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

Arbetet med Dr BIESBROEK stöds av en ung talang gemenskap från hjärn centrum Rudolf Magnus av University Medical Center Utrecht. Detta arbete och meta VCI Map Consortium stöds av Vici Grant 918.16.616 från ZonMw, Nederländerna, organisationen för hälsoforskning och utveckling, till Geert Jan Biessels. Författarna skulle vilja tacka Dr Tanja C.W. Nijboer för att dela skanningar som användes i en av siffrorna.

Detta protokoll följer riktlinjerna från våra institutioner mänskliga forskningsetiska kommittén.
1. insamling av skanningar och kliniska data
<ol><li>Samla hjärnan CT eller MRI-skanningar av patienter med ischemisk stroke. De flesta skannrar Spara skanningar som DICOM (Digital Imaging och kommunikation i medicin) filer som kan kopieras till en hårddisk eller server. Anmärkning: Skanningar från alla skanner typer, skannings protokoll och MRI-fältstyrka kan anvä...

LSM är ett kraftfullt verktyg för att studera den funktionella arkitekturen i den mänskliga hjärnan. Ett avgörande steg i någon lesion-symptom kartläggning studie är förbehandling av Imaging data, segmentering av lesionen och registrering till en hjärna mall. Här rapporterar vi en standardiserad pipeline för lesion segmentering och registrering i syfte att lesion-symptom kartläggning. Denna metod kan utföras med fritt tillgängliga bildbehandlingsverktyg, kan användas för att bearbeta både CT och struktu...

