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

El trabajo del Dr. Biesbroek es apoyado por una Beca Young Talent del Brain Center Rudolf Magnus del Centro Médico Universitario de Utrecht. Este trabajo y el consorcio Meta VCI Map cuentan con el apoyo de Vici Grant 918.16.616 desde ZonMw, Países Bajos, Organización para la Investigación y el Desarrollo de la Salud, hasta Geert Jan Biessels. Los autores quieren agradecer a la Dra. Tanja C.W. Nijboer por compartir escaneos que se utilizaron en una de las figuras.

Este protocolo sigue las directrices del comité de ética de investigación humana de nuestras instituciones.
1. Recopilación de escaneos y datos clínicos
<ol><li>Recopile tomografías computarizadas cerebrales o resonancias magnéticas de pacientes con accidente cerebrovascular isquémico. La mayoría de los escáneres guardan los escaneos como archivos DICOM (Digital Imaging and Communications in Medicine) que se pueden copiar en un disco duro o servidor. NOTA: Se pu...

LSM es una poderosa herramienta para estudiar la arquitectura funcional del cerebro humano. Un paso crucial en cualquier estudio de mapeo de lesiones-síntomas es el preprocesamiento de datos por imágenes, la segmentación de la lesión y el registro en una plantilla cerebral. Aquí, informamos de una tubería estandarizada para la segmentación y el registro de lesiones con el propósito de mapeo de síntomas de lesiones. Este método se puede realizar con herramientas de procesamiento de imágenes disponibles libremen...

