Name: brain infarct segmentation and registration on mri or ct for lesion-symptom mapping
Uploaded: 2019-09-25T13:00:00
Description: Watch this Scientific Journal Video about Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping at JoVE.com

Dr. Biesbrogs arbejde understøttes af et ungt talent stipendium fra Brain Center Rudolf Magnus fra University Medical Center Utrecht. Dette arbejde og meta VCI map konsortiet understøttes af Vici Grant 918.16.616 fra ZonMw, Holland, organisationen for sundhedsforskning og udvikling, til Geert Jan Biessels. Forfatterne vil gerne takke Dr. Tanja C.W. Nijboer for at dele scanninger, der blev brugt i en af figurerne.

Denne protokol følger retningslinjerne fra vores institutioner Human Research etiske komité.
1. indsamling af scanninger og kliniske data
<ol><li>Indsamle hjerne CT eller MRI scanninger af patienter med iskæmisk slagtilfælde. De fleste scannere gemmer scanninger som DICOM-filer (Digital Imaging and Communications in Medicine), der kan kopieres til en harddisk eller server. Bemærk: Scanninger fra hver scannertype, scannings protokol og MRI-feltstyrke kan anvendes, så...

LSM er et kraftfuldt værktøj til at studere den funktionelle arkitektur af den menneskelige hjerne. Et afgørende skridt i enhver læsion-symptom mapping undersøgelse er forbehandling af billeddannelse data, segmentering af læsion og registrering til en hjerne skabelon. Her rapporterer vi en standardiseret pipeline for læsion segmentering og registrering med henblik på læsion-symptom mapping. Denne metode kan udføres med frit tilgængelige billedbehandling værktøjer, kan bruges til at behandle både CT og struk...

