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

O trabalho do Dr. Biesbroek é apoiado por um jovem talento Fellowship do centro cerebral Rudolf Magnus da Universidade Medical Center Utrecht. Este trabalho e o consórcio meta VCI MAP são apoiados por vici Grant 918.16.616 da ZonMw, Holanda, organização para pesquisa e desenvolvimento em saúde, para Geert Jan Biessels. Os autores gostariam de agradecer ao Dr. Tanja CW Nijboer por compartilhar varreduras que foram usadas em uma das figuras.

Este protocolo segue as diretrizes do nosso Comitê de ética em pesquisa de instituições humanas.
1. coleta de varreduras e dados clínicos
<ol><li>Colete tomografia computadorizada de cérebro ou ressonância magnética de pacientes com AVC isquêmico. A maioria dos scanners salva as varreduras como arquivos DICOM (Digital Imaging and Communications in Medicine) que podem ser copiados para um disco rígido ou servidor. Nota: As varreduras de cada tipo do varredor, o p...

O LSM é uma ferramenta poderosa para estudar a arquitetura funcional do cérebro humano. Uma etapa crucial em todo o estudo do mapeamento da lesão-sintoma é o pré-processamento de dados da imagem latente, a segmentação da lesão e o registo a um molde do cérebro. Aqui, nós relatamos um encanamento estandardizado para a segmentação e o registo da lesão para a finalidade do mapeamento da lesão-sintoma. Este método pode ser realizado com ferramentas de processamento de imagem disponíveis livremente, pode ser u...

