Mapeo de la homogeneidad regional y la conectividad funcional de la corteza visual en la resonancia magnética funcional en estado de reposo

Summary

Presentamos un protocolo para analizar los datos de resonancia magnética funcional para investigar las alteraciones espontáneas de la actividad neuronal en pacientes con retinosis pigmentaria utilizando un método combinado de homogeneidad regional y conectividad funcional.

Abstract

Se ha utilizado un método combinado de homogeneidad regional (ReHo) y conectividad funcional (FC), un tipo de método de resonancia magnética funcional (fMRI) no invasivo, para evaluar los cambios sincrónicos en la actividad neuronal en la retinosis pigmentaria (RP). El propósito de este estudio es describir nuestro método para el análisis de las sincronizaciones intra e interregionales de los cambios en la actividad neuronal en pacientes con RP. Las ventajas del método combinado de ReHo y FC son que no es invasivo y es lo suficientemente sensible como para investigar los cambios en la actividad neuronal sincrónica cerebral in vivo. Aquí, 16 pacientes con RP y 14 controles sanos estrechamente emparejados en edad, sexo y educación se sometieron a resonancias magnéticas funcionales en estado de reposo. Se realizaron dos pruebas t de muestra para comparar ReHo y FC en todos los grupos. Nuestros resultados mostraron que la desconexión de la red visual y la reorganización de la vía retino-talamocortical y del flujo visual dorsal ocurrieron en los pacientes con RP. Aquí, describimos los detalles de este método, su uso y el impacto de sus parámetros clave de manera paso a paso.

Introduction

La resonancia magnética funcional (fMRI) es un método no invasivo que puede utilizarse para investigar alteraciones en la función y la estructura del cerebro in vivo. La homogeneidad regional (ReHo) y la conectividad funcional (FC) se utilizan a menudo para evaluar las sincronizaciones intra e interregionales de la actividad cerebral. ReHo, una metodología de resonancia magnética funcional en estado de reposo, se utiliza para calcular la similitud entre la serie temporal de un vóxel dado y sus vecinos más cercanos, lo que refleja la sincronización local de^{las actividades} cerebrales. La FC se utiliza para investigar la similitud entre series temporales regionales² espacialmente remotas.

La tecnología fMRI puede ofrecer una evaluación objetiva de la función visual en el contexto del tratamiento de enfermedades oculares. Aquí, presentamos un protocolo metodológico que combina los métodos ReHo y FC para compartir esta experiencia y apoyar la difusión de nuestra experiencia. En el presente trabajo, utilizamos el protocolo ReHo y FC en sujetos con retinosis pigmentaria (RP) y controles sanos (HCs) para elaborar los detalles del procedimiento. La RP es una enfermedad ocular hereditaria grave caracterizada por deterioro de la visión nocturna y pérdida progresiva de la visión ^3,4. La mutación genética es el principal factor de riesgo para la RP. La muerte de las células fotorreceptoras de bastones y conos conduce a la pérdida de la visión periférica y, finalmente, a la ceguera en los pacientes con RP. Estudios previos de neuroimagen han mostrado anormalidades estructurales y funcionales en la corteza visual y en la vía visual de pacientes con RP ^5,6,7. Además, se utilizaron imágenes de tensor de difusión para investigar la integridad de los haces de fibras de materia blanca. Los pacientes con PR mostraron un coeficiente de difusión aparente, un valor propio principal y un valor propio ortogonal significativamente más altos, así como una anisotropía fraccional significativamente menor en los nervios ópticos, en relación con los HC⁸.

Aquí, nuestro objetivo fue la exploración de las sincronizaciones intra e interregionales de la actividad neuronal. Se investigó si los valores medios de ReHo y FC se correlacionaban con las variables clínicas en pacientes con PR. Nuestro método podría permitir a los investigadores obtener información importante sobre el mecanismo neural de la pérdida de visión periférica en pacientes con RP.

Protocol

El protocolo de investigación fue aprobado por el comité de ética médica del Hospital Renmin de la Universidad de Wuhan. Todos los participantes completaron un formulario de consentimiento por escrito.

1. Clasificación y selección de participantes

1. Inscriba a los sujetos de RP y a los HC que coincidan estrechamente en edad, sexo y educación.
2. Asegúrese de que todos los participantes cumplan con los siguientes criterios: 1) puedan ser escaneados con un escáner de resonancia magnética (p. ej., sin marcapasos cardíacos ni dispositivos metálicos implantados); 2) sin claustrofobia; 3) Ausencia de enfermedades cardíacas, hipertensión o enfermedades cerebrales.