Lesion-symptom Mapping (LSM), även kallad lesion-beteende Mapping, är ett viktigt verktyg för att studera den funktionella arkitekturen i den mänskliga hjärnan1. I lesionsstudier, hjärnans funktion är slutsatsen och lokaliserad genom att studera patienter med förvärvade hjärnskador. Det första fallet studier länka neurologiska symtom till specifika hjärn platser som utförs i 1800-talet redan gett grundläggande insikter i den anatomiska korrelat av språk och flera andra kognitiva processer2. Men den neuroanatomiska korrelat av många aspekter av kognition och andra hjärnfunktioner förblev svårfångade. Under de senaste decennierna, förbättrade strukturella hjärnavbildningsmetoder och tekniska framsteg har möjliggjort storskaliga in vivo LSM studier med hög rumslig upplösning (dvs., på nivån för enskilda voxels eller specifika kortikala/subkortikala regioner av intresse)1 ,2. Med dessa metodologiska framsteg har LSM blivit en alltmer populär metod inom kognitiv neurovetenskap och fortsätter att erbjuda nya insikter i kognitions neuroanatomi och neurologiska symtom3. Ett avgörande steg i någon LSM-studie är den exakta segmenteringen av lesioner och registrering till en hjärnmall. Men en omfattande handledning för förbehandling av hjärnavbildning data för LSM saknas.
Förutsatt att här är en komplett handledning för en standardiserad lesion segmentering och registreringsmetod. Denna metod ger forskarna en pipeline för standardiserad hjärn bildbehandling och en översikt över potentiella fallgropar som måste undvikas. Den presenterade bildbehandling pipeline utvecklades genom internationella samarbeten4 och är en del av ramen för den nyligen grundade meta VCI Map Consortium, vars syfte är att utföra multicenter lesion-symptom kartläggning studier i vaskulär kognitiv svikt < www. metavcimap. org >5. Den här metoden har utformats för att bearbeta både CT-och MRI-skanningar från flera leverantörer och heterogena skannings protokoll för att möjliggöra kombinerad bearbetning av avbildningsdata uppsättningar från olika källor. Den nödvändiga RegLSM programvara och all annan programvara som behövs för detta protokoll är fritt tillgänglig förutom MATLAB, som kräver en licens. Denna handledning fokuserar på segmentering och registrering av hjärn infarkter, men denna bildbehandling pipeline kan också användas för andra lesioner, såsom vit materia hyperintensities6.
Innan en LSM-studie inleds krävs en grundläggande förståelse för de allmänna begreppen och fallgroparna. Flera detaljerade riktlinjer och en Hitchhiker guide finns1,3,6. Emellertid, dessa recensioner ger inte en detaljerad praktisk handledning för de praktiska steg som deltar i att samla in och konvertera hjärnskanningar till ett korrekt format, segmentera hjärnan infarct, och registrera skanningar till en hjärna mall. Denna uppsats ger en sådan tutorial. Allmänna begrepp av LSM ges i inledningen med hänvisar till för mer ytterligare läsning på betvinga.
Allmänt syfte med lesion-symptom kartläggnings studier
Från perspektivet av kognitiv neuropsykologi, hjärnskada kan användas som en modell villkor för att bättre förstå neuronala underbyggnad av vissa kognitiva processer och för att få en mer komplett bild av den kognitiva arkitekturen i hjärnan1 . Detta är ett klassiskt förhållningssätt i neuropsykologi som först tillämpades i post-mortem studier i 1800-talet av pionjärer som Broca och Wernicke2. I en tid präglad av funktionell hjärnavbildning har lesion-metoden varit ett viktigt verktyg inom neurovetenskap eftersom det ger bevis på att lesioner i en specifik hjärnregion stör uppgifts prestandan, medan funktionella avbildnings studier visar hjärnregioner som är aktiveras under aktivitetens prestanda. Dessa metoder ger kompletterande information1.
Ur klinisk neurologi kan LSM-studier klargöra sambandet mellan lesionsplatsen och kognitiv funktion hos patienter med akuta symtomatiska infarkter, hyperintensiteter med vit materia, lacunes eller andra lesionstyper (t. ex. tumörer ). Nyligen genomförda studier har visat att sådana lesioner i strategiska hjärnregioner är mer relevanta för att förklara kognitiva prestanda än global lesion börda2,5,7,8. Detta tillvägagångssätt har potential att förbättra förståelsen för patofysiologin av komplexa sjukdomar (i detta exempel, vaskulär kognitiv svikt) och kan ge möjligheter att utveckla nya diagnostiska och prognostiska verktyg eller stödja behandling strategier2.
LSM har också applikationer bortom kognitions området. I själva verket, någon variabel kan relateras till lesion plats, inklusive kliniska symtom, biomarkörer, och funktionella resultat. Till exempel, en nyligen studie fastställt-infarct platser som var prediktiva för funktionella resultat efter ischemisk stroke10.
Voxel-baserat kontra område av intressera-baserat lesion-symptom kartläggning
Att utföra lesion-symptom kartläggning, lesioner måste segmenteras och registreras till en hjärnmall. Under registreringsförfarandet, varje patientens hjärna är rumsligt inriktade (dvs normaliserade eller registrerade till en gemensam mall) för att korrigera för skillnader i hjärnans storlek, form, och orientering så att varje Voxel i lesion kartan representerar samma anatomiska struktur för alla patienter7. I standard utrymme kan flera typer av analyser utföras, som kortfattat sammanfattas här.
