Neuroscience

En standardisert rørledning for undersøkelse av humant cerebellargrå materiemorfometri ved hjelp av strukturell magnetisk resonansavbildning

Published: February 4, 2022 doi: 10.3791/63340

Rebecca Kerestes¹, Shuo Han², Srinivas Balachander³, Carlos Hernandez-Castillo⁴, Jerry L. Prince^5,6, Jörn Diedrichsen⁷, Ian H. Harding^1,8

¹Department of Neuroscience, Central Clinical School, Monash University, ²Department of Biomedical Engineering, The Johns Hopkins University, ³Department of Psychiatry, National Institute of Mental Health & Neuro Sciences (NIMHANS), ⁴Faculty of Computer Science, Dalhousie University, ⁵Department of Electrical and Computer Engineering, The Johns Hopkins University, ⁶Department of Computer Science, The Johns Hopkins University, ⁷Brain and Mind Institute, Department for Statistical and Actuarial Sciences, Department for Computer Science, Western University, ⁸Monash Biomedical Imaging, Monash University

Summary

En standardisert rørledning presenteres for å undersøke cerebellum grå materiemorfometri. Rørledningen kombinerer høyoppløselige, toppmoderne tilnærminger for optimalisert og automatisert cerebellum-parcellasjon og voxel-basert registrering av cerebellum for volumetrisk kvantifisering.

Abstract

Flere forskningslinjer gir overbevisende bevis for en rolle i cerebellum i et bredt spekter av kognitive og affektive funksjoner, som går langt utover sin historiske tilknytning til motorstyring. Strukturelle og funksjonelle neuroimaging studier har ytterligere raffinert forståelse av den funksjonelle nevroanatomien til cerebellum utover sine anatomiske divisjoner, og fremhever behovet for undersøkelse av individuelle cerebellar subenheter i sunn variasjon og nevrologiske sykdommer. Dette dokumentet presenterer en standardisert rørledning for å undersøke cerebellum grå materiemorfometri som kombinerer høyoppløselig, toppmoderne tilnærminger for optimalisert og automatisert cerebellum-parcellasjon (Automatic Cerebellum Anatomical Parcellation ved hjelp av U-Net Locally Constrained Optimization; ACAPULCO) og voxelbasert registrering av cerebellum (Spatially Unbiased Infra-tentorial Template; DRESS) for volumetrisk kvantifisering.

Rørledningen har bred anvendbarhet på en rekke nevrologiske sykdommer og er helautomatisk, med manuell inngripen som bare kreves for kvalitetskontroll av utgangene. Rørledningen er fritt tilgjengelig, med betydelig tilhørende dokumentasjon, og kan kjøres på Mac-, Windows- og Linux-operativsystemer. Rørledningen brukes i en kohort av individer med Friedreich ataksi (FRDA), og representative resultater, samt anbefalinger om gruppenivå inferential statistiske analyser, er gitt. Denne rørledningen kan lette pålitelighet og reproduserbarhet over hele feltet, og til slutt gi en kraftig metodisk tilnærming for karakterisering og sporing av cerebellar strukturelle endringer i nevrologiske sykdommer.

Introduction

Cerebellum er en del av hjernen historisk forbundet med motorstyring ^1,2,3 og antas å være integrert involvert i bare et lite sett med sjeldne sykdommer, som arvet ataksi⁴. Konvergerende forskningslinjer fra anatomiske sporingsstudier hos ikke-menneskelige primater, samt humane lesjons- og nevroimagingstudier, gir imidlertid overbevisende bevis for cerebellums rolle i et bredt spekter av kognitive ^5,6,7, affektive 8,9,10,11 og andre ikke-motoriske funksjoner ^7,12 (se 6 for gjennomgang). Videre er abnormiteter i cerebellum i økende grad involvert i et bredt spekter av nevrologiske og psykiatriske lidelser, inkludert Parkinsons sykdom¹³, Alzheimers sykdom^14,15, epilepsi ^16,17, schizofreni¹⁸ og autismespektrumforstyrrelse¹⁹ . Derfor har det blitt viktig å innlemme cerebellum i funksjonelle og strukturelle modeller av menneskelige hjernesykdommer og normativ atferdsvariabilitet.

Anatomisk kan cerebellum deles langs sin overlegne til dårligere akse i tre lober: fremre, bakre og flocculonodular. Lobene er videre delt inn i 10 lobler betegnet med romertall I-X^20,21 (figur 1). Cerebellum kan også grupperes i midtlinjesoner (vermis) og laterale (halvkule), som henholdsvis mottar innganger fra ryggmargen og hjernebarken. Den fremre loben, som består av lobler I-V, har tradisjonelt vært assosiert med motorprosesser og har gjensidige forbindelser med cerebral motorkortikas²². Den bakre lobe, bestående av lobules VI-IX, er primært forbundet med ikke-motoriske prosesser¹¹ og har gjensidige forbindelser med prefrontal cortex, bakre parietal og overlegen temporal cerebral cortices ^8,23. Til slutt har flocculonodular lobe, bestående av lobule X, gjensidige forbindelser med vestibulære kjerner som styrer øyebevegelser og kroppslikevekt under holdning og gang²¹.

En voksende kropp av nyere arbeid ved hjelp av funksjonell neuroimaging har ytterligere raffinert forståelsen av cerebellums funksjonelle nevroanatomi utover dens anatomiske divisjoner. For eksempel har hviletilstand funksjonell magnetisk resonansavbildning (fMRI) teknikker blitt brukt til å kartlegge mønsteret av funksjonelle interaksjoner mellom cerebellum og cerebrum²⁴. I tillegg, ved hjelp av en oppgavebasert pakketilnærming, viste King og kollegene⁷ at cerebellum viser et rikt og komplekst mønster av funksjonell spesialisering på tvers av bredden, noe som fremgår av distinkte funksjonelle grenser forbundet med en rekke motoriske, affektive, sosiale og kognitive oppgaver. Samlet fremhever disse studiene viktigheten av å undersøke individuelle cerebellar subenheter for å utvikle komplette biologiske karakteriseringer av cerebelluminvolvering i både sunn variasjon og nevrologiske sykdommer preget av endringer i cerebellar struktur og / eller funksjon.

Det nåværende arbeidet fokuserer på metoder for kvantifisering av lokale endringer i cerebellarvolum ved hjelp av strukturell MR hos mennesker. Generelt er det to grunnleggende tilnærminger til kvantifisering av regionalt hjernevolum ved hjelp av MR-data: funksjonsbasert segmentering og voxelbasert registrering. Funksjonsbaserte segmenteringsmetoder bruker anatomiske landemerker og standardiserte atlas for automatisk å identifisere grenser mellom underregioner. Vanlige programvarepakker for segmentering inkluderer FreeSurfer²⁵, BrainSuite²⁶ og FSL-FIRST²⁷. Imidlertid gir disse pakkene bare grove parcellasjoner av cerebellum (f.eks. merking av hele grå materie og hele hvitt materiale på hver halvkule), og dermed med utsikt over de enkelte cerebellar lobules. Disse tilnærmingene er også utsatt for feilsegmentering, spesielt overinklusjon av den omkringliggende vaskulaturen.

