Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

Een gestandaardiseerde pijplijn voor het onderzoeken van menselijke cerebellaire grijze stofmorfometrie met behulp van structurele magnetische resonantie beeldvorming

Published: February 4, 2022 doi: 10.3791/63340
Automatic Translation
1, 2, 3, 4, 5,6, 7, 1,8
1Department of Neuroscience, Central Clinical School, Monash University, 2Department of Biomedical Engineering, The Johns Hopkins University, 3Department of Psychiatry, National Institute of Mental Health & Neuro Sciences (NIMHANS), 4Faculty of Computer Science, Dalhousie University, 5Department of Electrical and Computer Engineering, The Johns Hopkins University, 6Department of Computer Science, The Johns Hopkins University, 7Brain and Mind Institute, Department for Statistical and Actuarial Sciences, Department for Computer Science, Western University, 8Monash Biomedical Imaging, Monash University

Summary

Een gestandaardiseerde pijplijn wordt gepresenteerd voor het onderzoeken van cerebellum grijze stof morfometrie. De pijplijn combineert state-of-the-art benaderingen met hoge resolutie voor geoptimaliseerde en geautomatiseerde cerebellumverkaveling en voxelgebaseerde registratie van het cerebellum voor volumetrische kwantificering.

Abstract

Meerdere onderzoekslijnen leveren overtuigend bewijs voor een rol van het cerebellum in een breed scala aan cognitieve en affectieve functies, die veel verder gaan dan de historische associatie met motorische controle. Structurele en functionele neuroimagingstudies hebben het begrip van de functionele neuroanatomie van het cerebellum verder verfijnd dan de anatomische delingen, wat de noodzaak benadrukt van het onderzoek van individuele cerebellaire subeenheden in gezonde variabiliteit en neurologische ziekten. Dit artikel presenteert een gestandaardiseerde pijplijn voor het onderzoeken van cerebellum grijze stof morfometrie die hoge resolutie, state-of-the-art benaderingen combineert voor geoptimaliseerde en geautomatiseerde cerebellum parcellation (Automatische Cerebellum Anatomical Parcellation using U-Net Locally Constrained Optimization; ACAPULCO) en voxel-gebaseerde registratie van het cerebellum (Spatially Unbiased Infra-tentorial Template; SUIT) voor volumetrische kwantificering.

De pijplijn is breed toepasbaar op een reeks neurologische aandoeningen en is volledig geautomatiseerd, met handmatige interventie die alleen nodig is voor kwaliteitscontrole van de uitgangen. De pijplijn is vrij beschikbaar, met substantiële bijbehorende documentatie, en kan worden uitgevoerd op Mac-, Windows- en Linux-besturingssystemen. De pijplijn wordt toegepast in een cohort van personen met Friedreich-ataxie (FRDA) en representatieve resultaten, evenals aanbevelingen voor inferentiële statistische analyses op groepsniveau, worden verstrekt. Deze pijplijn zou de betrouwbaarheid en reproduceerbaarheid in het hele veld kunnen vergemakkelijken, wat uiteindelijk een krachtige methodologische benadering biedt voor het karakteriseren en volgen van cerebellaire structurele veranderingen in neurologische aandoeningen.

Introduction

Het cerebellum is een deel van de hersenen dat historisch geassocieerd is met motorische controle 1,2,3 en wordt verondersteld integraal betrokken te zijn bij slechts een kleine reeks zeldzame ziekten, zoals erfelijke ataxie4. Convergerende onderzoekslijnen uit anatomische traceringsstudies bij niet-menselijke primaten, evenals studies naar menselijke laesies en neuroimaging, leveren echter overtuigend bewijs voor een rol van het cerebellum in een breed scala van cognitieve 5,6,7, affectieve 8,9,10,11 en andere niet-motorische functies 7,12 (zie6  ter beoordeling). Bovendien zijn afwijkingen van het cerebellum in toenemende mate betrokken bij een breed scala aan neurologische en psychiatrische aandoeningen, waaronder de ziekte van Parkinson13, de ziekte van Alzheimer14,15, epilepsie16,17, schizofrenie18 en autismespectrumstoornis19 . Daarom is het essentieel geworden om het cerebellum op te nemen in functionele en structurele modellen van menselijke hersenziekten en normatieve gedragsvariabiliteit.

Anatomisch kan het cerebellum langs zijn superieure as worden verdeeld in drie lobben: voorste, achterste en flocculonodudulaire. De lobben zijn verder onderverdeeld in 10 lobben aangeduid met Romeinse cijfers I-X20,21 (figuur 1). Het cerebellum kan ook worden gegroepeerd in middellijn (vermis) en laterale (hemisfeer) zones, die respectievelijk inputs ontvangen van het ruggenmerg en de hersenschors. De voorkwab, bestaande uit lobules I-V, is van oudsher geassocieerd met motorische processen en heeft wederzijdse verbindingen met cerebrale motorische cortices22. De achterkwab, bestaande uit lobules VI-IX, is voornamelijk geassocieerd met niet-motorische processen11 en heeft reciproke verbindingen met de prefrontale cortex, posterieure pariëtale en superieure temporale cerebrale cortices 8,23. Ten slotte heeft de flocculonodulaire kwab, bestaande uit lobule X, reciproke verbindingen met vestibulaire kernen die oogbewegingen en lichaamsevenwicht regelen tijdens houding en gang21.

Een groeiend aantal recente werken met behulp van functionele neuroimaging heeft het begrip van de functionele neuroanatomie van het cerebellum verder verfijnd dan de anatomische divisies. Zo zijn er bijvoorbeeld rusttoestand functionele magnetische resonantie beeldvorming (fMRI) technieken gebruikt om het patroon van functionele interacties tussen het cerebellum en cerebrum in kaart tebrengen 24. Bovendien toonden King en collega's7 met behulp van een taakgebaseerde verkavelingsbenadering aan dat het cerebellum een rijk en complex patroon van functionele specialisatie over de hele breedte vertoont, wat blijkt uit verschillende functionele grenzen die verband houden met een verscheidenheid aan motorische, affectieve, sociale en cognitieve taken. Gezamenlijk benadrukken deze studies het belang van het onderzoeken van individuele cerebellaire subeenheden om volledige biologische karakteriseringen van cerebellumbetrokkenheid te ontwikkelen bij zowel gezonde variabiliteit als neurologische ziekten die worden gekenmerkt door veranderingen in de cerebellaire structuur en / of functie.

Het huidige werk richt zich op methoden voor het kwantificeren van lokale veranderingen in cerebellaire volume met behulp van structurele MRI bij mensen. Over het algemeen zijn er twee fundamentele benaderingen voor de kwantificering van regionaal hersenvolume met behulp van MRI-gegevens: op kenmerken gebaseerde segmentatie en voxel-gebaseerde registratie. Op functies gebaseerde segmentatiebenaderingen maken gebruik van anatomische oriëntatiepunten en gestandaardiseerde atlassen om automatisch grenzen tussen subregio's te identificeren. Mainstream softwarepakketten voor segmentatie zijn FreeSurfer25, BrainSuite26 en FSL-FIRST27. Deze pakketten bieden echter alleen grove verkavelingen van het cerebellum (bijvoorbeeld het labelen van de hele grijze stof en de hele witte stof in elke hemisfeer), waardoor de afzonderlijke cerebellaire lobben over het hoofd worden gezien. Deze benaderingen zijn ook gevoelig voor missegmentatie, met name overinclusie van de omringende vasculatuur.

Er zijn nieuwe machine learning- en multi-atlas-etiketteringsalgoritmen ontwikkeld, die een nauwkeurigere en fijnmazigere verkaveling van het cerebellum bieden, waaronder automatische classificatie van cerebellaire lobbenalgoritme met behulp van impliciete multi-boundary evolution (ACCLAIM28,29), Cerebellaire analysetoolkit (CATK30), meerdere automatisch gegenereerde sjablonen (MAGeT31), snelle automatische segmentatie van het menselijke cerebellum en zijn lobules (RASCAL32 ), graph-cut segmentation33 en CEREbellum Segmentation (CERES34). In een recent artikel waarin state-of-the-art volledig geautomatiseerde cerebellum parcellation benaderingen werden vergeleken, bleek CERES2 beter te presteren dan andere benaderingen ten opzichte van goudstandaard handmatige segmentatie van de cerebellaire lobben35. Meer recent ontwikkelden Han en collega's36 een deep-learning algoritme genaamd ACAPULCO (Automatic Cerebellum Anatomical Parcellation using U-Net with locally constrained optimization), dat op gelijke voet presteert met CERES2, een brede toepasbaarheid heeft op zowel gezonde als geatrofieerde cerebellums, beschikbaar is in open-source Docker- en Singularity-containerformaat voor 'off-the-shelf' implementatie en tijdefficiënter is dan andere benaderingen. ACAPULCO verkaveld het cerebellum automatisch in 28 anatomische gebieden.

