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

Le travail du Dr Biesbroek est soutenu par une bourse de jeunes talents du Brain Center Rudolf Magnus du Centre Médical Universitaire d'Utrecht. Ces travaux et le consortium Meta VCI Map sont soutenus par Vici Grant 918.16.616 de ZonMw, aux Pays-Bas, organisation pour la recherche et le développement en santé, à Geert Jan Biessels. Les auteurs tient à remercier le Dr Tanja C.W. Nijboer d'avoir partagé des scans qui ont été utilisés dans l'une des figures.

Ce protocole suit les lignes directrices de notre comité d'éthique de la recherche humaine des institutions.
1. Collecte de scans et de données cliniques
<ol><li>Recueillir des tomodensitométries cérébrales ou IRM de patients ayant subi un AVC ischémique. La plupart des scanners enregistrent les scans sous forme de fichiers DICOM (Digital Imaging and Communications in Medicine) qui peuvent être copiés sur un disque dur ou un serveur. REMARQUE: Les balayages de ch...

LSM est un outil puissant pour étudier l'architecture fonctionnelle du cerveau humain. Une étape cruciale dans n'importe quelle étude de cartographie de lésion-symptôme est le prétraitement des données d'imagerie, la segmentation de la lésion et l'enregistrement à un modèle de cerveau. Ici, nous rapportons un pipeline normalisé pour la segmentation et l'enregistrement de lésion aux fins de la cartographie de lésion-symptôme. Cette méthode peut être effectuée avec des outils de traitement d'image libremen...