Nye maskinlærings- og multiatlasmerkingsalgoritmer er utviklet, som gir mer nøyaktig og finere kornet pakke av cerebellum, inkludert automatisk klassifisering av Cerebellar Lobules Algoritme ved hjelp av implisitt multi-grense evolusjon (ACCLAIM^28,29), Cerebellar Analysis Toolkit (CATK³⁰), Flere automatisk genererte maler (MAGeT³¹), Rask automatisk segmentering av det menneskelige cerebellum og dets lobules (RASCAL³²), grafkuttet segmentering³³ og CEREbellum Segmentering (CERES³⁴). I en nylig artikkel som sammenlignet toppmoderne helautomatiske cerebellum-pakketilnærminger, ble CERES2 funnet å overgå andre tilnærminger i forhold til gullstandard manuell segmentering av cerebellar lobules³⁵. Mer nylig utviklet Han og kollegene³⁶ en dyplæringsalgoritme kalt ACAPULCO (Automatic Cerebellum Anatomical Parcellation ved hjelp av U-Net med lokalt begrenset optimalisering), som fungerer på linje med CERES2, har bred anvendbarhet til både sunne og atrofierte cerebellums, er tilgjengelig i åpen kildekode Docker og Singularity containerformat for 'off-the-shelf' implementering, og er mer tidseffektiv enn andre tilnærminger. ACAPULCO parcellaterer automatisk cerebellum i 28 anatomiske regioner.

I motsetning til funksjonsbasert segmentering opererer voxel-baserte registreringsmetoder ved å tilordne en MR til et malbilde nøyaktig. Voxels i det opprinnelige bildet må for å oppnå denne tilordningen være forvrengt i størrelse og form. Størrelsen på denne forvrengningen gir effektivt et mål på volum ved hver voxel i forhold til gullstandardmalen. Denne formen for volumetrisk vurdering er kjent som 'voxel-basert ^{morfometri'37}. Voxel-baserte registreringsmetoder i hele hjernen, for eksempel FSL-FLIRT³⁸/FNIRT³⁹, SPM-enhetlig segmentering⁴⁰ og CAT12⁴¹, brukes ofte til voxelbasert morformetri. Disse tilnærmingene tar imidlertid ikke hensyn til cerebellum, noe som resulterer i dårlig pålitelighet og gyldighet i infratentoriale regioner (cerebellum, brainstem⁴²). For å ta høyde for disse begrensningene ble SUIT-algoritmen (Spatially Unbiased Infra-tentorial Template) utviklet for å optimalisere cerebellumregistrering og forbedre nøyaktigheten til voxel-basert morfometri^42,43.

Funksjonsbaserte segmenterings- og voxel-baserte registreringsmetoder for estimering av regionalt cerebellarvolum har grunnleggende styrker og svakheter. Segmenteringsmetoder er vesentlig mer nøyaktige for å kvantifisere volumet av anatomisk definerte områder (f.eks. lobules³⁵). Grenser mellom distinkte funksjonelle moduler i cerebellum kartlegges imidlertid ikke på dens anatomiske folia og sprekker (tilsvarende gyri og sulci i cerebrum⁷). Ettersom registreringsbaserte tilnærminger ikke begrenses av anatomiske landemerker, er finerkornet romlig slutning og høydimensjonal strukturfunksjonskartlegging av cerebellum mulig⁴⁴. Samlet sett er segmenterings- og registreringsmetoder komplementære til hverandre og kan brukes til å svare på forskjellige forskningsspørsmål.

Her presenteres en ny standardisert rørledning, som integrerer disse eksisterende, validerte tilnærmingene for å gi optimalisert og automatisert parcellasjon (ACAPULCO) og voxel-basert registrering av cerebellum (SUIT) for volumetrisk kvantifisering (figur 2). Rørledningen bygger på de etablerte tilnærmingene for å inkludere kvalitetskontrollprotokoller, ved hjelp av kvalitativ visualisering og kvantitativ ytre deteksjon, og en rask metode for å oppnå en estimering av intrakranielt volum (ICV) ved hjelp av Freesurfer. Rørledningen er helautomatisk, med manuell inngripen som bare kreves for å sjekke kvalitetskontrollutgangene, og kan kjøres på Mac-, Windows- og Linux-operativsystemer. Rørledningen er fritt tilgjengelig uten begrensninger for bruk til ikke-kommersielle formål og kan nås fra ENIGMA Consortium Imaging Protocols nettside (under "ENIGMA Cerebellum Volumetrics Pipeline"), etter at et kort registreringsskjema⁴⁵ er fullført.

All nødvendig programvare er oppført i materialfortegnelsen, og detaljerte opplæringsprogrammer, inkludert en live demonstrasjon, er tilgjengelige ved nedlasting av rørledningen, i tillegg til protokollen beskrevet nedenfor. Til slutt gis representative resultater, fra gjennomføringen av rørledningen i en kohort av personer med Friedreich ataxia (FRDA) og alder-og-kjønn-matchede sunne kontroller, sammen med anbefalinger for statistiske inferentialanalyser på gruppenivå.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

MERK: Dataene som ble brukt i denne studien var en del av et prosjekt godkjent av Monash University Human Research Ethics Committee (prosjekt 7810). Deltakerne ga skriftlig informert samtykke. Mens rørledningen kan kjøres på Mac-, Windows- eller Linux-operativsystemer, har ACAPULCO, SUIT og QC-rørledningene eksplisitt blitt testet på Linux (Ubuntu) og Mac (Catalina, Big Sur v11.0.1) operativsystemer.

