De alta resolución de imagen de resonancia magnética estructural del subcorteza Humano En Vivo Y Postmortem

Summary

Aquí presentamos un protocolo para determinar el número mínimo de imágenes que deben registrarse y promediarse para resolver las estructuras subcorticales y probar si las capas individuales del LGN podrían resolverse en ausencia de ruido fisiológico.

Abstract

El objetivo de este estudio fue probar los límites de resolución de resonancia magnética estructural de un cerebro postmortem en comparación con los que viven los cerebros humanos. La resolución de la resonancia magnética estructural en vivo está limitada en última instancia por el ruido fisiológico, incluyendo pulsación, la respiración y el movimiento de la cabeza. Aunque el hardware de imagen sigue mejorando, todavía es difícil de resolver estructuras en la escala de milímetro. Por ejemplo, el visual vías sensoriales sinapsis primaria en el núcleo geniculado lateral (LGN), un relé de control visual y el núcleo en el tálamo, que normalmente está organizado en seis capas intercaladas monoculares. Los estudios de neuroimagen no han sido capaces de distinguir de forma fiable estas capas debido a su pequeño tamaño que tienen menos de 1 mm de espesor.

El límite de resolución de MRI estructural, en un cerebro postmortem fue probada usando múltiples imágenes como promedio durante un larga duración (~ 24 h). El propósito era probar si era posible para resolver el l individuoAyers del LGN en la ausencia de ruido fisiológico. Una densidad de protones (PD) ¹ secuencia de pulso ponderado se utiliza con diferentes resolución y otros parámetros para determinar el número mínimo de imágenes necesarias para ser registrado y promedió para distinguir de forma fiable el LGN y otras regiones subcorticales. Los resultados también se compararon con las imágenes adquiridas en vivir cerebros humanos. In vivo sujetos fueron escaneados con el fin de determinar los efectos adicionales de ruido fisiológico sobre el número mínimo de exploraciones PD necesarios para diferenciar las estructuras subcorticales, útiles en aplicaciones clínicas.

Introduction

El propósito de esta investigación fue probar los límites de resolución de resonancia magnética estructural en la ausencia de ruido fisiológico. Proton densidad (PD) imágenes ponderadas fueron adquiridas en un cerebro postmortem durante un período largo (dos ~ 24 sesiones hr) para determinar el número mínimo de imágenes que deben ser registrados y se promediaron para resolver las estructuras subcorticales. Para la comparación, PD imágenes ponderadas también se adquirieron en los seres humanos que viven durante un número de sesiones. En particular, el objetivo era determinar si sería posible en un mejor escenario para resolver los seis capas individuales del LGN humana, que son aproximadamente 1 mm de espesor (Figura 1).

Figura 1. capas humano núcleo geniculado lateral. Esquemática de la estructura laminar del LGN. Magnocelular (M) se componen de capas más grande neuronalel tamaño celular y la densidad de células más pequeñas que son responsable de resolver los contornos de movimiento y de curso (capas 1-2, se muestra como gris oscuro). Parvocelulares capas (P) se componen de menor tamaño de la célula neuronal y más grande la densidad de células que son responsables de la resolución de fine-forma y el color (capas 4-6, representado como gris claro). Barra de escala 1 mm. Figura basado en manchado LGN ¹² humana.

La resolución espacial en la RM se mejora cuando se aumenta el tamaño de la matriz, y cuando se reducen campo de visión (FOV) y grosor de corte. Sin embargo, el aumento de la resolución se reduce la relación señal a ruido (SNR), que es proporcional al volumen de voxel. SNR también es proporcional a la raíz cuadrada del número de mediciones. En los seres humanos que viven, aunque varias imágenes pueden ser adquiridas durante un número de sesiones de formación de imágenes separadas, la resolución final está limitada por el ruido fisiológico, tales como la respiración, las pulsaciones circulatorio y movimiento de la cabeza.

Alto-Resolución (0.35 mm voxels en el plano) PD exploraciones ponderados fueron adquiridas. Exploraciones PD mejorar contraste gris y blanco en el tálamo ^1, y dan como resultado imágenes que minimicen T ₁ y T _{2 efectos.} Su imagen depende de la densidad de protones en la forma de agua y macromoléculas tales como proteínas y grasas en el volumen de formación de imágenes. El aumento del número de protones en un tejido resulta en una señal más brillante en la imagen debido a la componente longitudinal superior de la magnetización ^2.

Exploraciones PD ponderada se recogieron ya que proporcionan un mayor contraste de las estructuras subcorticales con el tejido circundante. Otros contrastes, como T1 y T2 provoque dificultades en la delimitación de las estructuras subcorticales como el LGN debido a menores proporciones de contraste-ruido, según lo determinado ƒ ^1,3.

