يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة منهجية

شارك في تحليل بنية الدماغ والدالة باستخدام الرنين المغناطيسي الوظيفي وانتشارها المرجحة التصوير

26.3K مشاهدات

⸱

DOI:

10.3791/4125

⸱

نوفمبر 8, 2012

 ,  ,  ,  ,  ,  , 
1Center for the Neural Basis of Cognition, 2Department of Psychology, University of Pittsburgh, 3Department of Psychology, Carnegie Mellon University , 4Department of Bioengineering, University of Pittsburgh

في هذه المقالة

ملخص

نصف في هذا العمل نهجاً جديداً للتحليل المتزامن لوظائف الدماغ وبنيته باستخدام التصوير بالرنين المغناطيسي (MRI). حيث نقوم بتقييم بنية الدماغ باستخدام التصوير الموزون بالانتشار عالي الدقة وتصوير ألياف المادة البيضاء (tractography). وبخلاف التصوير التقليدي للبنية بالرنين المغناطيسي، تتيح لنا هذه التقنيات ربط الاتصال التشريحي مباشرة بالخصائص الوظيفية لشبكات الدماغ.

الملخص

تسهل خرائط الشبكات، مثل المخططات الدائرية، دراسة الأنظمة الحسابية المعقدة. ويكون هذا التخطيط مفيداً بشكل خاص عند دراسة الدماغ، حيث إن الدور الوظيفي الذي تؤديه منطقة معينة في الدماغ قد يتم تحديده إلى حد كبير من خلال اتصالاتها بمناطق دماغية أخرى. وفي هذا التقرير، نصف نهجاً جديداً غير جراحي لربط بنية الدماغ ووظيفته باستخدام التصوير بالرنين المغناطيسي (MRI). ويتم توضيح هذا النهج، الذي يجمع بين التصوير البنيوي لاتصالات الألياف طويلة المدى وبيانات التصوير الوظيفي، في مجالين معرفيين متميزين هما الانتباه البصري وإدراك الوجوه. يتم إجراء التصوير البنيوي باستخدام التصوير الموزون بالانتشار (DWI) وتخطيط مسارات الألياف، اللذان يتتبعان انتشار جزيئات الماء على طول مسارات ألياف المادة البيضاء في الدماغ (الشكل 1). ومن خلال تصور مسارات الألياف هذه، نتمكن من استقصاء البنية الاتصالية طويلة المدى للدماغ. وتُظهر النتائج تفوقاً مقارنةً بإحدى التقنيات الأكثر استخداماً في DWI، وهي تصوير موتر الانتشار (DTI). إذ يعجز DTI عن تحليل التكوينات المعقدة لمسارات الألياف، مما يحد من فائدته في بناء نماذج مفصلة ومستندة إلى التشريح لوظائف الدماغ. وفي المقابل، تعيد تحليلاتنا إنتاج التشريح العصبي المعروف بدقة وإحكام. ويعود هذا التميز جزئياً إلى إجراءات الحصول على البيانات: فبينما تقيس العديد من بروتوكولات DTI الانتشار في عدد قليل من الاتجاهات (على سبيل المثال، 6 أو 12)، فإننا نستخدم بروتوكول تصوير طيف الانتشار (DSI)1, 2 الذي يقيم الانتشار في 257 اتجاهاً ومجموعة من نقاط قوة التدرج المغناطيسي. وعلاوة على ذلك، تسمح بيانات DSI باستخدام طرق أكثر تطوراً لإعادة بناء البيانات المكتسبة. وفي تجربتين (الانتباه البصري وإدراك الوجوه)، يكشف تخطيط المسارات أن المناطق النشطة بشكل مشترك في الدماغ البشري مرتبطة تشريحياً، مما يدعم الفرضيات القائمة بأنها تشكل شبكات وظيفية. ويسمح لنا DWI بإنشاء "مخطط دائري" وإعادة إنتاجه على أساس كل فرد، وذلك بغرض مراقبة نشاط الدماغ المرتبط بالمهمة في الشبكات المستهدفة.

البروتوكول

1. معدات الحصول على بيانات الرنين المغناطيسي

الشكلان 2 و 3 يلخصان عدداً من الخيارات التي يجب اتخاذها في عملية استحواذ التصوير بالرنين المغناطيسي الانتشاري (diffusion MRI)، وإعادة بناء البيانات، وتتبع الألياف. ضع في اعتبارك أن هذه الخيارات تتضمن عادةً مفاضلات، وقد يعتمد الخيار الأفضل على الأهداف البحثية للشخص. فعلى سبيل المثال، يستخدم كل من التصوير بالانتشار الموحد (DSI) وتصوير الانتشار عالي الدقة متعدد القشور (multi-shell HARDI) (انظر الشكل 2) عادةً "قيم b" أعلى (أي وزن انتشار أقوى) مقارنة بتصوير موتر الانتشار (DTI). ونتيجة لذلك، تتميز هذه الطرق بدقة زاوية أفضل، وهو أمر ضروري لتمييز الألياف المتقاطعة أو "المتلامسة" (أي الألياف التي تنحني نحو بعضها البعض، وتتلامس عند مماس واحد قبل أن تنحني بعيداً مرة أخرى). ومع ذلك، غالباً ما يتم تحقيق هذا المكسب في الدقة الزاوية على حساب انخفاض نسبة الإشارة إلى الضوضاء (SNR) في بيانات التصوير الصدى المستوي (EPI) (الشكل 3). قد يرغب الباحثون في النظر في مدى ملاءمة هذه المفاضلة لأهدافهم المحددة: فإذا كانت الدراسة تركز على عدد قليل من حزم الألياف الرئيسية التي لا تتقاطع مساراتها أو لا تسير بموازاة حزم أخرى، فقد يكون مسح DTI منخفض الاتجاهات مع نسبة SNR عالية هو الخيار الأمثل. وقد يمثل تصوير الحزمة الطولية السفلية مثل هذه الحالة. وفي المقابل، قد يكون فقدان نسبة SNR نتيجة مقبولة إذا أراد الباحث تتبع حزمة عبر تقاطعات معقدة.

تتضمن هناك مقايضة مماثلة فيما يتعلق بتصحيح حركة الرأس، والتيارات الدوامية، وتشوّهات الصور غير الخطية. تعتمد بروتوكولات التصوير الموزون بالانتشار (DWI) على التصوير بالصدى المستوي (EPI؛ انظر الجدول 1)، وهو عرضة لعدم تجانس المجال المغناطيسي الناتج عن الجيوب الهوائية في الجيوب الأنفية، والضوضاء الفسيولوجية، وعوامل أخرى3. يؤدي عدم التجانس هذا إلى تشوّه غير مرغوب فيه في الصور، خاصة في الفص الصدغي السفلي والقشرة الجبهية الحجاجية، مما يقلل من صلاحية وموثوقية نتائج تتبع الألياف في هذه المناطق. كما تنشأ تشوّهات إضافية بسبب التيارات الدوامية، وهي نتاج التبديل السريع لتدرجات الرنين المغناطيسي4. وتُعد حركة رأس المشاركين عاملاً آخر يؤدي إلى تدهور جودة الصورة ويمكن أن يؤثر سلباً على تتبع المسارات. تستطيع الطرق الحالية تصحيح كل من حركة الرأس وتشوّهات الصور في البيانات ذات قيمة b المنخفضة، مثل تصوير موتر الانتشار (DTI)؛ ومع ذلك، لم يتم تعميم هذه الطرق على طرق ذات دقة أعلى مثل تصوير الانتشار المكاني (DSI). وتنبع الصعوبة في تطبيق طرق تصحيح الصور على بيانات DSI من انخفاض نسبة الإشارة إلى الضوضاء (SNR) المذكورة سابقاً (الشكل 3). ولتتبع الألياف في مناطق الدماغ المعرضة لتشوّه EPI، قد يكون من الأفضل استخدام DTI منخفض الاتجاهية أو تقنية أخرى يمكن من خلالها تصحيح تشوّهات الصور. ومن ناحية أخرى، إذا كانت هناك رغبة في الحصول على دقة زاوية عالية في جميع أنحاء الدماغ، فقد يختار الباحثون استخدام DSI، أو HARDI، أو تقنيات مماثلة. ويقترح Tuch (2004)5 أن يقوم الباحثون بدمج صور T2 بدون وزن انتشار طوال عملية مسح DSI، لتوفير معايير مرجعية لتصحيح الحركة (على سبيل المثال، انظر المرجع 6). وفي جميع الحالات، يجب أن يكون الباحثون على دراية بالتأثير السلبي لحركة الرأس أثناء الاستحواذ: لذا يُنصح باستخدام مشاركين مدربين تدريباً عالياً، وتقليل الحركة من خلال استخدام قضبان العض، أو واقيات الأنف، أو الحشوات، أو غيرها من وسائل الحماية.

