需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

利用弥散张量成像与纤维束示踪技术测量人类白化病初级视觉通路的连通性

11.5K 次观看

⸱

DOI：

10.3791/53759

⸱

2016年8月11日

 ,  , 
1Department of Biology, Centre for Vision Research, York University

本文内容

摘要

本文描述了用于重建白质（WM）的确定性与概率性算法，旨在研究白化病患者与对照组之间视辐射（OR）连接性的差异。尽管概率性纤维追踪技术能更接近神经纤维的真实走行路径，但仍采用了确定性纤维追踪以比较两种技术的可靠性与可重复性。

摘要

在白化病中，同侧投射的视网膜神经节细胞（RGCs）数量显著减少。视网膜和视交叉曾被提出作为神经纤维错位的可能部位。由于已有研究显示外侧膝状体（LGN）中继神经元数量与LGN体积之间存在相关性，并且基于先前报道的人类白化病患者LGN体积的减小，我们推测从LGN到初级视皮层（V1）的纤维投射也有所减少。研究白化病视觉系统中的结构差异，有助于加深对神经纤维错位机制的理解，并推动后续的临床应用。弥散成像数据和纤维束成像技术可用于绘制视辐射（OR）的路径。本文描述了两种用于重建OR的算法，以比较白化病患者与对照组之间的脑连接情况。使用配备32通道头部线圈的MRI扫描仪采集结构图像。采用体素大小为1 mm3的T1加权3D-MPRAGE序列，生成高分辨率图像用于V1的分割。采集多个质子密度（PD）加权的冠状面图像，以定位左右两侧的LGN。弥散张量成像（DTI）扫描采集了64个弥散方向的数据。分别运行并比较了确定性追踪和概率性追踪方法，以LGN作为种子掩模，V1作为目标掩模。尽管DTI的空间分辨率相对较低，且由于OR纤维密度较低，其精确勾画可能存在挑战，但纤维束成像在科研和临床应用中均已被证明具有优势。基于纤维束的空间统计分析（TBSS）显示，与对照组相比，白化病患者的OR区域内存在显著降低的白质完整性。成对比较分析表明，白化病患者的LGN至V1连接性较对照组显著降低。两种追踪算法的比较结果显示具有一致的发现，进一步增强了该技术的可靠性。

引言

白化病是一种遗传性疾病，主要特征是患者表现出明显的色素缺乏。该病由参与黑色素合成的基因发生遗传性突变所致1。白化病主要有两种形式：眼皮肤白化病（OCA），为常染色体隐性遗传，表现为眼部和皮肤的特征性改变；以及眼白化病（OA），为X连锁遗传，男性中更为常见，主要表现为眼部症状2。视网膜色素上皮（RPE）中的黑色素对中枢视觉通路的正常发育至关重要。因此，在白化病中由于黑色素缺失，会导致视觉功能障碍，包括畏光、眼球震颤、视力下降以及双眼视觉丧失2-3。视力与黄斑形态密切相关，而白化病患者的黄斑形态存在异常4。在人类中，视网膜交叉线沿黄斑处的鼻侧-颞侧边界分布，来自鼻侧视网膜的神经纤维交叉至对侧大脑半球，而来自颞侧视网膜的纤维则在同侧延伸。白化病中视觉功能下降的程度与色素缺乏的程度相关。具体而言，色素沉着水平与交叉线向颞侧视网膜的偏移程度呈负相关5。由于交叉线向颞侧视网膜偏移，视神经纤维的交叉程度增加——这一特征在所有物种中均普遍存在3。

针对人类的结构磁共振成像研究显示，与对照组相比，白化病患者的视交叉较窄，这可能是由于白化病中观察到的视网膜神经节细胞（RGCs）交叉增多所致6-8。视网膜和视交叉表达轴突导向信号分子，如Eph家族受体及其配体9，因此被认为是视路异常投射的潜在部位10。

一项针对诱发性青光眼猴子的研究显示，外侧膝状体核（LGN）中钙结合蛋白免疫反应性中继神经元的数量以及LGN体积均显著减少11。这提示LGN的大小与经视辐射（OR）投射至初级视皮层（V1）的白质（WM）纤维通路数量之间存在相关性。一项关于人类白化病的尸检研究也发现，LGN体积较小，且M层与P层发生融合12。高分辨率结构磁共振成像（MRI）进一步证实，白化病患者LGN体积显著减小8。综合这些发现表明，LGN体积的减小可能导致其内部神经元数量减少，进而导致LGN与V1之间的连接性下降。