In tegenstelling tot feature-based segmentatie, werken voxel-gebaseerde registratiebenaderingen door een MRI nauwkeurig toe te wijzen aan een sjabloonafbeelding. Om deze toewijzing te bereiken, moeten de voxels in de oorspronkelijke afbeelding worden vervormd in grootte en vorm. De grootte van deze vervorming biedt effectief een maat voor het volume bij elke voxel ten opzichte van de gouden standaardsjabloon. Deze vorm van volumetrische beoordeling staat bekend als 'voxel-gebaseerde morfometrie'37. Whole-brain voxel-gebaseerde registratiebenaderingen, zoals FSL-FLIRT38 / FNIRT39, SPM unified segmentation40 en CAT1241, worden vaak gebruikt voor voxel-gebaseerde morfometrie. Deze benaderingen houden echter geen goed rekening met het cerebellum, wat resulteert in slechte betrouwbaarheid en validiteit in infratentoriale gebieden (cerebellum, hersenstam42). Om rekening te houden met deze beperkingen, werd het SUIT -algoritme (Spatially Unbiased Infra-tentorial Template) ontwikkeld om de cerebellumregistratie te optimaliseren en de nauwkeurigheid van voxel-gebaseerde morfometrie42,43 te verbeteren.

Feature-based segmentatie en voxel-gebaseerde registratiebenaderingen voor de schatting van regionaal cerebellair volume hebben fundamentele sterke en zwakke punten. Segmentatiebenaderingen zijn aanzienlijk nauwkeuriger voor het kwantificeren van het volume van anatomisch gedefinieerde gebieden (bijv. Lobules35). Grenzen tussen verschillende functionele modules van het cerebellum zijn echter niet in kaart gebracht op zijn anatomische folia en fissuren (equivalent aan gyri en sulci van het cerebrum7). Aangezien op registratie gebaseerde benaderingen niet worden beperkt door anatomische oriëntatiepunten, is fijnmaziger ruimtelijke inferentie en hoogdimensionale structuurfunctiekartering van het cerebellum mogelijk44. Segmentatie- en registratiebenaderingen zijn samen complementair aan elkaar en kunnen worden gebruikt om verschillende onderzoeksvragen te beantwoorden.

Hier wordt een nieuwe gestandaardiseerde pijplijn gepresenteerd, die deze bestaande, gevalideerde benaderingen integreert om geoptimaliseerde en geautomatiseerde verkaveling (ACAPULCO) en voxel-gebaseerde registratie van het cerebellum (SUIT) voor volumetrische kwantificering te bieden (figuur 2). De pijplijn bouwt voort op de gevestigde benaderingen om kwaliteitscontroleprotocollen op te nemen, met behulp van kwalitatieve visualisatie en kwantitatieve uitschietersdetectie, en een snelle methode voor het verkrijgen van een schatting van het intracraniale volume (ICV) met behulp van Freesurfer. De pijplijn is volledig geautomatiseerd, met handmatige interventie die alleen nodig is voor het controleren van de kwaliteitscontrole-uitgangen, en kan worden uitgevoerd op Mac-, Windows- en Linux-besturingssystemen. De pijplijn is vrij beschikbaar zonder beperkingen van het gebruik ervan voor niet-commerciële doeleinden en is toegankelijk via de ENIGMA Consortium Imaging Protocols-webpagina (onder "ENIGMA Cerebellum Volumetrics Pipeline"), na het invullen van een kort registratieformulier45.

Alle vereiste software wordt vermeld in de tabel met materialen en gedetailleerde zelfstudies, inclusief een live demonstratie, zijn beschikbaar bij het downloaden van de pijplijn, naast het hieronder beschreven protocol. Ten slotte worden representatieve resultaten verstrekt, van de implementatie van de pijplijn in een cohort van mensen met Friedreich-ataxie (FRDA) en leeftijds- en geslachtsgematchte gezonde controles, naast aanbevelingen voor statistische inferentiële analyses op groepsniveau.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

OPMERKING: De gegevens die in deze studie werden gebruikt, maakten deel uit van een project dat was goedgekeurd door de Monash University Human Research Ethics Committee (project 7810). Deelnemers gaven schriftelijke geïnformeerde toestemming. Hoewel de pijplijn kan worden uitgevoerd op Mac-, Windows- of Linux-besturingssystemen, zijn ACAPULCO, SUIT en de QC-pijplijnen expliciet getest op Linux (Ubuntu) en Mac (Catalina, Big Sur v11.0.1) besturingssystemen.