تستخدم النتائج المعروضة هنا بروتوكول تصوير طيف الانتشار (DSI) بـ 257 اتجاهاً، مع شدة تدرج تتراوح من b=300 إلى 7,000 (راجع المعلمات في الجدول 1). يتطلب تسلسل تصوير طيف الانتشار (DSI) معدات مسح بالرنين المغناطيسي حديثة ذات ميزات معينة ضرورية لجمع بيانات الانتشار عالية الدقة هذه. ونشير هنا إلى أن المتطلبات الزمنية لهذا التسلسل كبيرة: حوالي 43 دقيقة على ماسح Siemens Tim Trio. وبعد اختبارات تجريبية مكثفة، نعتقد أن جودة هذه البيانات تبرر المدة وتكلفة المسح؛ ومع ذلك، عند اختيار بروتوكول الاستحواذ، يجب على المستخدمين موازنة أهدافهم البحثية بدقة مقابل القدرات وراحة المشاركين. كما نشير أيضاً إلى أنه تم جمع بيانات DSI عالية الجودة في غضون 10 دقائق فقط باستخدام تقنيات استحواذ متقدمة7.

  1. ماسح الرنين المغناطيسي بقوة مجال 3 Tesla: تكمن ضرورة استخدام 3T في تحقيق الإشارة المطلوبة لمسح DSI ذو الاتجاه الزاوي العالي.
  2. ملف رأس مصفوفي مرحلي بـ 32 قناة: يلزم وجود ملف رأس يتميز بحساسية عالية ونسبة إشارة إلى ضوضاء ممتازة لجمع بيانات DSI. توفر الملفات ذات الـ 8 والـ 12 قناة إشارة أقل عند سطح الدماغ؛ وبالتالي، قد تتطلب هذه الملفات زيادة وقت المسح لدعم التحديد الدقيق لحقول الإسقاط.
  3. تثبيت الرأس: نظراً للمدة الطويلة لتسلسل مسح DSI، وبسبب عدم إمكانية تطبيق تصحيح الحركة على بيانات DSI، فإن التثبيت الممتاز للرأس ضروري للتحكم في حركة الخاضع للفحص. يوصى باستخدام أدوات التحكم في الحركة التي تتراوح من الحشوات والأشر indicating اللاصقة إلى قضيب العض، أو الحقيبة المفرغة من الهواء، أو القناع thermoplastic لتثبيت رؤوس الخاضعين للفحص. تُعتبر الحركة الانتقالية التي تزيد عن 2 mm أو الحركة الدورانية التي تزيد عن 2° في أي اتجاه مفرطة وقد تُتخذ كأساس لاستبعاد البيانات.
  4. معدات عرض FMRI: بالنسبة للتحليلات التي تستخدم البذور الوظيفية، يلزم توفر معدات إضافية لمسح fMRI. وبناءً على نوع المناطق المراد تحديد موقعها، يشمل ذلك عادةً شاشة متوافقة مع الرنين المغناطيسي (مثل نظام جهاز عرض أو شاشة LCD متوافقة مع الرنين المغناطيسي)، ونظام استجابة بالأزرار، ونظام صوتي، وجهاز كمبيوتر لعرض التجربة متزامن مع عملية الاستحواذ في الماسح.

2. إجراء الفحص

  1. قدم شرحاً موجزاً للمشاركين حول طبيعة عمليات المسح التي سيتم إجراؤها واحصل على موافقة مستنيرة. أكد على ضرورة تقليل حركة الرأس (خاصة أثناء مسح DSI الطويل). امنح المشاركين خيار مشاهدة فيلم أو مقطع فيديو آخر للترفيه أثناء مسح DSI. بالنسبة للمسح الوظيفي للمهام السلوكية، وجّه الأشخاص لمراقبة الشاشة بحثاً عن المنبهات ذات الصلة بالمهمة والاستجابة وفقاً للمطلوب.
  2. بعد الفحص للتأكد من عدم وجود موانع استخدام الرنين المغناطيسي، قم بتثبيت رأس المشاركين بشكل مريح باستخدام إحدى الطرق الموضحة أعلاه، ثم أدخل سرير المريض في الماسح الضوئي.
  3. أجرِ عمليات المسح الاستطلاعي الأولية والمعايرة.
  4. حدد وصف المقاطع لمسح DSI بحيث تكون موازية لخط وهمي يربط بين الصوارق الأمامية والخلفية. تأكد من أن مقاطع مسح DSI تغطي الدماغ بالكامل.
  5. شغّل مسح DSI بينما يسترخي الشخص في الماسح الضوئي أو يشاهد مادة ترفيهية عبر نظام العرض.
  6. بعد الانتهاء من مسح DSI مباشرة، قم بجمع مسح تشريحي مرجح بـ T1 (على سبيل المثال، MPRAGE) لاستخدامه لاحقاً في التسجيل المشترك (أي المحاذاة) لبيانات DSI مع البيانات التشريحية أو الوظيفية الأخرى.
  7. اختيارياً، يمكن جمع بيانات fMRI في نفس الجلسة باستخدام تتابعات نبض EPI القياسية.
  8. إذا لزم الأمر، أجرِ مسح fMRI في جلسة مسح منفصلة. قم بجمع MPRAGE في كلتا الجلستين لتسهيل التسجيل المشترك لمجموعات البيانات.

3. معالجة التصوير بالرنين المغناطيسي التشريحي

لإجراء تحليل السطح لبيانات fMRI والتقسيم التلقائي باستخدام FreeSurfer، كما هو موضح أدناه، يلزم وجود صورة تشريحية عالية الدقة وموزونة بـ T1 مع تباين ممتاز بين المادة البيضاء والرمادية. توفر هذه الصورة مساحة مرجعية مشتركة لتحليل بيانات التصوير الوظيفي والتصوير الموزون بالانتشار. في معظم أجهزة MRI الحديثة، سيُشار إلى هذه الصورة باسم صورة MPRAGE (Magnetization Prepared RApid Gradient Echo). ويمكن لمعظم تسلسلات MPRAGE الحديثة توفير بيانات ذات جودة كافية في مسح واحد (المعاملات في Table 1). وإذا لزم الأمر، يمكن حساب متوسط مسحين أو أكثر لتحسين تباين المادة الرمادية والبيضاء من أجل التقسيم. نوضح أدناه كيف يمكن محاذاة بيانات DWI وfMRI تلقائيًا، والتي يتم جمعها عادةً بأحجام voxel ونقاط أصل مختلفة، وإعادة أخذ عينات منها للعرض المتزامن مع MPRAGE.

يمكن العثور على أوصاف تفصيلية لمسار معالجة التصوير بالرنين المغناطيسي التشريحي الخاص بـ FreeSurfer على ويكي FreeSurfer (http://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferWiki)؛ وتتضمن مخرجات FreeSurfer تمثيلات متعددة لسطح القشرة الدماغية، بالإضافة إلى تقسيم السمات التشريحية القشرية وتجزئة البنى تحت القشرية. ونوصي بتشغيل نص AFNI/SUMA البرمجي @SUMA_Make_Spec_FS على مخرجات FreeSurfer، والذي يقوم بتحويل هذه المخرجات إلى تنسيقات ملفات يمكن معالجتها بسهولة باستخدام أدوات من AFNI/SUMA و FSL و SPM وحزم برمجيات التصوير العصبي الأخرى. على سبيل المثال، يمكن إجراء التسجيل المشترك للصور باستخدام واحد من عدة برامج، مثل 3dAllineate (AFNI/SUMA)، أو FLIRT (FSL)، أو bbregister (FreeSurfer)، أو وظيفة Coregister في SPM.

  1. قم بإجراء التقسيم التشريحي وإعادة بناء السطح القشري عن طريق إرسال الصورة التشريحية المرجحة بـ T1 إلى خوارزمية FreeSurfer الآلية (recon-all).
  2. استورد نتائج معالجة FreeSurfer إلى SUMA باستخدام سكربت @SUMA_Make_Spec_FS. تقوم هذه الخطوة بإنشاء نسخ بصيغة NIFTI لجميع الأحجام في مخرجات FreeSurfer، بما في ذلك نسخة من الصورة التشريحية المدخلة تكون منزوعة الجمجمة وموحدة الكثافة. نشير إلى هذه الصورة التشريحية المعالجة باسم Surface Volume، وفقاً لمصطلحات AFNI/SUMA؛ وتسمى نسخة NIFTI من هذه الصورة التي أنشأها @SUMA_Make_Spec_FS باسم brain.nii.
  3. قم بمحاذاة صورة DSI B0 مع Surface Volume الناتج (استخدم نسخة NIFTI من هذه الصورة، المسماة brain.nii، الموجودة في دليل SUMA).
  4. احفظ مصفوفة التحويل التآلفي (affine transformation matrix) المكونة من 12 نقطة لاستخدامها في عمليات التسجيل المشترك اللاحقة.