在人类中研究解剖连接模式一直受到限制。解剖、示踪剂注射和病灶诱导等方法具有侵入性，仅可用于死后组织，且通常仅涉及极少数患者。先前利用碳菁染料DiI注射的研究表明，在戊二醛固定的死后人脑中，V1与V2（二级视觉皮层）之间13以及海马复合体内部存在神经元连接14。此类纤维标记方法的示踪距离仅限于注射点周围数十毫米范围内14。弥散张量成像（DTI）是20世纪90年代初期至中期发展起来的一种磁共振成像技术，可用于识别纤维束的方向与结构。它是一种非侵入性方法，能够在活体大脑中绘制大范围的白质通路图。DTI对生物组织中水分子的弥散运动具有敏感性15。在大脑中，由于膜结构和髓鞘等屏障的存在，水分子的弥散呈各向异性（不均匀性）。白质具有较高的弥散各向异性，意味着水分子沿纤维走向的弥散程度大于垂直于纤维方向的弥散16。 分数各向异性（FA）是一个标量值，用于描述分子以各向异性方式弥散的倾向性。FA值介于0到1之间，对应从低到高的各向异性程度（脑脊液（CSF）<灰质（GM）<白质）16。

确定性（流线型）和概率性纤维追踪是两种不同的三维路径重建算法。确定性示踪采用线传播方法，连接定义种子区域内的相邻体素。该算法中使用的两个终止标准是转向角和FA值。因此，当转向角较大时，相邻体素之间的示踪难以继续。此外，只有当某个体素内的FA值超过特定阈值时，算法才会继续追踪，这限制了其在灰质附近准确界定通路的能力，因为在灰质区域各向异性会下降。而概率性示踪则生成一幅连接性图谱，描述某个体素属于两个感兴趣区域（ROIs）之间纤维束的概率，因此能够延伸至灰质区域，例如V117。利用这一MRI应用，关键的白质结构（如视辐射OR）可以被清晰描绘，如先前的研究所示18-20。

因此，本研究利用弥散数据和纤维束成像技术，探讨轴突错位对视网膜-外侧膝状体-皮层通路连接性的影响。基于先前报道的人类白化病中外侧膝状体（LGN）体积减小的研究结果8，我们预测从LGN到V1的纤维投射也相应减少（图1）。

访问受限。请登录或开始试用以查看此内容。

方案

伦理声明：本项研究已获得加拿大多伦多约克大学人类参与者审查委员会（HPRC）的批准。所有参与者均签署了知情书面同意书。

1. 受试者准备

注意：将11名白化病（OCA）患者（年龄36 ± 4岁，其中女性6名）与10名年龄匹配的对照组个体（年龄32 ± 4岁，其中女性6名）进行比较。受试者信息记录于表1中。

  1. 要求每位受试者填写并签署一份列明 MRI 安全指南和成像方案的知情同意书。
  2. 为每位受试者提供耳塞。将受试者仰卧、头先进入磁体，并以眉毛水平为基准定位。使用垫子固定受试者头部，以减少头部运动。给予受试者一个挤压球用于紧急报警。

2. 结构磁共振成像参数

注意：所有成像均使用配备32通道头部线圈的3T MRI扫描仪采集。每位受试者进行一次扫描 session：

  1. 使用3D-MPRAGE序列获取覆盖全脑的高分辨率T1加权解剖图像，参数如下：采集时间4分26秒，视野256 mm，矩阵256，192层，层厚1 mm，最终获得各向同性体素尺寸为1.0 mm3，TR = 1900 ms，TE（回波时间）= 2.52 ms，反转时间900 ms，翻转角9°，信号平均次数1次，采用并行成像（iPat GRAPPA，加速因子2）。
  2. 获取覆盖皮层的DTI序列，切片方向为横断位，沿前连合/后连合（AC-PC）线排列，参数如下：采集时间8分5秒，视野192 mm，矩阵128，面内体素1.5 × 1.5 mm，56层连续（无间隔）切片，层厚2 mm，TR = 6900 ms，TE = 86 ms，64个方向，b值为1000 s/mm2（参考图像b值为0 s/mm2），信号平均次数1次，采用并行成像（iPat GRAPPA），加速因子3。
  3. 获取30–40张冠状位PD加权图像，方向平行于脑干，覆盖范围从前脑桥前缘至下丘后部。
    1. 采用Turbo自旋回波（快速自旋回波，FAST spin echo）脉冲序列，参数如下：每次扫描采集时间1分29秒，视野192 mm，矩阵256，30–40层，层厚1 mm，最终体素尺寸为0.75 × 0.75 × 1 mm3，TR = 3,000 ms，TE = 22 ms，Turbo因子5，重聚焦翻转角120°，信号平均次数1次，采用并行成像（iPat GRAPPA），加速因子2。
      注意：被试S12的扫描参数如下：视野180 mm，矩阵512，30层，层厚1 mm，最终体素尺寸0.4 × 0.4 × 1.0 mm3。其余所有参数保持不变，采集时间为2分47秒。
  4. 使用dcm2nii程序将原始DICOM数据转换为NIfTI格式，对所有扫描图像进行预处理。

