Co-análisis de la estructura y función cerebral mediante resonancia magnética funcional y la difusión de imágenes ponderado

El objetivo general del siguiente experimento es analizar simultáneamente la estructura y la función del cerebro mediante imágenes de resonancia magnética. Esto se logra mediante resonancia magnética de alto campo para obtener imágenes de la estructura de la materia blanca del cerebro con imágenes de espectro de difusión o DSI, y para medir la función cerebral con RMF audaz. A continuación, los datos DSI se procesan para producir estimaciones de difusión multidireccional en cada punto del cerebro.

Además, los datos de FMRI se analizan con el fin de producir regiones de interés para generar o seleccionar fibras virtuales de materia blanca. A continuación, las regiones de interés se alinean con los datos DSI, de modo que los datos funcionales y estructurales están en un espacio de imagen común. Por último, se realiza una tractografía sobre datos de difusión con el fin de estimar las vías de la sustancia blanca que conectan las regiones funcionales de interés. Se obtienen resultados que muestran el grado de conectividad anatómica entre las áreas cerebrales hipotetizadas como funcionalmente conectadas.

Basado en datos de tareas de FMRI. La evidencia convergente reciente ha sugerido que las operaciones cognitivas complejas son ejecutadas por redes de muchas regiones cerebrales que trabajan en conjunto en lugar de una sola área unitaria. Con el fin de especificar completamente estos sistemas computacionales, es necesario comprender la relación entre sus propiedades funcionales y estructurales mediante la combinación de resonancia magnética funcional.

Con las imágenes de resonancia magnética ponderadas por difusión, se puede examinar la conectividad de la red y cómo esto da lugar a un comportamiento humano complicado. La principal ventaja de esta tubería de resonancia magnética de difusión sobre los métodos estándar como las imágenes de tensor de difusión es que la combinación de imágenes ponderadas de difusión de alta resolución angular y reconstrucción sin modelo nos permite resolver mejor configuraciones complejas de fibras en el cerebro. Las implicaciones de esta técnica se extienden hacia la caracterización de las condiciones neuropsicológicas.

Por ejemplo, la prosopagnosia congénita en la que los individuos muestran deterioro en el reconocimiento facial. Utilizando la resonancia magnética de difusión estándar, se ha demostrado que los tractos de fibras de materia blanca proximales a las áreas de procesamiento de la cara se degradan en comparación con los controles normales. Al combinar la resonancia magnética estructural y funcional, se pueden identificar deficiencias estructurales en la fibra, específicamente en los nodos de conexión en la red de procesamiento facial.

Este método también se puede aplicar en el contexto clínico, como la planificación neuroquirúrgica. Los cirujanos utilizan el mapeo funcional para identificar el tejido de materia gris asociado con funciones cognitivas importantes con el fin de minimizar cualquier daño incidental durante la cirugía. Con información estructural adicional, como imágenes ponderadas por difusión, también pueden minimizar el daño a las estructuras críticas de la materia blanca que conectan estas áreas funcionales.

Por lo general, las personas nuevas en este método tendrán dificultades con el hecho de que no existe un solo paquete de software para realizar todos los pasos necesarios del procedimiento. Por lo tanto, los usuarios deben moverse entre varios programas mientras mantienen un formato de imagen común junto con una orientación y alineación consistentes. Nuestro protocolo incluye instrucciones detalladas para guiar a los usuarios a través de este procedimiento.

Los análisis de este tipo que consideran la estructura y la función en combinación son experimentos de extinción natural de imágenes funcionales que han identificado áreas cerebrales de Coved. En tareas de interés, la mayoría de los enfoques anteriores no han sido capaces de proporcionar información sobre la conectividad estructural, y eso es lo que añadimos en nuestro enfoque aquí en este protocolo. Se utiliza un escáner Siemens de tres Tesla para adquirir una imagen de espectro de difusión de 257 direcciones o un escaneo DSI con una bobina principal de matriz en fase de 32 canales, se requiere la alta intensidad de campo y la bobina de 32 canales para lograr la señal para este escaneo de alta resolución angular.

El método de imagen ponderado por difusión más utilizado es la imagen por tensor de difusión, o DTI, que utiliza una exploración de cinco a 10 minutos, que suele medir 64 direcciones o menos. Una limitación de DTI es su dificultad para resolver, atravesar y besar fibras, que se detectan mejor con una combinación de métodos de adquisición y reconstrucción de alta resolución como DS. Observo que el protocolo DSI requiere aproximadamente de 45 a 50 minutos de imágenes, y que la corrección de movimiento no se puede aplicar a los datos DSI. Por lo tanto, es aconsejable minimizar el movimiento mediante el uso de barras de mordida, acolchado de espuma u otras técnicas de estabilización, y para utilizar participantes altamente capacitados, se requiere equipo adicional para la RMF basada en tareas, como una pantalla compatible con RM y un sistema de respuesta de botón.

