Grip Deficits (Video) | JoVE

Funktionell MRI i samband med en roman MRI-kompatibel hand-inducerad Robotic enhet för att utvärdera rehabilitering av individer återhämta sig från hand grepp underskott

Functional magnetic resonance imaging (fMRI) is a non-invasive magnetic resonance imaging technique that images brain activation in vivo, using endogenous ...