2. Adquisición de datos de resonancia magnética funcional

NOTA: En este protocolo se utiliza un escáner de resonancia magnética de 3 T con bobina principal de ocho canales.

1. Pida a cada participante que se quite los objetos metálicos antes de entrar a la sala de escáneres de resonancia magnética después de una última comprobación de seguridad.
2. Indique al participante que se acueste en la cama y asegúrese de que la línea orbitomeatal esté perpendicular a la cama. A continuación, coloque almohadillas de espuma en la región temporal bilateral de la cabeza para evitar el movimiento de la cabeza y proporcione tapones para los oídos para reducir el ruido del escáner.
3. Indique al participante que se acueste en reposo, que mantenga los ojos cerrados sin quedarse dormido y que no piense en nada en particular durante la exploración.
4. Ajuste la posición de la cabeza del participante a través de la luz de posición. Asegúrese de que el cursor de posicionamiento del eje sea paralelo al canto lateral y que el cursor de posicionamiento sagital coincida con la línea media de la cara. A continuación, mueva la cama para que el cursor de posicionamiento del eje quede 2 cm por encima o por debajo de las cejas del participante.
5. Notifique al participante el inicio de la sesión de escaneo. Con la consola de escaneo, inicie el escaneo del localizador estructural para determinar la posición de la cabeza de los participantes en el escáner y permitir la planificación de escaneos estructurales y funcionales posteriores.
6. Realice la resonancia magnética funcional con las siguientes secuencias y parámetros.
   1. Realice imágenes tridimensionales de volumen cerebral (3D-BRAVO) RM con los siguientes parámetros: tiempo de repetición (TR)/tiempo de eco (TE) = 8,5 ms/3,3 ms; espesor = 1,0 mm; sin espacio de intersección; matriz de adquisición = 256 x 256; campo de visión = 240 x 240 mm²; y ángulo de giro = 12°.
   2. Obtención de imágenes funcionales mediante imágenes ecoplanares de gradiente dependiente del nivel de oxigenación sanguínea (EPI-BOLD) con los siguientes parámetros: TR/TE = 2.000 ms/25 ms; espesor = 3,0 mm; espacio = 1,2 mm; matriz de adquisición = 256 x 256; campo de visión = 240 x 240 mm²; tamaño del vóxel = 3,6 x 3,6 x 3,6 mm³; y 35 cortes axiales.
7. Vigile el estado del participante durante la duración de la exploración, indíquele que se mueva lo menos posible y detenga la exploración si el participante tiene alguna molestia.
8. Retire al participante del escáner y pídale que se siente con cuidado al final del experimento.

3. Preprocesamiento de datos y preparación del software

NOTA: Las imágenes funcionales analizadas en este protocolo son preprocesadas por SPM8 y la toolbox for Data Processing & Analysis for Brain Imaging (DPABI, http://rfmri.org/dpabi)⁹ basada en MATLAB 2013a. Realice los siguientes pasos de preprocesamiento por separado para cada sesión de resonancia magnética funcional.

1. Abra el software DPABI en el terminal de MATLAB haciendo clic en dpabi, luego elija DPARSF 4.3 Advanced Edition e importe la carpeta "FunRaw" (Figura 1).
   NOTA: La carpeta FunRaw contiene el archivo DICOM de cada participante.
2. Haga clic en FunRaw para importar los archivos de escaneo fMRI a DPABI con un esquema de numeración coherente (por ejemplo, "sub0001", "sub0002", etc.). Seleccione el directorio de trabajo y los directorios EPI y T1 iniciales y continúe seleccionando todos los parámetros deseados en los pasos 3.3 a 3.9 antes de hacer clic en Ejecutar en la sección 4.
3. Escriba los parámetros: Puntos de temporización = 240 y TR = 2 (Figura 2). Seleccione el EPI DICOM a NIFTI para convertir las imágenes funcionales de DICOM a formato NIFTI y elimine los primeros 10 volúmenes de cada imagen de función.
4. Marque las casillas de Temporización de cortes y Realineación en el software DPABI para corregir los 230 volúmenes restantes de imágenes funcionales dependientes del nivel de oxigenación sanguínea para los efectos de temporización de cortes y el movimiento de la cabeza corregido.
   NOTA: Para el movimiento de la cabeza, se deben excluir los datos de los participantes con un movimiento de la cabeza de >2 mm o una rotación de >2° durante el escaneo. Para el orden de corte, la secuencia de números en el vector es el orden de tiempo de adquisición de estas capas. El número de sector seleccionado es 40, el orden de corte es [1:2:39,2:2,40] y el segmento de referencia es 39.
5. Seleccione Normalizar por DARTEL con el software DPABI.
   NOTA: Al seleccionar esta opción, el software realizará automáticamente la normalización espacial utilizando imágenes estructurales individuales ponderadas en T1 registradas en los datos medios de fMRI. Las imágenes alineadas con ponderación T1 resultantes se segmentan utilizando la caja de herramientas DARTEL para mejorar la precisión espacial durante la normalización de los datos de resonancia magnética funcional. Los datos normalizados (en el espacio 152 del Instituto Neurológico de Montreal [MNI]) se recortan a una resolución de 3 x 3 x 3^mm3.
6. Elimine la tendencia lineal seleccionando Eliminar tendencia en el software DPABI.
7. Marque la casilla Regresión de covariables molestas y seleccione los siguientes parámetros: modelo de movimiento de la cabeza, señal de sustancia blanca, señal media global y señal de líquido cefalorraquídeo.
8. Marque la casilla de Depuración para eliminar los puntos de tiempo incorrectos debidos al movimiento de la cabeza en el software DPABI.
9. Conserve las señales entre 0,01 y 0,08 Hz marcando la casilla Filtrar [0,01-0,08] en el software DPABI para eliminar el ruido fisiológico de alta frecuencia y la deriva de baja frecuencia.
   NOTA: Después de la preparación de los datos, se pueden realizar análisis ReHo y FC.