1. Modul 1: ACAPULCO (anatomisk parcellasjon)

Datainnsamling
1. Samle 3D T1-vektede MR-bilder av hele hjernen med en oppløsning på 1 mm³ eller mindre. Isotrope vokseldimensjoner (vanligvis 1 mm x 1 mm x 1 mm) og en 3-Telsa (eller større) skanner anbefales. Rådfør deg med en bildespesialist på deres radiografisenter for å sette opp og innhente data som oppfyller disse spesifikasjonene.
  MERK: T2-vektede bilder er noen ganger nyttige for volumetriske analyser; Datasamlebåndet som presenteres her, er imidlertid bare avhengig av T1-vektede data, og noen av verktøyene som brukes, er eksklusive for denne typen data. T2-vektede bilder kan derfor ikke brukes.
2. Foreta en visuell kvalitetsvurdering av bilder for å utelukke grove cerebellar misdannelser (f.eks. store lesjoner) eller betydelige bevegelsesartefakter som forhindrer identifisering av store cerebellar landemerker (f.eks. de store anatomiske sprekkene). Ikke utelukke atrofiert cerebella automatisk, selv om det er betydelig.
3. For gruppestudier bør du også vurdere kvantitative kvalitetsvurderinger ved hjelp av fritt tilgjengelige, standardiserte verktøy som MRIQC⁴⁶ for å identifisere problematiske data ytterligere.
4. Konverter alle data til NIFTI-GZ-format ved hjelp av et verktøy som dcm2niix⁴⁷.
Anbefalt dataorganisasjon
1. Skaff deg all nødvendig programvare som er oppført i materiallisten. Kontroller at Docker⁴⁸ eller Singularity⁴⁹, Matlab⁵⁰ og SPM12⁵¹ er installert før du kjører rørledningen.
  MERK: Omfattende skriftlige veiledninger og videoopplæringer som beskriver rørledningen er også tilgjengelige (se materialfortegnelse).
2. Når all nødvendig programvare er installert, oppretter du mapper i arbeidskatalogen og merker dem 'acapulco', 'dress' og 'freesurfer'. Gjør dette ved hjelp av kommandoen mkdir fra kommandolinjen.
3. Opprett en utdatamappe i acapulco-katalogen. I utdatamappen oppretter du en katalog for hvert emne i studien som inneholder T1-vektet bilde i NIFTI-GZ-format.
  MERK: Det anbefales å oppbevare en kopi av de opprinnelige dataene et annet sted.
Anatomisk cerebellar parcellasjon ved hjelp av ACAPULCO
1. Gå til materiallisten og last ned de relevante skriptene og beholderne som kreves for å kjøre ACAPULCO (under acapulco pipeline-filer). I acapulco-katalogen plasserer du (i) ACAPULCO Docker OR Singularity-beholderen ('acapulco_0.2.1.tar.gz' eller '.sif', ),(ii) innholdet i QC_scripts arkivet (3 filer: QC_Master.R,' QC_Plots.Rmd og QC_Image_Merge.Rmd) og (iii) R.sif-filen (singularitet) OR calculate_icv.tar (docker).
2. Åpne en terminal, og kjør ACAPULCO-beholderen på ett enkelt bilde fra kommandolinjen (erstatt <
  > i følgende). Vent i ~ 5 min for at behandlingen skal fullføres.
  1. Bruk Docker til å skrive inn kommandoen:
    docker-belastning --input acapulco_0.2.1.tar.gz
    docker kjøre -v $PWD:$PWD -w $PWD -t --user $(id -u):$(id -g) --rm acapulco:latest -i output/<>/<>.nii.gz -o output/<>
  2. Bruk Singularity til å skrive inn kommandoen:
    singularitet kjør --cleanenv -B $PWD:$PWD acapulco-0.2.1.sif -i output/<>/<>.nii.gz -o output/<>
3. Sløyfe på tvers av alle motiver/skanninger i kohorten. Se materialtabellen for en kobling til nettstedet ENIGMA Imaging Protocols for nedlasting av datasamlebåndet (under ENIGMA Cerebellum Volumetrics Pipeline) og opplæringshåndboken som inneholder eksempler på hvordan du oppretter en for-loop for behandling av flere emner serielt.
4. Etter behandling ser du etter følgende filer som er generert i de emnespesifikke mappene:
  1. Identifiser "_n4_mni_seg_post_inverse.nii.gz": parcellated cerebellum maske i original (emnerom).
  2. Identifiser "_n4_mni_seg_post_volumes.csv": volumer (i mm³) for hver av de 28 underenhetene som genereres av acapulco;
  3. Identifiser representative bilder (i "pics"-katalogen): sagittal, aksial og coronal.
Statistisk outlier deteksjon og kvalitetskontroll (QC)
1. Fra terminalen og i katalogen 'acapulco' må du sørge for at innholdet i QC_scripts er i 'acapulco'-katalogen. Slik kjører du QC-skriptene:
  1. Bruk Docker til å skrive inn kommandoen:
    calculate_icv.tar
    docker kjøre -v $PWD:$PWD -w $PWD --rm -it luhancheng/calculate_icv:latest Rscript
    QC_Master.R-utgang/
  2. Bruk Singularity til å skrive inn kommandoen:
    singularitet exec -B $PWD:$PWD R.sif Rscript /path/to/QC_Master.R /path/to/acapulco/output
Undersøke QC-bildene generert av ACAPULCO
MERK: Det er en 3-trinns prosess for kvalitetskontroll av ACAPULCO-pakkede bilder.
1. Åpne 'QC_Images.html' i en nettleser og bla raskt (~ 10 s per emne) gjennom bildene for å identifisere åpenbare feil eller systematiske problemer. Legg merke til emne-IDene til mislykkede eller mistenkte pakkede bilder for oppfølging.
  MERK: Se figur 3 for en veiledning om nevroanatomien til cerebellar-lobuliene og figur 4, figur 5 og figur 6 i avsnittet om representative resultater nedenfor for eksempler på «gode» parcellasjoner, «subtile feilpakkeringer» og «global svikt»-parcellasjoner.
2. Åpne Plots_for_Outliers.html for å merke av for for kvantitative statistiske outliers. Se etter ytterpunkter (2,698 s.d over eller under gjennomsnittet) over eller under whiskers av boksen plott. Hold pekeren over datapunktene for å vise Emne-IDen. Identifiser ytterpunktene som er betegnet med 1 i den relevante kolonnen i «Outliers.csv»-filen, og noter det totale antallet segmenter identifisert som outliers for hvert emne i den siste kolonnen i Outliers.csv.
3. Kontroller hvert bilde manuelt med ett eller flere ytterpunkter. KRITISK: Bruk en standard NIFTI-bildeviser (f.eks. FSLEyes eller MRICron) til å legge ACAPULCO-masken over det opprinnelige T1w-bildet for å kontrollere kvaliteten på pakkestykket for stykke.
  1. Hvis du vil generere overlegg for detaljert QC fra kommandolinjen ved hjelp av FSLEyes, i) endrer du katalogen til acapulco-katalogen, ii) angir emnet som skal vises (erstatt ):
    subj=
  2. Kopier/lim inn følgende kode i terminalen (uten å endre {subj} manuelt, da dette er angitt av forrige linje:
    t1_image=utdata/${subj}/${subj}.nii.gz
    acapulco_image=utdata/${subj}/${subj}_n4_mni_seg_post_inverse.nii.gz
    fsleyes ${t1_image} ${acapulco_image} --overlayType label --lut random_big --outline --outlineWidth 3 ${acapulco_image} --overlayType volum --alfa 50 --cmap tilfeldig
    MERK: Det må tas en bestemmelse om å inkludere det unormale segmentet eller ikke, det vil si er det en pakkefeil, eller er det bare normal variasjon i individets anatomi? Hver parcellated region vurderes individuelt, slik at noen få regioner kan utelukkes for et bilde, mens resten kan beholdes hvis det er riktig.
  3. Må en eller flere parcellaterte regioner ekskluderes fra det endelige datasettet?
    Hvis Ja (det ytterste er bekreftet), utelater du denne parcellasjonen(e) fra analysen ved å erstatte volumestimatet med IT i den tilsvarende cellen i Cerebel_vols.csv-filen for dette emnet.
  4. Fører pakkefeil til at noe av cerebellumet blir ekskludert fra masken?
    Hvis Ja ( for eksempel hvis bestemte cerebellar lobules mangler fra masken eller vises "avskåret"), må du umiddelbart utelukke motivet fra ytterligere analyser (dvs. ikke fortsett å kjøre SUIT-modulen på disse emnene).