La cartographie des lésions-symptômes (LSM), également appelée cartographie lésion-comportement, est un outil important pour étudier l'architecture fonctionnelle du cerveau humain1. Dans les études de lésion, la fonction de cerveau est déduite et localisée en étudiant des patients présentant des lésions cérébrales acquises. Les premières études de cas liant les symptômes neurologiques à des endroits spécifiques du cerveau réalisés au XIXe siècle ont déjà fourni des informations fondamentales sur les corrélations anatomiques du langage et de plusieurs autres processus cognitifs2. Pourtant, les corrélations neuroanatomiques de nombreux aspects de la cognition et d'autres fonctions cérébrales sont restées insaisissables. Au cours des dernières décennies, l'amélioration des méthodes d'imagerie structurale du cerveau et les progrès techniques ont permis des études In vivo LSM à grande échelle avec une résolution spatiale élevée (c.-à-d. au niveau des voxels individuels ou des régions d'intérêt corticales/subcorticales spécifiques)1 ,2. Avec ces progrès méthodologiques, LSM est devenu une méthode de plus en plus populaire dans les neurosciences cognitives et continue d'offrir de nouvelles perspectives sur la neuroanatomie de la cognition et les symptômes neurologiques3. Une étape cruciale dans n'importe quelle étude de LSM est la segmentation précise des lésions et l'enregistrement à un modèle de cerveau. Cependant, un tutoriel complet pour le prétraitement des données d'imagerie cérébrale à des fins de LSM fait défaut.
Fourni ici est un tutoriel complet pour une segmentation des lésions standardisées et la méthode d'enregistrement. Cette méthode fournit aux chercheurs un pipeline pour le traitement normalisé de l'image cérébrale et une vue d'ensemble des pièges potentiels qui doivent être évités. Le pipeline de traitement d'images présenté a été développé grâce à des collaborations internationales4 et fait partie du cadre du consortium de cartes Meta VCI récemment fondé, dont le but est d'effectuer des études multicentriques de cartographie des lésions-symptômes dans troubles cognitifs vasculaires 'lt;www.metavcimap.org 'gt;5. Cette méthode a été conçue pour traiter les tomodensitométries et les IRM de plusieurs fournisseurs et de protocoles d'analyse hétérogènes afin de permettre le traitement combiné des ensembles de données d'imagerie provenant de différentes sources. Le logiciel RegLSM requis et tous les autres logiciels nécessaires à ce protocole sont disponibles gratuitement, à l'exception de MATLAB, qui nécessite une licence. Ce tutoriel se concentre sur la segmentation et l'enregistrement des infarctus du cerveau, mais ce pipeline de traitement d'image peut également être utilisé pour d'autres lésions, telles que les hyperintensités de matière blanche6.
Avant de lancer une étude LSM, une compréhension de base des concepts généraux et des pièges est nécessaire. Plusieurs lignes directrices détaillées et un guide de l'auto-stoppeur sont disponibles1,3,6. Cependant, ces commentaires ne fournissent pas un tutoriel pratique détaillé pour les étapes pratiques impliquées dans la collecte et la conversion des scanners cérébraux à un format approprié, segmenter l'infarctus du cerveau, et l'enregistrement des scans à un modèle de cerveau. Le présent document fournit un tel tutoriel. Les concepts généraux de LSM sont fournis dans l'introduction avec des références pour une lecture plus approfondie sur le sujet.
Objectif général des études cartographiques des lésions-symptômes
Du point de vue de la neuropsychologie cognitive, les lésions cérébrales peuvent être utilisées comme condition modèle pour mieux comprendre les fondements neuronaux de certains processus cognitifs et pour obtenir une image plus complète de l'architecture cognitive du cerveau1 . Il s'agit d'une approche classique en neuropsychologie qui a été appliquée pour la première fois dans les études post-mortem au XIXe siècle par des pionniers comme Broca et Wernicke2. À l'ère de l'imagerie cérébrale fonctionnelle, l'approche de la lésion est restée un outil crucial en neurosciences, car elle fournit la preuve que les lésions dans une région spécifique du cerveau perturbent la performance des tâches, tandis que les études d'imagerie fonctionnelle démontrent les régions du cerveau qui sont activé pendant la performance de la tâche. En tant que telles, ces approches fournissent des informations complémentaires1.
