ニューロイメージングデータを用いた疾患関連空間共分散パターンの同定

サマリー

主成分分析（PCA）を含む多変量技術は脳機能画像における地域変化のシグネチャパターンを識別するために使用されている。我々は、神経変性疾患の診断、疾患の進行の評価、および患者集団における治療効果を客観的に評価するための再現可能なネットワークバイオマーカーを同定するアルゴリズムを開発した。

要約

スケーリングされたサブプロファイルモデル^（SSM）1-4低いコンポーネント（ 図1）を排除しながら、患者と対照群の脳画像データの変動の主な発生源を特定する多変量PCAベースのアルゴリズムである。定常状態のマルチモダリティ画像のボクセルごとのボクセル共分散データに直接適用、グループ全体イメージのセットは、いくつかの重要な線形独立共分散パターンと対応する被写体のスコアを減少させることができる。各パターンは、グループ不変サブプロファイル（GIS）は、機能的に相互に関連する脳領域の空間的に分散したネットワークを表す直交する主成分であると呼ばれる。小さ ​​いネットワーク固有の貢献を不明瞭にすることができ、大きな地球の平均スカラー効果が固有対数変換して除去し、データ^2,5,6のセンタリングを意味している。被験者は、独立したCLINと相関することができます単純なスカラースコアによって表される変数程度にこれらのパターンのそれぞれを表現iCalのか心理ディスクリプタ^7,8。被写体を見るロジスティック回帰分析（ すなわち、パターン式の値）を用いて、線形係数は、健康な対照被験者^5,6からの患者の改善された識別と単一疾患に関連する空間共分散パターン、 すなわち複合ネットワークに、複数の主成分を組み合わせて導出することができる。派生セット内のクロスバリデーションは、ブートストラップリサンプリング技法^9を用いて行うことができる。フォワード検証が簡単に将来のデータセット¹⁰で派生パターンの直接スコア評価によって確認された。検証後、疾患に関連したパターンが元のパターン導出^11（疾患群を有する）を用いた健常者の集合しばしば、固定基準試料に対する個々の患者を獲得するために使用することができる。これらの標準化された値は、次に鑑別診断^12,13を支援するために病気を評価するために使用することができるネットワークレベル^7,14-16で進行と治療効果。私たちは、病気の特徴的な共分散パターンバイオマーカーを導出する社内のソフトウェアを使用してパーキンソン病患者と正常対照のFDG PETデータにこの方法論の適用例を紹介します。

概要

神経変性疾患は、広範囲に局在化し、脳代謝の異常だけでなく、地域の相互作用^を研究する¹⁷非推論手法を定量化技術を用いて研究されている。例えば、主成分分析^{（PCA）1,2,4,18}と独立成分分析^{（ICA）19,20、}ならびに部分最小二乗法^（PLS）21と序数の傾向として正規の教師技術のようなデータ駆動型の多変量分析戦略変量解析（ORT / ^{CVA）22は、}特徴的なパターンや相互に活動の"ネットワーク"を明らかにすることができます。特に多変量手続き、スケーリングされたサブプロファイルモデル^{（SSM）1,2,4-6,18}の基本は、以前Joveの³に記載されている。このPCAベースのアプローチは、もともと脳血流量と代謝ACQの定常状態単一ボリューム画像における脳領域間の機能的な異常分散との関係を調べるために開発された高い信号対雑音特性を示し、例えばPETやSPECTなどのモダリティの静止状態でuired。疾患特異SSMパターンは健常^7,16に比べ、単一のネットワーク·プロセスまたは複数の複雑な異常な機能²³の同化を反映している可能性がある患者では、地域の地形の全体的な違いを反映イメージングバイオマーカーである。メタボリック共分散パターン脳ネットワークは正常と疾患グループを区別し、疾患の重症度の臨床的評価と相関のネットワークベ....