4. معالجة التصوير بالرنين المغناطيسي الوظيفي (fMRI)

يمكن لتحليل التصوير بالرنين المغناطيسي الوظيفي (fMRI) تحديد مناطق الاهتمام (ROIs) لإنشاء الألياف أو اختيارها بعد التحليل. ويمكن استخدام أي من تسلسلات النبضات الخاصة بالتصوير المستوي بالصدى (EPI) مع معلمات محسنة لتجارب fMRI المحددة. وبالمثل، يوجد عدد كبير من الحزم البرمجية لمعالجة وتحليل fMRI، مثل AFNI/SUMA (NIMH, NIH) 8, 9، وBrainVoyager (Brain Innovation) 10، وFSL (FMRIB, Oxford University) 11, 12، وSPM (Wellcome Trust Center for Neuroimaging, University College London) 13. ويوضح قسم "معالجة وتحليل fMRI" في الشكل 4 مسار تحليل يعتمد على الحزمة البرمجية AFNI/SUMA. وللحصول على تعليمات استخدام أكثر تفصيلاً، نحيل القراء إلى الدروس التعليمية الممتازة والمواد التعليمية الأخرى المتاحة على موقع AFNI/SUMA الإلكتروني (http://afni.nimh.nih.gov).

يختلف الهدف النهائي من تحليل التصوير بالرنين المغناطيسي الوظيفي (fMRI) لتتبع الألياف عن تحليلات التحديد الموضعي الوظيفي القياسية، والتي غالبًا ما يكون التركيز فيها على إيجاد موضع أقصى تنشيط. وتتطلب الإجراءات الإحصائية السليمة من الباحثين تحديد مستويات ألفا (alpha) للمقارنات الإحصائية مسبقًا؛ ومع ذلك، يجب على الباحثين مراعاة أن اختيار العتبات الإحصائية سيؤثر على المدى المكاني للتنشيط الوظيفي، وبالتالي على مدى مجالات انتهاء الألياف.

  1. قم بتصحيح حركة رأس الخاضع للفحص في بيانات fMRI لكل فرد، باستخدام الصورة المتوسطة للتشغيل الأول للماسح الضوئي كصورة مرجعية.
  2. اختياريًا، قم بإجراء تصحيح لوقت الحصول على المقاطع (slice acquisition time correction)، خاصة عند استخدام تصميم مهام مرتبط بأحداث سريعة.
  3. قم بتصحيح الاختلافات في خط الأساس للإشارة بين التشغيلات عن طريق تطبيع السلاسل الزمنية لكل فوكسل (voxel) ضمن كل تشغيل.
    1. عبر عن السلسلة الزمنية لكل فوكسل كنسبة مئوية للتغير عن متوسط ذلك الفوكسل بمرور الوقت لتشغيل معين، باستخدام برنامج مثل 3dcalc (AFNI/SUMA) أو fslmaths (FSL).
    2. بدلاً من ذلك، قم بإجراء تحويل z (z-transform) للسلسلة الزمنية لكل فوكسل في كل تشغيل، بناءً على متوسط الإشارة والانحراف المعياري بمرور الوقت.
  4. قم بالتسجيل المشترك (Co-register) لكل تشغيل EPI معالج مع مجموعة بيانات حجم السطح (brain.nii) التي تم إنشاؤها بواسطة FreeSurfer (انظر أعلاه).
  5. قم بدمج جميع تشغيلات EPI زمنياً لفرد معين.
  6. قم بإسقاط كل تشغيل EPI على السطح باستخدام 3dVol2Surf (AFNI/SUMA)، لإنتاج مجموعة بيانات سطح NIML لكل تشغيل.
    1. استخدم أسطح المادة البيضاء الملساء والأسطح السحائية (pial surfaces) كأسطح مرجعية للإسقاط؛ ويمكن اعتبار هذه الأسطح ممثلة للحد الفاصل بين المادة الرمادية والبيضاء وسطح القشرة، على التوالي.
    2. قم بحساب متوسط الإشارة عبر المسافة بين هذين السطحين.
  7. اختياريًا، قم بتنعيم بيانات EPI على السطح القشري باستخدام SurfSmooth (AFNI/SUMA).
  8. أنشئ متغيرات تفسيرية (regressors) منفصلة للفترات الزمنية المقابلة لكل حالة من الحالات التجريبية التي عُرضت على الخاضع للفحص.
  9. قم بإدخال هذه المتغيرات التفسيرية (إلى جانب المتغيرات التفسيرية غير ذات الأهمية) في تحليل النموذج الخطي العام (GLM) للبيانات الوظيفية.
  10. قارن أوزان بيتا (beta weights) للمتغيرات التفسيرية المختلفة لإنتاج "خريطة وظيفية" للقيم الإحصائية عبر السطح.
  11. اختياريًا، أدخل قيم أوزان بيتا لعدة مشاركين في تحليل تباين (ANOVA) على مستوى المجموعة، في حال استخدام تصميم عاملي.
  12. اشتق خرائط وظيفية محددة بعتبة (thresholded functional maps) لعرض التأثيرات ذات الدلالة الإحصائية، مع تطبيق تعديل معدل الخطأ العائلي (نظرية الحقل العشوائي الغاوسي) 14 أو معدل الاكتشاف الكاذب (FDR) 15, 16 لتصحيح المقارنات المتعددة.
  13. أنشئ مناطق اهتمام (ROIs)، والتي ستُستخدم لاحقًا كبذور لتتبع الألياف العصبية (tractography seeding)، من مناطق متصلة من التنشيط الوظيفي الهام على السطح عن طريق تسمية كل منطقة قابلة للفصل.
    1. قم بتجزئة وتسمية مناطق الاهتمام تلقائيًا باستخدام خوارزمية تجميع مكاني، مثل SurfClust (AFNI/SUMA).
    2. بدلاً من ذلك، قم برسم مناطق الاهتمام يدويًا باستخدام ميزة Draw ROI في SUMA.
  14. قم بتوسيع مناطق الاهتمام إلى داخل المادة البيضاء باستخدام 3dSurf2Vol (AFNI/SUMA)، لزيادة التماس مع خطوط المسارات أثناء تتبع الألياف العصبية.
    1. كما في الخطوة 6، استخدم أسطح المادة البيضاء الملساء والأسطح السحائية للإسقاط.
    2. اضبط f_p1_fr = -0.5 من أجل توسيع منطقة الاهتمام أسفل الحد الفاصل بين المادة الرمادية والبيضاء بنسبة 50% من سمك المادة الرمادية عند كل عقدة سطحية.
    3. اضبط f_pn_fr=1 من أجل توسيع منطقة الاهتمام في الاتجاه المعاكس للسطح السحائي.
  15. استخدم برنامج AFNI cat_matvec لإيجاد معكوس مصفوفة التحويل التآلفي (affine transformation matrix) ذات الـ 12 نقطة التي تم إنشاؤها عند محاذاة صورة B0 مع حجم السطح (brain.nii).
  16. قم بتطبيق المصفوفة المعكوسة (niiApply) على مناطق الاهتمام الوظيفية من أجل محاذاتها مع بيانات DSI.

5. معالجة بيانات التصوير بوزن الانتشار

يعد التصوير الموزون بالانتشار مصطلحاً عاماً لتقنيات تصوير المادة البيضاء، حيث يشمل العديد من التوليفات المختلفة لطرق الحصول على البيانات وإعادة بنائها. وربما تكون الطريقة الأكثر استخداماً، والتي يُشار إليها باسم تصوير موتر الانتشار (DTI) 17, 18، قائمة على الحصول على البيانات لمدة تتراوح بين 5-10 دقائق، مع قياس الانتشار في 6 أو 12 اتجاهاً. وبناءً على هذه البيانات، يتم عادةً نمذجة أنماط الانتشار باستخدام نموذج موتر بسيط، وهو الأنسب للكشف عن اتجاه انتشار سائد واحد. ويعني هذا القصور أن تصوير موتر الانتشار (DTI) لا يؤدي بشكل جيد في تصوير الألياف التي تتقاطع مع بعضها البعض أو "تتلامس" في نقطة واحدة. ويمكن الكشف عن الألياف المتقاطعة والمتلامسة بشكل أفضل باستخدام مزيج من طرق الحصول على صور عالية الدقة وطرق إعادة البناء، مثل تصوير الانتشار عالي الدقة الزاوية (HARDI) 19-21، وتصوير طيف الانتشار (DSI) 1, 2، وتصوير كرة-q المعمم (GQI) 22-24.