Lesion-symptom mapping (LSM), også kaldet læsion-adfærd Mapping, er et vigtigt redskab til at studere den funktionelle arkitektur af den menneskelige hjerne1. I læsions studier udledes hjernens funktion og lokaliseres ved at studere patienter med erhvervede hjernelæsioner. De første casestudier, der forbinder neurologiske symptomer til specifikke hjerne steder udført i det nittende århundrede, gav allerede grundlæggende indsigt i de anatomiske korrelater af sprog og flere andre kognitive processer2. Endnu, de neuroanatomiske korrelater af mange aspekter af kognition og andre hjernefunktioner forblev flygtig. I de seneste årtier har forbedrede strukturelle hjerne billedbehandlings metoder og tekniske fremskridt gjort det muligt for store in vivo LSM-studier med høj geografisk opløsning (dvs. på niveau med individuelle voxels eller specifikke kortikale/subkortikale områder af interesse)1 ,2. Med disse metodologiske fremskridt, LSM er blevet en stadig mere populær metode i kognitiv neurovidenskab og fortsætter med at tilbyde ny indsigt i Neuro anatomi af kognition og neurologiske symptomer3. Et afgørende skridt i enhver LSM undersøgelse er den nøjagtige segmentering af læsioner og registrering til en hjerne skabelon. Men, en omfattende tutorial for forbehandling af hjernen imaging data til formålet med LSM mangler.
Forudsat her er en komplet tutorial for en standardiseret læsion segmentering og registrering metode. Denne metode giver forskerne en pipeline for standardiseret hjerne billedbehandling og et overblik over potentielle faldgruber, der skal undgås. Den præsenterede billedbehandling pipeline blev udviklet gennem internationale samarbejder4 og er en del af rammerne af den nyligt grundlagt meta VCI map konsortium, hvis formål er at udføre multicenter læsion-symptom mapping undersøgelser i vaskulær kognitiv svækkelse < www. metavcimap. org >5. Denne metode er designet til at behandle både CT-og MRI-scanninger fra flere leverandører og heterogene scannings protokoller for at tillade kombineret behandling af billedbehandlings datasæt fra forskellige kilder. Den krævede RegLSM-software og al anden software, der er nødvendig for denne protokol, er frit tilgængelig med undtagelse af MATLAB, som kræver en licens. Denne tutorial fokuserer på segmentering og registrering af hjernen infarkter, men denne billedbehandling rørledning kan også bruges til andre læsioner, såsom hvide stof hyperintensiteter6.
Forud for initiering af en LSM-undersøgelse er der behov for en grundlæggende forståelse af de generelle begreber og faldgruber. Flere detaljerede retningslinjer og en hitchhiker's guide er tilgængelige1,3,6. Men disse anmeldelser giver ikke en detaljeret hands-on tutorial for de praktiske skridt, der er involveret i indsamling og konvertering hjernescanninger til et ordentligt format, segmentere hjernen infarkt, og registrering af scanninger til en hjerne skabelon. Det foreliggende papir giver sådan en tutorial. Generelle begreber af LSM er fastsat i indledningen med referencer til yderligere læsning om emnet.
Generelle mål for læsion-symptom kortlægnings undersøgelser
Fra perspektivet af kognitiv Neuropsykologi, hjerneskade kan bruges som en model betingelse for bedre at forstå neuronal funda-urer af visse kognitive processer og for at få et mere komplet billede af den kognitive arkitektur af hjernen1 . Dette er en klassisk tilgang i Neuro psykologi, der blev først anvendt i post mortem undersøgelser i det nittende århundrede af pionerer som Broca og Wernicke2. I en tid med funktionel hjernescanning, er læsion tilgang forblevet et afgørende redskab i neurovidenskab, fordi det giver bevis for, at læsioner i en bestemt hjerneregion forstyrrer opgavens ydeevne, mens funktionelle Imaging undersøgelser viser hjernen regioner, der er aktiveret under opgavens ydeevne. Som sådan giver disse tilgange supplerende oplysninger1.
Set i forhold til klinisk neurologi kan LSM-undersøgelser afklare forholdet mellem læsions placering og kognitiv funktion hos patienter med akutte symptomatiske infarkter, hyperintensiteter af hvidt stof, lacunes eller andre læsions typer (f. eks. tumorer ). Nylige undersøgelser har vist, at sådanne læsioner i strategiske hjerneregioner er mere relevante i at forklare kognitive præstationer end global læsion byrde2,5,7,8. Denne tilgang har potentialet til at forbedre forståelsen af patofysiologien af komplekse lidelser (i dette eksempel, vaskulær kognitiv svækkelse) og kan give mulighed for at udvikle nye diagnostiske og prognostiske værktøjer eller støttebehandling strategier2.
LSM har også applikationer ud over området kognition. Faktisk kan enhver variabel være relateret til læsions placering, herunder kliniske symptomer, biomarkører, og funktionelle udfald. For eksempel, en nylig undersøgelse fastsatte infarkt steder, der var prædiktiv for funktionelle resultat efter iskæmisk slagtilfælde10.
Voxel-baseret versus region af interessebaseret læsion-symptom kortlægning
For at udføre lesion-symptom kortlægning skal læsioner segmenteret og registreres i en hjerne skabelon. Under registreringsproceduren er hver patients hjerne geografisk justeret (dvs. normaliseret eller registreret til en fælles skabelon) for at korrigere for forskelle i hjernens størrelse, form og retning, således at hver voxel i læsions kortet repræsenterer den samme anatomiske struktur for alle patienter7. I standard rummet kan der udføres flere typer analyser, som kort opsummeres her.
En rå læsion-subtraktions analyse kan udføres for at vise forskellen i læsions fordeling hos patienter med underskud sammenlignet med patienter uden underskud. Det resulterende subtraktions kort viser områder, der oftere beskadiges hos patienter med underskud og Skånes hos patienter uden underskud1. Selv om en læsion-subtraktion analyse kan give nogle indblik i korrelater af en bestemt funktion, det giver ingen statistisk bevis og er nu mest brugt, når prøven størrelse er for lav til at give nok statistisk effekt for voxel-baserede læsion-symptom Kortlægning.