El mapeo de síntomas de lesiones (LSM), también llamado mapeo de lesiones-comportamiento, es una herramienta importante para estudiar la arquitectura funcional del cerebro humano1. En los estudios de lesiones, la función cerebral se infiere y localiza mediante el estudio de pacientes con lesiones cerebrales adquiridas. Los primeros estudios de caso que vinculan los síntomas neurológicos con lugares cerebrales específicos realizados en el siglo XIX ya proporcionaron información fundamental sobre los correlatos anatómicos del lenguaje y varios otros procesos cognitivos2. Sin embargo, los correlatos neuroanatómicos de muchos aspectos de la cognición y otras funciones cerebrales permanecieron esquivas. En las últimas décadas, los métodos mejorados de imágenes cerebrales estructurales y los avances técnicos han permitido estudios de LSM in vivo a gran escala con alta resolución espacial (es decir, a nivel de vóxeles individuales o regiones de interés cortical/subcortical específicas)1 ,2. Con estos avances metodológicos, LSM se ha convertido en un método cada vez más popular en la neurociencia cognitiva y continúa ofreciendo nuevos conocimientos sobre la neuroanatomía de la cognición y los síntomas neurológicos3. Un paso crucial en cualquier estudio de LSM es la segmentación precisa de lesiones y el registro a una plantilla de cerebro. Sin embargo, falta un tutorial completo para el preprocesamiento de datos de imágenes cerebrales con el propósito de LSM.
Aquí se proporciona un tutorial completo para un método estandarizado de segmentación y registro de lesiones. Este método proporciona a los investigadores una canalización para el procesamiento estandarizado de imágenes cerebrales y una visión general de los posibles escollos que deben evitarse. La cartera de procesamiento de imágenes presentada se desarrolló a través de colaboraciones internacionales4 y forma parte del marco del recientemente fundado consorcio de mapas Meta VCI, cuyo propósito es realizar estudios de mapeo de síntomas de lesiones multicéntricos en deterioro cognitivo vascular <www.metavcimap.org>5. Este método se ha diseñado para procesar exploraciones por TC y RMN de múltiples proveedores y protocolos de exploración heterogéneos para permitir el procesamiento combinado de conjuntos de datos de imágenes de diferentes fuentes. El software RegLSM requerido y el resto del software necesario para este protocolo están disponibles libremente, excepto MATLAB, que requiere una licencia. Este tutorial se centra en la segmentación y el registro de infartos cerebrales, pero esta canalización de procesamiento de imágenes también se puede utilizar para otras lesiones, como las hiperintensidades de materia blanca6.
Antes de iniciar un estudio LSM, se requiere una comprensión básica de los conceptos generales y los escollos. Varias pautas detalladas y una guía de autoestopista están disponibles1,3,6. Sin embargo, estos comentarios no proporcionan un tutorial práctico detallado para los pasos prácticos involucrados en la recopilación y conversión de escáneres cerebrales a un formato adecuado, segmentar el cerebro infarto, y el registro de los escaneos a una plantilla de cerebro. El presente documento proporciona un tutorial de este tipo. Los conceptos generales de LSM se proporcionan en la introducción con referencias para una lectura posterior sobre el tema.
Objetivo general de los estudios de mapeo de lesiones y síntomas
Desde la perspectiva de la neuropsicología cognitiva, la lesión cerebral se puede utilizar como condición modelo para entender mejor los fundamentos neuronales de ciertos procesos cognitivos y para obtener una imagen más completa de la arquitectura cognitiva del cerebro1 . Este es un enfoque clásico en neuropsicología que fue aplicado por primera vez en estudios post-mortem en el siglo XIX por pioneros como Broca y Wernicke2. En la era de las imágenes cerebrales funcionales, el enfoque de la lesión ha seguido siendo una herramienta crucial en la neurociencia porque proporciona pruebas de que las lesiones en una región cerebral específica interrumpen el rendimiento de la tarea, mientras que los estudios de imágenes funcionales demuestran que las regiones cerebrales que son activado durante el rendimiento de la tarea. Como tal, estos enfoques proporcionan información complementaria1.
