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

مقالة منهجية

تجزئة الآلي للمادة الرمادية القشرية من صور الرنين المغناطيسي T1 المرجحة

8.7K مشاهدات

⸱

DOI:

10.3791/58198

⸱

يناير 7, 2019

 ,  , 
1Huntington's Disease Research Centre, UCL Institute of Neurology

في هذه المقالة

ملخص

ويصف هذا البروتوكول عملية تطبيق أدوات مختلفة تجزئة الآلي السبعة للهيكلية T1 المرجحة الرنين لتحديد مناطق المادة الرمادية التي يمكن استخدامها للتقدير الكمي لحجم المادة الرمادية.

الملخص

داخل البحث نيورويماجينج، قد ناقش عدد من الدراسات التي أجريت مؤخرا أثر الفروق بين الدراسات في النتائج الحجمي التي يعتقد أن تنجم عن استخدام أدوات تجزئة مختلفة لإنشاء وحدات تخزين الدماغ. وترد هنا، تجهيز خط الأنابيب لسبعة من الأدوات الآلية التي يمكن استخدامها لتقسيم المادة الرمادية في الدماغ. ويوفر البروتوكول خطوة أولية للباحثين بهدف إيجاد الطريقة الأكثر دقة لتوليد كميات المادة الرمادية من T1 المرجحة الرنين. خطوات إجراء مراقبة الجودة البصرية مفصلة مدرجة أيضا في المخطوطة. تغطي مجموعة واسعة من الأدوات الممكنة لتجزئة هذا البروتوكول ويشجع المستخدمين لمقارنة أداء هذه الأدوات ضمن مجموعة فرعية البيانات الخاصة بهم قبل اختيار واحد لتطبيق مجموعة كاملة. وعلاوة على ذلك، قد يمكن تعميمها كذلك البروتوكول إلى تجزئة مناطق الدماغ الأخرى.

المقدمة

نيورويماجينج يستخدم على نطاق واسع في كل السريرية والبحوث الإعدادات. وهناك تحرك الحالية لتحسين إمكانية تكرار نتائج الدراسات أن التحديد الكمي لحجم الدماغ من فحص التصوير بالرنين المغناطيسي (التصوير بالرنين المغناطيسي)؛ وبالتالي، من المهم أن المحققين تبادل الخبرات في استخدام المتاح من أدوات التصوير بالرنين المغناطيسي لتجزئة الرنين إلى وحدات إقليمية، لتحسين توحيد وتعظيم الاستفادة من أساليب1. يوفر هذا البروتوكول دليل خطوة بخطوة لاستخدام سبع أدوات مختلفة لتقسيم المادة الرمادية القشرية (CGM؛ المادة الرمادية التي تستثني مناطق subcortical) من T1 المرجحة الرنين. هذه الأدوات كانت تستخدم سابقا في مقارنة منهجية لتجزئة أساليب2، الذي أظهر أداء متغير بين الأدوات المتعلقة فوج مرض هنتنغتون. منذ أداء هذه الأدوات يعتقد أن تختلف فيما بين مجموعات مختلفة من البيانات، من المهم للباحثين لاختبار عدد من الأدوات قبل اختيار واحد فقط لتطبيق مجموعة البيانات هذه.

حجم المادة الرمادية (جنرال موتورز) بانتظام كمقياس مورفولوجية الدماغ. التدابير الحجمي عموما موثوقة وقادرة على التمييز بين ضوابط صحية ومجموعات السريرية3. ويحسب حجم أنواع الأنسجة المختلفة من مناطق الدماغ في أغلب الأحيان باستخدام أدوات البرمجيات الآلي التي تقوم بتعريف أنواع الأنسجة هذه. وهكذا، لخلق حدوداً عالية الجودة (الانقسامات) الآلية العالمية، ترسيم دقيق للمسألة الأبيض (WM) والسائل الدماغي النخاعي (CSF) أمر حاسم في تحقيق دقة منطقة الآلية العالمية. وهناك عدد من الأدوات الآلية التي يمكن استخدامها للقيام بتجزئة الآلية العالمية، وبعضها يتطلب خطوات المعالجة مختلفة ويؤدي إخراج مختلفة. عدد من الدراسات بتطبيق الأدوات إلى مجموعات مختلفة لمقارنتها مع بعضها البعض، وبعض الأمثل أدوات محددة1،،من45،،من67،8 9، ،،من1011. العمل السابقة قد أثبتت أن تقلب بين أدوات الحجمي يمكن أن ينتج أوجه التضارب داخل الأدب عند دراسة حجم الدماغ، وقد اقترحت هذه الاختلافات كعوامل لاستنتاجات خاطئة حول القيادة 1من شروط العصبية.