I voxel-baserede læsion-symptom kortlægning, en forening mellem tilstedeværelsen af en læsion og kognitiv ydeevne bestemmes på niveau med hver enkelt voxel i hjernen (figur 1). Den største fordel ved denne metode er den høje rumlige opløsning. Traditionelt set er disse analyser blevet udført i en masse-univariat tilgang, som berettiger korrektion for flere test og indfører en rumlig bias forårsaget af Inter-voxel korrelationer, der ikke er taget i betragtning1,10 , 11. nyligt udviklede tilgange, der tager Inter-voxel korrelationer i betragtning (normalt omtales som multivariat lesion-symptom mapping metoder, såsom Bayesian analyse13, støtte vektor regression4, 14, eller andre maskinlæringsalgoritmer15) viser lovende resultater og synes at forbedre følsomheden og specificiteten af resultater fra voxel-Wise LSM analyser i forhold til traditionelle metoder. Yderligere forbedring og validering af multivariat metoder til voxel-Wise LSM er en løbende proces. Den bedste Metodevalg for specifikke læsion-symptom mapping afhænger af mange faktorer, herunder fordelingen af læsioner, resultat variabel, og underliggende statistiske antagelser af metoderne.
I den interesseregion (ROI)-baseret læsions-symptom kortlægning bestemmes en forening mellem læsions byrden inden for en specifik hjerneregion og kognitiv præstation (Se figur 1 i Biesbroek et al.2 for en illustration). Den største fordel ved denne metode er, at den betragter den kumulative læsions byrde inden for en anatomisk struktur, som i nogle tilfælde kan være mere informativ end en læsion i en enkelt voxel. På den anden side har ROI-baserede analyser begrænset magt til at detektere mønstre, der kun er til stede i en delmængde af voxels i regionen16. Traditionelt, ROI-baserede læsion-symptom mapping udføres ved hjælp af logistisk eller lineær regression. For nylig er multivariat metoder, der beskæftiger sig bedre med kollinearitet blevet introduceret (f. eks Bayesian netværk analyse17, støtte vektor regression4,18, eller andre maskinlæringsalgoritmer19), som kan forbedre specificiteten af resultaterne fra læsion-symptom mapping undersøgelser.
Udvælgelse af patienter
I LSM-undersøgelser udvælges patienterne sædvanligvis på grundlag af en specifik læsions type (f. eks. hjerne infarkter eller hyperintensiteter for hvide stof) og tidsintervallet mellem diagnose og Neuropsykologisk vurdering (f. eks. akut vs. kronisk slagtilfælde). Det optimale studiedesign afhænger af forskningsspørgsmålet. For eksempel, når man studerer den funktionelle arkitektur af den menneskelige hjerne, akut slagtilfælde patienter er ideelt inkluderet, fordi funktionel reorganisering endnu ikke har fundet sted i denne fase, hvorimod kronisk slagtilfælde patienter bør medtages, når man studerer langsigtede virkninger af slagtilfælde på kognition. En detaljeret beskrivelse af overvejelser og faldgruber i patientudvælgelsen findes andetsteds7.
Brain image forbehandling med henblik på læsion-symptom mapping
Præcis læsion segmentering og registrering til en fælles hjerne skabelon er afgørende skridt i læsion-symptom mapping. Manuel segmentering af læsioner er fortsat guldstandarden for mange læsions typer, herunder infarkter7. Forudsat er en detaljeret tutorial om kriterier for manuel infarkt segmentering på CT-scanninger, Diffusion vægtet Imaging (DWI), og Fluid-svækket inversion Recovery (FLAIR) MRI-sekvenser i både akutte og kroniske stadier. De segmenterede infarkter (dvs. de binære 3D-læsions kort) skal registreres, før der udføres analyser på tværs af emner. Denne protokol bruger registrerings metoden RegLSM, som blev udviklet i en multicenter indstilling4. RegLSM anvender lineære og ikke-lineære registrerings algoritmer baseret på Elastix20 til både CT og MRI, med et ekstra CT-behandlingstrin specielt designet til at forbedre registrerings kvaliteten af CT-scanninger21. Endvidere, RegLSM giver mulighed for at bruge forskellige mål hjernen skabeloner og en (valgfri) mellemliggende registrering trin til en aldersspecifik CT/MRI skabelon22. Muligheden for at behandle både CT og MRI scanninger og dens customizability vedrørende mellemliggende og målrette hjernen skabeloner gør RegLSM en meget passende billedbehandling værktøj til LSM. Hele processen med at forberede og segmentere CT/MRI scanninger, registrering til en hjerne skabelon, og manuelle korrektioner (hvis det er nødvendigt) er beskrevet i næste afsnit.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59653/59653fig1.jpg"> Figur 1: skematisk illustration af konceptet med voxel-baseret læsion-symptom kortlægning. Den øvre del viser hjerne billedet forbehandling trin består af segmentering læsion (en akut infarkt i dette tilfælde) efterfulgt af registrering til en hjerne skabelon (MNI-152 skabelon i dette tilfælde). Nedenfor vises en del af det registrerede binære læsions kort over den samme patient som et 3D-gitter, hvor hver kube repræsenterer en voxel. Taget sammen med læsions kortene på 99 andre patienter genereres et læsions-overlay-kort. For hver voxel udføres en statistisk test for at bestemme tilknytningen mellem læsions status og kognitiv præstation. Den Chi-kvadrerede test, der er vist her, er blot et eksempel, enhver statistisk test kan anvendes. Typisk, hundredtusinder af voxels testes i hele hjernen, efterfulgt af en korrektion for flere sammenligninger. <a href="https://www.jove.com/files/ftp_upload/59653/59653fig1large.jpg" target="_blank">Venligst klik her for at se en større version af dette tal.</a>