1. Module 1: ACAPULCO (anatomische verkaveling)

  1. Dataverzameling
    1. Verzamel 3D T1-gewogen MRI-beelden van de hele hersenen met een resolutie van 1 mm3 of minder. Isotrope voxelafmetingen (meestal 1 mm x 1 mm x 1 mm) en een scanner van 3 Telsa (of meer) worden aanbevolen. Raadpleeg een beeldvormingsspecialist in hun radiografiecentrum om gegevens op te zetten en te verkrijgen die aan deze specificaties voldoen.
      OPMERKING: T2-gewogen afbeeldingen zijn soms nuttig voor volumetrische analyses; De pijplijn die hier wordt gepresenteerd, is echter alleen gebaseerd op T1-gewogen gegevens en sommige van de gebruikte tools zijn exclusief voor dit type gegevens. Als zodanig kunnen T2-gewogen afbeeldingen niet worden gebruikt.
    2. Voer een visuele kwaliteitsbeoordeling van afbeeldingen uit om grove cerebellaire misvormingen (bijv. Grote laesies) of substantiële bewegingsartefacten uit te sluiten die de identificatie van belangrijke cerebellaire oriëntatiepunten (bijv. De grote anatomische fissuren) voorkomen. Sluit atrofische cerebella niet automatisch uit, zelfs niet als deze aanzienlijk is.
    3. Overweeg voor groepsstudies ook kwantitatieve kwaliteitsbeoordelingen met behulp van vrij beschikbare, gestandaardiseerde hulpmiddelen zoals MRIQC46 om problematische gegevens verder te identificeren.
    4. Converteer alle gegevens naar NIFTI-GZ-indeling met behulp van een tool zoals dcm2niix47.
  2. Aanbevolen gegevensorganisatie
    1. Verkrijg alle benodigde software zoals vermeld in de Tabel met Materialen. Zorg ervoor dat Docker48 of Singularity49, Matlab50 en SPM1251 zijn geïnstalleerd voordat de pijplijn wordt uitgevoerd.
      OPMERKING: Uitgebreide geschreven en videozelfstudies die de pijplijn beschrijven zijn ook beschikbaar (zie de tabel met materialen).
    2. Zodra alle benodigde software is geïnstalleerd, maakt u mappen in de werkmap en labelt u ze 'acapulco', 'suit' en 'freesurfer'. Doe dit met de opdracht mkdir vanaf de opdrachtregel.
    3. Maak in de map 'acapulco' een uitvoermap . Maak in de uitvoermap een map voor elk onderwerp in het onderzoek met de T1-gewogen afbeelding in NIFTI-GZ-indeling.
      OPMERKING: Het wordt aanbevolen om een kopie van de originele gegevens elders te bewaren.
  3. Anatomische cerebellaire verkaveling met ACAPULCO
    1. Ga naar de tabel met materialen en download de relevante scripts en containers die nodig zijn om ACAPULCO (onder acapulco pipeline files) uit te voeren. Plaats in de map 'acapulco' de (i) ACAPULCO Docker OR Singularity container (respectievelijk 'acapulco_0.2.1.tar.gz' of '.sif'), (ii) de inhoud van het QC_scripts archief (3 bestanden: 'QC_Master.R', 'QC_Plots.Rmd' en 'QC_Image_Merge.Rmd'), en (iii) 'R.sif' (singulariteit) OF 'calculate_icv.tar' (docker) bestand.
    2. Open een terminal en voer vanaf de opdrachtregel de ACAPULCO-container uit op één installatiekopie (vervang <> in het volgende). Wacht tot ~ 5 minuten voordat de verwerking is voltooid.
      1. Typ de opdracht met Docker:
        docker load --ingang acapulco_0.2.1.tar.gz
        docker run -v $PWD:$PWD -w $PWD -t --user $(id -u):$(id -g) --rm acapulco:latest -i output/<>/<>.nii.gz -o output/<>
      2. Typ met Singularity de opdracht:
        singularity run --cleanenv -B $PWD:$PWD acapulco-0.2.1.sif -i output/<>/<>.nii.gz -o output/<>
    3. Loop over alle onderwerpen / scans in het cohort. Zie de tabel met materialen voor een koppeling naar de ENIGMA Imaging Protocols-website voor het downloaden van de pijplijn (onder ENIGMA Cerebellum Volumetrics Pipeline) en de zelfstudiehandleiding met voorbeelden van het maken van een for-loop voor het serieel verwerken van meerdere onderwerpen.
    4. Zoek na verwerking naar de volgende bestanden die zijn gegenereerd in de onderwerpspecifieke mappen:
      1. Identificeer "_n4_mni_seg_post_inverse.nii.gz": verkaveld cerebellummasker in origineel (onderwerpruimte).
      2. Identificeer "_n4_mni_seg_post_volumes.csv": volumes (in mm3) voor elk van de 28 subeenheden gegenereerd door acapulco;
      3. Identificeer representatieve afbeeldingen (in de map 'pics'): sagittale, axiale en coronale.
  4. Statistische uitschieters detectie en kwaliteitscontrole (QC)
    1. Zorg er vanaf de terminal en in de 'acapulco' directory voor dat de inhoud van QC_scripts in de 'acapulco' directory staat. Ga als volgt te werk om de QC-scripts uit te voeren:
      1. Typ de opdracht met Docker:
        laadvermogen calculate_icv.tar
        docker run -v $PWD:$PWD -w $PWD --rm -it luhancheng/calculate_icv:latest Rscript
        QC_Master.R uitgang/
      2. Typ met Singularity de opdracht:
        singularity exec -B $PWD:$PWD R.sif Rscript /path/to/QC_Master.R /path/to/acapulco/output
  5. Onderzoek van de QC-beelden gegenereerd door ACAPULCO
    OPMERKING: Er is een 3-stappenproces voor het controleren van de kwaliteit van de ACAPULCO-verkavelde afbeeldingen.
    1. Open de 'QC_Images.html' in een webbrowser en blader snel (~ 10 s per onderwerp) door de afbeeldingen om duidelijke fouten of systematische problemen te identificeren. Noteer de onderwerp-ID's van mislukte of verdachte verpakte afbeeldingen voor follow-up.
      OPMERKING: Zie figuur 3 voor een gids over de neuroanatomie van de cerebellaire lobben en figuur 4, figuur 5 en figuur 6 in de sectie representatieve resultaten hieronder voor voorbeelden van 'goede' verkavelingen, 'subtiele misverkavelingen' en 'globale mislukking' verkavelingen.
    2. Open de 'Plots_for_Outliers.html' om de boxplots aan te vinken op kwantitatieve statistische uitschieters. Zoek naar uitschieters (2.698 s.d boven of onder het gemiddelde) boven of onder de snorharen van de boxplots. Plaats de muisaanwijzer op de gegevenspunten om de onderwerp-ID weer te geven. Identificeer de uitschieters die worden aangeduid met een '1' in de relevante kolom in het bestand 'Uitschieters.csv' en noteer het totale aantal segmenten dat als uitschieters voor elk onderwerp is geïdentificeerd in de laatste kolom in 'Uitschieters.csv'.
    3. Inspecteer handmatig elke afbeelding met een of meer uitschieters. KRITIEK: Gebruik een standaard NIFTI-beeldviewer (bijv. FSLEyes of MRICron) om het ACAPULCO-masker op de originele T1w-afbeelding te leggen om de kwaliteit van de verkaveling plak voor plak te controleren.
      1. Om overlays voor gedetailleerde QC te genereren vanaf de opdrachtregel met FSLEyes, i) wijzigt u de map in de map 'acapulco', ii) geeft u het onderwerp op dat moet worden weergegeven (vervang ):
        subj=
      2. Kopieer en plak de volgende code naar de terminal (zonder {subj} handmatig te wijzigen, omdat deze door de vorige regel is ingesteld:
        t1_image=output/${subj}/${subj}.nii.gz
        acapulco_image=output/${subj}/${subj}_n4_mni_seg_post_inverse.nii.gz
        fsleyes ${t1_image} ${acapulco_image} --overlayType label --lut random_big --outline --outlineWidth 3 ${acapulco_image} --overlayType volume --alpha 50 --cmap random
        OPMERKING: Er moet worden bepaald of het abnormale segment moet worden opgenomen of niet, d.w.z. is er een pakketgevingsfout of is het gewoon normale variabiliteit in de anatomie van het individu? Elke verkavelde regio wordt afzonderlijk beschouwd, dus een paar regio's kunnen worden uitgesloten voor een afbeelding, terwijl de rest kan worden behouden als dit correct is.
      3. Moeten een of meer verkavelde regio's worden uitgesloten van de uiteindelijke dataset?
        Zo ja (uitschieter is bevestigd), sluit u deze pakketlation(s) uit van de analyse door de volumeschatting te vervangen door NA in de overeenkomstige cel van het bestand 'Cerebel_vols.csv' voor dat onderwerp.
      4. Leiden verkavelingsfouten ertoe dat een deel van het cerebellum wordt uitgesloten van het masker?
        Zo ja (bijvoorbeeld als bepaalde cerebellaire lobben ontbreken in het masker of 'afgesneden' lijken), sluit u het onderwerp onmiddellijk uit van verdere analyses (d.w.z. ga niet verder met het uitvoeren van de SUIT-module op die onderwerpen).

2. Module 2: SUIT cerebellum-geoptimaliseerde voxel-gebaseerde morfometrie

  1. Op Voxel gebaseerde morfometrie-analyses met SUIT
    KRITIEK: Deze pijplijn vereist dat de ACAPULCO-module al is uitgevoerd, omdat deze afhankelijk is van het genereren van een onderwerpspecifiek cerebellair masker voor optimalisatie van de registratie en normalisatie van het cerebellum naar de SUIT-sjabloon. Als het door ACAPULCO gegenereerde onderwerpspecifieke masker niet het hele cerebellum omvat, garandeert dit uitsluiting van de SUIT-module. Voor instructies over het zelfstandig uitvoeren van SUIT, zie52.
    1. Verkrijg alle benodigde software die wordt vermeld in de Tabel met Materialen. Zorg ervoor dat de map SPM12 en alle submappen zich in het MATLAB-pad bevinden. Zorg ervoor enigma_suit scripts worden opgeslagen in de map 'spm12/toolbox' en worden toegevoegd aan het MATLAB-pad. Als u het MATLAB-pad wilt controleren, typt u pathtool in het MATLAB-opdrachtvenster en klikt u vervolgens op Toevoegen met submappen om de relevante mappen toe te voegen.
    2. Voer de SUIT-pijplijn uit voor een of meer onderwerpen. Wacht tot ~ 15-20 minuten (als u de grafische gebruikersinterface [GUI] gebruikt) en ~ 5-7 minuten als u vanaf de terminal (bash / shell) wordt uitgevoerd om de verwerking te voltooien.
      1. Als u de GUI wilt gebruiken (onderwerpen worden in serie uitgevoerd), typt u in het MATLAB-opdrachtvenster de opdracht:
        suit_enigma_all
      2. Selecteer in het eerste pop-upvenster de onderwerpmappen uit de map 'acapulco/output' om in de analyse op te nemen. Klik op de afzonderlijke mappen aan de rechterkant van het venster of klik met de rechtermuisknop en selecteer alles. Druk op Gereed. Selecteer in het tweede pop-upvenster de SUIT-directory, waar de analyses worden geschreven.
      3. OF Roep de functie aan vanaf de MATLAB-opdrachtregel voor een enkel onderwerp, typ de opdracht:
        suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir')
      4. OF Roep de functie aan vanuit het terminalvenster, buiten MATLAB, voor een enkel onderwerp door de opdracht te typen:
        matlab -nodisplay -nosplash -r "suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir'), exit"
    3. Zie de tabel met materialen voor een koppeling naar de ENIGMA Imaging Protocols-website voor het downloaden van de pijplijn (onder ENIGMA Cerebellum Volumetrics Pipeline) en de zelfstudiehandleiding met voorbeelden van het maken van een for-loop voor het serieel verwerken van meerdere onderwerpen.
    4. Zoek naar de volgende punten met betrekking tot het script.
      1. Zorg ervoor dat het script de N4 bias-gecorrigeerde, MNI-uitgelijnde (rigid-body) T1-afbeelding en het ACAPULCO cerebellummasker naar de uitvoermap kopieert.
      2. Zorg ervoor dat het schrift de grijze en witte stof van het cerebellum segmenteert.
      3. Zorg ervoor dat het script corrigeert voor overinclusiefouten in de verkaveling met behulp van het ACAPULCO-masker.
      4. Zorg ervoor dat het script DARTEL de gegevens normaliseert en resliceert in de SUIT-ruimte met Jacobiaanse modulatie, zodat de waarde van elke voxel evenredig is met het oorspronkelijke volume.
      5. Controleer de map van elk onderwerp op de volgende einduitgangen: 'wd_seg1.nii' (grijze massa) en 'wd_seg2.nii' (witte stof).
  2. Detectie van statistische uitschieters en kwaliteitscontrole
    1. Inspecteer de genormaliseerde, gemoduleerde beelden (wd*) visueel op grote storingen. Typ de opdracht in MATLAB:
      spm_display_4D
    2. Selecteer handmatig de 'wd*seg1'-afbeeldingen in de submappen van het pak of navigeer naar de map 'suit'; plaats '^wd.*seg1' in het vak Filter (geen aanhalingstekens) en druk op rec knop. Druk op Gereed.
    3. Blader door de afbeeldingen om er zeker van te zijn dat ze allemaal goed zijn uitgelijnd. Zie figuur 7 voor correct genormaliseerde beelden van gezonde controles (A,B) en een persoon met een sterk atrofisch cerebellum (D).
      OPMERKING: In dit stadium lijkt de anatomie tussen proefpersonen erg op elkaar (omdat ze op dezelfde sjabloon zijn geregistreerd) en volumeverschillen worden in plaats daarvan gecodeerd door verschillende voxelintensiteiten. Grote mislukkingen zullen duidelijk zijn, bijvoorbeeld lege afbeeldingen, grote gebieden met ontbrekend weefsel, ongewone intensiteitsgradiënten (d.w.z. heldere voxels allemaal aan de bovenkant, donkere voxels allemaal aan de onderkant). Deze afbeeldingen moeten worden uitgesloten van volgende stappen.
    4. Controleer ruimtelijke covariantie op uitschieters. Typ de opdracht in MATLAB:
      check_spatial_cov
      1. Selecteer de 'wd*seg1'-afbeeldingen volgens de vorige stap. Selecteer desgevraagd de volgende opties: Prop schalen: Ja; Variabele om uit te komen: Nee; Plak (mm): - 48 , Tussenruimte: 1.
      2. Kijk naar de boxplot die de gemiddelde ruimtelijke covariantie van elke afbeelding weergeeft ten opzichte van alle andere in het voorbeeld. Identificeer gegevenspunten die >2s.d. onder het gemiddelde in het MATLAB-opdrachtvenster. Controleer hiervoor de afbeelding "_n4_mni.nii.gz" in de MAP SUIT op artefacten (beweging, anatomische afwijkingen), problemen met de beeldkwaliteit of fouten bij het voorbewerken.
      3. Als de beeldkwaliteit en voorbewerking acceptabel zijn en visuele inspectie van de gemoduleerde afbeeldingen in de vorige stap niet wijst op een probleem met segmentatie en normalisatie, bewaar deze gegevens dan in het monster. Sluit anders deze gegevens uit.