Desde la perspectiva de la neurología clínica, los estudios LSM pueden aclarar la relación entre la ubicación de la lesión y el funcionamiento cognitivo en pacientes con infartos sintomáticos agudos, hiperintensidades de materia blanca, lacunes u otros tipos de lesiones (por ejemplo, tumores ). Estudios recientes han demostrado que tales lesiones en regiones cerebrales estratégicas son más relevantes para explicar el rendimiento cognitivo que la carga global de lesiones2,5,7,8. Este enfoque tiene el potencial de mejorar la comprensión de la fisiopatología de trastornos complejos (en este ejemplo, deterioro cognitivo vascular) y puede proporcionar oportunidades para desarrollar nuevas herramientas diagnósticas y de pronóstico o apoyar el tratamiento estrategias2.
LSM también tiene aplicaciones más allá del campo de la cognición. De hecho, cualquier variable puede estar relacionada con la ubicación de la lesión, incluidos los síntomas clínicos, los biomarcadores y el resultado funcional. Por ejemplo, un estudio reciente determinó ubicaciones infartos que eran predictivas del resultado funcional después del accidente cerebrovascular isquémico10.
Basado en Voxel frente a región de mapeo de síntomas de lesiones basados en intereses
Para realizar mapeos de síntomas de lesiones, las lesiones deben segmentarse y registrarse en una plantilla cerebral. Durante el procedimiento de registro, el cerebro de cada paciente está alineado espacialmente (es decir, normalizado o registrado en una plantilla común) para corregir las diferencias en el tamaño, la forma y la orientación del cerebro de modo que cada voxel en el mapa de la lesión represente la misma anatómica estructura para todos los pacientes7. En el espacio estándar, se pueden realizar varios tipos de análisis, que se resumen brevemente aquí.
Se puede realizar un análisis de la lesión-sustracción bruta para mostrar la diferencia en la distribución de lesiones en pacientes con déficits en comparación con pacientes sin déficits. El mapa de resta resultante muestra regiones que se dañan con mayor frecuencia en pacientes con déficits y se ahorran en pacientes sindéficits 1. Aunque un análisis de lesión-sustracción puede proporcionar algunos conocimientos sobre los correlatos de una función específica, no proporciona ninguna prueba estadística y ahora se utiliza principalmente cuando el tamaño de la muestra es demasiado bajo para proporcionar suficiente potencia estadística para los síntomas de lesiones basadas en vóxeles Asignación.
En el mapeo de síntomas de lesiones basado en vóxeles, se determina una asociación entre la presencia de una lesión y el rendimiento cognitivo a nivel de cada voxel individual en el cerebro(Figura 1). La principal ventaja de este método es la alta resolución espacial. Tradicionalmente, estos análisis se han realizado en un enfoque univariado de masa, que justifica la corrección para múltiples pruebas e introduce un sesgo espacial causado por correlaciones entre vóxeles que no se tienen en cuenta1,10 , 11. Enfoques desarrollados recientemente que tienen en cuenta las correlaciones entre los vóxeles (generalmente denominados métodos de mapeo de lesiones multivariadas,como el análisis bayesiano13, apoyan la regresión vectorial4, 14, u otros algoritmos de aprendizaje automático15) muestran resultados prometedores y parecen mejorar la sensibilidad y especificidad de los hallazgos de los análisis LSM en forma de voxel en comparación con los métodos tradicionales. Una mayor mejora y validación de métodos multivariados para LSM por voxel es un proceso continuo. La mejor elección de método para el mapeo específico de síntomas de lesiones depende de muchos factores, incluyendo la distribución de lesiones, variable de resultado y suposiciones estadísticas subyacentes de los métodos.
En la región de interés (ROI) se determina una asociación entre la carga de lesiones dentro de una región cerebral específica y el rendimiento cognitivo (ver Figura 1 en Biesbroek et al.2 para obtener una ilustración). La principal ventaja de este método es que considera la carga acumulativa de lesiones dentro de una estructura anatómica, que en algunos casos puede ser más informativa que una lesión en un solo voxel. Por otro lado, los análisis basados en ROI tienen una potencia limitada para detectar patrones que sólo están presentes en un subconjunto de vóxeles de la región16. Tradicionalmente, la asignación de síntomas de lesiones basada en ROI se realiza mediante regresión logística o lineal. Recientemente, se han introducido métodos multivariantes que se ocupan mejor de la colinealidad (por ejemplo, análisis de red bayesiana17, admiten regresión vectorial4,18u otros algoritmos de aprendizaje automático19), que pueden mejorar la especificidad de los hallazgos de los estudios de mapeo de síntomas de lesiones.