O mapeamento lesão-sintoma (LSM), também denominado mapeamento lesão-comportamento, é uma importante ferramenta para o estudo da arquitetura funcional do cérebro humano1. Em estudos de lesão, a função cerebral é inferida e localizada estudando pacientes com lesões cerebrais adquiridas. Os primeiros estudos de caso que ligam sintomas neurológicos a locais específicos do cérebro realizados no século XIX já forneceram insights fundamentais sobre os correlatos anatômicos da linguagem e vários outros processos cognitivos2. No entanto, os correlatos neuroanatômicos de muitos aspectos da cognição e outras funções cerebrais permaneceram indescritível. Nas últimas décadas, os métodos melhorados da imagem latente do cérebro estrutural e os avanços técnicos permitiram estudos in vivo em grande escala de LSM com definição espacial elevada (isto é, a nível de voxels individuais ou de regiões corticais/subcortical específicas do interesse)1 ,2. Com esses avanços metodológicos, o LSM tornou-se um método cada vez mais popular na neurociência cognitiva e continua a oferecer novos insights sobre a neuroanatomia da cognição e dos sintomas neurológicos3. Uma etapa crucial em todo o estudo de LSM é a segmentação exata das lesões e o registo a um molde do cérebro. No entanto, um tutorial abrangente para o pré-processamento de dados de imagem cerebral para a finalidade do LSM está faltando.
Fornecido aqui é um tutorial completo para uma segmentação de lesão padronizada e método de registro. Este método fornece pesquisadores com um pipeline para processamento de imagem do cérebro padronizado e uma visão geral das armadilhas potenciais que devem ser evitados. O pipeline de processamento de imagem apresentado foi desenvolvido através de colaborações internacionais4 e faz parte do quadro do recém-fundado meta VCI MAP Consortium, cujo objetivo é realizar estudos multicêntrico de mapeamento de lesão-sintoma em comprometimento cognitivo vascular < www. metavcimap. org >5. Este método foi projetado para processar varreduras do CT e do MRI dos vendedores múltiplos e dos protocolos heterogêneos da varredura para permitir o processamento combinado de conjuntos de dados da imagem latente das fontes diferentes. O software necessário do RegLSM e todo o outro software necessário para este protocolo estão livremente disponíveis à exceção de MATLAB, que exige uma licença. Este tutorial centra-se na segmentação e registro de infartos cerebrais, mas este pipeline de processamento de imagem também pode ser usado para outras lesões, tais como hiperintensidades de matéria branca6.
Antes de iniciar um estudo LSM, é necessária uma compreensão básica dos conceitos gerais e armadilhas. Diversas directrizes detalhadas e um guia do Hitchhiker estão disponíveis1,3,6. No entanto, estas revisões não fornecem um tutorial hands-on detalhado para as etapas práticas envolvidas na coleta e conversão de varreduras cerebrais para um formato adequado, segmentando o infarto do cérebro, e registrando as varreduras para um modelo cerebral. O presente documento fornece um tal tutorial. Os conceitos gerais de LSM são fornecidos na introdução com referências para uma leitura mais adicional no assunto.
Objetivo geral dos estudos de mapeamento de lesões-sintomas
Da perspectiva da neuropsicologia cognitiva, a lesão cerebral pode ser usada como uma condição modelo para entender melhor os fundamentos neuronais de certos processos cognitivos e obter um quadro mais completo da arquitetura cognitiva do cérebro1 . Esta é uma abordagem clássica em Neuropsicologia que foi aplicada pela primeira vez em estudos post-mortem no século XIX por pioneiros como broca e Wernicke2. Na era da imagem latente funcional do cérebro, a aproximação da lesão remanesceu uma ferramenta crucial na neurociência porque fornece a prova que as lesões em uma região específica do cérebro interrompem o desempenho da tarefa, quando os estudos funcionais da imagem latente demonstrarem as regiões do cérebro que são ativada durante o desempenho da tarefa. Como tal, essas abordagens fornecem informações complementares1.
Da perspectiva da neurologia clínica, os estudos do LSM podem esclarecer a relação entre o local da lesão e o funcionamento cognitivo em pacientes com infartos sintomáticos agudos, hiperintensidades de matéria branca, lacunes ou outros tipos de lesão (por exemplo, tumores ). Estudos recentes mostraram que tais lesões em regiões estratégicas do cérebro são mais relevantes para explicar o desempenho cognitivo do que a carga global de lesão2,5,7,8. Esta abordagem tem o potencial de melhorar a compreensão da fisiopatologia de distúrbios complexos (neste exemplo, comprometimento cognitivo vascular) e pode proporcionar oportunidades para o desenvolvimento de novas ferramentas diagnósticas e prognósticos ou tratamento de apoio estratégias de2.
LSM também tem aplicações para além do campo da cognição. De fato, qualquer variável pode estar relacionada à localização da lesão, incluindo sintomas clínicos, biomarcadores e desfecho funcional. Por exemplo, um estudo recente determinou locais de infarto que foram preditivos do desfecho funcional após AVC isquêmico10.
Voxel-based versus região de lesão baseada em interesses-mapeamento de sintomas
Para realizar o mapeamento lesão-sintoma, as lesões precisam ser segmentadas e registradas em um modelo cerebral. Durante o procedimento de registro, o cérebro de cada paciente é alinhado espacialmente (ou seja, normalizado ou registrado em um modelo comum) para corrigir as diferenças no tamanho, na forma e na orientação do cérebro para que cada voxel no mapa da lesão represente a mesma anatomia anatômica estrutura para todos os pacientes7. No espaço padrão, vários tipos de análises podem ser realizados, que são resumidos brevemente aqui.
Uma análise de lesão-subtração bruta pode ser realizada para mostrar a diferença na distribuição da lesão em pacientes com déficits comparados aos pacientes sem déficits. O mapa de subtração resultante mostra regiões que são mais frequentemente danificadas em pacientes com déficits e poupadas em pacientes sem déficits1. Embora uma análise da lesão-subtração possa fornecer algumas introspecções em correlatos de uma função específica, não fornece nenhuma prova estatística e é usada agora na maior parte quando o tamanho de amostra é demasiado baixo para fornecer bastante poder estatístico para a lesão VOXEL-baseada-sintoma Mapeamento.