3. MODULE 3 (optioneel): Intracranial Volume (ICV) schatting met behulp van FreeSurfer

OPMERKING: Deze module gebruikt de FreeSurfer-pijplijn om ICV te berekenen. Het hoeft niet opnieuw te worden uitgevoerd als er bestaande Freesurfer-uitgangen zijn voor het cohort (elke versie).

  1. FreeSurfer instellen
    1. Zorg ervoor dat FreeSurfer is gedownload en geïnstalleerd53. Ga naar de tabel met materialen en download de relevante scripts om deze module uit te voeren (onder ICV-pijplijnbestanden). Wanneer u met FreeSurfer werkt, stelt u de volgende variabelen in:
      FREESURFER_HOME=
      source $FREESURFER_HOME/SetUpFreeSurfer.sh
    2. Vervang door:
      export SUBJECTS_DIR=/enigma/Freesurfer
  2. Freesurfer autorecon1 uitvoeren
    1. Voor een enkel onderwerp, vanuit de map 'freesurfer' (verwerkingstijd ~ 20 min), typt u de opdracht:
      cd /enigma/freesurfer
      recon-all -i .. /input/.nii.gz -s -autorecon1
    2. Zie de handleiding voor voorbeelden van het maken van een for-loop voor het serieel verwerken van meerdere onderwerpen.
  3. Berekening van ICV
    1. Data organisatie
      1. Plaats in de map 'freesurfer' de (i) Docker OF Singularity-container die wordt gebruikt in module 1 (respectievelijk 'calculate_icv.tar' of 'R.sif') en (ii) xfm2det-script (zie de tabel met materialen). Doe vervolgens een git-kloon om het vereiste ICV-script te klonen:
        git kloon https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
    2. ICV-extractie uitvoeren (verwerkingstijd ~ 5 min)
      1. Typ in de map 'freesurfer', met singulariteitscontainer ('R.sif'):
        singularity exec --cleanenv -B $PWD:$PWD R.sif calculate_icv/calculate_icv.py --freesurfer_dir=/path/to/freesurfer --acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv calculate_icv
      2. Typ vanuit de map 'freesurfer', met dockercontainer:
        docker run -v $PWD:$PWD -w $PWD -rm -it luhancheng/calculate_icv:latest
        calculate_icv/calculate_icv.py --freesurfer_dir=/pad/naar/Freesurfer --
        acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv
        calculate_icv
      3. Script uitvoeren zonder container - zie de tabel met materialen voor aanvullende vereiste software en afhankelijkheden. Typ in de map 'freesurfer':
        ./calculate_icv/ calculate_icv.py ---freesurfer_dir=/path/to/freesurfer --
        acapulco_dir=/pad/naar/acapulco/QC/Cerebelvolsfile --
        output_csv_name=Cerebel_vols.csv calculate_icv
        OPMERKING: Hiermee wordt de ICV voor elk onderwerp berekend en wordt een kolom met ICV toegevoegd aan het einde van het bestand 'Cerebel_vols.csv'.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Cerebellum verkaveling (ACAPULCO)

Kwaliteitscontrole van cerebellum verkavelde maskers:
De volgende voorbeelden tonen de ACAPULCO-gekapitaliseerde outputs en begeleiden de besluitvorming over a) de kwaliteit van het verkavelde masker op individueel niveau en b) de daaropvolgende opname of uitsluiting van een bepaalde lobule (s) uit de statistische analyses. Uiteindelijk is de beslissing om een onderwerp op te nemen of uit te sluiten subjectief; voorbeelden van 'goede verkavelingen', 'subtiele verkavelingsfouten' en 'globale mislukkingen' van verschillende gezonde en klinische groepen worden hier gegeven.

Voorbeelden van 'goede verkavelingen' zijn weergegeven in figuur 4, ook bij gezonde en zwaar geatrofieerde cerebella. In figuur 5 zijn subtiele over- en onderinsluitsels van individuele cerebellumlobben afgebeeld. Dit zijn de meest voorkomende soorten pakketvormingsfouten en worden mogelijk niet gedetecteerd als statistische uitschieters in het kwantitatieve QC-protocol. Dit soort fouten vereisen over het algemeen de uitsluiting van de individuele lobben die worden beïnvloed, terwijl de rest van het verkavelde cerebellum onaangetast blijft en kan worden behouden. Daarentegen vereisen 'Globale mislukkingen', zoals afgebeeld in figuur 6, volledige uitsluiting van het onderwerp.

Statistische uitschieter detectie:
Ter illustratie van de pijplijn werd ACAPULCO uitgevoerd op een steekproef van 31 mensen met FRDA (gemiddelde leeftijd = 36,5 jaar; SD= 13,0 jaar, 14 vrouwen) en 37 leeftijds- en geslachtsgematchte gezonde controles (HC) (gemiddelde leeftijd= 37,1 jaar; SD=12,8 jaar, 17 vrouwtjes) zoals eerder beschreven55. Over de hele steekproef werden 18 lobules gedetecteerd als statistische uitschieters (<1% van de totale steekproef). Na het uitvoeren van gedetailleerde QC op de afbeeldingen, werden 17 uitschieters verwijderd uit analyses op groepsniveau door het individuele lobulevolume voor de respectieve subject(en) te verwijderen uit het cerebellaire volumesbestand op groepsniveau (d.w.z. het bestand 'Cerebel_vols.csv'). De resterende uitschieter werd niet als een segmentatiefout beschouwd, maar eerder als gevolg van variabiliteit in de anatomie van het cerebellum van het individu en werd daarom behouden in de analyse. Er waren ook twee globale verkavelingsfouten (1 FRDA-patiënt). Het basispercentage van uitsluiting voor alle cerebellumlobben (d.w.z. globale verkavelingsfouten) was 1,5%. Tabel 1 toont de uitsluitingspercentages voor elk van de 28 anatomische ROI's. Linkerlob IX en Rechterkwab Crus I hadden de hoogste uitsluitingspercentages.

Statistische analyse op groepsniveau:
In totaal werden 66 proefpersonen (30 FRDA-patiënten) geïncludeerd in de analyse op groepsniveau. Tweezijdige Mann-Whitney onafhankelijke monsters tests werden uitgevoerd om te testen op significante verschillen in cerebellum lobule volumes tussen FRDA en HC. De resultaten toonden een significant verminderde witte stof in het corpus medullare in FRDA vs. HC (p < 0,05, Bonferroni gecorrigeerd voor 28 vergelijkingen). Er waren geen andere significante verschillen tussen de groepen. Zie aanvullende tabel S1 voor de volumes van alle 28 cerebellaire subeenheden in het monster.