Del mismo modo, los estudios anteriores encontraron que las imágenes PD ponderada de formol fija cerebros post mortem resulted en mayores diferencias de contraste entre la materia gris y blanca en comparación con T1 y T2 que tenían intensidades de imagen materia gris y blanca similares ^3,4. Los determinantes biofísicos subyacentes pueden explicar estas diferencias. T1 (longitudinal) y T2 (transversal) tiempos de relajación de los protones de hidrógeno dependerá de cómo el agua se mueve dentro del tejido. Los agentes de fijación tales como el trabajo en formol por proteínas de reticulación. Las diferencias entre la movilidad del agua se reducen entre los diferentes tipos de tejidos cuando se utilizan fijadores. Reducción de contraste de los tejidos T1 se ha observado después de la fijación, mientras que las diferencias en la densidad relativa de protones dentro de los tejidos del cerebro aumenta con la fijación, proporcionando una mejor diferenciación de contraste ^{3, 4.}

Estudios previos han identificado la LGN en las exploraciones PD ponderada utilizando un 1,5 T ^5,6,7, y en 3 T escáner ^8,9. Es crítico para obtener estas exploraciones para ser capaz de esbozar exactitud el alcance deel LGN. Para mantener la cobertura total de los núcleos subcorticales, 18 rebanadas PD ponderada se obtuvieron en el tálamo. Cada volumen se volvió a muestrear al doble de la matriz de la resolución 1024, (0.15 mm Tamaño voxel en el plano), concatenados, movimiento corregido y promedió para producir una imagen en 3D de alta resolución de las estructuras subcorticales. El número óptimo de imágenes PD necesarios para la siguiente receta rebanada fue de 5, lo que reduce el tiempo de exploración a menos de 15 minutos en los seres humanos que viven. Sólo 1 imagen de dominio fue requerido para delimitar claramente las regiones subcorticales del cerebro postmortem, reduciendo el tiempo de exploración a menos de 3 min (Figura 2 y 3).

Toda una muestra de cerebro postmortem fijado en formol fue explorado de una mujer que había muerto de un paro cardiorrespiratorio a la edad de 82 años. Revisión de registros médicos reveló que ella tenía: la enfermedad pulmonar obstructiva crónica, la cirugía de pecho, triple bypass 8 años antes de su muerte, el cáncer uterino tratadas con histerectomía7 años antes de la muerte, hiperlipidemia, glaucoma, y ​​cirugía de cataratas. El espécimen cerebral postmortem de inmersión se fijó en 10% de formalina tamponada neutra durante al menos 3 semanas a 4 ° C.El cerebro postmortem fue escaneada con el mismo protocolo de formación de imágenes, así como con otros parámetros en el transcurso de muchas horas para las comparaciones de calidad de imagen . Sólo los parámetros optimizados se describirán para el protocolo.

Protocol

1. Participante y postmortem del cerebro Set-Up

NOTA: Todas las imágenes fueron adquiridas mediante un 3 T escáner de resonancia magnética con una bobina de la cabeza de 32 canales y toda la RM se realizó a temperatura ambiente, aproximadamente a 20 ° C. Todos los participantes eran diestros y dieron su consentimiento informado por escrito. Cada participante se encontraba en buen estado de salud, sin antecedentes de trastornos neurológicos. El protocolo experimental fue aprobado y sigue las directrices de participantes York University Humanos Comité de Revisión.

1. Pida a cada participante llene y firme un formulario de consentimiento del paciente que detalla las pautas de seguridad de resonancia magnética y el protocolo de neuroimagen.
2. Para cada participante, colocar tapones para los oídos en cada oreja y asegurar su cabeza con almohadillas para reducir al mínimo movimiento de la cabeza.
3. Para imágenes del cerebro post-mortem, asegúrese de que el cerebro se fija antes de la neuroimagen y está contenida dentro de una bolsa o contenedor que se ajuste a la cabeza de la bobina de resonancia magnética. Coloque el cerebro postmortem en la cabeza de la bobina con su eje z (superior a inferior) alineado con el orificio del escáner. El tronco cerebral (posterior) debe mirar hacia el pie de la cama del escáner.
4. Coloca cojines de vacío manos alrededor del cerebro post-mortem para la ayuda adicional.

2. La localización y la prescripción de la subcorteza

NOTA: El tálamo es una estructura con lóbulos dual situado cerca del centro del cerebro situada entre el cerebro medio y la corteza cerebral. Situado en el tálamo dorsal, el LGN humano es una pequeña estructura subcortical que se extiende un máximo de ~ 10 mm.