4. Análisis de ReHo y FC

1. Para el cálculo de ReHo, abra el software DAPABI a través de MATLAB y seleccione 27 vóxeles en el clúster. Haga clic con el botón izquierdo en ReHo y suavize [6*6*6] y, a continuación, seleccione Ejecutar.
   NOTA: Un coeficiente de concordancia de Kendall se asigna a un vóxel dado calculando el coeficiente de concordancia de Kendall de series temporales de 27 vóxeles y sus vecinos más cercanos. Para reducir la influencia de las variaciones individuales en las comparaciones estadísticas entre grupos, los mapas ReHo de cada vóxel se transforman en z utilizando la transformación de r a z de Fisher. Los mapas z ReHo restantes se suavizan espacialmente utilizando un núcleo gaussiano de 6 * 6 * 6 de ancho completo a la mitad del máximo.
2. Para el cálculo de FC, abra el software DAPABI a través de MATLAB y defina las regiones cerebrales ReHo alteradas entre ambos grupos como regiones de interés (ROI). Haga clic en Conectividad funcional y defina el ROI (centrado en x = 0, y = -69 y z = -3 con radio = 10 mm), luego seleccione Ejecutar.
   NOTA: Se realiza un análisis de correlación del curso del tiempo para cada participante entre la región semilla esférica y los vóxeles de todo el cerebro. Todos los mapas FC se transforman z mediante la transformación r a z de Fisher para reducir la influencia de las variaciones individuales en la comparación estadística entre grupos. El radio de las ROI alrededor de las coordenadas debe ser de 10 mm (X = 0, Y = -69, Z = -3).