3. LGN 分界

注意：外侧膝状体（LGN）是位于大脑深部的一个小型皮层下结构，因此需要高分辨率的质子密度（PD）图像才能确定其解剖边界。在这些扫描图像中，LGN 相对于周围白质（WM）纤维束表现为高信号强度区域，有助于其识别21。随后将所确定的解剖学 LGN 用作纤维束成像的种子区域。

  1. 在盲法条件下（不知分组信息），在每位受试者的平均质子密度（PD）图像上，对右侧和左侧外侧膝状体核（LGN）的手动勾画各重复三次。这些PD图像已插值至原始分辨率的两倍、体素尺寸减半（原始矩阵为256 × 256，体素尺寸为0.75 × 0.75 × 1 mm3）。
    1. 为获得高分辨率PD图像，使用FMRIB软件库（FSL，http://www.fmrib.ox.ac.uk/fsl/）中免费提供的FLIRT功能及其他工具。按照先前文献所述方法22，对每位受试者的PD图像进行上采样、拼接、运动校正和平均。
    2. 在FSLView中加载高分辨率PD图像，点击“Tools”选项卡选择“Single”选项（或按下 图示静力平衡方程 ΣFx=0；显示力的平衡，教育用物理概念。 ）以放大图像。
    3. 点击“File”选项卡选择“Create Mask”选项，并使用屏幕左上方的工具栏逐层勾画LGN轮廓。如需要，可通过拖动工具栏中的最小/最大值滑块调整图像对比度，以利于LGN的识别。
  2. 使用fslmerge命令将这些感兴趣区域（ROIs）合并为一个中位掩模（median mask）。
  3. 使用相同命令将所有评估者的中位掩模合并为一个统一的中位掩模。

4. V1 分割

  1. 在 FreeSurfer23（v5.3.0）中对处于原生解剖空间的脑部图像（T1 加权图像）运行“recon-all”命令，以进行自动化处理。
  2. 使用“mri_convert”将新创建的 mri 文件夹中的相应输出文件（orig.mgz、brain.mgz、rawavg.mgz、T1.mgz）转换为 NIfTI 格式。
  3. 如有必要，在 FSL 图形界面中使用 BET 脑提取功能，对 FreeSurfer 空间中的去颅骨输出脑图像（brain.nii.gz）进行校正。选择“使用 bet2 运行标准脑提取”选项（默认）。如果图像中缺失脑组织，则降低阈值；如果包含非脑组织，则提高阈值（默认阈值为 0.5）。在高级选项中，选择输出脑提取图像和输出二值脑掩膜图像（后者可用于手动校正）。
  4. 使用“label2surf”和“surf2volume”命令将输出的 V1 分区图转换为体积掩膜。

5. 跟踪前登记

注意：在接下来的步骤中，调用 FSL 图形用户界面以打开以下每个工具。

  1. 使用 BET 脑提取工具，并选择“偏置场与颈部清理”选项，对由“recon-all”生成的 mri 文件夹中的 rawavg.nii.gz 进行去颅骨处理。根据需要调整阈值。
  2. 运行 FLIRT 线性配准，将 FreeSurfer 空间和原始解剖空间中的脑图像配准至弥散空间。
    1. 选择 recon-all 的输出 brain.nii.gz（FreeSurfer 空间）或受试者的脑提取 T1 图像（原始解剖空间）作为输入图像，选择经过 Eddy 校正并完成脑提取的弥散加权图像（DWI）作为参考图像，然后点击“Go”。
      注意：此步骤生成两个输出结果，即配准到参考图像的输入脑图像（.nii.gz）和一个变换矩阵（.mat）。除用于图像配准外，当种子空间不是弥散空间时，后者文件在纤维束追踪中也是必需的。在 7.4.2 节中所述的纤维束追踪中，请使用本步骤生成的输出变换矩阵（.mat）。
  3. 与步骤 5.2 类似，运行 FLIRT 线性配准，将受试者的 PD 脑图像配准至 FreeSurfer 空间和原始解剖空间。
  4. 为纤维束追踪准备种子掩模：
    1. 在 FLIRT 线性配准工具箱的 Utils 中应用 FLIRT 变换。使用上一步生成的 .mat 文件作为变换矩阵，原始 LGN 掩模作为输入，brain.nii.gz（FreeSurfer 空间）或 T1_brain.nii.gz（原始解剖空间）（见 5.2 节）作为参考体积。在高级选项中选择“最近邻插值”方法。
  5. 仅使用 brain.nii.gz 文件，为纤维束追踪准备目标掩模：
    1. 将 FreeSurfer 脑图像配准至原始解剖空间，并使用三线性插值对 V1 掩模（见 5.2 和 5.4.1 节）应用变换以生成目标掩模。点击“Go”。