2. Modul 2: SUIT cerebellumoptimalisert voxelbasert morfometri

Voxel-baserte morfometrianalyser ved hjelp av SUIT
KRITISK: Denne rørledningen krever at ACAPULCO-modulen allerede er kjørt, da den er avhengig av genereringen av en subjektspesifikk cerebellar-maske for optimalisering av registrering og normalisering av cerebellum til SUIT-malen. Hvis den subjektspesifikke masken generert av ACAPULCO ikke inkluderer hele cerebellumet, garanterer dette utelukkelse fra SUIT-modulen. Hvis du vil ha instruksjoner om hvordan du kjører SUIT frittstående, kan du se⁵².
1. Skaff deg all nødvendig programvare som er oppført i materiallisten. Kontroller at SPM12-mappen og alle undermapper er i MATLAB-banen. Kontroller at enigma_suit skript lagres i spm12/toolbox-katalogen og legges til i MATLAB-banen. Hvis du vil kontrollere MATLAB-banen, skriver du inn pathtool i matlab-kommandovinduet, og deretter klikker du Legg til med undermapper for å legge til de relevante mappene.
2. Kjør SUIT-rørledningen for ett eller flere motiver. Vent i ~ 15-20 min (hvis du bruker det grafiske brukergrensesnittet [GUI]) og ~ 5-7 min hvis du kjører fra terminalen (bash / shell) for at behandlingen skal fullføres.
  1. Hvis du vil bruke GUI (emner kjøres serielt), skriver du inn kommandoen fra matlab-kommandovinduet:
    suit_enigma_all
  2. I det første popup-vinduet velger du emnemappene fra katalogen 'acapulco/output' som skal inkluderes i analysen. Klikk på de enkelte mappene til høyre i vinduet, eller høyreklikk og Merk alt. Trykk Ferdig. I det andre popup-vinduet velger du SUIT-katalogen, der analysene skal skrives.
  3. ELLER Kall funksjonen fra MATLAB-kommandolinjen for ett enkelt emne, skriv inn kommandoen:
    suit_enigma_all('/bane/til/acapulco/output/subjdir','/bane/til/suitoutputdir')
  4. ELLER Kall funksjonen fra terminalvinduet, utenfor MATLAB, for ett enkelt emne ved å skrive inn kommandoen:
    matlab -nodisplay -nosplash -r "suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir'), exit"
3. Se materialtabellen for en kobling til nettstedet ENIGMA Imaging Protocols for nedlasting av datasamlebåndet (under ENIGMA Cerebellum Volumetrics Pipeline) og opplæringshåndboken som inneholder eksempler på hvordan du oppretter en for-loop for behandling av flere emner serielt.
4. Se etter følgende punkter angående skriptet.
  1. Kontroller at skriptet kopierer det N4 biaskorrigerte, MNI-justerte (stive kroppen) T1-bildet og ACAPULCO cerebellummasken inn i utdatakatalogen.
  2. Kontroller at skriptet segmenterer det grå og hvite stoffet i cerebellum.
  3. Kontroller at skriptet korrigerer for overinklusjonsfeil i parcellasjonen ved hjelp av ACAPULCO-masken.
  4. Forsikre deg om at skriptet DARTEL normaliserer og videreplasserer dataene i SUIT-rommet med jakobiansk modulasjon, slik at verdien av hver voxel er proporsjonal med det opprinnelige volumet.
  5. Sjekk hvert emnes mappe for følgende endelige utganger: 'wd_seg1.nii' (grå materie) og 'wd_seg2.nii' (hvit materie).
Statistisk outlier deteksjon og kvalitetskontroll
1. Undersøk de normaliserte, modulerte bildene (wd*) visuelt for store feil. I MATLAB skriver du inn kommandoen:
  spm_display_4D
2. Velg wd*seg1-bildene manuelt fra undermappene, eller naviger til «dress»-katalogen. Sett inn ^wd.*seg1 i Filter-boksen (ingen anførselstegn) og trykk Rec-knappen . Trykk Ferdig.
3. Bla gjennom bildene for å sikre at alle er godt justert. Se figur 7 for riktig normaliserte bilder fra friske kontroller (A, B) og en person med et sterkt atrofisk cerebellum (D).
  MERK: På dette stadiet er anatomien mellom motivet veldig lik (ettersom de er registrert i samme mal), og volumforskjeller er i stedet kodet av forskjellige voxel-intensiteter. Store feil vil være åpenbare, for eksempel blanke bilder, store områder med manglende vev, uvanlige intensitetsgradienter (dvs. lyse voxels alle øverst, mørke voxels alle nederst). Disse bildene bør utelates fra de påfølgende trinnene.
4. Kontroller romlig kovarians for ytterpunkter. I MATLAB skriver du inn kommandoen:
  check_spatial_cov
  1. Velg wd*seg1-bildene i henhold til forrige trinn. Når du blir bedt om det, velger du følgende alternativer: Prop-skalering: Ja; Variabel som skal kovary ut: Nei; Stykke (mm): - 48 , Mellomrom: 1.
  2. Se på boksplottet som viser gjennomsnittlig romlig kovarians for hvert bilde i forhold til alle andre i eksemplet. Identifiser datapunkter som er >2s.d. under gjennomsnittet i matlab-kommandovinduet. For disse må du kontrollere bildet "_n4_mni.nii.gz" i SUIT-mappen for artefakter (bevegelse, anatomiske abnormiteter), problemer med bildekvaliteten eller forbehandlingsfeil.
  3. Hvis bildekvaliteten og forhåndsbehandlingen er akseptabel og visuell inspeksjon av de modulerte bildene i forrige trinn ikke indikerer et problem med segmentering og normalisering, beholder du disse dataene i eksemplet. Hvis ikke, utelater du disse dataene.

3. MODUL 3 (valgfritt): Intracranial Volume (ICV) estimering ved hjelp av FreeSurfer

MERK: Denne modulen vil bruke FreeSurfer-rørledningen til å beregne ICV. Det trenger ikke å kjøres på nytt hvis det finnes eksisterende Freesurfer-utganger for kohorten (noen versjon).