Cerebellum voxel-gebaseerde morfometrie analyses (SUIT)

Kwaliteitscontrole:
Voorbeelden van goed uitgelijnde beelden en voorbeelden van uitsluitingen voor zowel gezonde controles als klinische groepen, waaronder FRDA en Spinocerebellaire ataxie pateints, zijn weergegeven in figuur 7. SUIT-analyses werden uitgevoerd op in totaal 64 proefpersonen (28 FRDA; 36 HC) uit de hierboven beschreven steekproef, na de uitsluiting van nog eens twee proefpersonen vanwege onvolledige volledige cerebellaire dekking in het cerebellummasker.

Na het testen van de ruimtelijke covariantie van alle genormaliseerde beelden in de steekproef ten opzichte van elkaar, werden twee scans gedetecteerd als statistische uitschieters op basis van hun gemiddelde ruimtelijke covariantie met de rest van de steekproef (figuur 8). Visuele inspectie van zowel de originele als de genormaliseerde afbeeldingen gaf echter aan dat hoewel deze personen een unieke neuroanatomie hadden, er geen significante artefacten in beide afbeeldingen waren en de verwerkingsstappen normaal werden voltooid. Als zodanig werden beide onderwerpen behouden in de analyses.

Statistische analyse op groepsniveau:
Beelden werden gladgestreken met een Gaussische kern van 3 mm volledige breedte bij half maximum (FWHM). In SnPM werden niet-parametrische permutatietests uitgevoerd om te testen op significante verschillen tussen de groepen in de grijze stofvolumes van het cerebellum. Hiertoe werden 5.000 permutaties uitgevoerd, met een clustervormende drempel van p < 0,001. Afbeeldingen werden expliciet gemaskeerd met de SUIT grijze stof atlas om de gevolgtrekking naar grijze stof gebieden te beperken. Om te corrigeren voor de grootte van het hoofd, werd het intracraniale volume ingevoerd als een covariate in het model. De uiteindelijke gevolgtrekking van groepsresultaten werd uitgevoerd op p < 0,05, family-wise error (FWE) clusterniveau gecorrigeerd.

Vergeleken met HC vertoonde FRDA een significant verminderd grijzestofvolume in bilaterale voorkwabben I-V (links: x= -10, y= -46, z= -26; T= 5,61; Ke= 754; rechts: x= 10, y= -38, z= -21; T= 6,83; Ke= 569); en in mediale posterieure kwabgebieden, waaronder Vermis VI, die zich bilateraal uitstrekken tot Lobule VI (x= 3, y= -65, z= -20; T= 7,25), en Vermis IX die zich bilateraal uitstrekt tot Lobule IX (x= 3, y= -65, z= -20; T= 6,46; Ke= 3974; Figuur 9).

Figure 1
Figuur 1: Het menselijke cerebellum. (A) Een afgeplatte weergave van het cerebellum en zijn belangrijkste kloven, lobben en lobben. Rood = voorkwab (lobben I-V); crème= achterkwab (lobben IV-IX); paars= flocculonodulaire kwab. Het cerebellum kan worden onderverdeeld in middellijn "vermis" en laterale "hemisfeer" zones. Alle lobules worden geïdentificeerd in de vermis en hemisferen. In lobule VII breidt VIIAf in de vermis zich uit in de hemisferen tot Crus I, lobule VIIAt bij de vermis wordt Crus II in de hemisferen en lobule VIIB behoudt zijn label zowel in de vermis als in de hemisferen. (B) Boven: Cerebellum platte kaart met de anatomische subeenheden van het cerebellum in verschillende kleuren. Onder: een achteraanzicht van het cerebellum. Dit cijfer werd aangepast van 56 en 57. Klik hier om een grotere versie van deze figuur te bekijken.

Figure 2
Figuur 2: Schematische illustratie van de pijplijn. Een T1 MPRAGE-beeld met hoge resolutie is vereist. Er zijn drie modules: ACAPULCO, SUIT en ICV. De pijplijn is volledig geautomatiseerd (behalve voor handmatige interventie die vereist is voor QC van de uitgangen), is beschikbaar in Docker- en Singularity-containerformaat en duurt ongeveer 20 minuten om van begin tot eind te lopen, per onderwerp. Klik hier om een grotere versie van deze figuur te bekijken.

Figure 3
Figuur 3: ACAPULCO-verkaveling die elk van de 28 anatomische subeenheden demonstreert. Dit cijfer werd aangepast van36. Afkortingen: CM = corpus medullare; Ver = vermis; R/L = rechts/links. Klik hier om een grotere versie van deze figuur te bekijken.

Figure 4
Figuur 4: Voorbeelden van 'goede' cerebellumverkavelingen. Sagittale (x= 0) en coronale (y= -57) plakjes worden getoond. (A, B) Sagittale en coronale plakjes met verkavelde maskers van twee gezonde cerebellaire. Het algoritme heeft de individuele subeenheidsgrenzen correct gelokaliseerd en het heeft de transversale sinus niet overgeheveld in de etikettering en kwantificering van Crus I. (C) Een zwaar geatrofieerd cerebellum van een SCA2-patiënt. Hier is atrofie zichtbaar over de gehele omvang van het cerebellum, de sulci zijn breed en er is veel ontbrekend weefsel. Er is een lichte overinclusie van de vasculatuur in de achterste lobben die meer uitgesproken is aan de rechterkant (gele pijl). Afgezien van deze overinclusie heeft ACAPULCO goed gewerkt. Afkortingen: CM = corpus medullare; Ver = vermis; L/R = links/rechts. Klik hier om een grotere versie van deze figuur te bekijken.

Figure 5
Figuur 5: Voorbeelden van cerebellaire 'misverkavelingen. ' (A) Sagittale plak (x= 0) en coronale plak (y = -57) die een verkavelingsfout vertonen bij een FRDA-patiënt. Het algoritme heeft niet goed gewerkt langs de middellijn en onderinclusies van Crus I en II (rode pijl) zijn duidelijk langs de achterste omvang. Deze lobules zouden worden uitgesloten van latere analyses op groepsniveau. (B) Sagittale plak (x= 8), coronale plak (y= -47) die een verkavelingsfout vertoont in een gezonde cerebellaire. Het algoritme heeft de linkerlob VIIIb (rode pijlen) volledig gemist. Deze lob zou worden uitgesloten van latere analyses op groepsniveau. (C) Sagittale plak (x= -24) en coronale plak (y= -47) die een verkavelingsfout vertonen in een gezonde cerebellaire. Enige cerebellaire atrofie is aanwezig en er is een onderinclusie van Crus I (rode pijl). Afkortingen: FRDA = Friedreich ataxie; CM = corpus medullare; Ver = vermis; L/R = links/rechts. Klik hier om een grotere versie van deze figuur te bekijken.

Figure 6
Figuur 6: Voorbeelden van 'globale storingen' van cerebellaire verkaveling. (A) Sagittale plak (x= 0) en coronale plak (y= -57) die een verkavelingsfout laten zien. Hier is het cerebellum slechts gedeeltelijk gesegmenteerd en zijn delen van de occipitale kwab ten onrechte gelabeld als het cerebellum. Dit soort storingen zijn waarschijnlijk te wijten aan een probleem met de kop van de oorspronkelijke afbeelding, wat van invloed is op de ACAPULCO affiene transformatie van het beeld in wereldcoördinaat en de daaropvolgende lokalisatie van het cerebellum. (B) Sagittale plak (x= 0) en coronale plak (x= -57) die een verkavelingsfout vertonen bij een persoon met FRDA. Hier is de CM volledig verkeerd gesegmenteerd. Het algoritme heeft de CM aan de achterkant van het hoofd (rood ovaal), buiten de hersenen, gelabeld. De grenzen van de witte stof zijn niet vastgelegd en zijn verkeerd gelabeld als grijze stof, met name bij linkerlobben VIIIb en IX. Linkerkwab X is ook gemist (rode pijl op coronale plak). Deze voorbeelden rechtvaardigen onmiddellijke uitsluiting van analyses op groepsniveau voor ACAPULCO- en SUIT-analyses. Afkortingen: CM = corpus medullare; Ver = vermis; L/R = links/rechts. Klik hier om een grotere versie van deze figuur te bekijken.

Figure 7
Figuur 7: Verwrongen en gemoduleerde op voxel gebaseerde morfometriekaarten. (A, B) Goed uitgelijnde cerebellaire grijze stof van twee HCs. (C) Een cerebellum van een HC dat werd gedetecteerd als een statistische uitschieter maar in de analyse werd behouden. (D) Een geatrofieerd cerebellum van een persoon met FRDA. Het cerebellum is correct vervormd naar het sjabloon; dit zou dus geen uitsluiting rechtvaardigen. (E) Een uitsluiting. Er is een verloop in tegenstelling van de boven- naar de onderkant van de afbeelding dat een fout in de verwerking weerspiegelt. (F) Een hyperintensevlakartefact rechtsonder in de afbeelding van onbekende oorsprong vereist uitsluiting. (G) Een voorbeeld van een zwaar geatrofieerde cerebellaire van een SCA2-patiënt. Het cerebellum is correct vervormd naar het sjabloon; er ontbreekt echter veel weefsel, wat resulteert in een laag contrast. Dit zou geen uitsluiting zijn. (H) Voorbeeld van slechte maskering die uitsluiting noodzakelijk maakt. Afkortingen: VBM = voxel-based morphometry; HC = gezonde controle; FRDA = Friedreich ataxie; SCA2 = Spinocerebellaire ataxie 2. Klik hier om een grotere versie van deze figuur te bekijken.