في الآونة الأخيرة، تم إجراء مقارنة بين أدوات تجزئة مختلفة في مجموعة تشمل كلا من المشاركين مراقبة صحية والمشاركين مع مرض هنتنغتون. مرض هنتنغتون مرض الأعصاب وراثية مع بداية نموذجية في مرحلة البلوغ. ضمور تدريجي سوبكورتيكال والجمعية العمومية ميزة لاثيل بارزة ومدروسة للمرض. وأظهرت النتائج الأداء متغير من أدوات تجزئة السبعة التي تم تطبيقها للفوج، دعم الأعمال السابقة التي تبين التفاوت في النتائج اعتماداً على البرمجيات المستخدمة لحساب حجم الدماغ من الرنين. هذا البروتوكول يوفر معلومات حول المعالجة المستخدمة في جونسون et al. (2017) 2 أن تشجع الاختيار المنهجي الدقيق للأدوات الأكثر ملائمة للاستخدام في نيورويماجينج. هذا الدليل يشمل تجزئة وحدة التخزين الآلية العالمية، لكنه لا يشمل التجزئة الآفات، مثل تلك التي ظهرت في التصلب المتعدد.

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

البروتوكول

ملاحظة: تأكد من أن كافة الصور الموجودة في تنسيق نيفتي. لا يشمل التحويل إلى نيفتي هنا.

1-تجزئة عبر SPM 8: الموحدة الجزء

ملاحظة: يتم تنفيذ هذا الإجراء عن طريق واجهة المستخدم الرسومية SPM8 الذي يعمل في Matlab. ويقدم الدليل SPM8 مزيد من التفصيل ويمكن الاطلاع على: http://www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf.

  1. تأكد من أن SPM8 تثبيت وتعيين في مسار البرنامج.
  2. تتم تجزئة الجسيمات باستخدام واجهة المستخدم الرسومية. لفتح SPM، افتح نافذة موجه أوامر واكتب 'spm' في سطر الأوامر.
  3. اضغط 'الحيوانات الأليفة & VBM' لفتح مربع الأدوات الهيكلية التصوير بالرنين المغناطيسي.
  4. اضغط 'المجموعة' لفتح محرر الدفعي. وهذا ما يسمح تجزئة المراد تنفيذها في مسح متعددة في وقت واحد.
  5. حدد ' SPM | المكانية | الجزء '.
  6. انقر فوق ' البيانات | حدد الملفات. اختر مسح T1 المرجحة كإدخال.
    ملاحظة: يجب أن تكون الملفات ملفات نيفتي محلول، مع تمديد يجري '.nii'.
  7. انقر على ' ملفات الإخراج | المسألة الرمادي 'وتأكد من تحديد' "الفضاء الأصلي" '، وتفعل نفس الشيء للمسألة الأبيض. إذا كان غير مطلوب تجزئة السائل الدماغي النخاعي ترك هذا ك 'بلا'.
  8. إذا كانت عمليات التفحص قد تم بالفعل تصحيح التحيز، تغيير الخيار '"تصحيح التحيز"' إلى '"لا حفظ تصحيحه"'. الخيار 'تنظيف أي أقسام' اختبار ثلاثة خيارات مختلفة واستخدام visual مراقبة الجودة (مراقبة الجودة، القسم 8) لتحديد الذي يعمل بشكل أفضل للبيانات.
  9. ترك الإعدادات الأخرى إعداداتها الافتراضية. ثم انقر على علامة خضراء لتشغيل التجزئة.
    ملاحظة: وهذا يأخذ حوالي 5 دقائق لكل مشارك، وسطر الأوامر سوف أقول، '"تشغيل الجزء"'. عند الانتهاء، سيتم عرض إطار الأوامر 'عمله'.
  10. تنفيذ مراقبة الجودة البصرية على الآلية العالمية (ملف C1*.nii) كما هو موضح في القسم 8.

2-تجزئة عبر SPM 8: الجزء الجديد

ملاحظة: يتم تنفيذ هذا الإجراء عن طريق واجهة المستخدم الرسومية SPM8. ويقدم الدليل SPM8 مزيد من التفصيل ويمكن الاطلاع على: http://www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf. تأكد من أن SPM8 تثبيت وتعيين في مسار البرنامج. فتح برنامج الحركة الوطنية الصومالية، تقوم عادة بكتابة "الحركة الوطنية الصومالية" في سطر الأوامر. وهذا يفتح نافذة واجهة (GUI) مستخدم رسومية مع مجموعة من الخيارات التي يمكن تحديدها لإجراء التحليل.