プロトコル

1。データ収集と前処理

1. SSM / PCA手法は、様々なソースおよびモダリティから得られた単一のボリュームイメージに適用することができる。具体的には、代謝のオンサイトPETイメージングのため、このような^[18 F]フルオロデオキシグルコース（FDG）などの適切な放射性核種トレーサを準備し、それぞれの患者に投与。患者は通常の薬から、少なくとも12時間の絶食後、開いた目と安静時にスキャンされます。
2. 個人またはグループ評価のための各科目をスキャンします。パターン導出については、性別と年齢をマッチさせた患者とコントロールの同数をスキャン。
3. ワークステーションにデータを転送し、ご使用のプラットフォームでの分析に適した形式に変換します。 MATLAB解析ソフトウェア（scanvp、ssm_pca、基づき当社のWindows PC www.feinsteinneuroscience.orgは ）ANALYZE必要またはNIfTIフォーマット画像（メイヨークリニック、ロチェスター、ミネソタ州）。これは、変換ルーチンtを提供O変換GEアドバンス（ミルウォーキー、WI、USA）は、スキャナ、および他の形式の画像フォーマットを解析する。
4. 共通の定位空間（ 例えばモントリオール神経学研究所[....

結果

PDのためのニューロイメージングバイオマーカーパターンを導出するために多変量SSM / PCA分析の簡単なアプリケーションを以下に示します。変数病気の持続期間（9Y±5Y SD）と10年齢と性別一致正常コントロール（6M/4F、58Y±7Y SD）の10臨床的に診断されたPD患者（6M/4F、59Y±7Y SD）を用いて分析したのPET FDG画像当社ssmpcaルーチン 。 20対応する空間的に前の正規化画像は、最初はデフォルトのマスク（ 図3）と一緒にカテゴリ病気科目またはコントロール下に選択した。プログラムの出力の最初の16主成分画像ファイルやシーケンシャル固有値のスクリープロット（ 図6）と一緒にそれらの関連スコアのファイルリスト。 図7aおよび7bに示すような連続したPCの画像と関連するバーと散布図は、初期レビューのために画面に表示されていた。最初のPCコンポーネントが占めていることに注意してください最大VAF（24％）とそれに関連する科目の得点が有意に2標本t検定の比較と.......

ディスカッション

SSM / PCAモデルはもともとメラーらによって提示された^4は、神経画像データの分析のための簡単で堅牢な技術に^1-3と進化してきました。しかし、我々はここで、前の出版物^5-7,10で解明することを試みていることを、この方法論の適用のあいまいがあった。これらの問題のいくつかはテキストで扱われているがために、その重要性をここで改めて強調している。はじめに詳述されているように、SSM / PCAは状態FDG PETデータを休んで主に効果的であるだけでなく、他の単一ボリュームイメージング技術とスキャンプラットフォームH ₂ ^15O PETやシンチ-ECD SPECTを含むだけでなく、灌流ASLを使用して成功していると体積VBM MRI。時系列rsfMRIへの成功したアプリケーションは^、48大幅に強化された技術の将来の発展を必要とする。

SSMの主な強みは、識別する能力にありデータのばらつきの原因と空間的に直交成分にそれらを分離する。ほと.......

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
Image Acquisition
PETスキャナー	GEメディカルシステムズ	GEアドバンス	GE、シーメンス、フィリップ
PCワークステーション	レノボ	Any	http://www.lenovo.com/us/en/
放射性医薬品
[18F]-フルオロデオキシグルコース	ファインスタイン医学研究研究所	ルーチン生産	カーディナルヘルスによっても配布 http://www.cardinal.com/
Software
ScanVP	ファインスタイン医学研究所	バージョン5.9.1、バージョン6.2、リリース予定	www.feinsteinneuroscience.org
>SPM	UCL神経学研究所	spm99-spm8	http://www.fil.ion.ucl.ac.uk/spm
>Windows	Microsoft	Any
Matlab	Mathworks	Matlabバージョン7.0、7.3	http://www.mathworks.com/
>JMP	SAS	バージョン5	http://www.jmp.com/

スの