Du point de vue de la neurologie clinique, les études de LSM peuvent clarifier la relation entre l'emplacement de lésion et le fonctionnement cognitif dans les patients présentant des infarctus symptomatiques aigus, des hyperintensités de matière blanche, des lacunes, ou d'autres types de lésion (par exemple, tumeurs ). Des études récentes ont montré que de telles lésions dans les régions stratégiques du cerveau sont plus pertinentes dans l'explication de la performance cognitive que la charge de lésion globale2,5,7,8. Cette approche a le potentiel d'améliorer la compréhension de la physiopathologie des troubles complexes (dans cet exemple, déficience cognitive vasculaire) et peut fournir des occasions de développer de nouveaux outils diagnostiques et pronostiques ou de soutenir le traitement stratégies2.
LSM a également des applications au-delà du domaine de la cognition. En fait, n'importe quelle variable peut être liée à l'emplacement de lésion, y compris les symptômes cliniques, les biomarqueurs, et les résultats fonctionnels. Par exemple, une étude récente a déterminé les endroits infarctus qui étaient prédictifs des résultats fonctionnels après course ischémique10.
Voxel-basé par rapport à la région de la cartographie des lésions-symptômes basée sur les intérêts
Pour effectuer la cartographie des symptômes de lésion, les lésions doivent être segmentées et enregistrées sur un modèle cérébral. Pendant la procédure d'enregistrement, le cerveau de chaque patient est aligné spatialement (c.-à-d., normalisé ou enregistré à un modèle commun) pour corriger les différences dans la taille, la forme, et l'orientation de cerveau de sorte que chaque voxel dans la carte de lésion représente le même anatomique structure pour tous les patients7. Dans l'espace standard, plusieurs types d'analyses peuvent être effectuées, qui sont brièvement résumées ici.
Une analyse brute de lésion-soustraction peut être exécutée pour montrer la différence dans la distribution de lésion dans les patients présentant des déficits comparés aux patients sans déficits. La carte de soustraction qui en résulte montre des régions qui sont le plus souvent endommagées chez les patients présentant des déficits et épargnées chez les patients sansdéficits 1. Bien qu'une analyse de lésion-soustraction puisse fournir quelques aperçus dans les corrélations d'une fonction spécifique, elle ne fournit aucune preuve statistique et est maintenant la plupart du temps employée quand la taille d'échantillon est trop basse pour fournir assez de puissance statistique pour voxel-basé lésion-symptôme Cartographie.
Dans la cartographie des lésions-symptômes à base de voxel, une association entre la présence d'une lésion et la performance cognitive est déterminée au niveau de chaque voxel individuel dans le cerveau (Figure 1). Le principal avantage de cette méthode est la haute résolution spatiale. Traditionnellement, ces analyses ont été effectuées dans une approche de masse-univariate, qui justifie la correction pour les essais multiples et introduit un biais spatial causé par des corrélations inter-voxel qui ne sont pas prises en compte1,10 , 11. Approches récemment développées qui tiennent compte des corrélations inter-voxel (généralement appelées méthodes de cartographie multivariées lésion-symptôme, telles que l'analyse bayésienne13, la régression des vecteurs de soutien4, 14, ou d'autres algorithmes d'apprentissage automatique15) montrent des résultats prometteurs et semblent améliorer la sensibilité et la spécificité des résultats des analyses LSM voxel-sage par rapport aux méthodes traditionnelles. L'amélioration et la validation des méthodes multivariées pour le LSM voxel-sage est un processus continu. Le meilleur choix de méthode pour la cartographie spécifique de lésion-symptôme dépend de beaucoup de facteurs, y compris la distribution des lésions, la variable de résultat, et les hypothèses statistiques sous-jacentes des méthodes.