1. Para registrar un nuevo participante, abra el software de imágenes de resonancia magnética y haga clic en la ficha del paciente en la esquina superior izquierda. Luego haga clic en Registro.
2. Rellene la información del paciente adecuado y, a continuación, haga clic en la ficha del examen.
3. Para obtener un análisis de localizador, haga clic en la ficha Explorador de Examen para crear un nuevo protocolo. Observe la ventana de configuración de la pantalla, haga clic en la pestaña de rutina, e introduzca los siguientes parámetros: adquisicióntiempo de 28 seg, matriz de adquisición 160 x 160, 1 rebanada, 1,6 mm de espesor tamaño de vóxel isotrópico, FOV = 260 mm, fase FoV = 100%, la resolución rebanada = 69%, la fase y cortar fase parcial Fourier = 6/8, TR = 3.15 ms, TE = 1,37 ms, Flip Angle = 8 °.
4. Superposición de la caja de selección de rebanada utilizado para la adquisición de las imágenes de DP más el localizador que cubren los núcleos subcorticales dentro del tálamo, así como las estructuras circundantes (Figura 4).

3. Parámetros estructurales de alta resolución

1. Crear un nuevo protocolo para la obtención de exploraciones PD ponderada de alta resolución. En la ventana de configuración de la pantalla, haga clic en la pestaña de rutina, e introduzca los siguientes parámetros en la orientación coronal: tiempo de adquisición de 179 seg, matriz de adquisición de 512 × 512, 0.3 × 0.3 × 1 mm ³ tamaño de voxel, TR = 3.25 seg , TE = 32 ms, ángulo flip = 120 °, la adquisición rebanada intercalada, FoV leer = 160 mm, FoV fase = 100%, imágenes paralelas (GRAPPA) conun factor de aceleración de 2.
   1. Utilice una secuencia Turbo de Spin Echo, con una longitud de los trenes Echo de 5. El primer eco a los 32 ms es el eco eficaz para esta secuencia. Reducir el ancho de banda (BW) al mínimo posible, 40 Hz / píxel, para maximizar la SNR. Para reducir la duración del análisis, elija 18 rebanadas, cada 1 mm de espesor, con un FOV = 160 mm. Esta losa proporciona suficiente cobertura de las regiones subcorticales de interés.
      NOTA: Para la identificación fiable de las estructuras subcorticales, adquirir 5 carreras con los parámetros anteriores. La duración total de la exploración es sólo ~ 15 min (Figura 5). No se empleó Fat-saturación.
2. En las imágenes del cerebro post-mortem, la identificación fiable de las estructuras subcorticales se puede observar en un solo escaneo con la duración total de sólo ~ 3 min siguiendo el mismo protocolo de exploración como en 3.1 (Figura 6).

Análisis 4. Imagen

NOTA: Para analizar los datos de resonancia magnética, utilice el FMRIB libre disposición deBiblioteca de Software (FSL) paquete disponible para su descarga en (https://www.fmrib.ox.ac.uk/fsl/).