استُخدم تسلسل DSI متعدد القشور في 257 اتجاهاً تم تشغيله على ماسحات Siemens 3T للحصول على النتائج المعروضة هنا (المعاملات في الجدول 1). أُعيد بناء البيانات المكتسبة باستخدام طريقة GQI24، التي تنمذج أنماط الانتشار في كل فوكسل باستخدام دالة توزيع التوجه (ODF) التي يمكنها اكتشاف الانتشار المتزامن في اتجاهات متعددة. ومن المفترض أن تعطي تسلسلات الانتشار الأخرى ذات الدقة الزاويّة العالية نتائج مماثلة. يرجى ملاحظة أن إعادة البناء الصحيحة لـ ODFs تتطلب من الباحث إدخال جدول التدرج (المشار إليه أيضاً باسم b-table) إلى DSI Studio، وهو برنامج معالجة DWI وتتبع المسارات المستخدم هنا. (يمكن العثور على تعليمات استخدام مفصلة لبرنامج DSI Studio على الموقع الإلكتروني للبرنامج، http://dsi-studio.labsolver.org.) يدرج هذا الجدول اتجاه التدرج وقوة المجال المغناطيسي لكل حجم من أحجام DWI المكتسبة. يعتمد جدول التدرج على بروتوكول الحصول على صور الرنين المغناطيسي (MR) ويتم استخراجه تلقائياً من صور DICOM بواسطة DSI Studio. ومع ذلك، نوصي الباحثين بمقارنة جدول التدرج المستخرج تلقائياً هذا مع الجدول القياسي لبروتوكول DWI الخاص بالماسح الضوئي لديهم.

  1. عند الضرورة، قم بتحويل صور الرنين المغناطيسي إلى صيغة .dcm (DICOM) باستخدام برنامج mri_convert (FreeSurfer).
  2. حدد أي صورة (أو صور) في مجموعة البيانات هي صور B0 (أي:، وصور مستوية الصدى جُمِعت بدون وزن انتشار).
  3. حوّل صورة (أو صور) B0 إلى تنسيق NIFTI باستخدام برنامج AFNI to3d.
  4. في برنامج DSI Studio، افتح صور DICOM وادمجها لإنشاء ملف مصدر (.src).
  5. وفّر جدول التدرج (انظر أعلاه).
  6. تحقق من أن قناع إعادة البناء الافتراضي يشمل جميع المادة الرمادية، دون تضمين المساحات الفارغة أو الجمجمة أو الأنسجة غير الدماغية. قم بتحرير القناع حسب الضرورة.
  7. وبدلاً من ذلك، يمكن إنشاء قناع إعادة بناء عن طريق تشغيل برنامج AFNI المسمى 3dAutomask على صورة B0.
  8. اختر نموذج إعادة بناء عالي الدقة: DSI، أو GQI، أو أحد متغيرات GQI.
  9. قم بإنشاء ملف معلومات الألياف (.fib) لتمثيل اتجاه (أو اتجاهات) الانتشار الرئيسية في كل فوكسل.

6. تقييم جودة البيانات وتتبع المعاملات من خلال تتبع المسارات في الدماغ بالكامل

يعد تتبع الألياف باستخدام بذرة للدماغ بأكمله طريقة سريعة وفعالة لتقييم الجودة العامة للبيانات. كما أنها تتيح الفرصة لتحديد القيم المناسبة للمعلمات العامة، وخاصة عتبة تباين الخواص المستخدمة كمعيار إيقاف في تصوير المسارات. هذا الإجراء ضروري لتحقيق التوازن بين تحسين التغطية في عملية تتبع الألياف وتقليل الضوضاء. يجب توخي عناية خاصة عند ضبط معلمات التتبع الرئيسية، مثل عتبة الزاوية وعتبات التتبع.

من المهم ملاحظة أن التباين النسبي للمسارات المختلفة قد يختلف بين الأفراد، اعتماداً على عوامل بيولوجية مثل العمر وسلامة المادة البيضاء، بالإضافة إلى عوامل خارجية مثل معايرة الأجهزة بين الجلسات. ونقترح أدناه طرقاً متعددة لموازنة عتبات التتبع بين مجموعات البيانات. وفي جميع الأوقات، يجب التحقق من جودة نتائج التتبع من خلال مقارنتها بالتشريح العصبي المعروف. على سبيل المثال، فإن الألياف التي تعبر الشق بين نصفَي الكرة المخية خارج الاتصالات المعروفة بين نصفَي الكرة (i.e. الجسم الثفني، والمقاطع الأمامية والخلفية) قد تشير إلى أن عتبة التتبع منخفضة للغاية ويجب رفعها، أو قد تكون دليلاً على وجود آثار ناتجة عن حركة الرأس.

على عكس عتبة التتبع، يجب أن تكون عتبة الزاوية ثابتة لفرد معين عبر الجلسات المختلفة، نظرًا لأن مسارات الألياف لا يتغير انحناؤها على المدى القصير، إن حدث ذلك أصلًا. وبالمثل، يجب أن يكون انحناء المسارات ثابتًا نسبيًا بين الأفراد، في حالة عدم وجود فروق جوهرية في حجم الدماغ أو شكله المورفولوجي. ومع ذلك، يجب توخي الحذر عند تعيين القيم الأولية لهذا المعامل؛ فقد تشير الألياف التي تتبع مسارات غير محتملة، مثل المنحنيات التي تشبه دبوس الشعر، إلى أن عتبة الزاوية مرتفعة جدًا.

  1. إنشاء منطقة بذر لكامل الدماغ.
  2. تعيين قيمة عتبة تتبع أولية لحجب الفوكسيلات ذات الإشارة المنخفضة.
  3. تعيين عتبة الزاوية للسماح للألياف بالانحناء بما يصل إلى n درجة في الخطوة الواحدة.
  4. تعيين حجم خطوة التتبع بوحدة mm.
  5. تعيين العدد المطلوب من الألياف أو نقاط البذر.
  6. إجراء تتبع حزم عصبي لكامل الدماغ للتحقق من الجودة العامة لإعادة بناء دالة توزيع الاتجاه (ODF).
  7. للبدء، اختر عتبة تتبع متوسطة (عبر مجموعات البيانات).
    1. تحميل ملف trk لكامل الدماغ في برنامج TrackVis، وهو برنامج لتصور وتحليل حزم الألياف (Martinos Center for Biomedical Imaging, Massachusetts General Hospital) 25.
    2. تحميل أحجام المادة الرمادية (GM) الموجودة في دليل SUMA (lh/rh.ribbon.nii) كمناطق اهتمام (ROIs).
    3. تعيين مناطق اهتمام المادة الرمادية كمرشحات على مجموعة التتبع، مع قبول الألياف التي ينتهي أي من طرفيها في إحدى مناطق الاهتمام فقط.
    4. التحقق من أن معظم الألياف (90-100%) في ملف trk تظل في مجموعة التتبع المفلترة.
    5. كرر العملية حسب الضرورة، مع ضبط عتبة التتبع في DSI Studio في كل مرة.
  8. التحقق بشكل إضافي من أن عتبة التتبع تحجب الفوكسيلات الموجودة في المساحات الفارغة (أي حول حواف الدماغ وفي المساحات داخل التلافيف) دون إزالة الفوكسيلات التي تقع بوضوح في المادة البيضاء.
  9. اختيارياً، موازنة عتبة التتبع عبر مجموعات البيانات (أي الجلسات المختلفة و/أو المشاركين).
    1. تعيين عتبة تتبع حسب الرغبة في مجموعة بيانات واحدة عبر واجهة DSI Studio.
    2. إعادة تسمية ملف .fib الذي أنشأه DSI Studio بامتداد .mat واستيراده إلى MATLAB، وفقاً للتعليمات الموجودة على موقع DSI Studio الإلكتروني (http://dsi-studio.labsolver.org).
    3. إنشاء مدرج تكراري للقيم التي ترغب في تعيين عتبتها.
    4. تحويل قيم الخريطة إلى درجات معيارية (z-scores).
    5. إيجاد الدرجة المعيارية لعتبة التتبع التي تم تعيينها أولياً في واجهة DSI Studio.
    6. تنفيذ الخطوات b-d لجميع مجموعات البيانات الأخرى، وإيجاد عتبة التتبع التي تقابل الدرجة المعيارية التي تم العثور عليها في الخطوة e.
    7. كإجراء تدقيق للخطوات a-f، تتبع مجموعة من الألياف الضابطة من منطقة اهتمام تشريحية عند القطب القذالي باستخدام 500,000 بذرة.
    8. التحقق من أن هذا الإجراء ينتج تقريباً نفس عدد الألياف عبر مجموعات البيانات (+- 100 ليف).