<table border="0" cellpadding="0" cellspacing="0" style="width:611px;" width="609">
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:223px;">dcm2niix</td>
			<td style="width:94px;">N/A</td>
			<td style="width:123px;">N/A</td>
			<td style="width:172px;">free download https://github.com/rordenlab/dcm2niix</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:223px;">ITK-SNAP</td>
			<td style="width:94px;">N/A</td>
			<td style="width:123px;">N/A</td>
			<td>free download www.itksnap.org</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:22px;width:223px;">MATLAB</td>
			<td style="width:94px;">MathWorks</td>
			<td style="width:123px;">N/A</td>
			<td>Version 2015a or higher</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:223px;">MRIcron</td>
			<td style="width:94px;">N/A</td>
			<td style="width:123px;">N/A</td>
			<td>free download https://www.nitrc.org/projects/mricron</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:223px;">RegLSM</td>
			<td style="width:94px;">N/A</td>
			<td style="width:123px;">N/A</td>
			<td>free download www.metavcimap.org/support/software-tools</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:223px;">SPM12b</td>
			<td style="width:94px;">N/A</td>
			<td style="width:123px;">N/A</td>
			<td>free download https://www.fil.ion.ucl.ac.uk/spm/</td>
		</tr>
	</tbody>
</table>

brain infarct segmentation and registration on mri or ct for lesion-symptom mapping