No mapeamento de lesão-sintoma baseado em VOXEL, uma associação entre a presença de uma lesão e o desempenho cognitivo é determinada ao nível de cada voxel individual no cérebro (Figura 1). A principal vantagem deste método é a alta resolução espacial. Tradicionalmente, essas análises foram realizadas em uma abordagem de massa univariada, que justifica a correção de múltiplos testes e introduz um viés espacial causado por correlações inter-VOXEL que não são levadas em conta1,10 , 11. abordagens recentemente desenvolvidas que levam em conta as correlações entre VOXEL (geralmente referidas como métodos de mapeamento de lesões-sintomas multivariados, como a análise Bayesiana13, a regressão vetorial de suporte4, 14, ou outros algoritmos de aprendizado de máquina15) mostram resultados promissores e parecem melhorar a sensibilidade e a especificidade dos achados das análises de LSM VOXEL-Wise comparadas aos métodos tradicionais. Uma melhoria mais adicional e uma validação de métodos multivariados para o LSM VOXEL-sábio são um processo em curso. A melhor escolha do método para o mapeamento específico da lesão-sintoma depende de muitos fatores, incluindo a distribuição das lesões, da variável do resultado, e dos pressupostos estatísticos subjacentes dos métodos.
Na região de interesse (ROI)-com base no mapeamento de lesão-sintoma, uma associação entre a carga da lesão dentro de uma região cerebral específica e o desempenho cognitivo é determinada (ver Figura 1 em Biesbroek et al.2 para uma ilustração). A principal vantagem deste método é que ele considera a carga de lesão acumulada dentro de uma estrutura anatômica, que em alguns casos pode ser mais informativa do que uma lesão em um único VOXEL. Por outro lado, análises baseadas em ROI têm poder limitado para detectar padrões que só estão presentes em um subconjunto de voxels na região16. Tradicionalmente, o mapeamento do sintoma-lesão baseado em ROI é realizado por meio de regressão logística ou linear. Recentemente, foram introduzidos métodos multivariados que lidam melhor com a colinearidade (por exemplo, análise de rede Bayesiana17, regressão vetorial de suporte4,18ou outros algoritmos de aprendizado de máquina19), que podem melhorar a especificidade dos achados de estudos de mapeamento de lesão-sintoma.
Seleção de pacientes
Em estudos de LSM, os pacientes são geralmente selecionados com base em um tipo específico de lesão (por exemplo, infartos cerebrais ou hiperintensidades de matéria branca) e o intervalo de tempo entre o diagnóstico e a avaliação neuropsicológica (por exemplo, agudo versus AVC crônico). O projeto ideal do estudo depende da pergunta da pesquisa. Por exemplo, ao estudar a arquitetura funcional do cérebro humano, os pacientes com AVC agudo estão idealmente incluídos porque a reorganização funcional ainda não ocorreu nesta fase, enquanto os pacientes com AVC crônico devem ser incluídos ao estudar a efeitos de longo prazo do AVC na cognição. Uma descrição detalhada das considerações e das armadilhas na seleção paciente é fornecida em outra parte7.
Pré-processamento de imagem cerebral para efeitos de mapeamento de lesões-sintomas
A segmentação e o registo exatos da lesão a um molde comum do cérebro são etapas cruciais no mapeamento da lesão-sintoma. A segmentação manual das lesões permanece o padrão-ouro para muitos tipos da lesão, incluindo enfarte7. Fornecido é um tutorial detalhado sobre critérios para a segmentação manual do enfarte em varreduras do CT, imagem ponderada difusão (DWI), e seqüências fluido-atenuadas da recuperação da inversão (FLAIR) em estágios agudos e crônicos. Os enfartes segmentados (isto é, os mapas binários da lesão 3D) precisam de ser registados antes que todas as análises do através-assunto sejam executadas. Este protocolo usa o método de registro reglsm, que foi desenvolvido em uma configuração multicêntrico4. RegLSM aplica algoritmos de registro lineares e não-lineares baseados em elástica20 para o CT e o MRI, com uma etapa adicional do processamento do CT projetada especificamente realçar a qualidade do registro de varreduras do CT21. Além disso, o RegLSM permite o uso de diferentes modelos cerebrais de alvos e um passo de registro intermediário (opcional) para um modelo CT/RM específico para a idade22. A possibilidade de processar as varreduras do CT e do MRI e sua personalização a respeito dos moldes intermediários e do alvo do cérebro faz a reglsm uma ferramenta altamente apropriada do processamento de imagem para LSM. Todo o processo de preparação e segmentação de tomografias de TC/RM, registro em um modelo cerebral e correções manuais (se necessário) são descritos na próxima seção.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59653/59653fig1.jpg"> Figura 1: ilustração esquemática do conceito de lesão baseada em VOXEL-mapeamento de sintomas. A parte superior mostra as etapas de pré-processamento da imagem cerebral consistindo em segmentar a lesão (um enfarte agudo neste caso) seguida de registro para um modelo cerebral (o modelo MNI-152 neste caso). Abaixo, uma parte do mapa de lesão binária registrada do mesmo paciente é mostrada como uma grade 3D, onde cada cubo representa um VOXEL. Tomado junto com os mapas da lesão de 99 outros pacientes, um mapa da sobreposição da lesão é gerado. Para cada voxel, é realizado um teste estatístico para determinar a associação entre o estado da lesão e o desempenho cognitivo. O teste qui-quadrado mostrado aqui é apenas um exemplo, qualquer teste estatístico poderia ser usado. Tipicamente, centenas de milhares de voxels são testados em todo o cérebro, seguidos por uma correção para comparações múltiplas. <a href="https://www.jove.com/files/ftp_upload/59653/59653fig1large.jpg" target="_blank">Por favor clique aqui para ver uma versão maior desta figura.</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