En rå lesion-subtraktion analys kan utföras för att visa skillnaden i lesion fördelning hos patienter med underskott jämfört med patienter utan underskott. Den resulterande subtraktion kartan visar regioner som oftare skadas hos patienter med underskott och skonas hos patienter utan underskott1. Även om en lesion-subtraktion analys kan ge några insikter i korrelat av en viss funktion, det ger inga statistiska bevis och används nu mest när urvalet storleken är för låg för att ge tillräckligt statistisk effekt för Voxel-baserade lesion-symptom Mappning.
I Voxel-baserade lesion-symptom kartläggning, en association mellan närvaron av en lesion och kognitiva prestanda bestäms på nivån för varje enskild Voxel i hjärnan (figur 1). Den största fördelen med denna metod är den höga rumsliga upplösningen. Traditionellt har dessa analyser utförts i en massa-univariat metod, som motiverar korrigering för flera tester och introducerar en rumslig bias orsakad av Inter-Voxel korrelationer som inte beaktas1,10 , 11. nyligen utvecklade metoder som tar Inter-Voxel korrelationer beaktas (vanligtvis kallas multivariat lesion-symptom kartläggnings metoder, såsom Bayesian analys13, stöd Vector regression4, 14, eller andra maskininlärningsalgoritmer15) visar lovande resultat och verkar för att förbättra känsligheten och specificiteten av resultaten från Voxel-Wise lsm analyser jämfört med traditionella metoder. Ytterligare förbättring och validering av multivariat metoder för Voxel-Wise LSM är en pågående process. Den bästa metoden val för specifika lesion-symptom kartläggning beror på många faktorer, inklusive fördelningen av lesioner, utfall variabel, och underliggande statistiska antaganden av metoderna.
I den intresse region (ROI)-baserade lesion-symptom mappning, en association mellan lesion bördan inom en viss hjärnregion och kognitiva prestanda bestäms (se figur 1 i BIESBROEK et al.2 för en illustration). Den största fördelen med denna metod är att den anser den kumulativa lesion bördan inom en anatomisk struktur, som i vissa fall kan vara mer informativ än en lesion i en enda Voxel. Å andra sidan har ROI-baserade analyser begränsad effekt för att upptäcka mönster som endast finns i en delmängd av voxels i regionen16. Traditionellt, ROI-baserade lesion-symptom mappning utförs med hjälp av Logistic eller linjär regression. Nyligen, multivariat metoder som handlar bättre med Kolinjäritet har införts (t. ex. Bayesian nätverksanalys17, stöd Vector regression4,18, eller andra maskininlärningsalgoritmer19), som kan förbättra specificiteten av fynd från lesion-symtom kartläggning studier.
Val av patient
I LSM-studier väljs patienter vanligen utifrån en specifik lesionstyp (t. ex. hjärn infarkter eller hyperintensiteter med vit materia) och tidsintervallet mellan diagnos och neuropsykologisk bedömning (t. ex. akut kontra kronisk stroke). Den optimala studiedesignen beror på forskningsfrågan. Till exempel, när man studerar den funktionella arkitekturen i den mänskliga hjärnan, akut stroke patienter är idealiskt ingår eftersom funktionell omorganisation har ännu inte inträffat i detta skede, medan kronisk stroke patienter bör inkluderas när man studerar långsiktiga effekter av stroke på kognition. En detaljerad beskrivning av överväganden och fallgropar i valet av patient finns på andra ställen7.
Hjärnavbildning förbehandling för lesion-symptom mappning
Noggrann lesion segmentering och registrering till en gemensam hjärnmall är avgörande steg i lesion-symptom kartläggning. Manuell segmentering av lesioner är fortfarande den gyllene standarden för många lesion typer, inklusive infarcts7. Förutsatt är en detaljerad handledning om kriterier för manuell-infarct segmentering på datortomografi, diffusion vägd Imaging (DWI), och Fluid-försvagade inversion återhämtning (FLAIR) MRI sekvenser i både akuta och kroniska stadier. De segmenterade infarkterna (dvs. 3D-binära lesion kartor) måste registreras innan någon över-ämne analyser utförs. Detta protokoll använder registreringsmetoden RegLSM, som utvecklades i en multicenterinställning4. RegLSM tillämpar linjära och icke-linjära registreringsalgoritmer baserade på Elastix20 för både CT och MRI, med ytterligare ett CT-bearbetningsteg speciellt utformat för att förbättra registrerings kvaliteten för datortomografi21. Dessutom tillåter RegLSM att använda olika målhjärnmallar och ett (frivilligt) mellanliggande registrerings steg till en Åldersspecifik CT/MRI-mall22. Möjligheten att behandla både CT och MRI-skanningar och dess customizability om mellanliggande och mål hjärnan mallar gör RegLSM en mycket lämplig bildbehandling verktyg för LSM. Hela processen med att förbereda och segmentera CT/MRI-skanningar, registrering till en hjärnmall och manuella korrigeringar (vid behov) beskrivs i nästa avsnitt.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59653/59653fig1.jpg"> Figur 1: Schematisk illustration av begreppet Voxel-baserad lesion-symptom mappning. Den övre delen visar hjärnan bild Pre-processing steg som består av segmentera lesionen (en akut-infarct i detta fall) följt av registrering till en hjärna mall (den MNI-152 mall i detta fall). Nedan visas en del av den registrerade binära lesionkartan för samma patient som ett 3D-rutnät, där varje kub representerar en Voxel. Tillsammans med lesion kartor över 99 andra patienter, en lesion overlay karta genereras. För varje Voxel utförs ett statistiskt test för att fastställa sambandet mellan lesionsstatus och kognitiva prestanda. Chi-kvadraten testet visas här är bara ett exempel, kan alla statistiska test användas. Typiskt, hundratusentals voxels testas i hela hjärnan, följt av en korrigering för flera jämförelser. <a href="https://www.jove.com/files/ftp_upload/59653/59653fig1large.jpg" target="_blank">Vänligen klicka här för att se en större version av denna siffra.</a>