5. Análisis estadístico

1. Busque las carpetas denominadas ReHo y FC después de procesar los datos de archivo relevantes. Ordene los archivos de zReHo.nii y zFC.nii, clasificándolos en cuatro subcarpetas: "RP-group-ReHo", "HC-group-ReHo", "RP-group-FC" y "HC-group-FC".
2. Abra DPABI a través de MATLAB para realizar una prueba t de una muestra.
   1. Haga clic con el botón izquierdo en Análisis estadístico y, a continuación, haga clic en Prueba t de una muestra. Asigne al resultado de salida el nombre "one-sample-t-test-RP" y establezca el directorio de salida.
   2. Haga clic con el botón izquierdo en Agregar imágenes de grupo y abra la subcarpeta "RP-group-ReHo".
   3. En la opción Archivo de máscara , haga clic con el botón izquierdo para abrir el subarchivo "BrainMask-05-61*73*61" en la carpeta "máscara".
   4. Seleccione Compute (Proceso ) para ejecutar el programa. Realice este mismo procedimiento para el grupo "one-sample-t-test-HC".
      NOTA: La prueba t de una muestra se utiliza para analizar y mostrar mapas de ReHo promedio de cada grupo en el software DPABI.
3. Abra DPABI a través de MATLAB para realizar una prueba t de dos muestras.
   1. Haga clic con el botón izquierdo en Análisis estadístico y, a continuación, seleccione la prueba t de dos muestras. Asigne al resultado de salida el nombre "two-sample-t-test-ReHo" y establezca el directorio de salida.
   2. Haga clic con el botón izquierdo en Agregar imágenes de grupo y abra las subcarpetas "RP-group-ReHo" y "HC-group-ReHo".
   3. En la opción Archivo de máscara , haga clic con el botón izquierdo para abrir el subarchivo "BrainMask-05-61*73*61" en la carpeta "máscara".
   4. Seleccione Compute (Proceso ) para ejecutar el programa. Realice este mismo procedimiento para la "prueba t de dos muestras FC". Haga clic en Análisis estadístico y corrección de campo aleatorio gaussiano (GRF) [dos colas, nivel de vóxel (0,01) y nivel de vóxel (0,05)] y, a continuación, haga clic en Ejecutar.
      NOTA: Las diferencias entre los grupos de mapas zReHo y los mapas zFC se comparan mediante dos pruebas t de muestra. GRF se utiliza para corregir comparaciones múltiples y covariables regresivas de edad y sexo con el software DPABI.
4. Utilice el software BrainNet Viewer (https://www.nitrc.org/projects/bnv/) para mostrar los resultados.
   1. Abra BrainNet a través de MATLAB y haga clic en Cargar archivo. Para los archivos de superficie, haga clic en Examinar y seleccione BrainMesh-ICBM152-smoothed.nv y, a continuación, haga clic en Aceptar; para archivos de volumen, seleccione spm-T.nii (esto incluye los resultados de ReHo y FC) y, a continuación, haga clic en Aceptar.
5. Utilice software estadístico para procesar los datos obtenidos en el paso anterior.
   NOTA: La prueba de chi cuadrado se utiliza para las comparaciones de sexo, mientras que las pruebas t de muestras independientes se utilizan para otras variables clínicas. Las variables continuas se representan mediante medias y desviaciones estándar.
6. Realizar un análisis del coeficiente de correlación de Pearson para identificar las relaciones entre los valores de zReHo y los valores de zFC de diferentes regiones del cerebro y los datos de mediciones visuales mediante el uso de software estadístico.
   1. Obtención de señales de ROI de los valores de zReHo y zFC en cada participante mediante el software DPABI. Haga clic en Extractor de señales de ROI y Agregar directorio con el archivo ROI mask.nii.
      NOTA: Los valores de p de <0,05 deben considerarse estadísticamente significativos.

Results

En nuestro estudio, 16 individuos RP y 14 controles sanos estrechamente emparejados en edad, sexo y educación se sometieron a resonancias magnéticas funcionales en estado de reposo. Se utilizaron los métodos ReHo y FC para explorar la actividad neuronal intra e intersincrónica en individuos RP. Se observaron diferencias significativas en la AVMC entre el ojo derecho (P < 0,001) y el ojo izquierdo (P < 0,001), pero la diferencia de sexo, edad o peso entre los grupos no fue significativa.

...

Discussion

Este informe describe un protocolo para calcular los valores de ReHo y FC para los grupos RP y HC y mostró valores de ReHo y FC significativamente diferentes entre los dos grupos. En particular, un paso importante en este proceso es la clasificación y el cribado de las muestras antes del experimento. Cuando aplicamos este protocolo para nuestro propio análisis, todos los sujetos con RP fueron diagnosticados por dos oftalmólogos experimentados. Se excluyeron los pacientes con RP con otras...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Software BrainNet Viewer	Laboratorio Nacional Clave de Cognición, Neurociencia y Aprendizaje, BNU	BrainNet Viwer 2013	BrainNet Viewer es una herramienta de visualización de redes cerebrales para visualizar patrones de conectividad estructurales y funcionales
DPABI software	Instituto de Psicología, CAS, Pekín, China	DPABI 4.3	DPABI es una caja de herramientas para el procesamiento de datos y el análisis de imágenes cerebrales.
MATLAB	MathWorks, Natick, MA, EE. UU.	2013a	MATLAB es un lenguaje de computación técnica de alto nivel y un entorno interactivo para el desarrollo de algoritmos, la visualización de datos, el análisis de datos y el cálculo numérico.
Escáner de resonancia magnética	GE Healthcare, Milwaukee	Software MRI 3.0
SPM	Wellcome Centre for Human Neuroimaging, UCL	SPM8	SPM8 es una actualización importante del software SPM, que contiene importantes mejoras teóricas, algorítmicas, estructurales y de interfaz con respecto a las versiones anteriores.
La		SPSS versión 20.0	de SPSS ofrece análisis estadístico avanzado, análisis de texto, extensibilidad de código abierto, integración con big data e implementación sin problemas en aplicaciones.