7. تتبع الألياف العصبية المقيد محلياً

على عكس تتبع الألياف العصبية للدماغ بأكمله، يستخدم تتبع الألياف المقيد محلياً عمليات بوليانية تعتمد على المناطق ذات الاهتمام (ROI)، مثل تحديد أحجام يجب على الألياف المرور من خلالها أو قد لا تمر من خلالها. ونتيجة لذلك، يوفر تتبع الألياف المقيد محلياً حساسية أعلى وتحكماً أكبر في تتبع ألياف مختارة تثير الاهتمام. أما تتبع الألياف للدماغ بأكمله فيقوم بأخذ عينات غير كافية من مساحة نقاط البذر الممكنة، وذلك بسبب التكلفة الحسابية العالية لعمليات البذر ومحدودية ذاكرة الرسوميات في الحاسوب. (ومن الممكن أن يتم تخفيف هذه القيود في المستقبل، نتيجة للتغييرات في خوارزميات تتبع الألياف، أو زيادة سعة الذاكرة، أو عوامل أخرى.) وكنتيجة لهذا النقص في أخذ العينات، غالباً ما ينتج تتبع الألياف للدماغ بأكمله نتائج منحازة نحو مسارات الانتشار السائدة في الدماغ. وتعالج المناطق ذات الاهتمام (ROIs) التي يحددها المستخدم هذه المشكلة من خلال توفير مناطق مستهدفة محدودة ذات كثافة عالية من نقاط البذر، مما يسهل التقاط حزم الألياف التي يصعب اكتشافها.

  1. قم بإنشاء منطقة بذرية تشمل الدماغ كاملاً في برنامج DSI Studio.
  2. قم بتحميل ملف واحد أو أكثر من ملفات NIFTI الخاصة بمنطقة الاهتمام (ROI).
  3. يمكن اختيارياً تحميل ملف منطقة تجنب (ROA) لتحديد الفوكسلات التي يجب ألا تمر من خلالها الألياف.
  4. اضبط عتبة تباين الخواص وعتبة الزاوية كما هو موضح أعلاه.
  5. قم بإجراء عملية التتبع.
  6. تحقق من الجودة من خلال مقارنة مسارات الألياف بالتفاصيل التشريحية.

8. تحليل الكثافة النهائية

  1. قم بتحميل ملفات NIfTI ROIs وملفات trk في برنامج TrackVis.
  2. أجرِ العمليات المنطقية (Boolean operations) بين المناطق.
  3. احفظ نتائج كل عملية كملف trk جديد.
  4. استخدم دالة track_transform (من حزمة Diffusion ToolKit) لتحويل ملفات trk مكانيًا إلى ملف الحجم السطحي (brain.nii).
  5. قم بتحميل ملف trk المُحوّل والحجم السطحي (brain.nii) في برنامج TrackVis للفحص.
  6. قم بتحميل ملفات trk و ROI في برنامج MATLAB لإجراء تقديرات كمية للاتصال.
  7. أوجد المركز الهندسي {x/y/z} لمنطقة ROI.
  8. كأحد مقاييس الاتصال، احسب العدد الإجمالي لنهايات الألياف في منطقة ROI، مع تسويتها (normalization) بناءً على حجم منطقة ROI.
  9. بدلاً من ذلك، احسب المسافة الإقليدية (Euclidean distance) بين نهايات الألياف والمركز الهندسي لمنطقة ROI، وذلك كمقياس لخصوصية واتساق اتصال الحزمة بتلك المنطقة.

9. النتائج التمثيلية

يمكن تطبيق التصوير عالي الدقة الموزون بالانتشار وتتبع الألياف العصبية على مجموعة واسعة من الأسئلة في علوم الأعصاب. ينصب تركيزنا في هذه الورقة على تفصيل الربط بين طرق الاتصال البنيوي والتصوير الوظيفي للأعصاب. ومع ذلك، نلاحظ أن أي تطبيق لتقنية DWI يتطلب تقييمًا دقيقًا لنتائج تتبع الألياف، نظرًا لأن بروتوكول الحصول على البيانات، وطريقة إعادة البناء، ومعاملات تتبع الألياف يمكن أن تترك تأثيرات كبيرة ومستقلة على المنتج النهائي. يوضح الشكل 5 النتائج المثالية وغير المثالية باستخدام تتبع ألياف الدماغ بالكامل. تعتمد الصور الثلاث جميعها على نفس مجموعة بيانات DWI ذات الـ 257 اتجاهًا لمشارك واحد؛ وتظهر النتائج المثالية في اللوحة اليسرى. وفي المقابل، تظهر اللوحة الوسطى تأثير معاملات تتبع الألياف المتساهلة للغاية (عتبات FA والزاوية). بينما تظهر اللوحة اليمنى الانخفاض في الجودة الناتج عن استخدام نموذج الموتر الواحد لإعادة بناء بيانات DWI.

نقدم هنا مثالين على كيفيةما يمكن لنتائج تصوير الألياف العصبية (tractography) أن تدعم وتثري تفسير بيانات التصوير الوظيفي. تُقيم هذه التجارب العمليات المعرفية التي سمحت بإنشاء مناطق بذرية وظيفية: وهي تحديداً، إدراك الوجوه والانتباه البصري. ويمكن استخدام هذه المناطق البذرية لاختبار تساؤلات حول اتصال المادة البيضاء ضمن شبكة معرفية. يوضح الشكل 6 مثالاً للمناطق التي تم تنشيطها أثناء مهمة إدراك الوجوه؛ حيث شاهد الأشخاص صوراً لوجوه وأجسام يومية أثناء خضوعهم لمسح fMRI. وقد أظهرت منطقتان بطنيتان صدغيتان، في التلفيف المغزلي الأوسط (mFG) والتلفيف القذالي السفلي (IOG)، استجابات BOLD أكبر بكثير للوجوه مقارنة بالأجسام. ثم استُخدمت هاتان المنطقتان المحددتان وظيفياً كمناطق بذرية أثناء تصوير الألياف العصبية (كما هو موضح في القسمين 6-7 أعلاه). يوضح الشكل 6A الحزمة الكبيرة من مسارات الألياف (الموضحة باللون الأحمر) التي تربط هاتين المنطقتين من مناطق الاهتمام داخل الفص الصدغي، عبر مسافة تبلغ حوالي 12 cm. لاحظ التعبئة المتراصة للألياف والدرجة الصغيرة من انحناء الألياف عبر هذه المسافة. هذا النمط نموذجي للاتصالات الفردية المباشرة (one-to-one connections) ضمن الشبكات الوظيفية عبر مسافات طويلة (على سبيل المثال، انظر المرجع 26). يوضح الشكل 6B المنطقة البذرية الوظيفية لـ IOG (الموضحة باللون الأصفر) جنباً إلى جنب مع نقاط نهاية الألياف الفردية (النقاط الحمراء). تقع نقاط نهاية الألياف في جميع أنحاء منطقة ROI. يشير نمط الاتصال هذا إلى أن هذه المناطق تمتلك اتصالات مباشرة طويلة المدى قد تكون أساساً للتواصل السريع ضمن شبكة إدراك الوجوه.