Sette opp FreeSurfer
1. Forsikre deg om at FreeSurfer er lastet ned og installert⁵³. Gå til materialfortegnelsen og last ned de relevante skriptene for å kjøre denne modulen (under ICV-pipelinefiler). Når du arbeider med FreeSurfer, angir du følgende variabler:
  eksporter FREESURFER_HOME=
  kilde $FREESURFER_HOME/SetUpFreeSurfer.sh
2. Erstatt i følgende:
  eksportere SUBJECTS_DIR=/gåte/Freesurfer
Kjøre Freesurfer autorecon1
1. For et enkelt emne skriver du inn kommandoen fra katalogen "freesurfer" (behandlingstid ~20 min):
  cd /gåte/freesurfer
  rekognoser -i .. /input/.nii.gz -s -autorecon1
2. Se opplæringshåndboken hvis du vil se eksempler på hvordan du oppretter en for-løkke for behandling av flere emner serielt.
Beregning av ICV
1. Organisering av data
  1. I "freesurfer"-katalogen plasserer du (i) Docker OR Singularity-beholderen som brukes i henholdsvis modul 1 ('calculate_icv.tar' eller 'R.sif', og (ii) xfm2det-skriptet (se materialtabellen). Deretter gjør du en git klone for å klone det nødvendige ICV-skriptet:
    git klone https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
2. Kjører ICV-ekstraksjon (behandlingstid ~5 min)
  1. Fra "freesurfer"-katalogen, med beholderen singularity ('R.sif'), skriver du inn:
    singularitet exec --cleanenv -B $PWD:$PWD R.sif calculate_icv/calculate_icv.py --freesurfer_dir=/path/to/freesurfer --acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv calculate_icv
  2. Skriv inn fra "freesurfer"-katalogen, med docker container:
    docker kjøre -v $PWD:$PWD -w $PWD -rm -it luhancheng/calculate_icv:latest
    calculate_icv/calculate_icv.py --freesurfer_dir=/bane/til/Freesurfer --
    acapulco_dir=/bane/til/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv
    calculate_icv
  3. Hvis du kjører skript uten beholder, kan du se materialfortegnelser for ekstra nødvendig programvare og avhengigheter. Skriv inn følgende fra "freesurfer"-katalogen:
    ./calculate_icv/ calculate_icv.py ---freesurfer_dir=/bane/til/freesurfer --
    acapulco_dir=/bane/til/acapulco/QC/Cerebelvolsfile --
    output_csv_name=Cerebel_vols.csv calculate_icv
    MERK: Dette beregner ICV for hvert emne og legger til en kolonne med ICV på slutten av "Cerebel_vols.csv" -filen.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Cerebellum-pakke (ACAPULCO)

Kvalitetskontroll av cerebellum parcellated masker:
Følgende eksempler viser ACAPULCO-parcellaterte utganger og veileder beslutningstaking om a) kvaliteten på den pakkede masken på individnivå og b) etterfølgende inkludering eller utelukkelse av en bestemt lobule (er) fra de statistiske analysene. Til syvende og sist er beslutningen om å inkludere eller ekskludere et emne subjektiv; Eksempler på 'gode parcellasjoner', 'subtile pakkefeil' og 'globale feil' fra en rekke sunne og kliniske grupper er gitt her.

Eksempler på "gode parcellasjoner" presenteres i figur 4, inkludert i sunn og tungt atrophied cerebella. I figur 5 er subtile over- og underinkluderinger av individuelle cerebellum-lobler avbildet. Dette er den vanligste typen pakkefeil og kan ikke oppdages som statistiske outliers i den kvantitative QC-protokollen. Denne typen feil krever vanligvis utelukkelse av de enkelte lobuliene som påvirkes, mens resten av det parcellaterte cerebellum ikke påvirkes og kan beholdes. I motsetning til dette krever 'Globale feil', som vist i figur 6, fullstendig utelukkelse av emnet.

Statistisk utgående deteksjon:
For å illustrere rørledningen ble ACAPULCO kjørt på et utvalg på 31 personer med FRDA (gjennomsnittsalder= 36,5 år; SD = 13,0 år, 14 kvinner) og 37 alders- og kjønnstilpassede sunne kontroller (HC) (gjennomsnittsalder = 37,1 år; SD =12,8 år, 17 kvinner) som tidligere beskrevet⁵⁵. I hele utvalget ble det påvist 18 lobler som statistiske ytterpunkter (<1 % av den totale prøven). Etter å ha utført detaljert QC på bildene, ble 17 outlier lobules fjernet fra gruppenivåanalyser ved å fjerne det individuelle lobulevolumet for de respektive emnene fra cerebellar volumes-filen på gruppenivå (dvs. den 'Cerebel_vols.csv' filen). Den gjenværende outlier ble ansett som ikke en segmenteringsfeil, men snarere på grunn av variasjon i individets cerebellum anatomi og ble derfor beholdt i analysen. Det var også to globale pakkefeil (1 FRDA-pasient). Grunnrenten for utelukkelse på tvers av alle cerebellum lobules (dvs. globale pakkefeil) var 1,5%. Tabell 1 viser eksklusjonsratene for hver av de 28 anatomiske ROIene. Venstre lobule IX og Høyre lobule Crus Jeg hadde de høyeste ekskluderingsratene.

Statistisk analyse på gruppenivå:
Totalt 66 forsøkspersoner (30 FRDA-pasienter) ble inkludert i gruppenivåanalysen. To-tailed Mann-Whitney uavhengige prøver tester ble utført for å teste for betydelige forskjeller i cerebellum lobule volumer mellom FRDA og HC. Resultatene viste signifikant redusert hvit materie i corpus medullare i FRDA vs. HC (p < 0,05, Bonferroni korrigert for 28 sammenligninger). Det var ingen andre signifikante forskjeller mellom gruppene. Se Supplerende tabell S1 for volumene til alle de 28 cerebellarunderenhetene i prøven.

Cerebellum voxel-baserte morfometrianalyser (SUIT)

Kvalitetskontroll:
Eksempler på veltilpassede bilder og eksempler på utelukkelser for både friske kontroller og kliniske grupper, inkludert FRDA og Spinocerebellar ataksi pateints, er vist i figur 7. SUIT-analyser ble kjørt på totalt 64 forsøkspersoner (28 FRDA; 36 HC) fra utvalget beskrevet ovenfor, etter utelukkelse av ytterligere to personer på grunn av ufullstendig hel cerebellar dekning i cerebellummasken.

Etter å ha testet den romlige kovariansen til alle normaliserte bilder i prøven i forhold til hverandre, ble to skanninger oppdaget som statistiske utgående basert på gjennomsnittlig romlig kovarians med resten av prøven (figur 8). Imidlertid indikerte visuell inspeksjon av både de originale og normaliserte bildene at selv om disse personene hadde en unik nevroanatomi, var det ingen signifikante gjenstander i noen av bildene, og behandlingstrinnene ble fullført normalt. Som sådan ble begge fagene beholdt i analysene.