I lesion-symptom mapping (LSM), hjernefunktion udledes ved at knytte placeringen af erhvervede hjernelæsioner til adfærdsmæssige eller kognitive symptomer i en gruppe af patienter. Med de seneste fremskridt i hjernen Imaging og billedbehandling, LSM er blevet et populært værktøj i kognitiv neurovidenskab. LSM kan give grundlæggende indsigt i den funktionelle arkitektur af den menneskelige hjerne for en række kognitive og ikke-kognitive funktioner. Et afgørende skridt i udførelsen LSM undersøgelser er segmentering af læsioner på hjerner scanninger af en stor gruppe af patienter og registrering af hver scanning til en fælles stereotaxisk rum (også kaldet standard rum eller en standardiseret hjerne skabelon). Beskrevet her er en åben adgang, standardiseret metode til infarkt segmentering og registrering med henblik på LSM, samt en detaljeret og hands-on gennemgang baseret på eksemplariske sager. En omfattende vejledning til manuel segmentering af hjerne infarkter på CT-scanninger og DWI eller FLAIR MRI-sekvenser leveres, herunder kriterier for infarkt identifikation og faldgruber for forskellige scanningstyper. Registrerings softwaren indeholder flere registrerings skemaer, der kan bruges til behandling af CT-og MRI-data med heterogene anskaffelses parametre. En tutorial om at bruge denne registrering software og udføre visuelle kvalitetskontrol og manuelle korrektioner (som er nødvendige i nogle tilfælde) er forudsat. Denne tilgang giver forskerne en ramme for hele processen med hjernens billedbehandling kræves for at udføre en LSM-undersøgelse, fra indsamling af data til den endelige kvalitetskontrol af resultaterne.

Eksempler på hjerneinfarkt segmenteringer på CT (figur 3), DWI (figur 5) og flair (figur 6) billeder og efterfølgende registrering til MNI-152-skabelonen findes her. De i figur 3B og figur 5c viste registrerings resultater var ikke helt vellykkede, da der var uoverensstemmelse i nærheden af ventrikel Lens frontal horn. De registrerede l?...

Watch this Scientific Journal Video about Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping at JoVE.com

Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping

Forudsat her er en praktisk tutorial for en åben adgang, standardiseret billedbehandling pipeline med henblik på lesion-symptom mapping. En trin-for-trin gennemgang er fastsat for hvert behandlingstrin, fra manuel infarkt segmentering på CT/MRI til efterfølgende registrering til standard plads, sammen med praktiske anbefalinger og illustrationer med eksemplariske tilfælde.

Hjerneinfarkt segmentering og registrering på MRI eller CT for læsion-symptom kortlægning

In lesion-symptom mapping (LSM), brain function is inferred by relating the location of acquired brain lesions to behavioral or cognitive symptoms in a ...