6. LGN 标准化

  1. 使用 FNIRT 非线性配准方法（如 http://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FNIRT 所述），将受试者原始解剖空间中的未提取大脑图像配准至蒙特利尔神经学研究所标准空间（MNI 空间），采用蒙特利尔神经学研究所全脑模板（MNI152）。
    注意：建议对此步骤使用原始解剖图像的非线性配准，因为将FNIRT应用于未提取脑组织的T1图像时，配准精度高于对提取脑组织后的图像应用FLIRT的结果。
  2. 使用最近邻插值法，将位于解剖空间中的LGN掩模（原始LGN已在5.4节中变换至个体解剖空间）按照5.4.1节所述方法变换至MNI空间。
  3. 使用 AFNI 的 "3dMean" 命令对两组在 MNI 空间中的所有 LGN 掩模进行平均。
  4. 使用 "fslmaths -thr" 对 MNI 空间中的平均掩膜应用阈值。
  5. 使用MNI空间中的平均掩膜计算其半径 V = 4/3πr3 （假设为一个球体）。
  6. 使用命令“fslstats -C”记录每个个体LGN掩膜在原生解剖空间中的质心坐标。
  7. 在所有参与者中创建体积相同的球形感兴趣区域（ROI）：
    1. 使用 "使用“fslmaths”在个体原生解剖空间中，根据步骤6.6记录的适当个体LGN掩模坐标创建ROI点
    2. 使用“fslmaths”将MNI空间中平均掩膜的半径应用于在原始解剖空间中ROI点周围创建一个球体。
  8. 使用这些标准化的模板作为纤维束追踪的种子。

7. 概率纤维束成像（FSL 5.0.4）

注意：在接下来的步骤中，调用 Fdt_gui 以访问以下每种工具。

  1. 使用涡流校正校正 DWI 中的畸变。在扩散工具箱窗口顶部菜单中选择“涡流校正”选项，并将 DWI 作为输入上传，参考体积保留默认值（0）。
  2. 按照 4.3 节所述，使用 BET 对图像进行脑提取。
  3. 从菜单中选择“DTIFIT 重建扩散张量”选项。指定一个包含以下文件的输入目录：扩散加权数据、nodif_brain_mask（BET 的输出）、bvec 和 bval（必须重命名为 bvecs 和 bvals；这些是包含扩散图像采集参数信息的文本文件，由扩散数据的 DICOM 转 NIfTI 转换生成）。点击“Go”运行 dtifit，该程序将在每个体素中拟合扩散张量模型，生成用于后处理的文件。
  4. 接下来，从同一菜单中选择“BedpostX（扩散参数估计）”选项。使用与 DTIFIT 相同的输入目录。点击“Go”以生成纤维束追踪所需的所有文件。
  5. 从同一菜单中选择“ProbtrackX 进行概率性追踪”，并分别对每个半球运行。保持默认基本选项（5,000 次采样，应用 0.2 曲率和环路检查），并在高级选项中选择“修正欧拉法”以提高计算概率性流线的准确性。
    1. 选择包含 .merged 文件的 BedpostX 输出作为 BEDPOSTX 目录。
    2. 选择“单个掩膜”作为种子空间，加载变换后的 LGN 掩膜（在原始解剖空间中）作为种子图像，将 T1（原始解剖空间中的脑）到扩散空间的变换矩阵作为种子到扩散空间的变换，将 V1（在原始解剖空间中）作为“可选目标”（除排除掩膜外的所有目标）中的目标。
    3. 使用默认网格约定（Caret），并将原始解剖空间中的脑（T1 图像）作为表面参考图像加载。
  6. 重复 ProbtrackX 的概率性追踪，使用标准球形 ROI（在第 6 步中创建）作为纤维束追踪的种子区域，方法如 7.5.2 节所述。以与 7.5.2 节中上传变换后 LGN（解剖空间）相同的方式上传 ROI。
  7. 重新运行纤维束追踪（7.5 节），此次使用 FreeSurfer 空间中的种子（非归一化）和目标掩膜，并添加 FreeSurfer 的对侧白质边界掩膜作为排除掩膜，以避免交叉纤维，确保直接的同侧连接。在 ProbtrackX 工具箱中勾选“Surface”选项，并选择 FreeSurfer 作为网格约定。
    注意：需要强调的是，纤维束追踪始终在扩散空间中运行，但 ProbtrackX 的概率性追踪允许输入处于不同空间的种子和目标掩膜，同时提供到扩散空间的变换矩阵。在本研究中，概率性纤维束追踪使用了原始解剖空间和 FreeSurfer 空间中的掩膜（图 2）。