Dans la cartographie des lésions-symptômes basée sur la région d'intérêt (ROI), une association entre le fardeau de lésions dans une région spécifique du cerveau et la performance cognitive est déterminée (voir la figure 1 dans Biesbroek et al.2 pour une illustration). Le principal avantage de cette méthode est qu'elle considère la charge cumulative de lésion dans une structure anatomique, qui dans certains cas peut être plus instructive qu'une lésion dans un seul voxel. D'autre part, les analyses basées sur le retour sur investissement ont un pouvoir limité pour détecter les modèles qui ne sont présents que dans un sous-ensemble de voxels dans la région16. Traditionnellement, la cartographie de lésion-symptôme basée sur le roi-roi est exécutée utilisant la régression logistique ou linéaire. Récemment, des méthodes multivariées qui traitent mieux de la collinearité ont été introduites (par exemple, l'analyse du réseau bayésien17, la régression des vecteurs de soutien4,18, ou d'autres algorithmes d'apprentissage automatique19), qui peuvent améliorer la spécificité des résultats des études de cartographie de lésion-symptôme.
Sélection des patients
Dans les études sur les LSM, les patients sont habituellement sélectionnés en fonction d'un type de lésion spécifique (p. ex., des infarctus du cerveau ou des hyperintensités de la matière blanche) et de l'intervalle de temps entre le diagnostic et l'évaluation neuropsychologique (p. ex., un aVC aigu ou un accident vasculaire cérébral chronique). La conception optimale de l'étude dépend de la question de recherche. Par exemple, lorsqu'ils étudient l'architecture fonctionnelle du cerveau humain, les patients ayant subi un AVC aigu sont idéalement inclus parce que la réorganisation fonctionnelle n'a pas encore eu lieu à ce stade, alors que les patients atteints d'AVC chronique devraient être inclus dans l'étude de la effets à long terme de l'AVC sur la cognition. Une description détaillée des considérations et des pièges dans la sélection des patients est fournie ailleurs7.
Prétraitement d'image de cerveau pour le but de la cartographie de lésion-symptôme
La segmentation précise de lésion et l'enregistrement à un modèle commun de cerveau sont des étapes cruciales dans la cartographie de lésion-symptôme. La segmentation manuelle des lésions reste l'étalon-or pour de nombreux types de lésions, y compris les infarctus7. Fourni est un tutoriel détaillé sur les critères de segmentation des infarctus manuels sur les tomodensitométries, l'imagerie pondérée par diffusion (DWI), et la récupération de l'inversion des fluides atténués (FLAIR) séquences IRM dans les deux stades aigus et chroniques. Les infarctus segmentés (c.-à-d. les cartes de lésion binaire 3D) doivent être enregistrés avant toute analyse à travers le sujet. Ce protocole utilise la méthode d'enregistrement RegLSM, qui a été développé dans un cadre multicentrique4. RegLSM applique des algorithmes d'enregistrement linéaires et non linéaires basés sur elastix20 pour la ToMode et l'IRM, avec une étape supplémentaire de traitement de la tomodensitométrie spécialement conçue pour améliorer la qualité d'enregistrement des tomodensitométries21. En outre, RegLSM permet d'utiliser différents modèles de cerveau cible et une étape d'enregistrement intermédiaire (facultatif) à un modèle CT/MRI spécifique à l'âge22. La possibilité de traiter à la fois les tomodensitométries et les IRM et sa personnalisation en ce qui concerne les modèles de cerveau intermédiaire et cible fait de RegLSM un outil de traitement d'image très approprié pour LSM. L'ensemble du processus de préparation et de segmentation des tomodensitométries/IRM, l'enregistrement à un modèle cérébral et les corrections manuelles (si nécessaire) sont décrits dans la section suivante.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59653/59653fig1.jpg"> Figure 1 : Illustration schématique du concept de cartographie des lésions-symptômes à base de voxel. La partie supérieure montre les étapes de pré-traitement de l'image cérébrale consistant à segmenter la lésion (un infarctus aigu dans ce cas) suivie de l'enregistrement à un modèle de cerveau (le modèle MNI-152 dans ce cas). Ci-dessous, une partie de la carte de lésion binaire enregistrée du même patient est montrée comme une grille 3D, où chaque cube représente un voxel. Pris avec les cartes de lésion de 99 autres patients, une carte de la pariure de lésion est produite. Pour chaque voxel, un test statistique est effectué pour déterminer l'association entre l'état de lésion et la performance cognitive. Le test chi-carré montré ici n'est qu'un exemple, n'importe quel test statistique pourrait être utilisé. Typiquement, des centaines de milliers de voxels sont testés dans tout le cerveau, suivi d'une correction pour de multiples comparaisons. <a href="https://www.jove.com/files/ftp_upload/59653/59653fig1large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de ce chiffre.</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