No mapeamento lesão-sintoma (LSM), a função cerebral é inferida relacionando a localização de lesões cerebrais adquiridas a sintomas comportamentais ou cognitivos em um grupo de pacientes. Com recentes avanços na imagem cerebral e processamento de imagens, o LSM tornou-se uma ferramenta popular na neurociência cognitiva. O LSM pode fornecer insights fundamentais sobre a arquitetura funcional do cérebro humano para uma variedade de funções cognitivas e não-cognitivas. Uma etapa crucial em executar estudos de LSM é a segmentação das lesões em varreduras do cérebro de um grande grupo de pacientes e o registo de cada varredura a um espaço Stereotaxic comum (igualmente chamado espaço padrão ou um molde padronizado do cérebro). Descrito aqui é um método de acesso aberto, padronizado para segmentação de infarte e registro para fins de LSM, bem como uma explicação detalhada e hands-on com base em casos exemplares. Um tutorial detalhado para a segmentação manual de enfarte do cérebro em varreduras do CT e em seqüências de DWI ou de Flair MRI é fornecido, incluindo critérios para a identificação e as armadilhas do enfarte para tipos diferentes da varredura. O software de registro fornece vários esquemas de registro que podem ser usados para processamento de dados de TC e RM com parâmetros de aquisição heterogêneos. Um tutorial sobre como usar este software de registro e realizar verificações de qualidade visual e correções manuais (que são necessários em alguns casos) é fornecido. Essa abordagem fornece aos pesquisadores uma estrutura para todo o processo de processamento de imagem cerebral necessário para realizar um estudo de LSM, desde a coleta dos dados até a verificação de qualidade final dos resultados.