  1. اضغط 'الحيوانات الأليفة & VBM'.
  2. اضغط 'المجموعة' لفتح محرر الدفعي.
  3. حدد ' SPM | أدوات | شريحة جديدة ' في إطار المجموعة. حدد ملفات الصور T1 (مع ملحق '.nii').
  4. تعيين 'نوع"النسيج الأصلي"' إلى '"المساحة الأصلية"'. حسب الحاجة، إيقاف أنسجة مختلفة الفئات (مثل الخدمات القطرية)-إذا لم يكن المطلوبة-بإعداد منهم إلى 'بلا'. تعيين 'الأنسجة مشوه' إلى 'بلا'.
    ملاحظة: يمكن ترك جميع الخيارات الأخرى كإعداد افتراضي.
  5. انقر فوق العلامة الخضراء لتشغيل التجزئة.
    ملاحظة: سطر الأوامر سيقول '"تشغيل الجزء الجديد"'. مجرد الانتهاء من تشغيل سطر الأوامر MATLAB إرادة القول، '"القيام بجزء جديد"'.
  6. تنفيذ مراقبة الجودة البصرية على الآلية العالمية (ملف C1*.nii) كما هو موضح في القسم 8.

3-تجزئة عبر SPM 12: الجزء

ملاحظة: هذا الإجراء المؤداة عن طريق واجهة المستخدم الرسومية SPM12. ويقدم الدليل SPM12 مزيد من التفصيل ويمكن الاطلاع على: http://www.fil.ion.ucl.ac.uk/spm/doc/manual.pdf.

  1. فتح برنامج الحركة الوطنية الصومالية عن طريق كتابة 'spm' في إطار الأوامر. وهذا يفتح نافذة واجهة (GUI) مستخدم رسومية مع مجموعة من الخيارات التي يمكن تحديدها لإجراء التحليل.
  2. اضغط 'الحيوانات الأليفة & VBM'. اضغط 'المجموعة' لفتح محرر الدفعي.
  3. انقر فوق ' SPM | المكانية | الجزء '. ثم انقر على ' البيانات | وحدات التخزين.
  4. تعيين 'نوع"النسيج الأصلي"' إلى '"المساحة الأصلية"'. إيقاف تشغيل الفئات الأنسجة التي غير مطلوبة (مثل CSF) بإعداد منهم إلى 'بلا'. تعيين 'الأنسجة مشوه' إلى 'بلا'.
    ملاحظة: يمكن ترك جميع الخيارات الأخرى كإعداد افتراضي.
  5. انقر فوق العلامة الخضراء لتشغيل التجزئة.
    ملاحظة: سيتم عرض إطار الأوامر: 'تشغيل الجزء'. بمجرد اكتمال التشغيل، فإنه سيتم عرض: 'القيام بالجزء'.
  6. تنفيذ مراقبة الجودة البصرية على الآلية العالمية (ملف C1*.nii) كما هو موضح في القسم 8.

4-تجزئة عبر خدمة ميدانية محلية سريعة

ملاحظة: يتم هذا الإجراء في سطر الأوامر. ويقدم الدليل FSL مزيد من التفصيل ويمكن الاطلاع على: https://fsl.fmrib.ox.ac.uk/fsl/fslwiki.

  1. تشغيل استخراج الدماغ الرهان. وهذا قد تحتاج إلى أن يكون الأمثل لمجموعات مختلفة من البيانات، ولكن الأمر الأساسي:
    الرهان T1_ID.nii bet_T1_ID.nii
  2. قم بتشغيل "خدمة ميدانية محلية سريعة" تجزئة:
    bet_T1_ID.nii بسرعة
    ملاحظة: هذا سيتم إخراج الخرائط حجم جزئية وثنائية المناطق للآلية العالمية والخدمات القطرية وم
  3. أداء مراقبة الجودة البصرية في منطقة جنرال موتورز (إنهاء ملف * _pve_1.nii.gz) كما هو موضح في القسم 8.

5-تجزئة عبر فريسورفير

ملاحظة: يتم هذا الإجراء في سطر الأوامر. ويقدم الدليل فريسورفير مزيد من التفصيل ويمكن الاطلاع على: https://surfer.nmr.mgh.harvard.edu/.