Statistisk analyse på gruppenivå:
Bilder ble jevnet ut med en gaussisk kjerne på 3 mm full bredde ved halv maksimum (FWHM). Ikke-parametriske permutasjonstester ble utført i SnPM for å teste for signifikante forskjeller mellom grupper i cerebellumgrå materievolumer. Til dette formål ble 5000 permutasjoner kjørt, med en klyngedannende terskel på p < 0,001. Bilder ble eksplisitt maskert med SUIT grå materieatlas for å begrense slutningen til grå materieregioner. For å korrigere for hodestørrelse ble intrakranielt volum angitt som kovariat i modellen. Endelig slutning av grupperesultater ble utført ved p < 0,05, familiemessig feil (FWE) klyngenivå korrigert.

Sammenlignet med HC viste FRDA betydelig redusert grått materievolum i bilaterale fremre lobler I-V (venstre: x = -10, y = -46, z = -26; T = 5,61; Ke = 754; høyre: x = 10, y = -38, z = -21; T = 6,83; Ke = 569); og i medial posterior lobe regioner, inkludert Vermis VI, strekker bilateralt inn i Lobule VI (x = 3, y = -65, z = -20; T = 7,25) og Vermis IX som strekker seg bilateralt inn i Lobule IX (x = 3, y = -65, z = -20; T = 6,46; Ke = 3974; Figur 9).

Figur 1: Det menneskelige cerebellum. (A) En flatt representasjon av cerebellum og dets store sprekker, lober og lobler. Rød = fremre lobe (lobler I-V); krem = bakre lobe (lobler IV-IX); purple= flocculonodular lobe. Cerebellum kan deles inn i midtlinje "vermis" og laterale "halvkule" soner. Alle lobler er identifisert i vermis og halvkule. I lobule VII ekspanderer VIIAf i vermis på halvkule for å bli Crus I, lobule VIIAt på vermis blir Crus II på halvkule, og lobule VIIB beholder etiketten både i vermis og halvkule. (B) Topp: Cerebellum flatt kart som viser de anatomiske underenhetene til cerebellum i forskjellige farger. Bunn: en bakre visning av cerebellum. Dette tallet ble tilpasset fra ⁵⁶ og ⁵⁷. Klikk her for å se en større versjon av denne figuren.

Figur 2: Skjematisk illustrasjon av rørledningen. Det kreves et T1 MPRAGE-bilde med høy oppløsning. Det finnes tre moduler: ACAPULCO, SUIT og ICV. Rørledningen er helautomatisk (med unntak av manuell inngripen som kreves for QC av utgangene), er tilgjengelig i Docker- og Singularity-beholderformat, og tar omtrent 20 minutter å kjøre fra start til slutt, per emne. Klikk her for å se en større versjon av denne figuren.

Figur 3: ACAPULCO-pakke som demonstrerer hver av de 28 anatomiske underenhetene. Dette tallet ble tilpasset fra³⁶. Forkortelser: CM = corpus medullare; Ver = vermis; R/L = høyre/venstre. Klikk her for å se en større versjon av denne figuren.

Figur 4: Eksempler på "gode" cerebellum-parcellasjoner. Sagittal (x= 0) og coronal (y= -57) skiver vises. (A, B) Skyttene og koronalskivene som viser pakkemasker fra to sunne cerebellar. Algoritmen har lokalisert de enkelte underenhetsgrensene riktig, og den har ikke overinkludert den tverrgående sinusen til merking og kvantifisering av Crus I. (C) En tungt atrophied cerebellum av en SCA2 pasient. Her er atrofi tydelig langs hele omfanget av cerebellum, sulcien er bred, og det er mye manglende vev. Det er en liten overinklusjon av vaskulaturen i bakre lober som er mer uttalt på høyre side (gul pil). Bortsett fra denne overinklusjonen, har ACAPULCO fungert bra. Forkortelser: CM = corpus medullare; Ver = vermis; L/R = venstre/høyre. Klikk her for å se en større versjon av denne figuren.

Figur 5: Eksempler på cerebellar 'mis parcellations. ' (A) Skytten (x = 0) og koronalskiven (y = -57) som viser en pakkefeil hos en FRDA-pasient. Algoritmen har ikke fungert godt langs midtlinjen, og underinklusjoner av Crus I og II (rød pil) er tydelig langs bakre omfang. Disse lobuliene vil bli ekskludert fra påfølgende analyser på gruppenivå. (B) Skytten (x = 8), koronalskiven (y = -47) som viser en pakkefeil i et sunt cerebellar. Algoritmen har helt gått glipp av venstre lobule VIIIb (røde piler). Denne lobule vil bli utelukket fra påfølgende gruppenivåanalyser. (C) Sagittalskive (x= -24) og koronalskive (y= -47) som viser en pakkefeil i et sunt cerebellar. Noen cerebellar atrofi er til stede, og det er en underinklusjon av Crus I (rød pil). Forkortelser: FRDA = Friedreich ataksi; CM = corpus medullare; Ver = vermis; L/R = venstre/høyre. Klikk her for å se en større versjon av denne figuren.

Figur 6: Eksempler på 'globale feil' av cerebellar parcellation. (A) Sagittal slice (x = 0) og coronal slice (y = -57) som viser en pakkesvikt. Her er cerebellum bare delvis segmentert, og deler av occipital lobe har feilaktig blitt merket som cerebellum. Denne typen feil skyldes sannsynligvis et problem med overskriften til det opprinnelige bildet, noe som vil påvirke ACAPULCO-affintransformasjonen av bildet til verdenskoordinat og etterfølgende lokalisering av cerebellum. (B) Skytten (x = 0) og koronalskiven (x = -57) som viser en pakkesvikt hos en person med FRDA. Her har CM blitt fullstendig feilsegmentert. Algoritmen har merket CM på baksiden av hodet (rød oval), utenfor hjernen. Grensene for det hvite stoffet er ikke fanget og er feilmerket som grå materie, spesielt påvirker venstre lobules VIIIb og IX. Venstre lobule X har også blitt savnet (rød pil på coronal skive). Disse eksemplene tilsier umiddelbar utelukkelse fra gruppeanalyser for ACAPULCO- og SUIT-analyser. Forkortelser: CM = corpus medullare; Ver = vermis; L/R = venstre/høyre. Klikk her for å se en større versjon av denne figuren.

Figur 7: Fordreide og modulerte voxelbaserte morfometrikart. (A, B) Veljustert cerebellargrå materie fra to HCs. (C) Et cerebellum fra en HC som ble påvist som en statistisk outlier, men som ble beholdt i analysen. (D) Et attrophied cerebellum fra en person med FRDA. Cerebellum har blitt fordreid riktig til malen; Dette vil derfor ikke garantere utelukkelse. (E) En utelukkelse. Det er en gradering i kontrast fra toppen til bunnen av bildet som gjenspeiler en feil i behandlingen. (F) En hyperintenseplanartefakt nederst til høyre i bildet av ukjent opprinnelse krever utelukkelse. (G) Et eksempel på en sterkt atrofiert cerebellar av en SCA2-pasient. Cerebellum har blitt fordreid riktig til malen; Det er imidlertid mye manglende vev, noe som resulterer i lav kontrast. Dette ville ikke være en utelukkelse. (H) Eksempel på dårlig maskering som nødvendiggjør utelukkelse. Forkortelser: VBM = voxel-basert morfometri; HC = sunn kontroll; FRDA = Friedreich ataksi; SCA2 = Spinocerebellar ataksi 2. Klikk her for å se en større versjon av denne figuren.