يوضح مثالنا الثاني (الشكل 7) الروابط بين المناطق الحسية في القشرة البصرية ومنطقة للتحكم الانتباهي في القشرة الجدارية الخلفية (PPC). في هذه الحالة، تم إنتاج مجموعتَي التنشيط الوظيفي (المناطق القذالية والجدارية) عبر مجموعات مستقلة من بيانات التصوير بالرنين المغناطيسي الوظيفي (fMRI) من نفس الأفراد. تم توليد التنشيطات الجدارية عبر مهمة تحويل الانتباه بين 6 مواقع في المجال البصري (للتفاصيل، انظر المرجع 27)، بينما تم تحديد المناطق القذالية باستخدام رسم خرائط خط الزوال القياسي للمجال البصري 28، والذي استُخدم لترسيم الحدود بين مناطق البذر الوظيفية للقشرة البصرية (V1 - V3). يوضح الشكل 7A المواقع التقريبية لمناطق البذر V1 وV2 وV3 (باللون الأحمر والأخضر والأزرق، على التوالي)، ومنطقة بذر PPC المسماة IPS-1، والحزم الليفية التي تربط هذه المناطق. تم تلوين الحزم بناءً على المنطقة ذات الاهتمام (ROI) القذالية التي بدأت منها. وخلافاً للألياف الطويلة والمستقيمة في الفص الصدغي (الشكل 6)، تغطي حزم المادة البيضاء هذه مسافة أقصر (تتراوح بين 3 - 5 cm) وبالتالي فهي تتخذ شكلاً يشبه حرف U وتكون أقل تكدساً أثناء انتقالها من الفص القذالي إلى الفص الجداري. يوضح الشكل 7B المناطق المحددة وظيفياً في IPS (بالبني)، وV1 (بالأحمر)، وV2 (بالأخضر)، وV3 (بالأزرق) على سطح القشرة، جنباً إلى جنب مع نهايات الألياف في كل منطقة. لاحظ انفصال الحزم في الفص القذالي حسب منطقة البذر، وذلك على النقيض من الدرجة العالية من تداخل النهايات في IPS-1. يشير هذا إلى أن منطقة PPC لدينا (التي تم تحديدها من خلال نشاط fMRI أثناء مهمة انتباه انتقائي) قد تكون منطقة تقارب في الدماغ، مع وجود روابط هيكلية مع العديد من العقد المختلفة للقشرة الحسية. قد يسمح نمط الاتصال هذا بنقل إشارات الانحياز الانتباهي من المناطق القشرية العليا لتعديل النشاط في القشور المبكرة؛ وتساعد هذه الإشارات في تعزيز تمثيلات الهدف في القشرة البصرية29, 30.

مخطط انتشار يوضح الانتشار المتماثل، والانتشار غير المتماثل، ودالة توزيع التوجه عند تقاطع الألياف.
الشكل 1. توضيح تخطيطي للمفاهيم الأساسية في التصوير بالرنين المغناطيسي الموزون بالانتشار (DWI). اللوحة A: في الوسط المتجانس، يحدث الانتشار بشكل عشوائي نتيجة للحركة البرونية. وبالنسبة لأعداد كبيرة من جزيئات الماء، يكون الانتشار متماثلاً (isotropic)، أي أن نمط الانتشار الإجمالي يكون كروياً. اللوحة B: يكون انتشار جزيئات الماء داخل المحاور وفي المسافات البينية للحزم المحورية مقيداً بجدران المحاور وهياكل الدعم الأخرى. وبالتالي، يكون الانتشار على طول مسارات الألياف غير متماثل (anisotropic): فهو أكبر بكثير على طول مسار الليف منه في الاتجاهات الأخرى. اللوحة C: تستخدم طرق DWI عالية الدقة نماذج مثل دالة توزيع التوجه (ODF) لنمذجة الانتشار غير المتماثل في التكوينات المعقدة لمسارات المادة البيضاء. وكما يظهر في هذا المثال، يمكن لدوال ODF تمييز مسارات انتشار منفصلة لعدة حزم ليفية تتقاطع عند نقطة واحدة. وتعد التقاطعات التي تشمل حزمتين أو ثلاث حزم ليفية مختلفة شائعة في الدماغ.

مخطط لطرق التصوير بالرنين المغناطيسي الانتشارى يوضح تفاصيل الاستحواذ (DWI, HARDI)، وإعادة البناء، وتتبع المسارات.
الشكل 2. يمكن إجراء أبحاث تتبع الألياف بعدة طرق. وتتمثل أهم الاختيارات في بروتوكول الاستحواذ، وتقنية إعادة البناء، وطريقة تتبع المسارات. في الورقة الحالية، نستخدم بروتوكول تصوير طيف الانتشار (DSI) 1, 2 للاستحواذ؛ وتصوير عينات Q المعمم (GQI) 24 لإعادة البناء؛ وتتبع المسارات الحتمي FACT40, 41 . ونركز بشكل خاص على تقنيات إعادة البناء الهجينة والخالية من النماذج، والتي تولد دالات توزيع الاتجاه (ODFs؛ انظر الشكل 1) لتمثيل الانتشار في كل فوكسل. ويمكن للباحثين اختيار مسارات عمل مختلفة بناءً على الميزانية، والوقت المتاح، والحاجة إلى دقة زاوية عالية، وأهمية التصحيح لحركة الرأس وتشويهات الصور غير الخطية. ولا يعد هذا الشكل قائمة شاملة لجميع طرق الاستحواذ وإعادة البناء وتتبع المسارات الممكنة. راجع Seunarine & Alexander42 للحصول على مراجعة ممتازة لتقنيات إعادة البناء.

Gradient directions vs B-value table; diffusion contrast, scan duration, signal-to-noise explained.
الشكل 3. التفاعلات بين متغيرات الحصول على صور الرنين المغناطيسي بنمط الانتشار، ومدة الفحص، والقدرة على تمييز تقاطعات الألياف. يعد تباين الانتشار العالي ضروريًا لتمييز الألياف في تكوينات التقاطع المعقدة. ويعتمد هذا التباين على عدة عوامل، بما في ذلك عدد اتجاهات التدرج (أي:، عدد اتجاهات الألياف الممكنة) وقيمة b (التي تشير إلى درجة ترجيح الانتشار). نعرض هنا التأثيرات النموذجية لزيادة قيم b وعدد اتجاهات التدرج. يرجى ملاحظة أن هذا الجدول يوضح الاتجاهات العامة فقط، وقد يكون لكل تقنية تأثيرات مختلفة على مدة المسح، ونسبة الإشارة إلى الضجيج (SNR)، وتباين الانتشار. وبشكل عام، يمكن تحسين التباين عن طريق زيادة كل من عدد اتجاهات التدرج ومقدار قيم b. ومع ذلك، تنخفض نسبة الإشارة إلى الضجيج في الصور المرجحة بالانتشار عند قيم b المرتفعة، وغالباً ما يزداد وقت المسح.

معالجة التصوير بالرنين المغناطيسي المرجح بالزمن T1، وتصوير الانتشار (DWI)، والتصوير بالرنين المغناطيسي الوظيفي (fMRI)؛ مخطط تدفقي لخطوات تحويل البيانات وتحليلها.
الشكل 4. ملخص رسومي لمسارات معالجة التصوير بالرنين المغناطيسي التشريحي، وتصوير الانتشار (DWI-MRI)، والتصوير بالرنين المغناطيسي الوظيفي (fMRI). يصف النص المكتوب باللون الأسود طبيعة كل خطوة من خطوات المعالجة، بينما يشير النص المكتوب باللون الأخضر إلى البرمجيات التي يمكن استخدامها. تشير الخطوط والمربعات المتقطعة إلى الخطوات الاختيارية، التي قد لا تكون قابلة للتطبيق على جميع المشاريع. في هذا المثال، يتم إجراء المعالجة باستخدام حزمة AFNI/SUMA (باستثناء الحالات التي يُشار فيها إلى DSI Studio أو TrackVis). ويمكن غالباً استبدالها بوظائف مماثلة في حزم تحليل الصور العصبية الأخرى. لقد تم دمج العديد من الخطوات الموضحة في هذه المخططات جزئياً من قبل مطوري البرمجيات في سكربتات مريحة: ونوجه القراء بشكل خاص إلى مسار recon-all الخاص ببرنامج FreeSurfer (http://surfer.nmr.mgh.harvard.edu/fswiki/ReconAllDevTable). ونلاحظ بالإضافة إلى ذلك أن العديد من الحزم البرمجية توفر مسارات معالجة كاملة لبيانات DWI؛ ومع ذلك، تختلف هذه الحزم في نقاط قوتها وضعفها، وبعضها لا يتضمن أدوات للعمل مع بيانات التصوير بالرنين المغناطيسي للانتشار ذات الدقة الزاوية العالية. انقر هنا لعرض شكل أكبر.