Figure 8
Figuur 8: Ruimtelijke covariantie van SUIT voxel-gebaseerde morfometriekaarten. Box plot illustreert de ruimtelijke covariantie van de voxel-gebaseerde morfometriekaarten voor een cohort van 64 (28 FRDA) proefpersonen. Ruimtelijke covariantie is een maat voor hoe goed uitgelijnd elke afbeelding is, ten opzichte van elke andere afbeelding in het voorbeeld. De gegevens zijn strak geclusterd met een gemiddelde ruimtelijke covariantiecorrelatie van ~0,95. Hier werden twee uitschieters (1 FRDA, 1 HC) gedetecteerd, zoals >2 SSD's onder het gemiddelde. Afkortingen: FRDA = Friedreich ataxie; HC = gezonde controle; SD = standaarddeviatie; cont = controle. Klik hier om een grotere versie van deze figuur te bekijken.

Figure 9
Figuur 9. Tussen-groep resultaten van een op voxel gebaseerde morfometrie-analyse van cerebellaire grijze stofmorfometrie. (A) Sagittale, (B) coronale en (C) zoutkaartrepresentaties van statistische kaarten op voxelniveau bij personen met FRDA versus controles, controlerend voor ICV. Alleen voxels die p < 0,05 FWE-clusterniveau gecorrigeerd, worden weergegeven. Kleurenbalk geeft T-statistiek aan. Afkortingen: FRDA = Friedreich ataxie; ICV = intracranieel volume; FWE = familie-wise fout. Klik hier om een grotere versie van deze figuur te bekijken.

Lobule % uitgesloten
CENTIMETER 1.5
Links Crus I 2.9
Linker Crus II 2.9
Links I III 2.9
Links IV 1.5
Links IX 4.51
Links V 2.9
Links VI 1.5
Links VIIB 1.5
Links VIIIA 1.5
Links VIIIB 2.9
Links X 2.9
Rechter Crus I 6.02
Rechter Crus II 2.9
Rechts I III 2.9
Rechts IV 1.5
Rechts IX 2.9
Rechts V 1.5
Rechts VI 1.5
Rechts VIIB 1.5
Rechts VIIIA 2.9
Rechts VIIIB 1.5
Rechts X 1.5
Vermis IX 1.5
Vermis VI 2.9
Vermis VII 1.5
Vermis VIII 1.5
Vermis X 1.5

Tabel 1: Cerebellaire anatomische lobben afgeleid van ACAPULCO en uitsluitingspercentages (%) in een steekproef van 31 mensen met FRDA en 37 HCs. Afkortingen: FRDA = Friedreich ataxie; HC = gezonde controles.

Aanvullende tabel S1: Volumes (mm3) van 28 cerebellaire anatomische lobben bij Friedreich Ataxie en gezonde controlepersonen. Klik hier om deze tabel te downloaden.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Het cerebellum is van cruciaal belang voor een breed scala aan menselijke motorische3, cognitieve58, affectieve10 en taal 7,59 functies en is betrokken bij vele neurologische en psychiatrische ziekten. De beschikbaarheid van een gestandaardiseerde en gemakkelijk implementeerbare aanpak voor de kwantificering van regionale cerebellaire volumes zal bijdragen aan het steeds gedetailleerder in kaart brengen van de structuurfunctie van de hele hersenen, volledige ziektemodellering en verbeterde mogelijkheden om cerebellaire bijdragen aan hersenziekten te definiëren en te volgen. Deze gestandaardiseerde pijplijn die hier wordt beschreven, combineert state-of-the-art benaderingen voor automatische cerebellumverkaveling en fijnmazigere ruimtelijke profilering van cerebellaire grijze stofmorfometrie in zowel gezondheid als ziekte.

De resultaten van de cross-sectionele cerebellum parcellation analyse met behulp van ACAPULCO hier gepresenteerd toonden aan dat mensen met FRDA (vs. HC) significant verminderde witte stof volumes hadden. Deze bevindingen ondersteunen eerdere studies van FRDA, die consequent vroeg, robuust en progressief volumeverlies van witte stof laten zien, met name in de dentaatkernen, in FRDA. Bovendien is aangetoond dat het patroon en de mate van progressieve neurodegeneratie in de superieure en inferieure cerebellaire steeltjes en de dentaatkernen verschillen als een factor van aanvangsleeftijd van FRDA44. De resultaten van de SUIT-analyse brachten aanvullende bevindingen aan het licht. In het bijzonder was er significant volumeverlies op voxelniveau in FRDA (vs. HC) in voorkwabgebieden die overeenkomen met bilaterale lobben I-IV en rechter V, die zich uitstrekken tot lobule VI. Bovendien onthulde de SUIT-analyse een significant volumeverlies in FRDA (vs. HC) in de mediale posterieure kwabregio's, waaronder lobule IX, X en Vermis. Dit patroon van verschillen tussen groepen is vergelijkbaar met eerder gepubliceerd werk in hetzelfde cohort frda-patiënten, met behulp van een VBM-benadering van de hele hersenen55.

Het definiëren van cerebellaire afwijkingen bij neurologische en psychiatrische aandoeningen is een onderzoeksgebied met hoge prioriteit met translationele impact. Instrumenteel voor het volgen en behandelen van neurologische ziekten - met name die waarbij het cerebellum een primaire plaats van neurodegeneratie is - is de ontwikkeling van volledige biologische karakteriseringen van cerebellumbetrokkenheid. De hierin gepresenteerde pijplijn maakt het mogelijk om relaties tussen individuele cerebellaire lobul grijze stof morfometrie en klinische metingen die worden gebruikt als de "gouden standaard" voor klinische eindpunten van ziekte te onderzoeken. Dergelijk onderzoek kan een aanzienlijke translationele impact hebben. Bijvoorbeeld, in de ruimte voor zeldzame cerebellaire ziekten, zou de identificatie van een bepaald profiel van cerebellaire grijze stof atrofie in een subgroep van patiënten die klinische symptomen in kaart brengt of voorspelt, implicaties hebben voor het begeleiden van de klinische praktijk. De opname van de SUIT-module maakt het verder mogelijk om interessante onderzoeksvragen te behandelen, zoals structuur-functie mapping van het cerebellum of analyse van functionele gradiënten van het cerebellum60.

Algemene aanbevelingen voor statistische analyses op groepsniveau
ACAPULCO: Volumes van elke cerebellaire lobule (in mm3) voor elke proefpersoon worden geregistreerd in Cerebel_vols.csv. Tijdens statistische gevolgtrekkingen van effecten op groepsniveau moet het intracraniale volume (ICV; ook geregistreerd in Cerebel_vols.csv) worden gecontroleerd om rekening te houden met variabiliteit in de grootte van het hoofd. Alfa-significantiedrempels moeten worden gecorrigeerd om rekening te houden met de gevolgtrekking over meerdere lobben.

SUIT: Grijze stof cerebellaire VBM kan worden uitgevoerd op de wdseg1.nii beelden met behulp van standaard MRI-verwerkingssoftware zoals SPM of FSL. Zie de CAT12 handleiding voor een uitstekende introductie tot VBM met behulp van SPM1254. ICV moet worden gecontroleerd om rekening te houden met variabiliteit in hoofdgrootte.

Voor VBM in het cerebellum wordt het over het algemeen aanbevolen om een Gaussische ruimtelijke afvlakker van niet meer dan 3 mm volledige breedte bij half maximum (FWHM) te gebruiken. Er moet een passende statistische correctie worden toegepast om rekening te houden met meerdere vergelijkingen tussen voxels. Over het algemeen wordt aanbevolen om niet-parametrische benaderingen te gebruiken (bijv. SnPM of FSL-Randomise).