Læsion-symptom kortlægning er et effektivt værktøj til at lokalisere hjernens funktioner ved at studere patienter med hjernelæsioner. Et vigtigt skridt omfatter billedbehandling, herunder segmentering af læsion og registrering til standardplads. Denne protokol beskriver en samlet ramme, der arbejder med alle strukturelle billeddannelse modaliteter, hvilket giver en konsekvent produktion af læsioner i standard plads til brug i læsion-symptom kortlægning undersøgelser.Læsionerne skal omdannes til standardplads for at give mulighed for sammenligninger på tværs af forsøgspersoner. Hver patients hjerne skal være rumligt justeret for at korrigere for forskelle i hjernens størrelse og form. Mens du bruger denne metode, hjælper det at se, hvordan hvert trin skal udføres, snarere end at følge skriftlige instruktioner alene.Det kræver også en god forståelse af hjernebilleder, hvilket gør en visuel demonstration nyttig. Denne protokol beskriver, hvordan du udfører de behandlingstrin, der kræves til tilknytning af læsionssymptomer. Når læsionskortene er registreret til standardplads, kan læsionsymptomkort udføres på store grupper af patienter.Når alle læsionskort omdannes til standardrum, repræsenterer hver voxel den samme hjerneregion på tværs af. Dette gør det muligt at udføre statistiske analyser, for eksempel for at teste, om tilstedeværelsen af en læsion i en bestemt voxel er forbundet med et kognitivt underskud. Begynd med at indsamle hjerne CT eller MR-scanninger af patienter med iskæmisk slagtilfælde.De fleste scannere har scanninger som DICOM-filer, der kan kopieres til en harddisk eller server. Indsamle de kliniske variabler i en datafil ved at lave separate rækker for hvert enkelt tilfælde og kolonner for hver klinisk variabel. Ved infarktsegmentering skal du mindst medtage stregdatoen og billeddannelsesdatoen eller en variabel, der angiver tidsintervallet mellem slagtilfælde og billeddannelse.Hvis du vil konvertere DICOM-billederne til ukomprimerede NIfTI-filer ved hjælp af værktøjet DICOM-to-NIfTI, skal du skrive den kommando, der er set på skærmen her i kommandoprompten, ved hjælp af mappestien til DICOM-filerne. Et eksempel på kommandoen med de indsatte mappestier kan ses her. Denne kommando kører den eksekverbare, konverterer DICOM-aftryk i den valgte mappe og gemmer NIfTI-filerne i denne mappe.Endelig organisere NIfTI filer i en bekvem mappestruktur, med en undermappe for hvert enkelt tilfælde, før du begynder infarkt segmentering. Først, forsikre, at scanningen blev udført mindst 24 timer efter slagtilfælde symptom debut. Ellers vil det akutte infarkt ikke være synligt på CT eller vil kun være delvist synlig, og scanningen kan ikke bruges til segmentering.Åbn den oprindelige CT ved hjælp af ITK-SNAP-software ved at vælge Filer og derefter Åbne hovedbillede i rullemenuen. Klik derefter på Gennemse, og vælg den fil, der skal åbnes for at åbne scanningen. Nu identificere infarkt baseret på billeddannelse egenskaber.Bemærk først, at infarkter har et lavt signal i forhold til normalt hjernevæv. I den akutte fase, store infarkter kan forårsage masse effekt, hvilket resulterer i forskydning af omgivende væv, kompression af hjertekamrene, midterlinjen skift, og udslettelse af sulci. Der kan være hæmoragisk transformation, som er synlig som regioner med højt signal i infarkten.I den kroniske fase, infarkten vil bestå af en hypodense, kavitet center, med en lignende tæthed som cerebrospinalvæske, og en mindre hypodense fælg, som repræsenterer beskadiget hjernevæv. I tilfælde af store infarkter, kan der være ex vacuo udvidelse af tilstødende sulci eller hjertekamre. Segmenter det infarkte hjernevæv ved hjælp af penseltilstand fra hovedværktøjslinjen ved hjælp af venstreklik for at tegne og højreklik for at slette.Alternativt kan du bruge Polygon Mode til at placere ankerpunkter ved kanterne af læsionen, og hold venstre museknap, mens du flytter musen over kanterne af læsionen. Når alle punkter er tilsluttet, skal du klikke på Acceptér for at udfylde det afgrænsede område. Når segmenteringen er afsluttet, skal du gemme den som en binær NIfTI-fil i samme mappe som scanningen ved at klikke på Segmentering og Gem segmenteringsbillede fra rullemenuen og derefter gemme segmenteringen ved at give den nøjagtig samme navn som den segmenterede scanning med udvidelsen af læsionen.Først skal du forsikre, at DWI-scanningen blev udført inden for syv dage efter slagtilfælde debut. Infarcts er synlige på DWI inden for flere timer efter slagtilfælde debut, og deres synlighed på DWI gradvist falder efter cirka syv dage. Dernæst identificere og kommentere infarkted hjernevæv baseret på det høje signal på DWI og lavt signal på ADC kortet.Tag ikke fejl af et højt diffusionssignal i nærheden af grænseflader mellem luft og enten væv eller knogler, som er en almindeligt observeret artefakt på DWI. Ved FLAIR-billedbehandling skal du først kontrollere, at scanningen blev udført 48 timer efter symptomdebutdebut. I hyperakut fase, infarkten er normalt ikke synlig, eller de nøjagtige grænser er uklare.