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

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

I lesion-symptom Mapping (LSM), är hjärnans funktion härledas genom att förbinda platsen för förvärvade hjärnskador till beteendemässiga eller kognitiva symtom i en grupp av patienter. Med de senaste framstegen inom hjärnavbildning och bildbehandling har LSM blivit ett populärt verktyg i kognitiv neurovetenskap. LSM kan ge grundläggande insikter i den funktionella arkitekturen i den mänskliga hjärnan för en mängd kognitiva och icke-kognitiva funktioner. Ett avgörande steg i att utföra LSM studier är segmenteringen av lesioner på hjärnor skannar av en stor grupp av patienter och registrering av varje skanning till en gemensam stereotaxic utrymme (även kallad standard utrymme eller en standardiserad hjärna mall). Beskrivs här är en Open-Access, standardiserad metod för-infarct segmentering och registrering i syfte att LSM, samt en detaljerad och hands-on genomgång baserat på exemplariska fall. En omfattande handledning för manuell segmentering av hjärn infarkter på datortomografi och DWI eller FLAIR MRI-sekvenser tillhandahålls, inklusive kriterier för-infarct identifiering och fallgropar för olika skanningstyper. Registreringsprogram varan tillhandahåller flera registreringssystem som kan användas för behandling av CT-och MRI-data med heterogena förvärvs parametrar. En handledning om hur du använder denna registreringsprogramvara och utföra visuella kvalitetskontroller och manuella korrigeringar (som behövs i vissa fall) tillhandahålls. Detta tillvägagångssätt ger forskarna en ram för hela processen av hjärnan bildbehandling som krävs för att utföra en LSM-studie, från insamling av data till slutliga kvalitetskontroller av resultaten.

Föredöme fall av hjärn-infarct segmentering på CT (figur 3), DWI (figur 5), och Flair (figur 6) bilder, och efterföljande registrering till MNI-152 mallen finns här. Registrerings resultaten som visas i figur 3B och figur 5c var inte helt framgångsrika, eftersom det var feljustering nära den främre horn i ventrikeln. De registrerade...

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

Förutsatt att här är en praktisk handledning för en Open-Access, standardiserad bildbehandling pipeline för lesion-symptom kartläggning. En steg-för-steg genomgång ges för varje bearbetning steg, från manuell-infarct segmentering på CT/MRI till efterföljande registrering till standard utrymme, tillsammans med praktiska rekommendationer och illustrationer med exemplariska fall.

Brain infarct segmentering och registrering på MRI eller CT för lesion-symptom Mapping