De meest kritieke stap voor een succesvolle verkaveling van het cerebellum met ACAPULCO is algemene kwaliteitscontrole van de T1-afbeeldingen voorafgaand aan en nabewerking. Het wordt ten zeerste aanbevolen dat de gebruiker controleert op afbeeldingen met een slecht contrast (bijvoorbeeld een inconsistent verloop over het beeld) en ernstige kanteling van het hoofd en bewegingsartefacten, die allemaal de prestaties van het algoritme kunnen beïnvloeden. Bovendien, terwijl het ACAPULCO-algoritme is getraind op geatrofieerde cerebellaire, is het niet getraind op laesiegegevens. Verwacht wordt dat laesies in de hersenschors naar verwachting geen invloed zullen hebben op de prestaties van het algoritme en de daaropvolgende nauwkeurigheid van de verkaveling; grote infarcten in het cerebellum zouden echter waarschijnlijk verkavelingsfouten opleveren. Kwaliteitscontrole van het cerebellummasker nabewerking is essentieel. Kleine verkavelingsfouten (bijv. kleine onder- en overinclusies van cerebellumlobben) worden soms niet gedetecteerd als statistische uitschieters; omgekeerd kunnen gevallen van onjuiste niet-uitschieters optreden wanneer gegevens zich binnen het normale bereik bevinden, ondanks een duidelijke pakketgevingsfout. Als een onderwerp wordt geïdentificeerd als een uitschieter, is het essentieel om follow-up, gedetailleerde kwaliteitscontrole van het cerebellummasker slice-by-slice uit te voeren om de besluitvorming te begeleiden over het al dan niet opnemen of uitsluiten van de lobule (s) voor dat onderwerp. Een andere cruciale stap bij het uitvoeren van de SUIT-pijplijn (module 2) is dat de ACAPULCO-module al moet zijn uitgevoerd. In het bijzonder vereist SUIT het cerebellummasker dat in ACAPULCO wordt geproduceerd om de cerebellumisolatie en segmentatie uit te voeren. Het is belangrijk dat het cerebellummasker op kwaliteit wordt gecontroleerd om volledige cerebellaire dekking te garanderen.

Er zijn enkele beperkingen aan het protocol. Ten eerste, terwijl ACAPULCO state-of-the-art nauwkeurigheid bereikt voor cerebellaire grijze stof verkaveling, is het niet geoptimaliseerd voor witte stof verkaveling; het corpus medullare bedekt het hoofdlichaam van de witte stof, maar biedt geen maat voor alle witte stof. Ten tweede generaliseren de convolutionele neurale netwerken die worden gebruikt om het cerebellum in ACAPULCO te lokaliseren en te segmenteren niet goed naar beelden met verschillende contrasten of afbeeldingen die niet in de training werden gebruikt. Omdat bijvoorbeeld alleen 3T-beelden werden gebruikt in de training, is de pakketkwaliteit met behulp van afbeeldingen die zijn verkregen op een 1,5 T-scanner meestal niet zo goed; bovendien zijn er geen statistieken met betrekking tot de grondwaarheid die op deze beelden is uitgevoerd. Ten slotte controleert de pijplijn de verstorende effecten van de grootte van de kop op schattingen van het cerebellumvolume door een schatting van ICV te verstrekken die kan worden opgenomen als een regressor die niet van belang is bij statistische analyses op groepsniveau. Een ideale benadering zou echter zijn om ICV-gecorrigeerde cerebellumvolumes op individueel niveau te berekenen voorafgaand aan het uitvoeren van QC, zodat gedetecteerde uitschieters een echte pakketgevingsfout weerspiegelen en geen natuurlijke variabiliteit in de neuroanatomie van de proefpersonen (bijvoorbeeld met een groot hoofd).

Tot slot presenteren we een gestandaardiseerde pijplijn voor het onderzoeken van cerebellum grijze matermorfometrie, die breed toepasbaar is op een reeks neurologische ziekten. De pijplijn is opgezet om grote, multisite studies en 'mega-analyses' mogelijk te maken en is openbaar beschikbaar voor gebruik door onderzoeksgroepen om betrouwbaarheid en reproduceerbaarheid in het hele veld te vergemakkelijken. Uiteindelijk biedt deze pijplijn een krachtige methodologische benadering voor het verder karakteriseren en volgen van cerebellaire structurele veranderingen met ziekteprogressie bij neurologische aandoeningen. Op dit moment wordt gewerkt aan een langsleiding.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

De auteurs hebben geen belangenconflicten te onthullen.

Acknowledgments

Het werk dat in dit manuscript wordt gepresenteerd, is gefinancierd door een Ideeënbeurs van de Australian National Health and Medical Research Council (NHMRC): APP1184403.

Materials

Name Company Catalog Number Comments
ACAPULCO pipeline files  0.2.1 http://enigma.ini.usc.edu/protocols/imaging-protocols/ Please make sure to use acapulco version 0.2.1
Docker for Mac https://docs.docker.com/desktop/mac/install/ macOS must be version 10.14 or newer
Docker requires sudo priviledges
Docker imposes a memory (RAM) constraint on Mac OS. To increase the RAM, open Docker Desktop, go to Preferences and click on resources. Increase the Memory to the maximum
Docker for Windows https://docs.docker.com/docker-for-windows/install/
ENIGMA SUIT scripts http://enigma.ini.usc.edu/protocols/imaging-protocols/
FreeSurfer 7 https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall Following variables need to be set everytime you work with Freesurfer:
export FREESURFER_HOME=equationfreesurfer _installation_directoryequation
source $FREESURFER_HOME/SetUpFreeSurfer.sh
export SUBJECTS_DIR=equationpathequation/enigma/Freesurfer
FSL (for FSLeyes). Optional 6 https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation
ICV pipeline files http://enigma.ini.usc.edu/protocols/imaging-protocols/ ICV pipeline can be run in two ways: 1) with docker/singularity. You will not require additionl software; 2) without docker/singularity- this involves running the ICV script (calculate_icv.py) manually. You will require the following additional software:
Python version equation=3.5
Python module pandas
Python module fire
Python module tabulate
Python module Colorama
https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
MATLAB* 2019 or newer https://au.mathworks.com/ An academic license is required
Singularity 3.7 or newer https://www.sylabs.io/docs/ Prefered for high performance computing (HPC) clusters
SPM 12 http://www.fil.ion.ucl.ac.uk/spm/software/spm12/ Make sure spm12 and all subfolders are in your MATLAB path
SUIT Toolbox 3.4 http://www.diedrichsenlab.org/imaging/suit_download.htm Make sure you place SUIT toolbox in spm12/toolbox directory
Troubleshooting manual and segmentation output examples http://enigma.ini.usc.edu/protocols/imaging-protocols/
Tutorial manual and video http://enigma.ini.usc.edu/protocols/imaging-protocols/ Manual and accompanying live demonstration provide detailed step-by-step instructions on how to run the pipeline from start to finish.
*Not freely available; an academic license is required