1. Abra una ventana de terminal, y convertir los archivos DICOM primas del escáner para cada volumen PD a un formato NIfTI con DICOM al convertidor NIfTI. Algunos de los cuales son de libre disposición para su descarga (por ejemplo,. Https://www.nitrc.org/projects/mricron). En la línea de comandos, escriba dcm2nii seguido por el directorio de cada PD imagen ponderada plazo.
2. En una ventana de terminal obtener los parámetros de la exploración original de PD. Escriba fslinfo en la línea de comando seguido de la exploración PD en formato NIfTI.
3. Crear una imagen en blanco volumen de destino de alta resolución que tiene el doble de la resolución y el tamaño medio voxel dada por los parámetros de fslinfo de la exploración original de PD. El orden de las entradas de datos para este comando son los siguientes:
   fslcreatehd
   NOTA: Por ejemplo, si el análisis de PD original con los parámetros siguientes tal como se describe en el punto 3.1 se recogen (es decir, 512 × 512 matriz, 18 rebanada, 0.3 × 0.3 × 1 mm ³ tamaño de voxel, TR = 3,25 s), escriba lo siguiente en la ventana de comandos:
   fslcreatehd 1024 1024 36 1 0,15 0,15 0,5 3,25 0 0 0 4 blankhr.nii.gz
4. Definir la transformación utilizando una matriz de identidad. Escriba en cualquier programa editor de texto de un archivo de texto guardado como 'identity.mat' que tiene este aspecto:
   0 0 0
   1 0 0
   0 1 0
   0 0 1
5. Utilice el comando ligón para aplicar la transformación, muestreo superior cada ejecución ponderado PD originales de duplicar la resolución total de un 512 a una matriz de 1024, y reducir a la mitad el tamaño del voxel en cada dimensión que resulta en una resolución de 0,15 × 0,15× 0,5 mm ^3. En una ventana de terminal para cada volumen PD, escriba el comando siguiente ligón cambiar los nombres originales y salida por serie:
   coquetear -interp sinc -en originalPD.nii.gz -ref blankhr.nii.gz -applyxfm -init identity.mat salida privado highresPD.nii.gz
   NOTA: En caso de originalPD.nii.gz es el volumen de la fuente, blankhr.nii.gz es la resolución de salida deseada y highresPD.nii.gz es el nombre del volumen de salida.
6. Mueva todas las imágenes de alta resolución en una nueva carpeta, y navegar hacia él en una ventana de terminal.
7. Para cada participante, concatenar todas las imágenes PD muestreo superior en un solo archivo 4D utilizando fslmerge. En un tipo de ventana de terminal:
   fslmerge -t concat_highresPD * .nii.gz
   NOTA: Esto crea un archivo llamado 4D concat_highresPD.nii.gz.
8. Movimiento corregir el archivo concatenado utilizando mcflirt ^10. Esta herramienta permite un registro robusta automatizado para lineal (afín) imágenes inter e intermodales cerebrales. Seleccionar unCorrección de 4 etapas, que utiliza la interpolación sinc (internamente) como un pase optimización adicional para una mayor precisión. En un tipo de ventana de terminal:
   mcflirt -en concat_highresPD salida privado mcf_concat_highresPD.nii.gz -Etapas 4 -plots
   NOTA: Esto crea un archivo llamado 4D mcf_concat_highresPD.nii.gz.
9. Por último, cree el 3D significa imagen usando fslmaths. En un tipo de ventana de terminal:
   fslmaths mcf_concat_highresPD.nii.gz -Tmean mean_highresPD.nii.gz
   NOTA: Esto crea un archivo 3D llamado mean_highresPD.nii.gz que es de alta calidad
10. Visualice el resultado final de la imagen 3D de alta resolución con el comando fslview. En el directorio de donde su imagen es, escriba lo siguiente en una ventana de terminal:
    fslview mean_highresPD.nii.gz ".
11. Inspeccione perfiles de intensidad de rendimiento de la inversión en cuestión. Crear un ROI usando fslview (esto puede ser una línea vertical trazada a través de una región del LGN por ejemplo). En fslview cargar la imagen de dominio de alta resolución. Haga clic en la pestaña de herramientas,a continuación, haga clic en la ficha de una sola imagen para agrandar la imagen para dibujar regiones de interés. A continuación, haga clic en la pestaña Archivo seguido de la ficha Crear Máscara. Dibuje una línea en el retorno de la inversión de su interés. Guarde el ROI, haga clic en Archivo y luego Guardar como. Repita las máscaras de línea para múltiples áreas dentro de la ROI para las comparaciones de intensidad y otras regiones de interés en cuestión.
12. Utilice el comando 3dmaskdump de AFNI para analizar la intensidad resultante de la imagen. En el directorio de donde las imágenes son, use el siguiente comando en una ventana de terminal para extraer las intensidades de imagen y ubicación (dado como result_mask.txt) de su máscara de retorno de la inversión:
    3dmaskdump -o result_mask.txt -noijk -xyz -mask ROI_linemask.nii.gz PDaverage_image.nii.gz

Results

Una vez que el subcorteza se prescribe en el tálamo, PD imágenes ponderadas se recogen en el cuadro de selección de rebanada (Figura 4). La SNR mejorarse aumentando el número de promedios tanto en postmortem y en las exploraciones in vivo. Para determinar la calidad de imagen, la SNR de diferentes promedios de escaneo se comparó dividiendo la señal de la región media del cerebro por la desviación estándar en algún área fuera del cerebro. La SNR se calculó como SNR = 0,655 * mu _air...

Discussion

Este estudio describe un protocolo optimizado en la adquisición y técnica de análisis con el fin de obtener una alta resolución PD imágenes ponderadas de las regiones subcorticales. Un número de parámetros de análisis fueron probados y modificado con los más significativos relacionados con tamaño de la matriz, el tamaño de voxel, y ancho de banda para aumentar la SNR y disminuir el número de adquisiciones, un paso crítico en ser capaz de determinar las estructuras subcorticales de alta resolución. En conjunción con la b...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Trío Magnetom 3T  MRI	Siemens (Erlangen, Alemania).
Cojín de vacío de mano	Siemens	Mat Nº: 4765454	Fabricado por: Johannes-Stark-Stk. 8 D-92224 Amberg