Selección de pacientes
En los estudios de LSM, los pacientes suelen seleccionarse en función de un tipo de lesión específico (por ejemplo, infartos cerebrales o hiperintensidades de la materia blanca) y el intervalo de tiempo entre el diagnóstico y la evaluación neuropsicológica (por ejemplo, accidente cerebrovascular agudo frente a crónico). El diseño óptimo del estudio depende de la pregunta de investigación. Por ejemplo, al estudiar la arquitectura funcional del cerebro humano, los pacientes con accidente cerebrovascular agudo se incluyen idealmente porque la reorganización funcional aún no se ha producido en esta etapa, mientras que los pacientes con accidente cerebrovascular crónico deben incluirse al estudiar el efectos a largo plazo del accidente cerebrovascular en la cognición. Se proporciona una descripción detallada de las consideraciones y escollos en la selección del paciente en otros lugares7.
Preprocesamiento de imágenes cerebrales con el propósito de mapear síntomas de lesiones
La segmentación precisa de lesiones y el registro en una plantilla cerebral común son pasos cruciales en el mapeo de síntomas de lesiones. La segmentación manual de lesiones sigue siendo el estándar de oro para muchos tipos de lesiones, incluidos los infartos7. Proporciona un tutorial detallado sobre los criterios para la segmentación de infartos manuales en tomografías computarizadas, imágenes ponderadas por difusión (DWI) y secuencias de RMN de recuperación por inversión atenuada por fluidos (FLAIR) en etapas agudas y crónicas. Los infartos segmentados (es decir, los mapas de lesiones binarias 3D) deben registrarse antes de realizar cualquier análisis a través del sujeto. Este protocolo utiliza el método de registro RegLSM, que se desarrolló en una configuración multicentro4. RegLSM aplica algoritmos de registro lineales y no lineales basados en elasix20 tanto para CT como para RMN, con un paso adicional de procesamiento de TC diseñado específicamente para mejorar la calidad de registro de las exploraciones por TC21. Además, RegLSM permite utilizar diferentes plantillas de cerebro objetivo y un paso de registro intermedio (opcional) a una plantilla de TC/MRI específica de la edad22. La posibilidad de procesar tanto los análisis de TC como de la RMN y su personalización con respecto a las plantillas de cerebro intermedias y objetivo hace de RegLSM una herramienta de procesamiento de imágenes muy adecuada para LSM. Todo el proceso de preparación y segmentación de tomografías computarizadas/RMN, registro en una plantilla de cerebro y correcciones manuales (si es necesario) se describen en la siguiente sección.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59653/59653fig1.jpg"> Figura 1: Ilustración esquemática del concepto de mapeo de síntomas de lesiones basado en vóxeles. La parte superior muestra los pasos de preprocesamiento de la imagen cerebral que consisten en segmentar la lesión (un infarto agudo en este caso) seguido de registro a una plantilla de cerebro (la plantilla MNI-152 en este caso). A continuación, una parte del mapa de lesiones binarias registrado del mismo paciente se muestra como una cuadrícula 3D, donde cada cubo representa un voxel. Junto con los mapas de lesiones de otros 99 pacientes, se genera un mapa de superposición de lesiones. Para cada voxel, se realiza una prueba estadística para determinar la asociación entre el estado de la lesión y el rendimiento cognitivo. La prueba chi-cuadrada que se muestra aquí es sólo un ejemplo, cualquier prueba estadística podría ser utilizada. Típicamente, cientos de miles de vóxeles se prueban en todo el cerebro, seguido de una corrección para múltiples comparaciones. <a href="https://www.jove.com/files/ftp_upload/59653/59653fig1large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta 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