  1. تعيين الدليل حيث يتم البيانات بكتابة:
    SUBJECTS_DIR =/المسار/إلى/المؤسسة/ملفات التصدير
  2. تشغيل التجزئة عن طريق تشغيل الأوامر:
    ريكون للجميع-i T1_ID.nii-سوبجيد T1_ID-autorecon1-cw256
    ريكون للجميع--سوبجيد T1_ID-autorecon2-autorecon3
    ملاحظة: الأوامر تأخذ > 10 ح كل مشارك. Cw256-العلم المسبق للمحاصيل بمسح مع الحقول لعرض أكبر من 256 وصولاً إلى هذا الحجم لمعالجة.
  3. تحقق أن إكمال المعالجة بشكل صحيح بالنظر إلى البرنامج النصي الموجود في ' مجلد الإخراج | البرامج النصية | ريكون--all.log '. تحقق من أن السطر الأخير يقول 'كل ركن-s T1_ID الانتهاء من دون خطأ'.
  4. أداء مراقبة الجودة البصرية في منطقة الآلية العالمية كما هو موضح في القسم 8.

6-تجزئة عبر النمل

ملاحظة: يتم هذا الإجراء في سطر الأوامر. النمل هو برمجيات أكثر تعقيداً من الأدوات الأخرى، وأنه ينبغي ملاحظة أن هذا الإجراء هو موضح هنا يمكن أن يكون كذلك الأمثل لكل الفئات لتحسين النتائج. ويمكن الاطلاع على الوثائق النمل في: http://stnava.github.io/ANTsDoc/. هناك طريقتان لتقسيم الصور إلى فئات الأنسجة كما هو موضح أدناه.