8. 确定性纤维追踪（DSI Studio）

  1. 在 DSI Studio 中点击“步骤 1：打开源图像”以打开经过 Eddy 校正的扩散加权图像24。将 bvec 和 bval 文件加载到自动打开的 b-table 窗口中，以生成源文件（.src 文件）。
  2. 将生成的源文件加载到重建窗口中，并根据需要修改默认生成的脑掩膜。
  3. 然后选择 DTI 作为重建方法25，并在源文件上运行该方法以生成纤维信息文件（.fib 文件）。
  4. 使用 FLIRT 线性配准将受试者的帕金森病（PD）脑图像配准至扩散空间。
  5. 按照 5.4.1 节所述，使用最近邻插值法对 LGN 掩膜应用相应的变换。
  6. 在程序的追踪窗口中打开 .fib 文件。
  7. 对每个半球分别进行追踪，以扩散空间中的 LGN 作为种子区域，以 DSI Studio 提供的 Brodmann 图谱中的 17 区（V1）作为终止区域。通过点击“Regions”选项卡并选择“Open Region”来加载 LGN 掩膜，并在屏幕左侧的“Region List”中将“Type”设为“Seed”。为从图谱加载 V1 掩膜，请在“Region List”的工具栏中点击“Atlas”，然后选择适当的图谱。
  8. 每次运行中，将 FreeSurfer 分割图谱中的对侧白质（名为 left/right-cerebral-white-matter）掩膜（见追踪窗口中的 Region List 框）设置为避免区域（ROA）。
  9. 重复追踪（8.7–8.8 节），在扩散空间中使用球形 ROI 替代个体化的 LGN 作为纤维束追踪的种子区域。
    注：这些球形 ROI 在所有受试者中具有相同体积，并以每个 LGN 的质心为中心。
  10. 重复第 6 节中的 LGN 标准化过程，但此次将扩散空间中的脑图像配准至标准 MNI 空间，并将变换应用于扩散空间中的 LGN（此前已在 8.4–8.5 节中变换至扩散空间），以将掩膜带入标准 MNI 空间。将球形 ROI 的体积计算为所有受试者在 MNI 空间中 LGN 体积的平均值。
    注：追踪参数可由用户修改。大多数运行中采用默认追踪参数；但对于部分个体（A5、A7、S12），各向异性阈值（默认 0.14–0.15）降低至 0.10–0.12，角度阈值（默认 60）提高至 65–85，以获得更清晰的可视化效果。该技术的示意图见图 3。

9. 统计分析 – TBSS（FSL）

注意：基于纤维束的空间统计学（tract-based spatial statistics）是一种对受试者FA图（由dtifit26获得）进行体素水平统计分析的方法16，广泛用于弥散数据的统计分析。这种体素水平的方法可克服基于VBM的FA分析中常见的配准和空间平滑问题，并实现全脑范围的分析，这是基于纤维束追踪的分析方法所无法达到的16。

  1. 在新创建的 TBSS 目录中对 FA 数据运行 "tbss_1_preproc"。
  2. 运行“tbss_2_reg” – T 以进行非线性配准，将每位受试者的FA数据配准至公共空间（FMRIB58_FA，TBSS中的目标图像）。
  3. 使用所有受试者间共有纤维束的中心创建平均FA骨架 "tbss_3_postreg -S"."
  4. 运行 “tbss_4_prestats 0.2”用于将每位受试者的配准后FA图映射到所有配准后FA图的平均骨架上。
  5. 创建 design.con 和 design.mat 文件，并确保矩阵的顺序与 TBSS 预处理 FA 数据的顺序一致。
  6. 运行“randomise”程序，选择推荐用于TBSS的T2选项（因其作用于骨架，即三维数据的简化子集），并设置5,000次预置换，以获得更精确的p值。