Åbn derefter FLAIR-billedet i ITK-SNAP samt den T1-vægtede scanning i et separat vindue som reference, hvis det er tilgængeligt. I den akutte fase er infarkten synlig som en noget homogen hyperintense læsion, med eller uden hævelse og masseeffekt. Hvis det er muligt, skal du bruge DWI til at skelne mellem de akutte infarkte og kroniske læsioner, såsom hvide stof hyperintensiteter.Hvis du vil registrere billeder, skal du først downloade RegLSM og bruge dette værktøj til at behandle CT-scanninger eller nogen form for MR-sekvens. Registreringsproceduren kan ses i det tal, der vises her. Åbn derefter MATLAB Version 2015a eller nyere, angiv den aktuelle mappe til RegLSM, og aktiver derefter SPM ved at skrive tilføjelsessti efterfulgt af mappenavnet for SPM.Skriv derefter RegLSM for at åbne den grafiske grænseflade. Hvis du vil udføre registreringen for et enkelt tilfælde, skal du vælge Testtilstand i rullemenuen Registrering. Brug derefter knappen Åbn billede til at vælge den segmenterede scanning, anmærkningen og eventuelt T1, og vælg det ønskede registreringsskema.Alternativt kan Batchtilstand bruges til at registrere alle sager i den valgte mappe. Sørg for, at RegLSM har gemt de resulterende registreringsparametre, de registrerede scanninger og det registrerede læsionskort i de automatisk genererede undermapper. Gennemse nu registreringsresultaterne ved at vælge Checkresultater i RegLSM-grænsefladen og gå til hovedmappen med disse resultater.Rul gennem den registrerede scanning, og brug trådkorset til at kontrollere justeringen til MNI152-skabelonen, hvor du er opmærksom på genkendelige anatomiske landemærker. Sørg for at markere alle mislykkede registreringer i en separat kolonne i den tidligere oprettede datafil til efterfølgende manuel rettelse. For alle læsionskort, der skal rettes, skal du åbne MNI152 T1-skabelonen i ITK-SNAP, derefter vælge Åbn segmentering i menuen Segmentering og vælge det registrerede læsionskort, som overlejrer på skabelonen.Du kan også åbne registreringsresultaterne i et separat vindue som reference. Ret det registrerede læsionskort i ITK-SNAP for enhver form for forskydning ved hjælp af penselfunktionen til at tilføje voxels med venstreklik eller fjerne voxels med højreklik. Endelig gemme den korrigerede læsion kort som en NIfTI fil i samme mappe som ukorrigeret læsion kort, derefter gemme segmentering ved at give det nøjagtig samme navn som ukorrigeret læsion kort, med udvidelsen af korrigeret.Her ser vi CT-scanninger for en enkelt patient. Den første scanning kan ikke bruges til segmentering, fordi infarkten endnu ikke er synlig, selvom CT-perfusionskortene viser iskæmi. CT på dag seks viser hævelse af det infarkte hjernevæv med let midterlinjeskift og hæmoragisk transformation.Scanningen efter fire måneder viser hjernevæv tab med ex vacuo udvidelsen af ventrikler og nærliggende sulci. Resultatet af registrering af CT på dag seks til MNI152 skabelonen ses her. Registreringsalgoritmen kompenserede ikke tilstrækkeligt for midterlinjen skift og komprimering af venstre ventrikel, som krævede en manuel korrektion.Efter korrektion, den registrerede læsion kort er en nøjagtig repræsentation af infarkten i indfødte rum og kan bruges til læsion-symptom kortlægning. Her ser vi sammenligning af den registrerede DWI-sekvens og den tilsvarende registrerede infarkt med MNI152-skabelonen. Bemærk den lille fejl i spidsen af højre caudate kerne.Dette krævede en manuel korrektion af segmenteringen i standardrummet. Endelig viser dette tal resultaterne af registreringen af MR-FLAIR-sekvensen på dag tre, hvilket er tilstrækkeligt og kræver ingen manuel korrektion. Denne protokol dækker processen med at forberede billeddiagnostiske data til kortlægning af læsionssymptomer, herunder praktiske retningslinjer for, hvordan du udfører nøjagtig infarktsegmentering og registrering til en hjerneskabelon.Læsion kort kan bruges i læsion-symptom kortlægning undersøgelser til at lokalisere en bestemt kognitiv funktion eller til at bruge læsion placering til at forudsige kognitive resultat hos slagtilfælde patienter. Denne protokol fremskynder og harmoniserer arbejdsgangen for læsion-symptom kortlægning undersøgelser, så forskerne til at udføre store multicenter undersøgelser, herunder hundreder til tusindvis af emner.