Dans la cartographie de lésion-symptôme (LSM), la fonction de cerveau est déduite en reliant l'endroit des lésions cérébrales acquises aux symptômes comportementaux ou cognitifs dans un groupe de patients. Avec les progrès récents dans l'imagerie cérébrale et le traitement de l'image, LSM est devenu un outil populaire dans les neurosciences cognitives. LSM peut fournir des informations fondamentales sur l'architecture fonctionnelle du cerveau humain pour une variété de fonctions cognitives et non cognitives. Une étape cruciale dans l'exécution des études de LSM est la segmentation des lésions sur des balayages de cerveau d'un grand groupe de patients et l'enregistrement de chaque balayage à un espace stéréotaxique commun (également appelé espace standard ou modèle normalisé de cerveau). Il est décrit ici comme une méthode normalisée en libre accès pour la segmentation et l'enregistrement des infarctus aux fins du LSM, ainsi qu'une procédure pas à pas détaillée et pratique basée sur des cas exemplaires. Un didacticiel complet pour la segmentation manuelle des infarctus du cerveau sur les tomodensitométries et les séquences d'IRM DWI ou FLAIR est fourni, y compris des critères d'identification des infarctus et des pièges pour différents types d'analyse. Le logiciel d'enregistrement fournit plusieurs systèmes d'enregistrement qui peuvent être utilisés pour le traitement des données de Tomodensitométrie et d'IRM avec des paramètres d'acquisition hétérogènes. Un tutoriel sur l'utilisation de ce logiciel d'enregistrement et l'exécution des contrôles de qualité visuelle et des corrections manuelles (qui sont nécessaires dans certains cas) est fourni. Cette approche fournit aux chercheurs un cadre pour l'ensemble du processus de traitement de l'image cérébrale nécessaire pour effectuer une étude LSM, de la collecte des données aux vérifications de la qualité finale des résultats.