  1. لاستخدام الطريقة الأولى، قم بتشغيل الأمر 'antsAtropos.sh' مع الإعدادات الافتراضية ودون بما في ذلك بريورس الأنسجة.
    ملاحظة: وهذا كثيرا ما يؤدي جيدا خاصة عندما تكون فقط 3 الأنسجة الفئات المطلوبة: جنرال موتورز، WM، الأخرى.
    1. تعيين المسار للبرمجيات النمل بكتابة الأمر:
      تصدير أنتسباث =/المسار/إلى/النمل/بن/
    2. تشغيل خط أنابيب تجزئة بكتابة الأمر:
      antsAtroposN4.sh-د < image_dimension >-< t1.nii.gz >-ج < عدد من فئات الأنسجة >-o < الإخراج >
      1. وسيطات اختيارية لهذا الأمر:
        قناع الدماغ:-x < mask.nii.gz >؛
        بريورس الأنسجة:-p < segmentationPriors%d.nii.gz >.
    3. هذا سيتم إنشاء مجلد مع الإخراج بما في ذلك الخرائط حجم الجزئي والدماغ المستخرجة. أداء مراقبة الجودة البصرية في منطقة الآلية العالمية كما هو موضح في القسم 8.
  2. لإنشاء مزيد من فئات الأنسجة (جنرال موتورز، وجنرال موتورز subcortical، WM، السائل الدماغي النخاعي، الأخرى، إلخ) أو إجراء التجزئة على الأتراب عرض علم الأمراض العصبية، واستخدام بريورس الأنسجة محددة. تحميل بريورس الأنسجة من مواقع مختلفة. بدلاً من ذلك، استخدم قالب الخاصة بالدراسة لجعل بريورس--وهذا هو أكثر تعقيداً بكثير ولكن يمكن أن تكون مفيدة، لا سيما في الأفواج مع التغيرات المرضية في الدماغ.
    1. لإنشاء قالب الخاصة بدراسة/بريورس, أولاً إنشاء قالب الخاصة بالدراسة:
      antsMultivariateTemplateConstruction.sh قالب--س--د < image_dimension > < خيارات أخرى >< images.nii.gz >
      1. وسيطات اختيارية لهذا الأمر:
        -جيم: مراقبة لعملية حسابية موازية.
        إذا كان قيد التشغيل في استخدام المسلسل، 0؛ --ياء: عدد النوى؛ -r: القيام بتسجيل هيئة جامدة من المدخلات قبل إنشاء قالب (الافتراضي 0)-0 = = إيقاف 1 = = على. وهذا مفيد فقط عندما لا يتوفر قالب أولية.
    2. تحميل براينماسك وبريورس من موقع النمل.
      ملاحظة: قد تحتاج هذا القناع بحيث يتم تحريرها للتأكد من أنها تقريب جيد للدماغ القالب. برينماسك واحد من أهم أجزاء من خط الأنابيب؛ إذا كان الفقراء، ثم استخراج الدماغ/أتروبوس سيتم تشغيل سيئة. فيما يلي بعض من خيارات التنزيل:
      https://figshare.com/articles/ANTs_ANTsR_Brain_Templates?915436.
      ثم ينبغي أن يسجل تحميل القالب إلى قالب الدراسة.
    3. حساب عملية التسجيل، التي ستقوم بإخراج سلسلة من اﻻعوجاج يمكن ثم تطبيقها على القالب الذي تم تنزيله لتحويله إلى قالب الخاصة بدراسة الفضاء. لحساب التسجيل, استخدم الأمر:
      antsRegistrationSyNQuick.sh-د 3-و template.nii.gz-م downloaded_template.nii.gz-س downloaded_to_template-n 6
      1. الخيارات في هذا الأمر:
        -d: البعد (أي مسح 3D سيكون '3')؛ --واو: ثابت للصورة (أي المسافة التي يلزم فيها الصور في نهاية المطاف)؛ -الصورة المتحركة م: (أي الصورة التي تحتاج إلى نقلها)؛ -إخراج o: اسم (لا التمديد المطلوبة)؛ -n: عدد مؤشرات الترابط.
    4. تطبيق التسجيل البيانات:
      أنتسابليترانسفورمس-د 3-i downloaded_template.nii.gz-r template.nii.gz-س downloaded_to_template.nii.gz-t downloaded_to_template1Warp.nii.gz-تي downloaded_to_template0GenericAffine.mat.
      1. الخيارات في هذا الأمر:
        -d: البعد (أي مسح 3D سيكون '3')؛ -الصورة الأولى: إدخال (أي الصورة التي تحتاج إلى نقلها)؛ -المرجع r: صورة (أي صورة مرجعية تحدد التباعد، والمنشأ، والحجم والاتجاه لإخراج الصورة مشوه)؛ -o الإخراج اسم، هذا هو القالب الذي تم تنزيله في الفضاء القالب الخاصة بالدراسة (ملحق بحاجة في هذه الحالة)؛ -t تحويل اسم الملف، ملف الإخراج من تسجيل الحساب.
    5. التحقق من تسجيل المراسلات بين الدراسة-الخاصة بالقالب والقالب الذي تم تنزيله (للقيام بذلك، قم بفتح قالب الخاصة بالدراسة على رأس القالب الذي تم تنزيله) بصريا.
    6. إذا عملت التسجيل، تطبيق التحويل إلى بريورس التي تم تنزيلها واستخراج الدماغ القالب، تكرار الخطوة 6.2.5.
      ملاحظة: اتباع الخطوات التالية، سوف يكون هناك قالب الخاصة بالدراسة، قالب تم تنزيله تتماشى مع القالب الخاصة بالدراسة، جنبا إلى جنب مع قناع استخراج الدماغ التي تم تنزيلها والأنسجة بريورس تتماشى أيضا مع القالب الخاصة بالدراسة.
    7. تشغيل القالب دراسة محددة عن طريق antsCorticalThickness.sh؛ وهذا يوفر مناطق جنرال موتورز، وات والخدمات القطرية التي يمكن استخدامها في بريورس الخاصة بالدراسة:
      antsCorticalThickness.sh-د 3-template.nii.gz-ه downloaded_to_template.nii.gz-م downloaded_binarised_template_extracted_brain_in_studyspace.nii.gz-ف downloaded_labelsPriors%d.nii.gz--يا CT_template
      1. الخيارات في هذا الأمر:
        -d: البعد (أي مسح 3D سيكون '3')؛ -ج: الصورة لتكون مجزأة (في هذه الحالة، القالب الخاصة بالدراسة)؛ -قالب الدماغ e: (لا جمجمة جردت؛ في هذه الحالة، تحميل القالب الذي تم تسجيله على قالب الخاصة بالدراسة)؛ -الدماغ التحميل m: استخراج قناع (في هذه الحالة، الدماغ المستخرجة من تحميل القالب الذي تم تسجيله على قالب الخاصة بالدراسة)؛ -p: بريورس المحدد باستخدام ج-نمط التنسيق (مثل، labelsPriors%02d.nii.gz-p).
        ملاحظة: يقوم الأمر يفترض أن يتم ترتيب بريورس الأربعة الأولى على النحو التالي: 1: السائل الدماغي النخاعي، 2: القشرية الآلية العالمية، 3: وات، و 4: جنرال موتورز سوبكورتيكال (في هذه الحالة، بريورس من تحميل القالب الذي تم تسجيله على قالب الخاصة بالدراسة).
    8. تشغيل هذا الأمر سيؤدي إلى بريورس التي تم إنشاؤها للقالب، ولكن أنهم بحاجة إلى تجانس قبل استخدامها في تجزئة أتروبوس. تجانس الأمر جزء من البرمجيات النمل. تجانس جميع بريورس باستخدام الأمر:
      CT_template_BrainSegmentationPosteriors_smoothed.nii.gz CT_template_BrainSegmentationPosteriors2.nii.gz سموثيماجي 3
    9. قبل أن يعمل أتروبوس، تشغيل استخراج الدماغ على جميع بمسح الفضاء الأصلي. قالب الخاصة بالدراسة يمكن استخدامها، واستخراج المخ الناتجة من تشغيل antsCorticalThickness.sh على القالب (الخطوة 6.2.1):
      antsBrainExtraction.sh-د 3-T1.nii.gz-ه template.nii.gz-م template_BrainExtractionBrain.nii.gz--يا T1_brain.nii.gz
      1. الخيارات في هذا الأمر:
        -d: الأبعاد؛ --صورة تشريحية ج:؛ -الدماغ هاء: استخراج قالب (أي قالب تم إنشاؤه، دون تجريد الجمجمة)؛ -m: دراسة برينماسك محددة تستخدم لاستخراج المخ؛ -o: الإخراج البادئة.
    10. ثم قم بتشغيل أتروبوس:
      antsAtroposN4.sh-د 3-T1.nii.gz-x T1_brain.nii.gz-ج 3-o Atropos_specific_template
      1. الخيارات في هذا الأمر:
        -d = الأبعاد؛ --صورة تشريحية ج:؛ -الدماغ العاشر: استخراج قناع المتولدة من استخراج المخ؛ -جيم: عدد من فئات الأنسجة للجزء؛ -سين: الإخراج البادئة؛ -p: الدراسة الخاصة بتجزئة بريورس < segmentationPriors%d.nii.gz >
    11. أداء مراقبة الجودة البصرية في منطقة الآلية العالمية كما هو موضح في القسم 8.