Research

JoVE Journal

Behavior

Flat-floored Air-lifted Platform: A New Method for Combining Behavior with Microscopy or Electrophysiology on Awake Freely Moving Rodents

Fladskærms-etagers Air-løftet Platform: en ny metode til at kombinere Behavior med Microscopy eller Elektrofysiologi på Awake Frit Moving Gnavere

It is widely acknowledged that the use of general anesthetics can undermine the relevance of electrophysiological or microscopical data obtained from a ...

Combined Shuttle-Box Training with Electrophysiological Cortex Recording and Stimulation as a Tool to Study Perception and Learning

Kombineret Shuttle-Box Træning med Elektrofysiologisk Cortex Optagelse og Stimulation som værktøj til at studere Perception og læring

Shuttle-box avoidance learning is a well-established method in behavioral neuroscience and experimental setups were traditionally custom-made; the ...

A General Method for Evaluating Deep Brain Stimulation Effects on Intravenous Methamphetamine Self-Administration

En generel metode til evaluering Deep Brain Stimulation Virkninger på intravenøs Metamfetamin selvadministration

Substance use disorders, particularly to methamphetamine, are devastating, relapsing diseases that disproportionally affect young people.  There is a need ...

A Method for Evaluating the Reinforcing Properties of Ethanol in Rats without Water Deprivation, Saccharin Fading or Extended Access Training

En metode til evaluering af forstærkende egenskaber af ethanol i rotter uden vand afsavn, Saccharin Fading eller udvidet adgang Uddannelse

Operant oral self-administration methods are commonly used to study the reinforcing properties of ethanol in animals. However, the standard methods ...

Visualization Method for Proprioceptive Drift on a 2D Plane Using Support Vector Machine

Visualisering Metode til proprioceptive Drift på en 2D Plane Brug Support Vector Machine

Proprioceptive drift, which is a perceptual shift in body-part position from the unseen real body to a visible body-like image, has been measured as the ...

fMRI Mapping of Brain Activity Associated with the Vocal Production of Consonant and Dissonant Intervals

FMRI-kortlægning af hjerneaktivitet associeret med vokalproduktion af konsonant- og dissonantintervaller

The neural correlates of consonance and dissonance perception have been widely studied, but not the neural correlates of consonance and dissonance ...

Key Elements of Photo Attraction Bioassay for Insect Studies or Monitoring Programs

Centrale elementer i foto attraktion Bioassay for insekt undersøgelser eller overvågning programmer

Optimized visual attractants will increase insect trapping efficiency by using the target insect&#39;s innate behaviors (positive photo-taxis) as a means ...

The Unpredictable Chronic Mild Stress Protocol for Inducing Anhedonia in Mice

Den uforudsigelige kroniske Mild Stress protokol for at fremkalde Anhedonia i mus

Depression is a highly prevalent and debilitating condition, only partially addressed by current pharmacotherapies. The lack of response to treatment by ...

A Conditioned Place Preference Protocol for Measuring Incubation of Craving in Rats

En konditioneret sted præference protokol til måling af inkubation af trang hos rotter

A major cause of repeated relapses is a craving for the drug. Drug craving increases progressively during the abstinence period, a phenomenon termed ...