Diffusion MRI models diagram; ODF vs. single-tensor with FA/angle thresholds; neural tracts.
الشكل 5. توضيح لتصوير الألياف العصبية للدماغ كاملاً باستخدام طرق إعادة بناء ومعلمات تصوير ألياف عصبية مختلفة. استُمدت جميع الصور من مجموعة البيانات نفسها، وهي تتابع لتصوير طيف الانتشار (DSI) في 257 اتجاهاً مع قيم b متعددة (7,000 ثانية/مم²2، 5 قشور). اللوحة A: النتائج المثالية، التي تم تحقيقها باستخدام طريقة إعادة بناء عالية الدقة قائمة على دالة توزيع التوجه (ODF). تم اختيار عتبة تتبع عالية نسبيًا بلغت 0.06، من أجل توليد الألياف فقط من الفوكسلات ذات التباين الخواص القوي؛ وعتبة زاوية قدرها 55° تم اختياره لاستبعاد توليد ألياف ذات انحناء غير واقعي بيولوجياً (أي:، "الألياف الحلقية"). لاحظ التحديد الواضح لنصفي الكرة المخية، واللذين يفصلهما الشق الطولي؛ لاحظ أيضاً كيف يتبع تجميع الألياف التضاريس المتوقعة للأثلام والتلافيف. اللوحة B: استُخدمت طريقة إعادة البناء نفسها المستخدمة في (A)، ولكن تم ضبط عتبات التباين الكسري (FA) والزاوية بشكل أكثر تساهلاً أثناء تتبع المسارات (0.03 و 85°على التوالي). يمكن أن تؤدي معاملات التتبع غير المناسبة إلى توليد أعداد كبيرة من الألياف "الزائدة"، والتي تحجب المعلومات الحقيقية عن البنية التشريحية. راجع القسم 5، "تقييم جودة البيانات ومعاملات التتبع من خلال تتبع المسارات في الدماغ بأكمله"، للحصول على نصائح بشأن اختيار المعاملات المناسبة. اللوحة C: أُعيد بناء البيانات باستخدام نموذج الموتر الواحد، وهو أحد أكثر الطرق استخداماً في التصوير بانتشار الموتر (DWI). ومع استخدام معاملات تتبع مناسبة (نفس المعاملات في A)، يعيد نموذج الموتر الواحد إنتاج العديد من حزم الألياف الرئيسية المعروفة، وتظهر تضاريس التلافيف بشكل ما في المنظر السهمي. ومع ذلك، فإنه ينتج أيضاً عدداً أكبر من الإيجابيات الكاذبة مقارنة بنموذج دالة توزيع التوجه (ODF)؛ لاحظ الألياف التي تمتد أفقياً عبر الشق بين نصفَي الكرة المخية. انقر هنا لعرض شكل أكبر.

خريطة دماغية لإدراك الوجوه؛ اتصالات IOG و FG؛ منظر بطني للنصف الأيمن من الدماغ؛ مخطط في العلوم العصبية.
الشكل 6. نتائج تتبع الألياف العصبية من تجربة إدراك الوجوه. يوضح الجزء (A) خطوط الانسياب الناتجة عن تتبع الألياف بين المناطق ذات الاهتمام (ROIs) الوظيفية التي تم تحديدها من تجربة إدراك الوجوه. وتُشار المناطق العامة للتلافيف القفوية السفلية (IOG) والتلافيف المغزلية الوسطى (mFG) بأشكال بيضاوية صفراء. ويوضح الجزء (B) نقاط نهاية الألياف في IOG والمشار إليها في الجزء (A)، معروضة على منظر بطني مكبر لسطح القشرة الصدغية الخلفية. أما المنطقة ذات الاهتمام (ROI) الموضحة باللون الأصفر فقد نتجت عن تجربة التصوير بالرنين المغناطيسي الوظيفي لإدراك الوجوه. ويُلاحظ وجود توافق كبير بين التنشيط المحدد وظيفياً ونقاط نهاية الألياف في IOG. وتتتبع هذه الألياف مسارها من mFG، وهي منطقة دماغية تشارك في إدراك الوجوه. انقر هنا لعرض شكل أكبر.

مخطط للدماغ يوضح الانتباه البصري؛ منظر جانبي يسلط الضوء على مناطق IPS-1 وV3d وV2d وV1d لأغراض البحث.
الشكل 7. نتائج تتبع الألياف العصبية من تجربة الانتباه البصري. يوضح الجزء (A) خطوط التدفق الناتجة عن تتبع الألياف بين المناطق ذات الاهتمام الوظيفية (ROIs) المحددة من تجربة الانتباه البصري27. تمت الإشارة إلى المناطق العامة للقشرة الجدارية الخلفية (IPS-1) والقشرة البصرية (V1d وV2d وV3d) بأشكال بيضاوية ملونة. تم تمثيل حزم الألياف بألوان مقابلة: الأحمر لـ V1d، والأخضر لـ V2d، والأزرق لـ V3d. يوضح الجزء (B) نقاط نهاية الألياف الموضحة في الجزء (A) معروضة على منظر جانبي مكبر للسطح القشري الخلفي (الجداري والقذالي). تتطابق اصطلاحات الألوان مع تلك الموجودة في الجزء (A). تظهر المناطق ذات الاهتمام الناتجة عن تجربة التصوير بالرنين المغناطيسي الوظيفي للانتباه البصري على السطح القشري. تتقارب المجموعات الثلاث من الألياف/نقاط النهاية في منطقة IPS-1، والتي يُعتقد أنها تحتوي على خريطة أولويات للانتباه البصري قد تكون مصدر إشارات تحيز الانتباه نحو الأهداف في القشرة البصرية. تكون الألياف في IPS-1 متداخلة إلى حد كبير، بينما تكون النهايات القذالية لهذه الحزم الليفية مفصولة بوضوح حسب منطقة القشرة البصرية.

فحص الرنين المغناطيسيالمعاملات
DSIفحص تصوير طيف الانتشار (DSI) بـ 257 اتجاهًا باستخدام تتابع صدى مغزلي مُعاد تركيزه مرتين (twice-refocused spin-echo EPI) وقيم q متعددة مع وقت استحواذ قدره 43 min (TR = 9,916 ms, TE = 157 ms, حجم الفوكسل = 2.4 x 2.4 x 2.4 mm, FoV = 231 x 231 mm, b-max = 7,000 s/mm2, 5 shells)
تشريحيتتابع MPRAGE الموزون بالزمن T1 (1 mm x 1 mm x 1 mm, 176 شريحة سهمية, TR = 1,870, TI = 1,100, FA = 8°, GRAPPA = 2)
fMRIتتابع نبضي للتصوير المستوي بالصدى (EPI) الموزون بـ T2* (31 شريحة محورية مائلة, دقة داخل المستوى 2 mm x 2 mm, سمك الشريحة 3 mm, بدون فجوة, زمن التكرار [TR] = 2,000 ms, زمن الصدى [TE] = 29 ms, زاوية القلب = 90°, GRAPPA = 2, حجم المصفوفة = 96 x 96, مجال الرؤية [FOV] = 192 mm)

الجدول 1. معاملات الحصول على صور الأعصاب.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

يوفر التصوير بالرنين المغناطيسي الموزون بالانتشار (DWI) عالي الدقة وتصوير تتبع الألياف العصبية (fiber tractography) نهجاً قوياً لفحص البنية الاتصالية للدماغ البشري. ونقدم هنا دليلاً على أن هذه البنية الهيكلية ترتبط ارتباطاً وثيقاً بوظائف الدماغ، والتي تم تقييمها بواسطة التصوير بالرنين المغناطيسي الوظيفي (fMRI). ومن خلال استخدام بذور تتبع الألياف بناءً على تنشيط المهام في fMRI، وجدنا دليلاً على أن مناطق الدماغ التي تنشط معاً أثناء الانتباه البصري مرتبطة تشريحياً، وهو ما يتفق مع المعرفة السابقة بالتشريح العصبي الوظيفي (

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

لم يتم التصريح عن أي تضارب في المصالح.

شكر وتقدير

أدرج عبارات الشكر ومصادر التمويل. هذا العمل مدعوم من NIH RO1-MH54246 (M. B.)، والمؤسسة الوطنية للعلوم BCS0923763 (M.B.)، ووكالة مشاريع البحوث المتقدمة الدفاعية (DARPA) بموجب العقد NBCHZ090439 (W. S.)، ومكتب البحوث البحرية (ONR) بموجب المنحة N00014-11-1-0399 (W. S.)، ومختبر أبحاث الجيش (ARL) بموجب العقد W911NF-10-2-0022 (W. S.). إن وجهات النظر والآراء و/أو النتائج الواردة في هذا العرض التقديمي تعود للمؤلفين، ولا ينبغي تفسيرها على أنها تمثل الآراء أو السياسات الرسمية، سواء كانت صريحة أو ضمنية، للوكالات المذكورة أعلاه أو وزارة الدفاع الأمريكية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المراجع