Exemplos de segmentações de infarte cerebrais em imagens de TC (Figura 3), DWI (Figura 5) e Flair (Figura 6) e registro subseqüente ao modelo MNI-152 são fornecidos aqui. Os resultados de registro mostrados na Figura 3B e na Figura 5C não foram inteiramente bem-sucedidos, pois houve desalinhamento próximo ao chifre frontal do ventrícu...

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

Fornecido aqui é um tutorial prático para um pipeline de processamento de imagem de acesso aberto e padronizado para fins de mapeamento de lesão-sintoma. Uma explicação passo a passo é fornecida para cada etapa de processamento, desde a segmentação manual do infarto na TC/RM até o registro subseqüente ao espaço padrão, juntamente com recomendações práticas e ilustrações com casos exemplares.

Segmentação de infarct cerebral e registro em RM ou TC para lesão-mapeamento de sintomas

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

O mapeamento de lesões-sintomas é uma ferramenta poderosa para localização das funções cerebrais, estudando pacientes com lesões cerebrais. Um passo importante envolve o processamento de imagens, incluindo segmentação de lesões e registro no espaço padrão. Este protocolo descreve uma estrutura unificada que trabalha com todas as modalidades de imagem estrutural, proporcionando uma saída consistente de lesões no espaço padrão para uso em estudos de mapeamento de lesões-sintomas.As lesões devem ser transformadas em espaço padrão para permitir comparações entre os sujeitos. O cérebro de cada paciente deve estar espacialmente alinhado para corrigir diferenças no tamanho e forma do cérebro. Ao usar este método, ajuda a ver como cada passo deve ser realizado, em vez de seguir apenas as instruções escritas.Também requer uma boa compreensão das imagens cerebrais, o que torna uma demonstração visual útil. Este protocolo descreve como executar as etapas de processamento necessárias para o mapeamento de lesões-sintomas. Uma vez que os mapas da lesão são registrados no espaço padrão, o mapeamento de lesões-sintomas pode ser realizado em grandes grupos de pacientes.Quando todos os mapas de lesões são transformados em espaço padrão, cada voxel representa a mesma região cerebral entre os sujeitos. Isso permite que análises estatísticas sejam realizadas, por exemplo, para testar se a presença de uma lesão em um determinado voxel está associada a um déficit cognitivo. Comece coletando tomografia cerebral ou ressonância magnética de pacientes com derrame isquêmico.A maioria dos scanners tem as varreduras como arquivos DICOM que podem ser copiados para um disco rígido ou servidor. Colete as variáveis clínicas em um arquivo de dados, fazendo linhas separadas para cada caso e colunas para cada variável clínica. Para segmentação infarta, inclua pelo menos a data do acidente vascular cerebral e a data da imagem ou uma variável que indique o intervalo de tempo entre o acidente vascular cerebral e a imagem.Para converter as imagens DICOM em arquivos NIfTI não compactados, usando a ferramenta DICOM-to-NIfTI, digite o comando visto na tela aqui no prompt de comando, usando o caminho da pasta para os arquivos DICOM. Um exemplo do comando com os caminhos da pasta inseridos pode ser visto aqui. Este comando executará o executável, converterá as imagens DICOM na pasta selecionada e salvará os arquivos NIfTI nesta pasta.Finalmente, organize os arquivos NIfTI em uma estrutura de pasta conveniente, com uma subpasta para cada caso, antes de iniciar a segmentação infarto. Primeiro, assegurar que o exame foi realizado pelo menos 24 horas após o início do sintoma do AVC. Caso contrário, o infarto agudo não será visível na tomografia computadorizada ou será apenas parcialmente visível, e o exame não pode ser usado para segmentação.Abra a CT nativa usando o software ITK-SNAP selecionando Arquivo e, em seguida, Abra a imagem principal do menu suspenso. Em seguida, clique em Procurar e selecione o arquivo para abrir a varredura. Agora, identifique o infarto com base nas características de imagem.Primeiro, note que os infartos têm um sinal baixo comparado ao tecido cerebral normal. No estágio agudo, grandes infartos podem causar efeito de massa, resultando em deslocamento de tecidos circundantes, compressão de ventrículos, mudança de linha média e obliteração de sulci. Pode haver transformação hemorrágica, que é visível como regiões com alto sinal dentro do infarto.No estágio crônico, o infarto consistirá de um hipodense, centro cavitado, com densidade semelhante ao líquido cefalorraquidiano, e uma borda menos hipodense, que representa tecido cerebral danificado. Em caso de grandes infartos, pode haver alargamento ex vacuo de sulci adjacente ou ventrículos. Segmente o tecido cerebral infartado usando o modo paintbrush da barra de ferramentas principal, usando o clique esquerdo para desenhar e clique à direita para apagar.Alternativamente, use o Modo Polígono para colocar pontos de ancoragem nas bordas da lesão e segurar o botão do mouse esquerdo enquanto move o mouse sobre as bordas da lesão. Uma vez que todos os pontos estejam conectados, clique em aceitar para preencher a área delineada. Depois de terminar a segmentação, salve-a como um arquivo NIfTI binário na mesma pasta da digitalização clicando na Segmentação e salvar a imagem de segmentação do menu suspenso e, em seguida, salvar a segmentação dando-lhe exatamente o mesmo nome da varredura segmentada, com a extensão da lesão.Primeiro, assegurar que a varredura DWI foi realizada dentro de sete dias após o início do derrame. Os infartos são visíveis no DWI dentro de várias horas após o início do curso, e sua visibilidade no DWI diminui gradualmente após aproximadamente sete dias. Em seguida, identifique e anote o tecido cerebral infartado com base no sinal alto no DWI e no sinal baixo no mapa ADC.Não confunda um sinal de alta difusão perto de interfaces entre o ar e o tecido ou osso, que são um artefato comumente observado no DWI. Para a imagem flair, primeiro verifique se o exame foi realizado 48 horas após o início do sintoma do derrame. No estágio hiperatuto, o infarto geralmente não é