Figur 8: Romlig kovarians av SUIT voxel-baserte morfometrikart. Boksplott som illustrerer den romlige kovariansen til de vokselbaserte morfometrikartene for en kohort på 64 (28 FRDA) forsøkspersoner. Romlig kovarians er et mål på hvor godt justert hvert bilde er, i forhold til alle andre bilder i prøven. Dataene er tett gruppert sammen med en gjennomsnittlig romlig kovarianskorrelasjon på ~ 0,95. Her ble to outliers (1 FRDA, 1 HC) oppdaget, som >2 SDs under gjennomsnittet. Forkortelser: FRDA = Friedreich ataksi; HC = sunn kontroll; SD = standardavvik; cont = kontroll. Klikk her for å se en større versjon av denne figuren.

Figur 9. Mellomgrupperesultater av en voxel-basert morfometrianalyse av cerebellar grå materiemorfometri. (A) Sagittal, (B) coronal, og (C) saltkartrepresentasjoner av voxel-nivå statistiske kart hos personer med FRDA vs. kontroller, kontrollere for ICV. Bare voxels som overlever p < 0.05 FWE klyngenivå korrigert, vises. Fargelinjen angir T-statistikk. Forkortelser: FRDA = Friedreich ataksi; ICV = intrakranielt volum; FWE = familiemessig feil. Klikk her for å se en større versjon av denne figuren.

Lobule	% utelukket
CENTIMETER	1.5
Venstre Kors I	2.9
Venstre kors II	2.9
Venstre I III	2.9
Venstre IV	1.5
Venstre IX	4.51
Venstre V	2.9
Venstre VI	1.5
Venstre VIIB	1.5
Venstre VIIIA	1.5
Venstre VIIIB	2.9
Venstre X	2.9
Høyre Kors I	6.02
Høyre kors II	2.9
Høyre I III	2.9
Høyre IV	1.5
Høyre IX	2.9
Høyre V	1.5
Høyre VI	1.5
Høyre VIIB	1.5
Høyre VIIIA	2.9
Høyre VIIIB	1.5
Høyre X	1.5
Vermis IX	1.5
Vermis VI	2.9
Vermis VII	1.5
Vermis VIII	1.5
Vermis X	1.5

Tabell 1: Cerebellar anatomiske lobler avledet fra ACAPULCO og eksklusjonsrater (%) i et utvalg på 31 personer med FRDA og 37 HCs. Forkortelser: FRDA = Friedreich ataxia; HC = sunne kontroller.

Supplerende tabell S1: Volumer (mm³) av 28 cerebellar anatomiske lobler i Friedreich Ataxia og friske kontrollpersoner.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Cerebellum er kritisk for et bredt spekter av menneskelig motor³, kognitiv⁵⁸, affektiv¹⁰ og språk ^7,59 funksjoner og er involvert i mange nevrologiske og psykiatriske sykdommer. Tilgjengeligheten av en standardisert og lett gjennomførbar tilnærming for kvantifisering av regionale cerebellar volumer vil bidra til stadig mer detaljert 'hele hjernen' struktur-funksjon kartlegging, komplett sykdom modellering, og forbedrede muligheter til å definere og spore cerebellar bidrag til hjernesykdommer. Denne standardiserte rørledningen som er beskrevet her, kombinerer toppmoderne tilnærminger for automatisk cerebellum-parcellasjon og finere kornet romlig profilering av cerebellar grå materiemorfometri i både helse og sykdom.

Resultatene av den tverrsnitts cerebellum parcellation analysen ved hjelp av ACAPULCO presentert her viste at personer med FRDA (vs. HC) hadde betydelig redusert hvite materievolumer. Disse funnene støtter tidligere studier av FRDA, som konsekvent viser tidlig, robust og progressivt volumtap i hvit materie, spesielt i dentate nuclei, i FRDA. Videre har mønsteret og omfanget av progressiv nevrodegenerasjon i de overlegne og dårligere cerebellar peduncles og dentate kjernen vist seg å variere som en faktor av utbruddet alder av FRDA⁴⁴. Resultatene fra SUIT-analysen avdekket ytterligere funn. Spesielt var det betydelig volumtap på voxel-nivå i FRDA (vs. HC) i fremre loberegioner som tilsvarer bilaterale lobler I-IV og Høyre V, som strekker seg inn i lobule VI. I tillegg viste SUIT-analysen betydelig volumtap i FRDA (vs. HC) i mediale bakre lobe-regioner, inkludert lobule IX, X og Vermis. Dette mønsteret av forskjeller mellom gruppene kan sammenlignes med tidligere publisert arbeid i samme kohort av FRDA-pasienter, ved hjelp av en helhjerne VBM-tilnærming⁵⁵.

Å definere cerebellariske abnormiteter ved nevrologiske og psykiatriske sykdommer er et høyt prioritert forskningsområde med translasjonell påvirkning. Medvirkende til å spore og behandle nevrologiske sykdommer - spesielt de der cerebellum er et primært sted for nevrodegenerasjon - er utviklingen av komplette biologiske karakteriseringer av cerebellum involvering. Rørledningen som presenteres her, gjør det mulig å utforske relasjoner mellom individuelle cerebellar lobule grå materiemorfometri og kliniske tiltak som brukes som "gullstandard" for kliniske endepunkter av sykdom som skal utforskes. Slik forskning kan ha en betydelig translasjonell innvirkning. For eksempel, i det sjeldne cerebellar sykdomsrommet, vil identifisering av en bestemt profil av cerebellar grå materieatrofi i en undergruppe av pasienter som kartlegger eller forutsier kliniske symptomer, ha implikasjoner for å veilede klinisk praksis. Inkluderingen av SUIT-modulen gjør det videre mulig å ta opp interessante forskningsspørsmål som strukturfunksjonskartlegging av cerebellum eller analyse av funksjonelle gradienter i cerebellum⁶⁰.

Generelle anbefalinger for statistiske analyser på gruppenivå
ACAPULCO: Volumer av hver cerebellar lobule (i mm³) for hvert emne registreres i Cerebel_vols.csv. Under statistisk inferens av effekter på gruppenivå bør intrakranielt volum (ICV, også registrert i Cerebel_vols.csv) kontrolleres for å ta høyde for variasjon i hodestørrelse. Alfa-signifikansterskler bør korrigeres for å ta hensyn til slutning på tvers av flere lobules.