10. 统计分析 – SPSS

  1. 从确定性数据中提取FA值
    注：基于确定性算法的FA值源自DSI Studio输出的统计文本文件。这些数值代表所生成纤维束内的平均FA值，在本研究中对应于视辐射（OR）区域。
    1. 在 DSI Studio 中运行纤维追踪。
    2. 保存 DSI Studio 为每组生成的纤维束创建的“statistics”文本文件，并从中记录“FA mean”值。
  2. 从概率数据中提取FA值
    注：基于概率的FA值源自ProbtrackX2输出的fdt_paths文件。这些是三维纤维束密度图像，在本研究中覆盖对应于视辐射（OR）的区域。
    1. 使用FLIRT线性配准将每位参与者的fdt_paths文件配准至扩散空间。
    2. 使用“fslmaths -bin”对输出的掩膜进行二值化。
    3. 对于每位参与者，使用“fslmaths -mul”将掩膜与其来自 dtifit 的 FA 图相乘。
    4. 运行“fslmeants”命令以从每条纤维束掩模中提取平均FA值。
  3. 使用 SPSS 进行分析（基于确定性与概率性方法）
    数据
    注意：统计分析使用 Mac 版 SPSS 20 进行。由于半球为被试内变量，因此采用广义线性模型（GENLIN），以便分别考察大脑两侧的影响。具体而言，使用广义估计方程（GEE）。
    1. 在独立的测试中，分别将平均FA值和纤维束数量（waytotal或生成的纤维束百分比，PGSL）设为因变量。
      注：本研究中，流线计数基于总路径值（way-total）。总路径值描述了未被纳入/排除标准拒绝的所生成流线的总数27生成的流线数量（NGSL）指发送的流线总数，等于种子掩膜中体素数量乘以从每个体素抽取的样本数（本例中为5,000）。生成流线百分比（PGSL），即 waytotal 除以 NGSL 再乘以100，用于衡量种子区域与目标区域之间连接成功的程度。
    2. 通过在所有测试中将群体和性别设为自变量，研究群体和性别对 LGN 到 V1 连通性的影响。
      注意：研究了主效应以及二阶和三阶交互作用。需要特别指出的是，这些单独的检验之间并不相互依赖，因此某一主效应或交互作用的显著性独立于其他效应。
    3. 将年龄作为所有检验的协变量。对于以平均FA值和waytotal为因变量的检验，还需将LGN体积作为协变量；但在以PGSL为因变量的检验中则不包含LGN体积作为协变量。
      注：总脑容量被发现是一个不显著的协变量，因此未纳入统计分析。
    4. 选择Bonferroni校正法以校正多重比较28 显著性水平 p <0.05).

访问受限。请登录或开始试用以查看此内容。

结果

本节总结了使用两种不同纤维束成像算法（确定性算法和概率性算法）所获得的结果。记录了在PD空间中绘制掩膜的LGN体积，以及本研究中使用的其他所有空间中的LGN体积。 表 2，以及 LGN 示踪如图所示 图 4. 此处报告的结果基于使用标准球体作为外侧膝状体（LGN）感兴趣区域（ROI）的运行结果。标准LGN体积为461 mm³3 在解剖学空间中双侧半球（概率运行），以及 292.5 mm3 和 364.5 mm3 在弥散空间（确定性运行）中，分别对应左右半球。对于两次运行，这些标准体积与在MNI空间中计算得到的平均体积非常接近（解剖空间至MNI：472 mm3 和 440 mm3 分别对应左侧和右侧；扩散至 MNI：376 和 312 mm3 左右分别），但比大多数在原生空间中的LGN体积要大（解剖像中最大为281 mm3...

访问受限。请登录或开始试用以查看此内容。

讨论

与对照组相比，预期白质（WM）存在异常，更具体地说，白化病患者的连通性降低。因此，本研究中观察到的白化病患者右侧半球的分数各向异性（FA）降低，以及男性白化病患者连通性下降的结果，均符合我们的预测。性别和半球效应尚不完全明确，尽管已有针对健康大脑的研究表明，与女性相比，男性的左侧半球白质复杂性较低30-31，这可能部分解释本研究中观察到的与性别和半球相关的差异。男性白化病患者相较于女性白化病患者的连通性降低，可能部分归因于两组中女性平均年龄更小（7-8岁 < 男性），因为在健康大脑中，白质体积在中年时期即被报道有所减少32-33。性别差异也可能源于样本量较小以及每组中男性与女性数量不均衡（5名男性OCA患者，4名对照者）。与同性别对照组相比，女性白化病患者表现出更高的连通性，这一结果出乎意料，可能提示白化病中存在某种代偿机制。然而，该发现也可能主要归因于小样本群体中存在的较大变异性。

平均FA值和纤维束数量用于探究外侧膝状体核（LGN）到初级视皮层（V1）的连接性。FA是弥散数据中最常报告的指标之一，最准确的描述...