7-تجزئة عبر مالب-م

  1. لتشغيل مالب م، فتح إطار المحطة طرفية، تغيير الدليل إلى الدليل تثبيت م مالب ونوع:
    ./مالبيم-بروت-i T1_scan.nii-س./-م optional_brain_mask_final.nii.gz--و 3T--تي 6-c
  2. بمجرد اكتمال الأمر، تحقق من وجود مجلد إخراج مع فئات الأنسجة والانقسامات الإقليمية.
  3. تنفيذ مراقبة الجودة البصرية على الآلية العالمية كما هو موضح في القسم 8.

8-البصرية مراقبة الجودة

ملاحظة: ينبغي إجراء مراقبة الجودة البصرية في جميع المناطق المقسمة لاستخدامها في التحليل. مراقبة الجودة يضمن أن الانقسامات ذات مستوى عال وتمثل تجزئة موثوق بها للجمعية العمومية. لإجراء مراقبة الجودة، فتحت كل عملية مسح ومضافين على T1 الأصلي لمقارنة المنطقة الذي تم إنشاؤه للجمعية العمومية مرئية على الفحص.

  1. الحركة الوطنية الصومالية وخدمة ميدانية محلية والنمل والانقسامات مالب-م
    1. تنفيذ مراقبة الجودة المرئية باستخدام فسليييس:
      https://users.fmrib.ox.ac.uk/~paulmc/fsleyes_userdoc/
      ملاحظة: فسلفييو (عارض كبار السن) يمكن أيضا استخدام بنفس الطريقة.
    2. فتح إطار المحطة طرفية وفتح T1 ومنطقة جنرال موتورز مضافين على T1. للقيام بذلك، اكتب:
      فسليييس T1.nii Region1.nii Region2.nii.
    3. مرة يفتح فسليييس، استخدام تبديل التعتيم على الجزء العلوي لضبط/الحد من التعتيم والسماح التخيل للصورة T1 تحت منطقة الآلية العالمية. تغيير لون تراكب تجزئة عبر التبويب المنسدلة 'اللون' في الجزء العلوي.
    4. قم بالتمرير خلال كل شريحة في الدماغ.
      ملاحظة: هنا يتم ذلك باستخدام عرض الاكليلية، لكن المستخدمين يجب استخدام الرأي القائل بأن لديهم خبرة معظم.
    5. تحقق من كل شريحة للمناطق من تحت-أو أكثر-استيميشن للمنطقة التي يجري تفتيشها.
      ملاحظة: راجع المقطع نتائج تمثيلية لأمثلة من الانقسامات الجيدة والسيئة.
  2. فريسورفير مراقبة الجودة
    1. Peform مراقبة الجودة المرئية باستخدام آكسس.
      ملاحظة: تشير إلى وثائق هنا:
      https://surfer.nmr.mgh.harvard.edu/fswiki/FreeviewGuide/FreeviewGeneralUsage/FreeviewQuickStart.
    2. فتح إطار المحطة طرفية. لعرض منطقة جنرال موتورز الحجمي مضافين على T1، تغيير الدليل إلى المجلد الموضوع والنوع:
      آكسس./mri/T1.mgz./mri/aparc+aseg.mgz:colormap=lut:opacity:.3
    3. قم بالتمرير خلال كل شريحة في الدماغ.
      ملاحظة: هنا يتم ذلك باستخدام عرض الاكليلية، لكن المستخدمين يجب استخدام الرأي القائل بأن لديهم خبرة معظم.
    4. تحقق من كل شريحة للمناطق من تحت-أو أكثر-استيميشن للمنطقة التي يجري تفتيشها.
      ملاحظة: راجع المقطع نتائج تمثيلية للحصول على أمثلة للانقسامات.