  1. Wedeen, V. anJ., Hagmann, P., Tseng, W. I., Reese, T. G., Weisskoff, R. M. Mapping complex tissue architecture with diffusion spectrum magnetic resonance imaging. Magnetic Resonance in Medicine. 54 (6), 1377-1386 (2005).
  2. Wedeen, V. J., Wang, R. P., Schmahmann, J. D., Benner, T., Tseng, W. Y. I., Dai, G., Pandya, D. N., et al. Diffusion spectrum magnetic resonance imaging (DSI) tractography of crossing fibers. NeuroImage. 41 (4), 1267-1277 (2008).
  3. Pipe, J. Pulse Sequences for Diffusion-weighted MRI. Diffusion MRI: From quantitative measurement to in-vivo neuroanatomy. , 1st, Elsevier. London. 12-35 (2009).
  4. Le Bihan, D., Poupon, C., Amadon, A., Lethimonnier, F. Artifacts and pitfalls in diffusion MRI. Journal of Magnetic Resonance Imaging: JMRI. 24 (3), 478-488 (2006).
  5. Tuch, D. S. Q-ball imaging. Magnetic Resonance in Medicine. 52 (6), 1358-1372 (2004).
  6. Sakaie, K. E., Lowe, M. J. An objective method for regularization of fiber orientation distributions derived from diffusion-weighted MRI. NeuroImage. 34 (1), 169-176 (2007).
  7. Reese, T. G., Benner, T., Wang, R., Feinberg, D. A., Wedeen, V. J. Halving imaging time of whole brain diffusion spectrum imaging and diffusion tractography using simultaneous image refocusing in EPI. Journal of Magnetic Resonance Imaging. 29 (3), 517-522 (2009).
  8. Cox, R. W. AFNI: software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
  9. Cox, R. W., Hyde, J. S. Software tools for analysis and visualization of fMRI data. NMR in Biomedicine. 10 (4-5), 171-178 (1997).
  10. Goebel, R. BRAINVOYAGER: a program for analyzing and visualizing functional and structural magnetic resonance data sets. NeuroImage. 3, S604(1996).
  11. Smith, S. M., Jenkinson, M., Woolrich, M. W., Beckmann, C. F., Behrens, T. E. J., Johansen-Berg, H., Bannister, P. R., et al. Advances in functional and structural MR image analysis and implementation as FSL. NeuroImage. 23, Suppl 1. S208-S219 (2004).
  12. Woolrich, M. W., Jbabdi, S., Patenaude, B., Chappell, M., Makni, S., Behrens, T., Beckmann, C., et al. Bayesian analysis of neuroimaging data in FSL. NeuroImage. 45, Suppl 1. S173-S186 (2009).
  13. Friston, K. J. Statistical parametric mapping: the analysis of functional brain images. , Academic Press. (2007).
  14. Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12 (5), 419-446 (2003).
  15. Benjamini, Y., Hochberg, Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society, Series B (Methodological. 57 (1), 289-300 (1995).
  16. Logan, B. R., Rowe, D. B. An evaluation of thresholding techniques in fMRI analysis. NeuroImage. 22, 95-108 (2004).
  17. Basser, P. J., Mattiello, J., LeBihan, D. Estimation of the effective self-diffusion tensor from the NMR spin echo. Journal of Magnetic Resonance, Series B. 103 (3), 247-254 (1994).
  18. Basser, P. J., Mattiello, J., LeBihan, D. MR diffusion tensor spectroscopy and imaging. Biophysical Journal. 66 (1), 259-267 (1994).
  19. Frank, L. R. Anisotropy in high angular resolution diffusion-weighted MRI. Magnetic Resonance in Medicine. 45 (6), 935-939 (2001).
  20. Frank, L. R. Characterization of anisotropy in high angular resolution diffusion-weighted MRI. Magnetic Resonance in Medicine. 47 (6), 1083-1099 (2002).
  21. Tuch, D. S., Reese, T. G., Wiegell, M. R., Makris, N., Belliveau, J. W., Wedeen, V. J. High angular resolution diffusion imaging reveals intravoxel white matter fiber heterogeneity. Magnetic Resonance in Medicine. 48 (4), 577-582 (2002).
  22. Descoteaux, M., Angelino, E., Fitzgibbons, S., Deriche, R. Regularized, fast, and robust analytical Q-ball imaging. Magnetic Resonance in Medicine. 58 (3), 497-510 (2007).
  23. Tuch, D. S. Q-ball imaging. Magnetic Resonance in Medicine. 52 (6), 1358-1372 (2004).
  24. Yeh, F. C., Wedeen, V. J., Tseng, W. -Y. I. Generalized Q-sampling imaging. IEEE Transactions on Medical Imaging. 29 (9), 1626-1635 (2010).
  25. Wang, R., Benner, T., Sorensen, A. G., Wedeen, V. J. Diffusion Toolkit: a software package for diffusion imaging data processing and tractography. Proc. Intl. Soc. Mag. Reson. Med. , 3720(2007).
  26. Sundaram, S. K., Kumar, A., Makki, M. I., Behen, M. E., Chugani, H. T., Chugani, D. C. Diffusion tensor imaging of frontal lobe in autism spectrum disorder. Cereb Cortex. 18 (11), 2659-2665 (2008).
  27. Greenberg, A. S., Verstynen, T., Chiu, Y. -C., Yantis, S., Schneider, W., Behrmann, M. Visuotopic Cortical Connectivity Underlying Attention Revealed with White-Matter Tractography. The Journal of Neuroscience. 32 (8), 2773-2782 (2012).
  28. Slotnick, S. D., Yantis, S. Efficient acquisition of human retinotopic maps. Human Brain Mapping. 18 (1), 22-29 (2003).
  29. Greenberg, A. S., Esterman, M., Wilson, D., Serences, J. T., Yantis, S. Control of spatial and feature-based attention in frontoparietal cortex. The Journal of Neuroscience. 30 (43), 14330-14339 (2010).
  30. Kastner, S., Ungerleider, L. G. Mechanisms of visual attention in the human cortex. Annual Review of Neuroscience. 23, 315-341 (2000).
  31. Bürgel, U., Amunts, K., Hoemke, L., Mohlberg, H., Gilsbach, J. M., Zilles, K. White matter fiber tracts of the human brain: Three-dimensional mapping at microscopic resolution, topography and intersubject variability. NeuroImage. 29 (4), 1092-1105 (2006).
  32. Behrens, T. E. J., Jbabdi, S. MR Diffusion Tractography. Diffusion MRI: From quantitative measurement to in-vivo neuroanatomy. , 1st, Elsevier. London. 333-352 (2009).
  33. Verstynen, T., Jarbo, K., Pathak, S., Schneider, W. In vivo mapping of microstructural somatotopies in the human corticospinal pathways. Journal of Neurophysiology. 105 (1), 336-346 (2011).
  34. Jarbo, K., Verstynen, T., Schneider, W. In vivo quantification of global connectivity in the human corpus callosum. NeuroImage. , In press (2012).
  35. Verstynen, T., Badre, D., Jarbo, K., Schneider, W. Microstructural organizational patterns in the human corticostriatal system. , Under review (2012).
  36. Wang, Y., Fernández-Miranda, J. C., Verstynen, T., Pathak, S., Schneider, W. Identifying human brain tracts with tractography and fiber microdissection: mapping connectivity of the middle longitudinal fascicle as the dorsal auditory pathway. , Under review (2012).
  37. Fernandez-Miranda, J. C., Engh, J. A., Pathak, S. K., Madhok, R., Boada, F. E., Schneider, W., Kassam, A. B. High-definition fiber tracking guidance for intraparenchymal endoscopic port surgery. Journal of Neurosurgery. 113 (5), 990-999 (2010).
  38. Fernandez-Miranda, J. C., Engh, J., Pathak, S., Wang, Y., Jarbo, K., Verstynen, T., Boada, F., Schneider, W., Friedlander, R. High-definition fiber tractography of the human brain: neuroanatomical validation and neurosurgical applications. , Under review (2012).
  39. Shin, S., Verstynen, T., Pathak, S., Jarbo, K., Hricik, A., Maserati, M., Beers, S., Puccio, A. M., Okonkwo, D., Schneider, W. High definition fiber tracking for assessment of neurologic deficit in a case of traumatic brain injury. Journal of Neurosurgery. , In press (2012).
  40. Mori, S., Crain, B. J., Chacko, V. P., Van Zijl, P. C. M. Three-dimensional tracking of axonal projections in the brain by magnetic resonance imaging. Annals of Neurology. 45 (2), 265-269 (1999).
  41. Tournier, J., Mori, S., Leemans, A. Diffusion tensor imaging and beyond. Magnetic Resonance in Medicine. 65 (6), 1532-1556 (2011).
  42. Seunarine, K. K., Alexander, D. C. Multiple Fibers: Beyond the Diffusion Tensor. Diffusion MRI: From quantitative measurement to in-vivo neuroanatomy. , 1st, Elsevier. London. (2009).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

الوسوم

شارك في تحليل بنية الدماغ والدالة باستخدام الرنين المغناطيسي الوظيفي وانتشارها المرجحة التصوير
اتصل بنا
أوصِ بها للمكتبة

الخصوصية

شروط الاستخدام

السياسات

2026 © حقوق الطبع والنشر MyJoVE Corporation. جميع الحقوق محفوظة.