访问受限。请登录或开始试用以查看此内容。

披露

作者声明无利益冲突。

致谢

本工作部分得到了加拿大自然科学与工程研究理事会（NSERC）的支持。作者感谢所有参与者，感谢Rick Thompson博士在招募白化病患者方面提供的帮助，感谢Denis Romanovsky在运行部分分析及修改图表方面的协助，感谢Mónica Giraldo Chica在纤维束成像方面的专业知识和建议，感谢Joy Williams在MRI数据采集中的帮助，以及感谢Aman Goyal在MRI分析方面的专业技能。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
西门子 Magnetom Tim Trio 3T 磁共振成像仪Siemens (Erlangen, Germany)
FMRIB’软件库 (FSL)http://www.fmrib.ox.ac.uk/fsl/
FreeSurferhttp://surfer.nmr.mgh.harvard.edu
DSI Studiohttp://dsi-studio.labsolver.org
SPSS

参考文献

  1. Montoliu, L., et al. Increasing the complexity: new genes and new types of albinism. Pigment Cell Melanoma Res. 27, 11-18 (2013).
  2. Martinez-Garcia, M., Montoliu, L. Albinism in Europe. J. Dermatol. 40 (5), 319-324 (2013).
  3. Gottlob, I. Albinism: a model of adaptation of the brain in congenital visual disorders. Br. J. Opthalmol. 91 (4), 411-412 (2007).
  4. Wilk, M. A., et al. Relationship between foveal cone specialization and pit morphology in albinism. Invest. Ophthalmol. Vis. Sci. 55 (7), 4186-4198 (2014).
  5. Von dem Hagen, E. A. H., Houston, G. C., Hoffman, M. B., Morland, B. A. Pigmentation predicts the shift in the line of decussation in humans with albinism. Eur. J. Neurosci. 25, 503-511 (2007).
  6. Rice, D. S., Williams, R. W., Goldowitz, D. Genetic control of retinal projections in inbred strains of albino mice. J comp neurol. 354 (3), 459-469 (1995).
  7. Schmitz, B., Schaefer, T., Krick, C. M., Reith, W., Backens, M., Kasmann-Kellner, B. Configuration of the optic chiasm in humans with albinism as revealed by magnetic resonance imaging. Invest. Ophthalmol. Vis. Sci. 44 (1), 16-21 (2003).
  8. Mcketton, L., Kelly, K. R., Schneider, K. A. Abnormal lateral geniculate nucleus and optic chiasm in human albinism. J. Comp. Neurol. 522 (11), 2680-2687 (2014).
  9. Williams, S. E., et al. Ephrin-B2 and EphB1 mediate retinal axon divergence at the optic chiasm. Neuron. 39 (6), 919-935 (2003).
  10. van Genderen, M. M., Riemslag, F. C., Schuil, J., Hoeben, F. P., Stilma, J. S., Meire, F. M. Chiasmal misrouting and foveal hypoplasia without albinism. J. Opthalmol. 90 (9), 1098-1102 (2006).
  11. Yücel, Y. H., Zhang, Q., Gupta, N., Kaufman, P. L., Weinreb, R. N. Loss of neurons in magnocellular and parvocellular layers of the lateral geniculate nucleus in Glaucoma. Arch. Ophthalmol. 118 (3), 378-384 (2000).
  12. von dem Hagen, E. A., Hoffman, M. B., Morland, A. B. Identifying human albinism: a comparison of VEP and fMRI. Invest. Ophthalmol. Vis. Sci. 49 (1), 238-249 (2008).
  13. Burkhalter, A., Bernardo, K. L. Organization of cortico-cortical connections in human visual cortex. Proc. Natl. Acad. Sci. USA. 86 (3), 1071-1075 (1989).
  14. Mufson, E. J., Brady, D. R., Kordower, J. H. Tracing neuronal connections in postmortem human hippocampal complex with the carbocyanine Dye DiI. Neurobiol. Aging. 11 (6), 649-653 (1990).
  15. Wedeen, V. J., et al. Diffusion spectrum magnetic resonance imaging (DSI) tractography of crossing fibers. Neuroimage. 41 (4), 1267-1277 (2008).
  16. Smith, S. M., et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. NeuroImage. 31 (4), 1487-1505 (2006).
  17. Newcombe, V. F., Das, T., Cross, J. J. Diffusion imaging in neurological disease. J. Neurol. 260 (1), 335-342 (2013).
  18. Behrens, T. E. J., et al. Non-invasive mapping of connections between human thalamus and cortex using diffusion imaging. Nat. Neurosci. 6 (7), 750-757 (2003).
  19. Bassi, L., et al. Probabilistic diffusion tractography of the optic radiations and visual function in preterm infants at term equivalent age. Brain. 131 (2), 573-582 (2008).