Des cas exemplaires de segmentations d'infarctus du cerveau sur la tocdation (figure 3), DWI (Figure 5), et LES images de FLAIR ( figure6) et l'enregistrement subséquent au modèle De l'INM-152 sont fournis ici. Les résultats d'enregistrement présentés à la figure 3B et à la figure 5C n'ont pas été entièrement couronnés de succès,...

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

Fourni ici est un tutoriel pratique pour un libre accès, pipeline de traitement d'image standardisé dans le but de la cartographie des lésions-symptômes. Une procédure pas à pas est prévue étape par étape pour chaque étape de traitement, de la segmentation des infarctus manuels sur la tomodensitométrie/IRM à l'enregistrement ultérieur à l'espace standard, ainsi que des recommandations pratiques et des illustrations avec des cas exemplaires.

Segmentation et inscription à l'IRM ou à la tordeur pour la cartographie des symptômes de lésions

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

La cartographie lésion-symptôme est un outil puissant pour localiser les fonctions cérébrales en étudiant les patients atteints de lésions cérébrales. Une étape importante implique le traitement d’image, y compris la segmentation des lésions et l’enregistrement dans l’espace standard. Ce protocole décrit un cadre unifié qui fonctionne avec toutes les modalités d’imagerie structurale, fournissant une sortie cohérente des lésions dans l’espace standard pour une utilisation dans les études de cartographie lésion-symptôme.Les lésions doivent être transformées en espace standard pour permettre des comparaisons entre les sujets. Le cerveau de chaque patient doit être aligné spatialement pour corriger les différences de taille et de forme du cerveau. Tout en utilisant cette méthode, il est utile de voir comment chaque étape doit être effectuée, plutôt que de suivre les instructions écrites seul.Il faut aussi une bonne compréhension des images cérébrales, ce qui rend une démonstration visuelle utile. Ce protocole décrit comment effectuer les étapes de traitement requises pour la cartographie lésion-symptôme. Une fois que les cartes de lésion sont enregistrées à l’espace standard, la cartographie de lésion-symptôme peut être exécutée sur de grands groupes de patients.Lorsque toutes les cartes de lésions sont transformées en espace standard, chaque voxel représente la même région du cerveau à travers les sujets. Cela permet d’effectuer des analyses statistiques, par exemple, pour vérifier si la présence d’une lésion dans un voxel particulier est associée à un déficit cognitif. Commencez par recueillir des tomodensitogrammes cérébraux ou des IRM chez des patients atteints d’AVC ischémique.La plupart des scanners ont les scans comme fichiers DICOM qui peuvent être copiés sur un disque dur ou un serveur. Recueillir les variables cliniques dans un fichier de données en faisant des lignes séparées pour chaque cas et des colonnes pour chaque variable clinique. Pour la segmentation infarctus, inclure au moins la date de l’AVC et la date de l’imagerie ou une variable qui indique l’intervalle de temps entre l’AVC et l’imagerie.Pour convertir les images DICOM en fichiers NIfTI non compressés, à l’aide de l’outil DICOM-to-NIfTI, tapez la commande vue à l’écran ici dans l’invite de commande, en utilisant le chemin de dossier vers les fichiers DICOM. Un exemple de la commande avec les chemins de dossier insérés peut être vu ici. Cette commande exécutera l’exécuteur testamentaire, convertira les images DICOM dans le dossier sélectionné et enregistrera les fichiers NIfTI dans ce dossier.Enfin, organisez les fichiers NIfTI dans une structure de dossier pratique, avec un sous-volet pour chaque cas, avant de commencer la segmentation infarctus. Tout d’abord, assurez-vous que l’analyse a été effectuée au moins 24 heures après l’apparition des symptômes de l’AVC. Dans le cas contraire, l’infarctus aigu ne sera pas visible sur la Tomodensitométrie ou ne sera que partiellement visible, et l’analyse ne peut pas être utilisée pour la segmentation.Ouvrez le CT natif à l’aide du logiciel ITK-SNAP en sélectionnant File, puis ouvrez l’image principale à partir du menu dropdown. Cliquez ensuite sur Parcourir et sélectionnez le fichier pour ouvrir l’analyse. Identifiez maintenant l’infarctus en fonction des caractéristiques d’imagerie.Tout d’abord, notez que les infarctus ont un faible signal par rapport au tissu cérébral normal. Au stade aigu, les grands infarctus peuvent causer un effet de masse, entraînant le déplacement des tissus environnants, la compression des ventricules, le déplacement de la ligne médiane et l’oblitération des sulci. Il peut y avoir transformation hémorragique, qui est visible comme des régions avec un signal élevé dans l’infarctus.Au stade chronique, l’infarctus se composera d’un centre hypodense et cavitated, avec une densité semblable à celle du fluide céphalo-rachidien, et d’une jante moins hypodense, qui représente le tissu cérébral endommagé. Dans le cas de grands infarctus, il peut y avoir ex vacuo agrandissement de sulci adjacents ou ventricules. Segmentez le tissu cérébral infarctus à l’aide du mode Pinceau à partir de la barre d’outils principale, en utilisant le clic gauche pour dessiner et le clic droit pour effacer.Alternativement, utilisez le mode Polygone pour placer des points d’ancrage aux frontières de la lésion, et maintenez le bouton gauche de la souris tout en déplaçant la souris au-dessus des frontières de la lésion. Une fois que tous les points sont connectés, cliquez sur accepter de remplir la zone délimitée. Après avoir terminé la segmentation, enregistrez-la sous forme de fichier binaire NIfTI dans le même dossier que l’analyse en cliquant sur Segmentation et enregistrer l’image de segmentation du menu dropdown, puis enregistrez la segmentation en lui donnant exactement le même nom que le scan segmenté, avec l’extension de lésion.Tout d’abord, assurez-vous que le balayage de DWI a été exécuté dans les sept jours suivant le début de course. Les infarctus sont visibles sur dwi dans les quelques heures après le début de l’AVC, et leur visibilité sur DWI diminue progressivement après environ sept jours. Ensuite, identifiez et annotez le tissu cérébral infarctus basé sur le signal élevé sur DWI et le signal faible sur la carte ADC.Ne confondez pas un signal de diffusion élevé près des interfaces entre l’air et les tissus ou les os, qui sont un artefact couramment observé sur dwi. Pour l’imagerie FLAIR, vérifiez d’abord que l’analyse a été effectuée 48 heures après l’apparition des symptômes de l’AVC. Au stade hyperacute, l’infarctus n’est généralement pas