DRESS: Grå materie cerebellar VBM kan utføres på wdseg1.nii bilder ved hjelp av standard MR-behandling programvare som SPM eller FSL. Se CAT12-håndboken for en utmerket introduksjon til VBM ved hjelp av SPM12⁵⁴. ICV bør kontrolleres for å ta hensyn til variasjon i hodestørrelse.

For VBM i cerebellum anbefales det vanligvis å bruke en gaussisk romlig utjevningskjerne på ikke mer enn 3 mm full bredde ved halv maksimum (FWHM). Passende statistisk korrigering må brukes for å ta hensyn til flere sammenligninger på tvers av voxels. Generelt anbefales det å bruke ikke-parametriske tilnærminger (f.eks. SnPM eller FSL-Randomise).

Det mest kritiske trinnet for vellykket parcellasjon av cerebellum ved hjelp av ACAPULCO er generell kvalitetssjekk av T1-bildene før og etter behandling. Det anbefales på det sterkeste at brukeren ser etter bilder med dårlig kontrast (f.eks. en inkonsekvent gradient over bildet) og alvorlig helling av hode- og bevegelsesartefakter, som alle kan påvirke algoritmens ytelse. I tillegg, mens ACAPULCO-algoritmen er opplært på atrofiert cerebellar, har den ikke blitt opplært på lesjonsdata. Det forventes at lesjoner i hjernebarken ikke forventes å påvirke ytelsen til algoritmen og etterfølgende nøyaktighet av parcellasjonen; Imidlertid vil store infarkter i cerebellum sannsynligvis gi pakkefeil. Kvalitetskontroll av cerebellum maske etterbehandling er viktig. Mindre pakkefeil (f.eks. mindre under- og overinklusjoner av cerebellum-lobler) oppdages noen ganger ikke som statistiske outliers; På den annen side kan det oppstå forekomster av uriktige avvik der data er innenfor det normale området, til tross for en åpenbar pakkefeil. Hvis et emne identifiseres som et ytterpunkt, er det viktig å utføre oppfølging, detaljert kvalitetssjekk av cerebellummasken stykke for stykke for å veilede beslutningstaking om å inkludere eller ekskludere lobule(e) for det emnet. Et annet kritisk trinn når du kjører SUIT-rørledningen (modul 2), er at den krever at ACAPULCO-modulen allerede er kjørt. Spesielt krever SUIT cerebellummasken produsert i ACAPULCO for å kjøre cerebellumisolasjon og segmentering. Det er viktig at cerebellummasken kvalitetssjekkes for å sikre full cerebellar dekning.

Det er noen begrensninger i protokollen. For det første, mens ACAPULCO oppnår toppmoderne nøyaktighet for cerebellar grå materie parcellasjon, er den ikke optimalisert for white matter parcellation; corpus medullare dekker hoveddelen av det hvite stoffet, men gir ikke et mål på alt det hvite stoffet. For det andre generaliserer ikke de konvolusjonelle nevrale nettverkene som brukes til å lokalisere og segmentere cerebellum i ACAPULCO, godt til bilder med forskjellige kontraster eller bilder som ikke ble brukt i trening. For eksempel, fordi bare 3T-bilder ble brukt i trening, er pakkekvaliteten ved hjelp av bilder som er anskaffet på en 1,5 T-skanner vanligvis ikke så god; Videre er det ingen statistikk med hensyn til grunnsannhet som er utført på disse bildene. Til slutt kontrollerer rørledningen for de forvirrende effektene av hodestørrelse på cerebellumvolumestimater ved å gi et estimat av ICV som kan inkluderes som en regressor av ingen interesse for statistiske analyser på gruppenivå. En ideell tilnærming vil imidlertid være å beregne ICV-korrigerte cerebellumvolumer på individnivå før du kjører QC, slik at oppdagede outliers gjenspeiler en ekte pakkefeil og ikke naturlig variasjon i fagenes nevroanatomi (f.eks. å ha et stort hode).

Til slutt presenterer vi en standardisert rørledning for å undersøke cerebellum grå mater morfometri, som har bred anvendbarhet til en rekke nevrologiske sykdommer. Rørledningen er satt opp for å muliggjøre store multisite studier og "megaanalyser" og er offentlig tilgjengelig for bruk av forskningsgrupper for å lette pålitelighet og reproduserbarhet på tvers av feltet. Til syvende og sist gir denne rørledningen en kraftig metodisk tilnærming for videre karakterisering og sporing av cerebellar strukturelle endringer med sykdomsprogresjon ved nevrologiske sykdommer. Det utvikles for tiden en langsgående rørledning.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingen interessekonflikter å avsløre.

Acknowledgments

Arbeidet som ble presentert i dette manuskriptet ble finansiert av et australsk nasjonalt helse- og medisinsk forskningsråd (NHMRC) Ideas Grant: APP1184403.

Materials

Name	Company	Catalog Number	Comments
ACAPULCO pipeline files	0.2.1	http://enigma.ini.usc.edu/protocols/imaging-protocols/	Please make sure to use acapulco version 0.2.1
Docker for Mac		https://docs.docker.com/desktop/mac/install/	macOS must be version 10.14 or newer Docker requires sudo priviledges Docker imposes a memory (RAM) constraint on Mac OS. To increase the RAM, open Docker Desktop, go to Preferences and click on resources. Increase the Memory to the maximum
Docker for Windows		https://docs.docker.com/docker-for-windows/install/
ENIGMA SUIT scripts		http://enigma.ini.usc.edu/protocols/imaging-protocols/
FreeSurfer	7	https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall	Following variables need to be set everytime you work with Freesurfer: export FREESURFER_HOME=freesurfer _installation_directory source $FREESURFER_HOME/SetUpFreeSurfer.sh
export SUBJECTS_DIR=path/enigma/Freesurfer
FSL (for FSLeyes). Optional	6	https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation
ICV pipeline files		http://enigma.ini.usc.edu/protocols/imaging-protocols/	ICV pipeline can be run in two ways: 1) with docker/singularity. You will not require additionl software; 2) without docker/singularity- this involves running the ICV script (calculate_icv.py) manually. You will require the following additional software: Python version =3.5 Python module pandas Python module fire Python module tabulate Python module Colorama
		https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
MATLAB*	2019 or newer	https://au.mathworks.com/	An academic license is required
Singularity	3.7 or newer	https://www.sylabs.io/docs/	Prefered for high performance computing (HPC) clusters
SPM	12	http://www.fil.ion.ucl.ac.uk/spm/software/spm12/	Make sure spm12 and all subfolders are in your MATLAB path
SUIT Toolbox	3.4	http://www.diedrichsenlab.org/imaging/suit_download.htm	Make sure you place SUIT toolbox in spm12/toolbox directory
Troubleshooting manual and segmentation output examples		http://enigma.ini.usc.edu/protocols/imaging-protocols/
Tutorial manual and video		http://enigma.ini.usc.edu/protocols/imaging-protocols/	Manual and accompanying live demonstration provide detailed step-by-step instructions on how to run the pipeline from start to finish.
*Not freely available; an academic license is required