  20. Hofer, S., Karaus, A., Frahm, J. Reconstruction and dissection of the entire human visual pathway using diffusion tensor MRI. Front Neuroanat. 4, 1-7 (2010).
  21. Fujita, N., et al. Lateral Geniculate Nucleus: Anatomic and Functional Identification by Use of MR Imaging. Am. J. Neuroradiol. 22 (9), 1719-1726 (2001).
  22. McKetton, L., Joy, W., Viviano, J. D., Yücel, Y. H., Gupta, N., Schneider, K. A. High resolution structural magnetic resonance imaging of the human subcortex in vivo and postmortem. J. Vis. Exp. , (2015).
  23. Fischl, B. FreeSurfer. NeuroImage. 62 (2), 774-781 (2012).
  24. Yeh, F. C., Verstynen, T. D., Wang, Y., Fernández-Miranda, J. C., Tseng, W. Y. Deterministic Diffusion Fiber Tracking Improved by Quantitative Anisotropy. PLoS One. 8 (11), 807-813 (2013).
  25. Jiang, H., van Zijl, P. C., Kim, J., Pearlson, G. D., Mori, S. DtiStudio: resource program for diffusion tensor computation and fiber bundle tracking. Comput. Methods. Programs. Biomed. 81 (2), 106-116 (2006).
  26. Smith, S. M., et al. Advances in functional and structural MR image analysis and implementation as FSL. NeuroImage. 23 (1), 208-219 (2004).
  27. Galantucci, S., et al. White matter damage in primary progressive aphasias: a diffusion tensor tractography study. J. Neurol. 134, 3011-3029 (2011).
  28. Cabin, R. J., Mitchell, R. J. To Bonferroni or not to Bonferroni: when and how are the questions. Bull. Ecol. Soc. Am. 81 (3), 246-248 (2000).
  29. Kaiser, P. K. Prospective evaluation of visual acuity assessment: a comparison of snellen versus ETDRS charts in clinical practice (An AOS Thesis). Trans. Am. Ophthalmol. Soc. 107, 311-324 (2009).
  30. Farahibozorg, S., Hashemi-Golpayegani, S. M., Ashburner, J. Age and sex-related variations in the brain white matter fractal dimension throughout adulthood: An MRI study. Clin. Neuroradiol. 25 (1), 19-32 (2014).
  31. Tian, L., Wang, J., Yan, C., He, Y. Hemisphere and gender-related differences in small world brain networks: a resting state functional MRI study. NeuroImage. 54 (1), 191-202 (2011).
  32. Ge, Y., Grossman, R. I., Babb, J. S., Rabin, M. L., Mannon, L. J., Kolson, D. L. Age-related total gray matter and white matter changes in normal adult brain. Part 1: volumetric MR imaging analysis. Am. J. Neuroradiol. 23 (8), 1327-1333 (2002).
  33. Zhang, L., Dean, D., Liu, J. Z., Sahgal, V., Wang, X., Yue, G. H. Quantifying degeneration of white matter in normal aging using fractal dimension. Neurobiol. Aging. 28 (10), 1543-1555 (2007).
  34. Jones, D. K., Knosche, T. R., Turner, R. White matter integrity, fiber count, and other fallacies: The do's and don'ts of diffusion MRI. NeuroImage. 73, 239-254 (2013).
  35. Coenen, V. A., Huber, K. K., Krings, T., Weidemann, J., Gilsbach, J. M., Rohde, V. Diffusion-weighted imaging-guided resection of intracerebral lesions involving the optic radiation. Neurosurg. Rev. 28 (3), 188-195 (2005).
  36. Andrews, T. J., Halperm, S. D., Purves, D. Correlated size variations in human visual cortex, lateral geniculate nucleus, and optic tract. J. Neurosci. 17 (8), 2859-2865 (1997).
  37. Bridge, H., Thomas, O., Jbabdi, S., Cowey, A. Changes in connectivity after visual cortical brain damage underlie altered visual function. Brain. 131, 1433-1444 (2008).
  38. Asman, A. J., Landman, B. A. Non-local statistical label fusion for multi-atlas segmentation. Med. Image. Anal. 17 (2), 194-208 (2013).

访问受限。请登录或开始试用以查看此内容。

重印与许可

探索更多文章

视辐射外侧膝状体至V1的连接性确定性追踪概率性追踪基于纤维束的空间统计白质完整性
利用弥散张量成像与纤维束示踪技术测量人类白化病初级视觉通路的连通性
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。