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

Lesion-symptom kartläggning är ett kraftfullt verktyg för att lokalisera hjärnans funktioner genom att studera patienter med hjärnan organskador. Ett viktigt steg innebär bildbehandling, inklusive lesion segmentering och registrering till standard utrymme. Detta protokoll beskriver en enhetlig ram som fungerar med alla strukturella bildframställning modaliteter, vilket ger en konsekvent utdata av skador i standard utrymme för användning i lesion-symptom kartläggning studier.Lesionerna måste omvandlas till standardutrymme för att möjliggöra jämförelser mellan ämnen. Varje patients hjärna måste rumsligt anpassas för att korrigera för skillnader i hjärnans storlek och form. Medan du använder denna metod, det hjälper att se hur varje steg ska utföras, snarare än att följa skriftliga instruktioner ensam.Det kräver också en god förståelse av hjärnans bilder, vilket gör en visuell demonstration användbar. Det här protokollet beskriver hur du utför de bearbetningssteg som krävs för lesion-symptom-mappning. När lesion kartorna är registrerade till standard utrymme, kan lesion-symptom kartläggning utföras på stora grupper av patienter.När alla lesion kartor omvandlas till standard utrymme, representerar varje voxel samma hjärna region över ämnen. Detta gör det möjligt för statistiska analyser som ska utföras, till exempel för att testa om förekomsten av en lesion i en viss voxel är associerad med ett kognitivt underskott. Börja med att samla hjärnan CT eller MRI skanningar av patienter med ischemisk stroke.De flesta skannrar har genomsökningar som DICOM-filer som kan kopieras till en hårddisk eller server. Samla in de kliniska variablerna i en datafil genom att göra separata rader för varje enskilt fall och kolumner för varje klinisk variabel. För infarktsegmentering, inkludera minst datum för stroke och datum för bildbehandling eller en variabel som anger tidsintervallet mellan stroke och avbildning.Om du vill konvertera DICOM-avbildningarna till okomprimerade NIfTI-filer skriver du kommandot som ses på skärmen här i kommandotolken, med hjälp av mappsökvägen till DICOM-filerna. Ett exempel på kommandot med mappsökvägarna infogade kan ses här. Det här kommandot kommer att köra den körbara, konvertera DICOM-avbildningarna i den valda mappen och spara NIfTI-filerna i den här mappen.Slutligen organisera NIfTI-filerna i en bekväm mappstruktur, med en undermapp för varje enskilt fall, innan du börjar infarct segmentering. Först försäkra att genomsökningen utfördes minst 24 timmar efter stroke symptom insv. Annars kommer den akuta infarcten inte att vara synlig på CT eller kommer endast att vara delvis synlig, och skanningen kan inte användas för segmentering.Öppna den inhemska CT med hjälp av ITK-SNAP-programvara genom att välja Arkiv, sedan Öppna Huvudbild från dropdown-menyn. Klicka sedan på Bläddra och välj filen för att öppna genomsökningen. Nu identifiera infarct baserat på bildframställning egenskaper.Först, observera att infarcts har en låg signal jämfört med normal hjärnvävnad. I det akuta skedet kan stora infarcts orsaka masseffekt, vilket resulterar i förskjutning av omgivande vävnader, kompression av ventriklar, mittlinjen skift, och utplåning av sulci. Det kan finnas hemorragisk omvandling, som är synlig som regioner med hög signal inom infarct.I det kroniska skedet kommer infarct bestå av en hypodense, cavitated centrum, med en liknande densitet som cerebrospinalvätskan, och en mindre hypodense-fälg, som representerar skadad hjärnvävnad. Vid stora infarcts kan det finnas ex vacuo utvidgning av intilliggande sulci eller ventriklar. Segmentera den infarcted hjärnvävnaden med hjälp av Paintbrush Mode från huvudverktygsraden, med vänsterklick för att rita och högerklicka för att radera.Alternativt kan du använda Polygon Mode för att placera fästpunkter vid lesionens kanter, och håll den vänstra musknappen medan du flyttar musen över lesionens gränser. När alla punkter är anslutna, klicka på acceptera för att fylla det avgränsade området. Efter avslutad segmentering, spara den som en binär NIfTI-fil i samma mapp som skanningen genom att klicka segmentering och spara segmentering Bild från dropdown menyn, sedan spara segmentering genom att ge den exakt samma namn som segmenterad skanning, med förlängning av lesion.Först försäkra att DWI scan utfördes inom sju dagar efter stroke debut. Infarcts är synliga på DWI inom flera timmar efter stroke debut, och deras synlighet på DWI minskar gradvis efter cirka sju dagar. Därefter identifiera och anteckna den infarcted hjärnvävnaden baserat på den höga signalen på DWI och låg signal på ADC-kartan.Missta inte en hög diffusion signal nära gränssnitt mellan luft och antingen vävnad eller ben, som är en vanligt observerade artefakt på DWI. För FLAIR imaging, kontrollera först att genomsökningen utfördes 48 timmar efter stroke symptom inset. I det hyperakuta stadiet syns infarct vanligtvis inte, eller de exakta gränserna är oklara.Därefter öppnar du FLAIR-avbildningen i ITK-SNAP, samt den T1-viktade genomsökningen i ett separat fönster för referens, om det finns tillgängligt. I det akuta skedet är infarct synlig som en något homogen hyperintense lesion, med eller utan svullnad och massa effekt. Om det finns, använd DWI att skilja mellan de akuta infarct och kroniska skador, såsom vit fråga hyperintensities.För att registrera bilder, först ladda ner RegLSM, och använda detta verktyg för att bearbeta datortomografi eller någon form av MRI-sekvens. Registreringsförfarandet kan ses i den figur som visas här. Därefter öppnar du