En el mapeo de síntomas de lesiones (LSM), la función cerebral se deduce relacionando la ubicación de las lesiones cerebrales adquiridas con los síntomas conductuales o cognitivos en un grupo de pacientes. Con los avances recientes en imágenes cerebrales y procesamiento de imágenes, LSM se ha convertido en una herramienta popular en neurociencia cognitiva. LSM puede proporcionar información fundamental sobre la arquitectura funcional del cerebro humano para una variedad de funciones cognitivas y no cognitivas. Un paso crucial en la realización de estudios LSM es la segmentación de lesiones en los escáneres cerebrales de un gran grupo de pacientes y el registro de cada exploración a un espacio estereotaxio común (también llamado espacio estándar o una plantilla de cerebro estandarizada). Aquí se describe un método estandarizado y de acceso abierto para la segmentación y el registro de infartos con el propósito de LSM, así como un tutorial detallado y práctico basado en casos ejemplares. Se proporciona un tutorial completo para la segmentación manual de infartos cerebrales en tomografías computarizadas y secuencias de resonancia magnética DWI o FLAIR, incluidos los criterios para la identificación de infartos y los escollos para diferentes tipos de exploración. El software de registro proporciona múltiples esquemas de registro que se pueden utilizar para el procesamiento de datos CT y RMN con parámetros de adquisición heterogéneos. Se proporciona un tutorial sobre el uso de este software de registro y la realización de comprobaciones de calidad visual y correcciones manuales (que se necesitan en algunos casos). Este enfoque proporciona a los investigadores un marco para todo el proceso de procesamiento de imágenes cerebrales necesario para realizar un estudio De LSM, desde la recopilación de los datos hasta los controles de calidad final de los resultados.