visível, ou os limites exatos não são claros.Em seguida, abra a imagem FLAIR no ITK-SNAP, bem como a varredura ponderada t1 em uma janela separada para referência, se disponível. No estágio agudo, o infarto é visível como uma lesão hiperintense um tanto homogênea, com ou sem inchaço e efeito de massa. Se disponível, use o DWI para diferenciar entre o infarto agudo e as lesões crônicas, como hiperintensidades da matéria branca.Para registrar imagens, baixe primeiro o RegLSM e use esta ferramenta para processar tomografias computadorizadas ou qualquer tipo de sequência de ressonância magnética. O procedimento de registro pode ser visto na figura aqui apresentada. Em seguida, abra matlab Versão 2015a ou superior, defina a pasta atual para RegLSM e, em seguida, habilite o SPM digitando addpath seguido pelo nome da pasta para SPM.Em seguida, digite RegLSM para abrir a interface gráfica. Para realizar o cadastro para um único caso, selecione Modo de Teste no menu suspenso do registro. Em seguida, use o botão Imagem Aberta para selecionar a digitalização segmentada, a anotação e, opcionalmente, o T1, e selecione o esquema de registro desejado.Como alternativa, o Modo Lote pode ser usado para registrar todos os casos na pasta selecionada. Certifique-se de que o RegLSM salvou os parâmetros de registro resultantes, as varreduras registradas e o mapa de lesão registrado nas subpastas geradas automaticamente. Agora, revise os resultados do registro selecionando resultados de verificação na interface RegLSM e navegue até a pasta principal com esses resultados.Role a digitalização registrada e use a mira para verificar o alinhamento ao modelo MNI152, prestando atenção aos marcos anatômicos reconhecíveis. Certifique-se de marcar todos os registros com falha em uma coluna separada no arquivo de dados criado anteriormente para correção manual subsequente. Para qualquer mapa de lesão que precise de correção, abra o modelo MNI152 T1 no ITK-SNAP e selecione Segmentação Aberta no menu Segmentação e escolha o mapa de lesão registrado, que será sobreposto ao modelo.Além disso, abrir os resultados das inscrições em uma janela separada para referência. Corrija o mapa de lesão registrado no ITK-SNAP para qualquer tipo de desalinhamento, usando a função brush para adicionar voxels com clique esquerdo ou remover voxels com clique direito. Finalmente, salve o mapa de lesão corrigido como um arquivo NIfTI na mesma pasta do mapa de lesão não corrigido, em seguida, salve a segmentação dando-lhe exatamente o mesmo nome do mapa de lesão não corrigido, com a extensão de corrigido.Aqui, vemos tomografias para um único paciente. A varredura inicial não pode ser usada para segmentação porque o infarto ainda não é visível, embora os mapas de perfusão de tomografias mostrem isquemia. A tomografia no sexto dia mostra inchaço do tecido cerebral infartado com leve mudança de linha média e transformação hemorrágica.O exame após quatro meses mostra perda de tecido cerebral com aumento ex vacuo de ventrículos e sulci próximo. O resultado do registro do CT no sexto dia para o modelo MNI152 é visto aqui. O algoritmo de registro compensou insuficientemente o turno médio e a compressão do ventrículo esquerdo, o que exigiu uma correção manual.Após a correção, o mapa da lesão registrado é uma representação precisa do infarto no espaço nativo e pode ser usado para mapeamento de lesões-sintomas. Aqui, vemos a comparação da sequência DWI registrada e do infarto registrado correspondente com o modelo MNI152. Note o pequeno erro na cabeça do núcleo caudado direito.Isso exigiu uma correção manual da segmentação no espaço padrão. Por fim, este número mostra os resultados do registro da sequência de MRI FLAIR no terceiro dia, que é adequada e não requer correção manual. Este protocolo abrange o processo de preparação de dados de imagem para mapeamento de lesões-sintomas, incluindo diretrizes práticas sobre como realizar segmentação precisa de infarto e registro em um modelo cerebral.Os mapas da lesão podem ser usados em estudos de mapeamento de lesões-sintomas para localização de uma função cognitiva específica ou para usar a localização da lesão para prever o desfecho cognitivo em pacientes com derrame. Este protocolo acelera e harmoniza o fluxo de trabalho para estudos de mapeamento de sintomas de lesões, permitindo que os pesquisadores realizem grandes estudos multicêntricos, incluindo centenas a milhares de indivíduos.

Research

JoVE Journal

Behavior

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

Plataforma Ar levantou Flat-pavimentado: Um Novo Método para Combinando Comportamento com Microscopia ou Eletrofisiologia em Awake Roedores movendo-se livremente

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

Comportamento

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

Combinado Shuttle-Box Formação com eletrofisiológica Cortex Gravação e Estimulação como Ferramenta para o Estudo de Percepção e Aprendizagem

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

Um método geral para avaliar os efeitos Estimulação Profunda do Cérebro em metanfetamina intravenosa auto-administração

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

Um método para avaliar as propriedades de reforço de etanol em ratos sem água Privação, Sacarina desvanecimento ou treinamento de Acesso Ampliado

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

Método de visualização para Deriva Proprioceptive em um plano 2D usa a máquina Support Vector

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

Mapeamento fMRI da atividade cerebral associada à produção vocal de intervalos de consonância e dissonante

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

Elementos-chave da foto atração bioensaio para insetos estudos ou programas de monitoramento

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

O protocolo de estresse suave crônico imprevisível para induzir Anhedonia em ratos

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

Um protocolo de preferência condicionada lugar para medir a incubação do desejo em ratos

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