visible, ou les limites exactes ne sont pas claires.Ensuite, ouvrez l’image FLAIR dans ITK-SNAP, ainsi que l’analyse pondérée T1 dans une fenêtre séparée pour référence, si disponible. Au stade aigu, l’infarctus est visible comme lésion hyperintense quelque peu homogène, avec ou sans gonflement et effet de masse. Si disponible, utilisez le DWI pour différencier les lésions aiguës infarctus et chroniques, telles que les hyperintensities de matière blanche.Pour enregistrer des images, téléchargez d’abord RegLSM et utilisez cet outil pour traiter les tomodensitogrammes ou tout type de séquence IRM. La procédure d’enregistrement peut être vue dans le chiffre indiqué ici. Ensuite, ouvrez MATLAB Version 2015a ou plus, définissez le dossier actuel sur RegLSM, puis activez SPM en tapant addpath suivi du nom du dossier pour SPM.Ensuite, tapez RegLSM pour ouvrir l’interface graphique. Pour effectuer l’enregistrement d’un seul cas, sélectionnez mode test dans le menu d’enregistrement. Utilisez ensuite le bouton Image ouverte pour sélectionner l’analyse segmentée, l’annotation et, en option, le T1, et sélectionnez le système d’enregistrement souhaité.Alternativement, le mode Batch peut être utilisé pour enregistrer tous les cas dans le dossier sélectionné. Assurez-vous que RegLSM a enregistré les paramètres d’enregistrement qui en résultent, les analyses enregistrées et la carte des lésions enregistrées dans les sous-ensembles générés automatiquement. Maintenant, passez en revue les résultats d’enregistrement en sélectionnant les résultats de contrôle dans l’interface RegLSM, et parcourez le dossier principal avec ces résultats.Faites défiler l’analyse enregistrée et utilisez le réticule pour vérifier l’alignement du modèle MNI152, en prêtant attention aux repères anatomiques reconnaissables. Assurez-vous de marquer tous les enregistrements échoués dans une colonne distincte dans le fichier de données précédemment créé pour une correction manuelle ultérieure. Pour toutes les cartes de lésion qui ont besoin de correction, ouvrez le modèle MNI152 T1 dans ITK-SNAP, puis sélectionnez segmentation ouverte dans le menu segmentation, et choisissez la carte de lésion enregistrée, qui se superpose sur le modèle.En outre, ouvrez les résultats d’inscription dans une fenêtre séparée pour référence. Corrigez la carte de lésion enregistrée dans ITK-SNAP pour tout type de désalignement, en utilisant la fonction brosse pour ajouter des voxels avec clic gauche ou supprimer les voxels avec clic droit. Enfin, enregistrer la carte de lésion corrigée comme un fichier NIfTI dans le même dossier que la carte de lésion non corrigée, puis enregistrer la segmentation en lui donnant exactement le même nom que la carte de lésion non corrigée, avec l’extension de corrigé.Ici, nous voyons des tomodensitogrammes pour un seul patient. L’analyse initiale ne peut pas être utilisée pour la segmentation parce que l’infarctus n’est pas encore visible, même si les cartes de perfusion CT montrent l’ischémie. Le CT le sixième jour montre le gonflement du tissu cérébral infarctus avec le décalage médian léger et la transformation hémorragique.Le balayage après quatre mois montre la perte de tissu de cerveau avec l’agrandissement ex vacuo des ventricules et des sulci voisins. Le résultat de l’enregistrement du CT le sixième jour au modèle MNI152 est vu ici. L’algorithme d’enregistrement n’a pas suffisamment compensé le décalage de midline et la compression du ventricule gauche, qui a exigé une correction manuelle.Après correction, la carte enregistrée de lésion est une représentation précise de l’infarctus dans l’espace indigène et peut être employée pour la cartographie de lésion-symptôme. Ici, nous voyons la comparaison de la séquence DWI enregistrée et de l’infarctus enregistré correspondant avec le modèle MNI152. Notez la légère erreur à la tête du noyau caudate droit.Cela a nécessité une correction manuelle de la segmentation dans l’espace standard. Enfin, ce chiffre montre les résultats de l’enregistrement de la séquence IRM FLAIR au troisième jour, ce qui est adéquat et ne nécessite aucune correction manuelle. Ce protocole couvre le processus de préparation des données d’imagerie pour la cartographie lésion-symptôme, y compris des lignes directrices pratiques sur la façon d’effectuer la segmentation et l’enregistrement précis des infarctus à un modèle cérébral.Les cartes de lésion peuvent être employées dans les études de cartographie de lésion-symptôme pour localisé une fonction cognitive spécifique ou pour employer l’endroit de lésion pour prévoir des résultats cognitifs dans les patients d’AVC. Ce protocole accélère et harmonise le flux de travail pour les études de cartographie des lésions et des symptômes, permettant aux chercheurs d’effectuer de grandes études multicentriques, y compris des centaines à des milliers de sujets.

Research

JoVE Journal

Behavior

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

Fond plat Plateforme Air-levée: Une nouvelle méthode pour combiner Comportement avec la microscopie ou électrophysiologie sur Awake Rongeurs déplacer librement

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

Recherche

Sciences du comportement

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

Combiné navette-Box formation avec électrophysiologique Cortex enregistrement et la stimulation comme un outil pour étudier perception et l&#39;apprentissage

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

Une méthode générale pour évaluer les effets sur la stimulation cérébrale profonde intraveineuse méthamphétamine auto-administration

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

Une méthode d&#39;évaluation des propriétés de renforcement de l&#39;éthanol chez les rats sans eau Privation, saccharine fading ou formation d&#39;accès étendu

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

Méthode de visualisation pour Drift proprioceptive sur un plan 2D Utilisation 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

Cartographie FMRI de l&#39;activité cérébrale associée à la production vocale d&#39;intervalles consonants et dissonants

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

Éléments clés de Photo Attraction Bioassay for Studies insectes ou les programmes de surveillance

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

Le protocole d’effort doux chronique imprévisible pour induire l’anhédonie chez la souris

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

Un protocole de préférence de Place conditionnée pour la mesure de l’Incubation des envies chez les Rats

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