MATLAB Version 2015a eller högre, ställ in den aktuella mappen på RegLSM och aktivera sedan SPM genom att skriva addpath följt av mappnamnet för SPM.Därefter skriver du RegLSM för att öppna det grafiska gränssnittet. Om du vill utföra registreringen för ett enskilt ärende väljer du Testläge i menyn Registrering dropdown. Använd sedan knappen Öppna bild för att välja den segmenterade genomsökningen, annoteringen och valfritt T1 och välj önskat registreringsschema.Alternativt kan Batch Mode användas för att registrera alla ärenden i den valda mappen. Se till att RegLSM sparade de resulterande registreringsparametrarna, de registrerade genomsökningar och den registrerade lesionskartan i de automatiskt genererade undermapparna. Nu, granska registreringsresultaten genom att välja Kontrollera resultat i RegLSM-gränssnittet, och bläddra till huvudmappen med dessa resultat.Bläddra igenom den registrerade skanningen, och använd hårkorset för att kontrollera anpassningen till MNI152-mallen, med uppmärksamhet på igenkännbara anatomiska landmärken. Se till att markera alla misslyckade registreringar i en separat kolumn i den tidigare skapade datafilen för efterföljande manuell korrigering. För eventuella lesionskartor som behöver korrigering, öppna MNI152 T1-mallen i ITK-SNAP, välj sedan Öppna segmentering från segmenteringsmenyn och välj den registrerade lesionskartan, som kommer att överlagra på mallen.Öppna också registreringen resulterar i ett separat fönster för referens. Korrigera den registrerade lesionskartan i ITK-SNAP för alla typer av felinriktning, med penselfunktionen för att lägga till voxels med vänsterklick eller ta bort voxels med högerklick. Slutligen, spara den korrigerade lesion kartan som en NIfTI-fil i samma mapp som den okorrigerade lesion kartan, sedan spara segmenteringen genom att ge den exakt samma namn som den okorrigerade lesion kartan, med förlängningen av korrigeras.Här ser vi datortomografi för en enda patient. Den inledande genomsökningen kan inte användas för segmentering eftersom infarct ännu inte är synlig, trots att CT-perfusionskartorna visar ischemi. CT på dag sex visar svullnad av infarcted hjärnvävnaden med liten mittlinjen skift och hemorrhagisk omvandling.Skanningen efter fyra månader visar hjärnvävnad förlust med ex vacuo utvidgningen av ventriklarna och närliggande sulci. Resultatet av registrering av CT på dag sex till MNI152 mallen ses här. Registreringsalgoritmen kompenserade otillräckligt för mittlinjen skiftet och komprimering av vänster kammare, som krävde en manuell korrigering.Efter korrigering är den registrerade lesion kartan en korrekt representation av infarct i infödda rymden och kan användas för lesion-symptom kartläggning. Här ser vi jämförelse av den registrerade DWI-sekvensen och motsvarande registrerade infarct med MNI152 mallen. Observera det lilla felet i huvudet på höger caudatuskärna.Detta krävde en manuell korrigering av segmenteringen i standardutrymme. Slutligen visar denna siffra resultaten av registreringen av MRT FLAIR-sekvensen dag tre, vilket är adekvat och kräver ingen manuell korrigering. Detta protokoll omfattar processen för att förbereda imaging data för lesion-symptom kartläggning, inklusive praktiska riktlinjer för hur man utför korrekt infarct segmentering och registrering till en hjärna mall.Lesion kartor kan användas i lesion-symptom kartläggning studier för att lokalisera en specifik kognitiv funktion eller att använda lesion plats att förutsäga kognitiva resultatet i stroke patienter. Detta protokoll accelererar och harmoniserar arbetsflödet för lesion-symptom kartläggning studier, gör det möjligt för forskare att utföra stora multicenter studier inklusive hundratals till tusentals ämnen.

Research

JoVE Journal

Behavior

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

Platt-golv Luft lyfte Plattform: En ny metod för att kombinera Beteende med mikroskopi eller elektrofysiologi på Awake Fritt Moving Gnagare

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

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

Kombinerad Shuttle-Box Träning med Elektro Cortex inspelning och stimulering som ett verktyg för att studera Perception och lärande

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

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

En allmän metod för att utvärdera Deep Brain Stimulation Effekter på Intravenös Metamfetamin Själv 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

En metod för att utvärdera de förstärkande egenskaper av etanol i råttor utan vattenbrist, Sackarin Fading eller utökad tillgång Training

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

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

Visualisering Metod för Proprioceptiv Drift på ett 2D-plan Använda Support Vector Machine

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

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

FMRI-kartläggning av hjärnaktivitet associerad med vokalproduktion av konsonant och dissonantintervaller

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

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

Viktiga delar av foto attraktion Bioassay för insekt studier eller övervakning program

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

Oförutsägbara kronisk Mild Stress protokollet för att inducera likgiltighet hos möss

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

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

En betingad plats preferens protokoll för mätning av inkubering av begäret hos råttor

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