Aquí se proporcionan casos ejemplares de segmentaciones de infartocerebrales cerebrales en las imágenes CT(Figura 3),DWI(Figura 5)y FLAIR(Figura 6),y el registro posterior a la plantilla MNI-152. Los resultados de registro mostrados en la Figura 3B y la Figura 5C no tuvieron éxito del todo, ya que hubo desalineación cerca del cuerno fron...

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

Aquí se proporciona un tutorial práctico para una canalización de procesamiento de imágenes estandarizada y de acceso abierto con el fin de asignar síntomas de lesiones. Se proporciona un tutorial paso a paso para cada paso de procesamiento, desde la segmentación de infartomanual manual en CT/MRI hasta el registro posterior y el espacio estándar, junto con recomendaciones prácticas e ilustraciones con casos ejemplares.

Segmentación y registro de infarto cerebralentes en RMN o TC para mapeo de síntomas de lesiones

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

El mapeo de lesiones y síntomas es una poderosa herramienta para localizar las funciones cerebrales mediante el estudio de pacientes con lesiones cerebrales. Un paso importante implica el procesamiento de imágenes, incluida la segmentación de lesiones y el registro en el espacio estándar. Este protocolo describe un marco unificado que funciona con todas las modalidades de imagen estructural, proporcionando una salida consistente de lesiones en el espacio estándar para su uso en estudios de mapeo de lesiones-síntomas.Las lesiones deben transformarse en espacio estándar para permitir comparaciones entre sujetos. El cerebro de cada paciente debe estar alineado espacialmente para corregir las diferencias en el tamaño y la forma del cerebro. Al usar este método, ayuda a ver cómo se debe realizar cada paso, en lugar de seguir solo las instrucciones escritas.También requiere una buena comprensión de las imágenes cerebrales, lo que hace que una demostración visual sea útil. Este protocolo describe cómo realizar los pasos de procesamiento necesarios para la asignación de lesiones-síntomas. Una vez que los mapas de lesiones se registran en el espacio estándar, se puede realizar un mapeo de lesiones y síntomas en grandes grupos de pacientes.Cuando todos los mapas de lesiones se transforman en espacio estándar, cada voxel representa la misma región cerebral entre los sujetos. Esto permite realizar análisis estadísticos, por ejemplo, para comprobar si la presencia de una lesión en un voxel determinado está asociada con un déficit cognitivo. Comience por recolectar tomografías computarizadas cerebrales o resonancias magnéticas de pacientes con accidente cerebrovascular isquémico.La mayoría de los escáneres tienen los escaneos como archivos DICOM que se pueden copiar en un disco duro o servidor. Recopile las variables clínicas en un archivo de datos haciendo filas separadas para cada caso y columnas para cada variable clínica. Para la segmentación de infarto, incluya al menos la fecha del accidente cerebrovascular y la fecha de la toma de imágenes o una variable que indique el intervalo de tiempo entre el accidente cerebrovascular y la imagen.Para convertir las imágenes DICOM en archivos NIfTI sin comprimir, utilizando la herramienta DICOM-a-NIfTI, escriba el comando que se ve en pantalla aquí en el símbolo del sistema, utilizando la ruta de acceso de la carpeta a los archivos DICOM. Un ejemplo del comando con las rutas de carpeta insertadas se puede ver aquí. Este comando ejecutará el ejecutable, convertirá las imágenes DICOM en la carpeta seleccionada y guardará los archivos NIfTI en esta carpeta.Por último, organice los archivos NIfTI en una estructura de carpetas conveniente, con una subcarpeta para cada caso, antes de comenzar la segmentación de infarto. En primer lugar, asegúrese de que la exploración se realizó al menos 24 horas después de la aparición de los síntomas del accidente cerebrovascular. De lo contrario, el infarto agudo no será visible en la TC o solo será parcialmente visible, y la exploración no se puede utilizar para la segmentación.Abra el CT nativo con el software ITK-SNAP seleccionando Archivo y, a continuación, Abrir imagen principal en el menú desplegable. A continuación, haga clic en Examinar y seleccione el archivo para abrir el análisis. Ahora identifique el infarto basado en las características de la imagen.En primer lugar, tenga en cuenta que los infartos tienen una señal baja en comparación con el tejido cerebral normal. En la etapa aguda, los grandes infartos pueden causar efecto de masa, lo que resulta en desplazamiento de los tejidos circundantes, compresión de ventrículos, desplazamiento de línea media y obliteración de sulci. Puede haber transformación hemorrágica, que es visible como regiones con señal alta dentro del infarto.En la etapa crónica, el infarto consistirá en un centro hipodenso, cavitado, con una densidad similar al líquido cefalorraquídeo, y un borde menos hipodenso, que representa el tejido cerebral dañado. En el caso de grandes infartos, puede haber agrandamiento ex vacuo de sulci o ventrículos adyacentes. Segmente el tejido cerebral infarto usando el Modo Pincel de la barra de herramientas principal, usando el clic izquierdo para dibujar y haga clic con el botón derecho para borrar.Alternativamente, utilice el Modo Polígono para colocar puntos de anclaje en los bordes de la lesión, y mantenga presionado el botón izquierdo del ratón mientras mueve el ratón sobre los bordes de la lesión. Una vez conectados todos los puntos, haga clic en Aceptar para rellenar el área delineada. Después de finalizar la segmentación, guárdelo como un archivo NIfTI binario en la misma carpeta que el escaneo haciendo clic en Segmentación y Guardar imagen de segmentación en el menú desplegable, luego guarde la segmentación dándole exactamente el mismo nombre que el escaneo segmentado, con la extensión de la lesión.En primer lugar, asegúrese de que la exploración DWI se realizó dentro de los siete días de inicio del accidente cerebrovascular. Los infartos son visibles en DWI dentro de varias horas después del inicio del accidente cerebrovascular, y su visibilidad en DWI disminuye gradualmente después de aproximadamente siete días. A continuación, identifique y anote el tejido cerebral infarto basado en la señal alta en DWI y la señal baja en el mapa ADC.No confunda una señal de difusión alta cerca de interfaces entre el aire y el tejido o el hueso, que son un artefacto comúnmente observado en DWI. En el caso de las imágenes FLAIR, compruebe primero que la exploración se realizó 48 horas después de la aparición de los síntomas del accidente cerebrovascular. En la etapa de hiperaguta, el infarto generalmente no es visible, o los límites exactos no están claros.A continuación, abra la imagen FLAIR en ITK-SNAP, así como el escaneo ponderado por T1 en una ventana independiente como referencia, si está disponible. En la etapa aguda, el infarto es visible como una lesión hiperintenso algo homogénea, con o sin hinchazón y efecto de masa. Si está disponible, utilice el DWI para diferenciar entre el infarto agudo y las lesiones crónicas, como las hiperintensidades de la materia blanca.Para registrar imágenes, primero descargue RegLSM y utilice esta herramienta para procesar tomografías computarizadas o cualquier tipo de secuencia de RESONANCIA magnética. El procedimiento de registro se puede ver en la figura que se muestra aquí. A continuación, abra MATLAB Versión 2015a o superior, establezca la carpeta actual en RegLSM y, a continuación, habilite SPM escribiendo addpath seguido del nombre de carpeta para SPM.A continuación, escriba RegLSM para abrir la interfaz gráfica. Para realizar el registro de un solo caso, seleccione Modo de prueba en el menú desplegable Registro. A continuación, utilice el botón Abrir imagen para seleccionar el escaneo segmentado, la anotación y, opcionalmente, el T1, y seleccione el esquema de registro deseado.Alternativamente, el modo por lotes se puede utilizar para registrar todos los casos en la carpeta seleccionada. Asegúrese de que RegLSM guardó los parámetros de registro resultantes, los exámenes registrados y el mapa de lesiones registrado en las subcarpetas generadas automáticamente. Ahora, revise los resultados del registro seleccionando Comprobar resultados en la interfaz RegLSM y vaya a la carpeta principal con estos resultados.Desplácese por el escaneo registrado y utilice el punto de mira para comprobar la alineación con la plantilla MNI152, prestando atención a los puntos de referencia anatómicos reconocibles. Asegúrese de marcar todos los registros con errores en una columna independiente en el archivo de datos creado anteriormente para la corrección manual posterior. Para cualquier mapa de lesiones que necesite corrección, abra la plantilla MNI152 T1 en ITK-SNAP, luego seleccione Abrir segmentación en el menú Segmentación y elija el mapa de lesiones registrado, que se superpondrá a la plantilla.Además, abra los resultados del registro en una ventana independiente como referencia. Corrija el mapa de lesiones registrado en ITK-SNAP para cualquier tipo de desalineación, utilizando la función de pincel para agregar vóxeles con el botón izquierdo del 110o o eliminar los vóxeles con el botón derecho. Por último, guarde el mapa de lesiones corregidos como un archivo NIfTI en la misma carpeta que el mapa de lesiones no corregidos y, a continuación, guarde la segmentación dándole exactamente el mismo nombre que el mapa de lesiones no corregido, con la extensión de corregida.Aquí, vemos tomografías computarizadas para un solo paciente. La exploración inicial no se puede utilizar para la segmentación porque el infarto aún no es visible, aunque los mapas de perfusión por TC muestran isquemia. La tomografía computarizada en el sexto día muestra hinchazón del tejido cerebral infarto con ligero cambio de línea media y transformación hemorrágica.La exploración después de cuatro meses muestra pérdida de tejido cerebral con agrandamiento ex vacuo de ventrículos y sulci cercano. El resultado del registro de la TC en el día seis a la plantilla MNI152 se ve aquí. El algoritmo de registro no compensó insuficientemente el desplazamiento de la línea media y la compresión del ventrículo izquierdo, lo que requería una corrección manual.Después de la corrección, el mapa de lesiones registrado es una representación precisa del infarto en el espacio nativo y se puede utilizar para el mapeo de lesiones-síntomas. Aquí, vemos la comparación de la secuencia registrada DWI y el infarto registrado correspondiente con la plantilla MNI152. Observe el ligero error en la cabeza del núcleo caudado derecho.Esto requería una corrección manual de la segmentación en el espacio estándar. Por último, esta figura muestra los resultados del registro de la secuencia de RMN FLAIR el tercer día, que es adecuada y no requiere corrección manual. Este protocolo cubre el proceso de preparación de datos de imágenes para el mapeo de lesiones y síntomas, incluidas directrices prácticas sobre cómo realizar una segmentación precisa del infarto y el registro en una plantilla cerebral.Los mapas de lesiones se pueden utilizar en estudios de mapeo de lesiones y síntomas para localizar una función cognitiva específica o para utilizar la ubicación de la lesión para predecir el resultado cognitivo en pacientes con accidente cerebrovascular. Este protocolo acelera y armoniza el flujo de trabajo para los estudios de mapeo de lesiones y síntomas, lo que permite a los investigadores realizar grandes estudios multicéncenter, incluyendo cientos a miles de sujetos.

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 levantado-Air-plana con piso: un nuevo método para combinar Comportamiento con Microscopía o Electrofisiología en Awake moviéndose libremente Roedores

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

Investigación

Comportamiento

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

Combinado de traslado-Box Entrenamiento con electrofisiológico corteza Grabación y estimulación como una herramienta para estudiar la percepción y aprendizaje

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

Un método general para evaluar los efectos de estimulación cerebral profunda en Intravenosa metanfetamina Auto-Administración

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

Un método para evaluar las propiedades reforzantes de etanol en ratas sin privación de agua, la sacarina o el desvanecimiento de Formación Extended Access

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 visualización para la deriva propioceptiva en un plano 2D que usa la máquina de vectores de soporte

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

Mapeo fMRI de la actividad cerebral asociada con la producción vocal de los intervalos consonante y disonante

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 clave de la prueba biológica de atracción foto insectos estudios o programas de monitoreo

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

El protocolo de estrés leve crónico impredecible para inducir la Anhedonia en ratones

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 protocolo de preferencia de lugar condicionada para medir la incubación de antojo en ratas

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