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

النتائج

حجم الدماغ متوسط 20 مراقبة المشاركين، جنبا إلى جنب مع المعلومات الديموغرافية، يرد في الجدول 1. وهذا بمثابة دليل للقيم المتوقعة عند استخدام هذه الأدوات. ينبغي النظر إلى النتائج في سياق الصورة الأصلية T1.nii. جميع المناطق الآلية العالمية ينبغي تفتيشها وفقا للخطوات المبينة في المادة 8. عند القيام بمراقبة الجودة البصرية، من المهم أن مقارنة المناطق المعدلة وراثيا للتفحص T1 مباشرة عن طريق عرض لهم مضافين على T1.

وينبغي...

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

المناقشة

في الآونة الأخيرة، قد أثبتت البحوث أن استخدام أساليب الحجمي المختلفة قد آثار هامة بالنسبة نيورويماجينج الدراسات1،2. قبل نشر البروتوكولات التي تساعد المستخدمين دليل المبتدئين في كيفية تطبيق أدوات neuroimaging مختلفة، فضلا عن كيفية تنفيذ مراقبة الجودة على إخراج النتائج بواسطة هذه الأدوات، قد حدد الباحثون أفضل طريقة لتطبيق مجموعة البيانات هذه.

في حين أن معظم الخطوات في هذا سوب يمكن تعديلها لتناسب متطلبات البيانات وباحث، واحدة من أهم العمل...

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

الإفصاحات

الكتاب ليس لها علاقة بالكشف عن.

شكر وتقدير

ونود أن نشكر جميع الذين في مؤسسة Q يعقدها/العليا المسؤولة عن دراسة المسار عالية الدقة؛ على وجه الخصوص، بيث بوروسكي توبين ألن، دانيال فإن كامين، الموقع إيثان والمزمن شيري. الكتاب أيضا أود أن أتقدم عن امتنانهم للمشاركين دراسة المسار عالية الدقة وأسرهم. تم الاضطلاع بهذا العمل في UCLH/UCL، الذي تلقي نسبة من التمويل من وزارة الصحة للمعهد الوطني "البحوث الطبية الحيوية البحوث المراكز الصحية" تمويل الخطة. S.J.T. تعترف بدعم من المعهد الوطني "البحوث الصحية" من خلال ديمينتياس وشبكة بحوث الأعصاب، DeNDRoN.

المحققين مسار عالية الدقة:
جيم كامبل، كامبل م.، لابوشاني أولاً، وجيم ملكمان، J. ستاوت، جامعة موناش، ملبورن، فيك، أستراليا؛ ألف كولمان، R. دار سانتوس، J. ديكولونجون، ب. ر. ليفيت، ستارك ألف، جامعة كولومبيا البريطانية، فانكوفر، كولومبيا البريطانية، كندا؛ ألف الدر، جيم جوفريت، دال خوستو، معهد س. ليهيريسي، جيم ماريلي، ك. نجود، ر. Valabrègue، ICM، باريس، فرنسا؛ Bechtel نون، بولن س، ر. ريلمان، جامعة مونستر، مونستر، ألمانيا؛ ب لاندويهرمير، جامعة أولم، أولم، ألمانيا؛ ج. س. ج. أ فإن دن بوجارد، هاء-م. دوماس، فإن دير جروند، ص أ ' ر هارت، رووس أ. ر.، والمركز الطبي بجامعة ليدن، ليدن، هولندا؛ نون مدنت، كالاغان J.، كراوفورد دال، جيم ستويفورد، جامعة مانشستر، مانشستر، المملكة المتحدة؛ د. م. النقدية، إيكسيكو، لندن، المملكة المتحدة؛ حاء كراوفورد، فوكس جيم نون، س. غريغوري، أوين زاي، هوبز. ز. ن.، لاهيري أ.، مالون أولاً، القراءة J.، يقول ج. م.، وايتهيد دال-، البرية هاء، كلية جامعة لندن، لندن، المملكة المتحدة؛ فروست جيم، ر. جونز، ومدرسة لندن للصحة والطب المداري، لندن، المملكة المتحدة؛ هاء أكسيلسون، H. J. جونسون، لانجبيهن دال، جامعة آيوا، IA، الولايات المتحدة؛ وس. كلير، جامعة جيم كامبل بولاية إنديانا في الولايات المتحدة.