DOWNLOAD MATERIALS LIST

References

  1. Holmes, G. The cerebellum of man (Hughlings Jackson memorial lecture). Brain. 62, 1-30 (1939).
  2. Ito, M. The modifiable neuronal network of the cerebellum. The Japanese Journal of Physiology. 34 (5), 781-792 (1984).
  3. Manto, M., Oulad Ben Taib, N. The contributions of the cerebellum in sensorimotor control: what are the prevailing opinions which will guide forthcoming studies. Cerebellum. 12 (3), 313-315 (2013).
  4. Manto, M., Gandini, J., Feil, K., Strupp, M. Cerebellar ataxias: an update. Current Opinion in Neurology. 33 (1), 150-160 (2020).
  5. Schmahmann, J. D. Disorders of the cerebellum: ataxia, dysmetria of thought, and the cerebellar cognitive affective syndrome. The Journal of Neuropsychiatry and Clinical Neurosciences. 16 (3), 367-378 (2004).
  6. Strick, P. L., Dum, R. P., Fiez, J. A. Cerebellum and nonmotor function. Annual Review of Neuroscience. 32, 413-434 (2009).
  7. King, M., Hernandez-Castillo, C. R., Poldrack, R. A., Ivry, R. B., Diedrichsen, J. Functional boundaries in the human cerebellum revealed by a multi-domain task battery. Nature Neuroscience. 22 (8), 1371-1378 (2019).
  8. Schmahmann, J. D. An emerging concept. The cerebellar contribution to higher function. Archives of Neurology. 48 (11), 1178-1187 (1991).
  9. Schmahmann, J. D., Sherman, J. C. The cerebellar cognitive affective syndrome. Brain. 121, Pt 4 561-579 (1998).
  10. Schutter, D. J., van Honk, J. The cerebellum on the rise in human emotion. Cerebellum. 4 (4), 290-294 (2005).
  11. Stoodley, C. J., Schmahmann, J. D. Functional topography in the human cerebellum: a meta-analysis of neuroimaging studies. Neuroimage. 44 (2), 489-501 (2009).
  12. Guell, X., Gabrieli, J. D. E., Schmahmann, J. D. Triple representation of language, working memory, social and emotion processing in the cerebellum: convergent evidence from task and seed-based resting-state fMRI analyses in a single large cohort. Neuroimage. 172, 437-449 (2018).
  13. Lewis, M. M., et al. The role of the cerebellum in the pathophysiology of Parkinson's disease. The Canadian Journal of Neurological Sciences. 40 (3), 299-306 (2013).
  14. Möller, C., et al. Different patterns of gray matter atrophy in early- and late-onset Alzheimer's disease. Neurobiology of Aging. 34 (8), 2014-2022 (2013).
  15. Colloby, S. J., O'Brien, J. T., Taylor, J. P. Patterns of cerebellar volume loss in dementia with Lewy bodies and Alzheimer׳s disease: A VBM-DARTEL study. Psychiatry Research. 223 (3), 187-191 (2014).
  16. McDonald, C. R., et al. Subcortical and cerebellar atrophy in mesial temporal lobe epilepsy revealed by automatic segmentation. Epilepsy Research. 79 (2-3), 130-138 (2008).
  17. Marcián, V., et al. Morphological changes of cerebellar substructures in temporal lobe epilepsy: A complex phenomenon, not mere atrophy. Seizure. 54, 51-57 (2018).
  18. Nopoulos, P. C., Ceilley, J. W., Gailis, E. A., Andreasen, N. C. An MRI study of cerebellar vermis morphology in patients with schizophrenia: evidence in support of the cognitive dysmetria concept. Biological Psychiatry. 46 (5), 703-711 (1999).
  19. Stoodley, C. J. Distinct regions of the cerebellum show gray matter decreases in autism, ADHD, and developmental dyslexia. Frontiers in Systems Neuroscience. 8, 92 (2014).
  20. Larsell, O. The development of the cerebellum in man in relation to its comparative anatomy. The Journal of Comparative Neurology. 87 (2), 85-129 (1947).
  21. Haines, D. E., Mihailoff, G. A. The Cerebellum. Fundamental neuroscience for basic and clinical applications. 5th edn. , Elsevier. 394-412 (2018).
  22. Kelly, R. M., Strick, P. L. Cerebellar loops with motor cortex and prefrontal cortex of a nonhuman primate. Journal of Neuroscience. 23 (23), 8432-8444 (2003).
  23. Schmahmann, J. D., Pandya, D. N. Anatomical investigation of projections to the basis pontis from posterior parietal association cortices in rhesus monkey. The Journal of Comparative Neurology. 289 (1), 53-73 (1989).
  24. Buckner, R. L., Krienen, F. M., Castellanos, A., Diaz, J. C., Yeo, B. T. The organization of the human cerebellum estimated by intrinsic functional connectivity. Journal of Neurophysiology. 106 (5), 2322-2345 (2011).
  25. Fischl, B. FreeSurfer. Neuroimage. 62 (2), 774-781 (2012).
  26. Shattuck, D. W., Leahy, R. M. BrainSuite: an automated cortical surface identification tool. Medical Image Analysis. 6 (2), 129-142 (2002).
  27. Patenaude, B., Smith, S. M., Kennedy, D. N., Jenkinson, M. A Bayesian model of shape and appearance for subcortical brain segmentation. Neuroimage. 56 (3), 907-922 (2011).
  28. Bogovic, J. A., Bazin, P. L., Ying, S. H., Prince, J. L. Automated segmentation of the cerebellar lobules using boundary specific classification and evolution. Information Processing in Medical Imaging. 23, 62-73 (2013).
  29. Bogovic, J. A., Prince, J. L., Bazin, P. L. A Multiple object geometric deformable model for image segmentation. Computer Vision and Image Understanding: CVIU. 117 (2), 145-157 (2013).
  30. Price, M., Cardenas, V. A., Fein, G. Automated MRI cerebellar size measurements using active appearance modeling. Neuroimage. 103, 511-521 (2014).
  31. Chakravarty, M. M., et al. Performing label-fusion-based segmentation using multiple automatically generated templates. Humain Brain Mapping. 34 (10), 2635-2654 (2013).
  32. Weier, K., Fonov, V., Lavoie, K., Doyon, J., Collins, D. L. Rapid automatic segmentation of the human cerebellum and its lobules (RASCAL)--implementation and application of the patch-based label-fusion technique with a template library to segment the human cerebellum. Human Brain Mapping. 35 (10), 5026-5039 (2014).
  33. Yang, Z., et al. Automated cerebellar lobule segmentation with application to cerebellar structural analysis in cerebellar disease. Neuroimage. 127, 435-444 (2016).
  34. Romero, J. E., et al. CERES: A new cerebellum lobule segmentation method. Neuroimage. 147, 916-924 (2017).
  35. Carass, A., et al. Comparing fully automated state-of-the-art cerebellum parcellation from magnetic resonance images. Neuroimage. 183, 150-172 (2018).
  36. Han, S., Carass, A., He, Y., Prince, J. L. Automatic cerebellum anatomical parcellation using U-Net with locally constrained optimization. Neuroimage. 218, 116819 (2020).
  37. Ashburner, J., Friston, K. J. Voxel-based morphometry--the methods. Neuroimage. 11 (6), 805-821 (2000).
  38. Jenkinson, M., Smith, S. A global optimisation method for robust affine registration of brain images. Medical Image Analysis. 5 (2), 143-156 (2001).
  39. Andersson, J., Jenkinson, M., Smith, S. Non-linear registration, aka spatial normalisation. Report No. TR07JA2. , (2010).
  40. Ashburner, J., Friston, K. J. Unified segmentation. Neuroimage. 26 (3), 839-851 (2005).
  41. Dahnke, R., Yotter, R. A., Gaser, C. Cortical thickness and central surface estimation. Neuroimage. 65, 336-348 (2013).
  42. Diedrichsen, J. A spatially unbiased atlas template of the human cerebellum. Neuroimage. 33 (1), 127-138 (2006).
  43. Diedrichsen, J., Balsters, J. H., Flavell, J., Cussans, E., Ramnani, N. A probabilistic MR atlas of the human cerebellum. Neuroimage. 46, 39-46 (2009).
  44. Harding, I. H., et al. Brain structure and degeneration staging in Friedreich ataxia: Magnetic resonance imaging volumetrics from the ENIGMA-Ataxia Working Group. Annals of Neurology. 90 (4), 570-583 (2021).
  45. Enigma. Structural imaging processing protocols. , Available from: http://enigma.ini.usc.edu/protocols/imaging-protocols/ (2021).
  46. MRIQC. Poldrack Lab, Stanford University. , Available from: https://mriqc.readthedocs.io/en/stable/ (2020).
  47. dcm2niix. Rorden Lab, University of South Carolina. , Available from: https://github.com/rordenlab/dcm2niix (2021).
  48. Docker. , Available from: https://docs.docker.com/ (2021).
  49. Singularity. Sylabs. , Available from: https://sylabs.io/singularity (2021).
  50. MATLAB. The MathWorks, Inc. , Available from: https://au.mathworks.com/ (2021).
  51. Statistical parametric mapping SPM12. The Wellcome Centre for Human Neuroimaging. , Available from: https://www.fil.ion.ucl.ac.uk/spm/software/spm12/ (2020).
  52. Diedrichsen Lab, University of Western Ontario. , Available from: http://www.diedrichsenlab.org/imaging/suit.htm (2021).
  53. FreeSurfer download and install. , Available from: https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall (2020).
  54. Gaser, C., Dahnke, R. CAT: A computational anatomy toolbox for SPM. , Available from: http://www.neuro.uni-jena.de/cat/ (2020).
  55. Selvadurai, L. P., et al. Cerebral and cerebellar grey matter atrophy in Friedreich ataxia: the IMAGE-FRDA study. Journal of Neurology. 263 (11), 2215-2223 (2016).
  56. Schmahmann, J. D. The cerebellum and cognition. Neuroscience Letters. 688, 62-75 (2019).
  57. Diedrichsen, J., Zotow, E. Surface-based display of volume-averaged cerebellar imaging data. PLoS One. 10 (7), 0133402 (2015).
  58. Gottwald, B., Mihajlovic, Z., Wilde, B., Mehdorn, H. M. Does the cerebellum contribute to specific aspects of attention. Neuropsychologia. 41 (11), 1452-1460 (2003).
  59. Starowicz-Filip, A., et al. The role of the cerebellum in the regulation of language functions. Psychiatria Polska. 51 (4), 661-671 (2017).
  60. Guell, X., Schmahmann, J. D., Gabrieli, J., Ghosh, S. S. Functional gradients of the cerebellum. Elife. 7, 36652 (2018).

Tags

Neurowetenschappen cerebellum magnetische resonantie beeldvorming parcellation voxel-gebaseerde morfometrie grijze stof Friedreich ataxie
Een gestandaardiseerde pijplijn voor het onderzoeken van menselijke cerebellaire grijze stofmorfometrie met behulp van structurele magnetische resonantie beeldvorming
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Kerestes, R., Han, S., Balachander,… More

Kerestes, R., Han, S., Balachander, S., Hernandez-Castillo, C., Prince, J. L., Diedrichsen, J., Harding, I. H. A Standardized Pipeline for Examining Human Cerebellar Grey Matter Morphometry using Structural Magnetic Resonance Imaging. J. Vis. Exp. (180), e63340, doi:10.3791/63340 (2022).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter