高分辨率结构磁共振人类皮质下的成像在体内与死亡
December 30th, 2015
在这里，我们提出了一个协议，用于确定需要注册和平均的最小图像数量，以解析皮层下结构，并测试在没有生理噪声的情况下是否可以解析 LGN 的各个层。
本实验的总体目标是测试结构 MRI 的分辨率极限，以便分辨和比较死后和活人脑中的皮质下结构。我们实验室的研究涉及研究患者群体中的小皮层下核。鉴于它们的体积小且在大脑内重复，它们很难研究。
我们开发了一种方案，可以解决死后和活人脑中的这些皮层下结构。这种技术的优点是缩短了扫描时间，这在临床应用中很有用。MRI 分辨率受噪声限制，因此我们想确定最终分辨率是多少。
在没有最大噪声源的情况下，即受试者头部运动、脉冲和呼吸 使用配备 32 通道头部线圈的三个 TMRI 扫描仪获取本协议中描述的所有成像。在本视频中，演示了使用西门子 MAGOME TRIO 三 TMRI 扫描仪进行研究参与者成像的步骤。请务必首先进行 MRI 安全筛查。
然后查看神经影像学方案的详细信息，并让他们在设置参与者进行扫描时签署患者同意书。耳塞插入参与者的耳朵中。然后用垫子固定他们的头部，以尽量减少头部运动。
在成像过程中，当使用死后大脑获取扫描时，请确保大脑在神经成像之前被固定，并装在适合 MRI 头线圈内的防水袋或容器中。将大脑放在头线圈中，其 Z 轴与扫描仪的孔对齐，脑干朝向扫描仪床的脚。还要在大脑周围放置真空垫以获得额外支撑。
扫描前，选择左上角的 patient （患者） 选项卡。使用 register 选项卡填写相应的主题信息。然后单击 exam explorer（考试资源管理器）选项卡中的 exam （考试） 选项卡。
首先创建一个新的 LOCALIZER 扫描协议 在设置窗口中，使用常规对比度和分辨率选项卡输入参数，如此处屏幕所示。接下来，创建一个新协议，用于获得高分辨率质子密度加权扫描。使用此处屏幕上看到的参数在冠状面方向进行设置。
将带宽降低到尽可能低，以最大限度地提高信噪比。要缩短扫描持续时间，请选择 18 个切片，每个切片的厚度为 1 毫米，视野为 160 毫米。接下来，叠加切片选择框，以便在定位器上获取质子密度图像。
确保覆盖丘脑内的皮质下核以及周围的结构。然后开始扫描以可靠地识别皮质下结构。使用这些参数获取 5 个运行。
在进行死后脑成像时，只需一次扫描即可观察到皮质下结构的可靠识别，遵循相同的扫描方案，总持续时间约为 3 分钟。要分析数据，请使用免费提供的 FSL 软件。首先打开终端窗口。
然后将扫描仪中每个质子密度体积的原始 DICOM 文件转换为漂亮的格式。在命令行中，在此处键入命令 scene，键入 DCM to NII，然后键入每个图像的目录。跑。接下来，获取原始质子密度扫描的参数。
然后创建一个高分辨率的空白图像目标体积，其体素大小是这些参数的一半。要在任何文本编辑器程序中执行此作，首先，使用此处所示的单位矩阵定义转换，并另存为名为 identity dot matt 的文本文件。接下来，使用 flirt 命令应用转换，对每个原始运行进行采样，以使总分辨率加倍。
这将生成一个 10 24 矩阵，并将每个维度中的体素大小减半。现在将所有高分辨率图像移动到新文件夹。然后对于每个参与者，将所有 UPS 采样的质子密度图像连接到一个 4 D 文件中。
使用 FSL 合并命令 motion，更正这些串联的文件。使用 URT 命令，选择四级校正，该校正利用同步插值作为进一步的优化通道，以获得更高的精度。接下来，使用 FSL 数学创建 3D 均值图像。
然后使用 FSL 视图命令可视化最终结果的 3D 高分辨率图像。现在创建感兴趣的区域，也称为 ROI。使用 FSL 视图，加载高分辨率图像。
然后在 工具 选项卡中，选择 单张图像 选项卡以放大绘制 ROI 的视图。接下来，单击 文件 选项卡，然后单击 创建掩码，在 ROI 中画一条线并保存。最后，使用 AF acne 的 3D 蒙版转储命令提取刚刚创建的 ROI 蒙版的图像、强度和位置。
结果将输出为文本文件，可用于进一步分析。这一系列图像比较了体内和死后大脑的体积平均值。请注意，死后大脑在一个质子密度加权体积中显示了皮层下结构的清晰划分，而体内大脑至少需要五个平均图像 为了提供这个细节，体内大脑图像中的这个冠状切片显示了 LGN 和其他皮层下结构的清晰描绘，在这里我们看到同一大脑的另一个切片在同一会话中以 40 个质子密度体积平均，其中相同的成像参数。
后脑切片是在一次质子密度体积扫描中获得的，并提供了皮质下结构的清晰轮廓，包括右侧和左侧 LGN。该切片显示了具有相同切片处方的 100 个质子密度体积的平均死后大脑。缩放视图显示皮层下结构的清晰划分。
在这里，我们看到了体内左侧和右侧 LGN 以及尸检左侧和右侧 LGN 的线强度曲线。这些线适用于体内 40 个最大平均值和 100 个死后平均值。在死后大脑中，没有可归因于体内大脑各层的强度变化。
强度的变化可以归因于层。看完这个视频后，你应该对如何遵循这个优化的方案来获得高风险的解决方案有一个很好的了解，皮质下区域的质子密度图像一旦遵循这种方法就可以应用于临床环境，将扫描时间减少到活人不到 15 分钟，死后大脑的扫描时间不到 3 分钟如果应用得当。
View the full transcript and gain access to thousands of scientific videos
概述
本研究提出了一种协议，旨在确定注册和平均所需的最少图像数量，以分辨人脑中的皮层下结构。它特别测试了在最小化生理噪音的同时区分外侧膝状体（LGN）单个层的能力。
关键研究组成部分
科学领域
- 神经科学
- 结构性MRI
- 皮层下结构
背景
- 皮层下核团很小且难以研究。
- 研究集中在患者群体上以理解这些结构。
- MRI的分辨率限制可能会阻碍对这些核团的研究。
- 减少扫描时间对临床应用有益。
研究目的
- 测试结构性MRI的分辨率限制。
- 比较死后和活体大脑中的皮层下结构。
- 开发一个有效分辨这些结构的协议。
使用的方法
- 结构性MRI成像技术。
- 图像的注册和平均。
- 生理噪音影响的评估。
- 死后和活体大脑结果的比较。
主要结果
- 该协议成功分辨了皮层下结构。
- LGN的单个层可以区分。
- 扫描时间显著缩短。
- 研究结果有助于理解MRI的分辨率限制。
结论
- 开发的协议增强了对皮层下结构的研究。
- 它为临床MRI应用提供了一种有用的方法。
- 进一步的研究可以在这些发现基础上改进成像技术。
常见问题
Executive Industry Relevance
High-resolution structural MRI of the human subcortex enables precise delineation of small nuclei, directly impacting early discovery and translational neuroscience pipelines. By defining the resolution limits and noise constraints in both postmortem and in vivo settings, this protocol informs predictive confidence for subcortical target identification and quantitative biomarker development. The approach supports risk-adjusted decisions in neurotherapeutic portfolio advancement by clarifying anatomical boundaries critical for mechanistic de-risking.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of subcortical structure integrity for target validation in neuropsychiatric and neurodegenerative research.
- Reduces mechanistic ambiguity by providing high-resolution anatomical reference data for small nuclei.
- Supports predictive confidence in selecting disease-relevant subcortical targets for further study.
Screening & Assay Development
- Facilitates preparation of validated anatomical regions of interest for downstream imaging-based assays.
- Improves reproducibility and standardization of subcortical ROI delineation across studies.
- Enables quantitative measurement of dependent variables such as signal intensity and volume in defined nuclei.
Translational & Preclinical Research
- Aligns imaging outputs with translational biomarker strategies by enabling cross-species and cross-modal comparisons.
- Provides continuity from discovery imaging to preclinical validation of subcortical targets.
- Supports risk-adjusted advancement by clarifying anatomical endpoints relevant to disease models.
Pipeline & Workflow Integration
This protocol integrates into the discovery-to-preclinical continuum by providing a standardized method for high-resolution subcortical imaging, supporting both hypothesis testing and quantitative analysis.
- Discovery Biology: Supports null hypothesis testing for subcortical target presence and anatomical differentiation.
- Screening: Delivers reproducible, quantitative imaging outputs for ROI-based screening workflows.
- Analytics: Enables statistical comparison of signal intensity and volume across conditions and cohorts.
- Translational Research: Bridges in vivo and postmortem imaging for biomarker alignment and model validation.
- Enterprise Reuse: Establishes a reusable imaging and analysis pipeline for subcortical structure studies.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and anatomical precision for subcortical target validation.
- Operational Value: Standardizes imaging protocols and reduces scan duration for both clinical and research settings.
- Strategic Value: Enables better go/no-go decisions by clarifying anatomical endpoints and reducing biological risk.
- Portfolio Impact: Supports risk-adjusted prioritization of neurotherapeutic programs targeting subcortical structures.
Implementation Considerations
- Requires expertise in high-field MRI operation and neuroanatomical ROI delineation.
- Needs access to advanced MRI hardware and open-source image analysis tools (e.g., FSL).
- Demands cross-team standardization of imaging parameters and ROI definitions.
- Adaptation may be needed for different subcortical regions or disease models.
- Physiological noise and scan duration constraints must be considered for in vivo applications.