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

المراجع

  1. Katuwal, G. J., et al. Inter-Method Discrepancies in Brain Volume Estimation May Drive Inconsistent Findings in Autism. Frontiers in Neuroscience. 10, 439(2016).
  2. Johnson, E. B., et al. Recommendations for the Use of Automated Gray Matter Segmentation Tools: Evidence from Huntington's disease. Frontiers in Neurology. 8, 519(2017).
  3. Schwarz, C. G., et al. A large-scale comparison of cortical thickness and volume methods for measuring Alzheimer's disease severity. NeuroImage: Clinical. 11, 802-812 (2016).
  4. Clarkson, M. J., et al. A comparison of voxel and surface based cortical thickness estimation methods. NeuroImage. 57 (3), 856-865 (2011).
  5. Eggert, L. D., Sommer, J., Jansen, A., Kircher, T., Konrad, C. Accuracy and reliability of automated gray matter segmentation pathways on real and simulated structural magnetic resonance images of the human brain. Public Library of Science One. 7 (9), 45081(2012).
  6. Fellhauer, I., et al. Comparison of automated brain segmentation using a brain phantom and patients with early Alzheimer's dementia or mild cognitive impairment. Psychiatry Research. 233 (3), 299-305 (2015).
  7. Gronenschild, E. H. B. M., et al. The effects of FreeSurfer version, workstation type, and Macintosh operating system version on anatomical volume and cortical thickness measurements. Public Library of Science One. 7 (6), 38234(2012).
  8. Iscan, Z., et al. Test-retest reliability of freesurfer measurements within and between sites: Effects of visual approval process. Human Brain Mapping. 36 (9), 3472-3485 (2015).
  9. Kazemi, K., Noorizadeh, N. Quantitative Comparison of SPM, FSL, and Brainsuite for Brain MR Image Segmentation. Journal of Biomedical Physics & Engineering. 4 (1), 13-26 (2014).
  10. Klauschen, F., Goldman, A., Barra, V., Meyer-Lindenberg, A., Lundervold, A. Evaluation of automated brain MR image segmentation and volumetry methods. Human Brain Mapping. 30 (4), 1310-1327 (2009).
  11. McCarthy, C. S., Ramprashad, A., Thompson, C., Botti, J. A., Coman, I. L., Kates, W. R. A comparison of FreeSurfer-generated data with and without manual intervention. Frontiers in Neuroscience. 9, (2015).
  12. Tohka, J. Partial volume effect modeling for segmentation and tissue classification of brain magnetic resonance images: A review. World Journal of Radiology. 6 (11), 855-864 (2014).
  13. Sled, J. G., Zijdenbos, A. P., Evans, A. C. A nonparametric method for automatic correction of intensity nonuniformity in MRI data. IEEE Transactions on Medical Imaging. 17, 87-97 (1998).
  14. Ashburner, J., Friston, K. J. Unified segmentation. NeuroImage. 26 (3), 839-851 (2005).
  15. Jenkinson, M., Beckmann, C., Behrens, T. E., Woolrich, M. W., Smith, S. M. FSL. NeuroImage. 62, 782-790 (2012).
  16. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. NeuroImage. 9, 179-194 (1999).
  17. Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. NeuroImage. 9, 195-207 (1999).
  18. Avants, B. B., Tustison, N. J., Wu, J., Cook, P. A., Gee, J. C. An open source multivariate framework for n-tissue segmentation with evaluation on public data. Neuroinformatics. 9 (4), 381-400 (2011).
  19. Ledig, C., et al. Robust whole-brain segmentation: application to traumatic brain injury. Medical Image Analysis. 21 (1), 40-58 (2015).

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

إعادة الطباعة والأذونات

الوسوم

SPM FSLeyes FreeSurfer
تجزئة الآلي للمادة الرمادية القشرية من صور الرنين المغناطيسي T1 المرجحة
اتصل بنا
أوصِ بها للمكتبة

الخصوصية

شروط الاستخدام

السياسات

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