Antes de la exploración, asegúrese de obtener el consentimiento informado y de realizar una prueba de detección de RMN. Contraindicaciones. A continuación, informe al participante sobre la naturaleza de las exploraciones que se van a realizar, haciendo hincapié en la necesidad de permanecer quieto durante la exploración DSI. Una vez que el participante esté listo para comenzar, estabilice cómodamente la cabeza del participante y luego deslice la cama en el escáner, realice escaneos de exploración iniciales y calibración.

A continuación, alinee los cortes para la exploración DSI con las comisuras anterior y posterior y asegúrese de que los cortes para la exploración DSI cubran toda la carrera cerebral. El escaneo DSI mientras el sujeto se relaja en el escáner o mira una película en el sistema de presentación. Después de la exploración DSI, recopile una exploración anatómica ponderada T one para su uso posterior en el registro conjunto de los datos DSI con otros datos anatómicos o funcionales en la misma sesión de exploración o en una sesión de exploración separada.

También adquiera datos FMRI basados en tareas para el escaneo funcional de tareas conductuales. Instruya a los sujetos para que monitoreen la pantalla en busca de estímulos relevantes para la tarea y según sea necesario. Si la RMF se realiza en un día separado, obtenga otra exploración anatómica ponderada T one.

Este enfoque de procesamiento utiliza el análisis basado en la superficie de los datos de FMRI para generar ROI para la tractografía y permite una mejor visualización de las correspondencias entre los puntos finales de la tractografía y los ROI funcionales. Para comenzar el procesamiento, primero, envíe la imagen ponderada T one adquirida al algoritmo automatizado de Free Surfers, que realiza la segmentación anatómica de la materia gris y blanca y la reconstrucción de la superficie cortical. La salida también incluye una versión procesada del volumen anatómico a partir del cual se crearon las superficies, denominado volumen de superficie.

A continuación, preprocese los datos de FMRI en un acné. A continuación, importe la salida del surfista gratuito en summa a acne software y mapee los datos funcionales preprocesados en las superficies resultantes. Analice los datos de FMRI para generar mapas estadísticos a partir de los cuales se puedan crear ROI definidos funcionalmente para la tractografía T.

A continuación, expanda estos ROI funcionales basados en la superficie a la materia blanca mediante dilatación para maximizar el contacto con las líneas de corriente durante la tractografía. Por último, transforme el ROI dilatado de coordenadas de superficie a volumen y genere como archivos ingeniosos para procesar los datos de difusión. En primer lugar, identifique qué imágenes DICOM del conjunto de datos son otras imágenes B cero o de referencia, y conviértalas a un formato ingenioso.

A continuación, en DSI Studio, abra las imágenes DSI DICOM y combínelas para crear un archivo de origen y proporcionar una tabla de degradado. A continuación, aplique la máscara de reconstrucción predeterminada a la imagen de referencia y asegúrese de que abarque toda la materia gris sin incluir el espacio vacío, el cráneo o el tejido no cerebral. Edite la máscara necesaria.

Elija aquí un modelo de reconstrucción de alta resolución utilizando la varianza A-D-S-I-G-Q-I o GQI. Se utiliza la opción GQI. A continuación, cree un archivo de información de fibra para representar las principales direcciones de difusión en cada topillo.

A continuación, los ROI funcionales deben transformarse en espacio DSI. Utilice apni para alinear la imagen cero de DSIB con el volumen de la superficie anatómica de formato ingenioso. Invierta la matriz de transformación ALINE de 12 puntos resultante utilizando la alfombrilla para gatos de un programa para el acné.

A continuación, aplique la matriz invertida a las ROI funcionales para transformarlas en espacio DSI. El seguimiento de fibras con una semilla de cerebro completo es una forma rápida y eficaz de evaluar la calidad general de los datos. También presenta una oportunidad para determinar los valores de los parámetros globales, como el umbral de seguimiento, para comenzar, crear una región de semilla de cerebro completo.

A continuación, establezca un valor de umbral de seguimiento inicial para enmascarar los vóxeles de señal baja, así como el umbral de ángulo. Además, establezca el tamaño del paso de seguimiento en milímetros y el número deseado de fibras o puntos de semilla. Ahora realice una tractografía de todo el cerebro para verificar la calidad general de la reconstrucción de ODF.

A continuación, encuentre un umbral de seguimiento óptimo realizando de forma iterativa el seguimiento de todo el cerebro y ajustando el umbral de seguimiento. Encuentre un umbral que maximice la proporción de fibras que alcanzan la materia gris visualizando la superposición de la tractografía de todo el cerebro y una máscara de materia gris en la pista, las fibras ruidosas efervescentes se minimizan cuando el 90 al 100% de las fibras alcanzan la materia gris Además, verifique que el umbral de seguimiento enmascare el vóxel y el espacio vacío. Por ejemplo, la fisura longitudinal sin eliminar el vóxel, que claramente se encuentran en la sustancia blanca como una pista de verificación cruzada, un conjunto de fibras de control de un ROI anatómico en el polo occipital con una gran cantidad de semillas, por ejemplo, 500, 000.

Compruebe que este procedimiento produce aproximadamente el mismo número de fibras en todos los conjuntos de datos ahora que se han elegido los parámetros óptimos de tractografía. A continuación, realice una tractografía T restringida por el ROI para probar hipótesis sobre la conectividad entre regiones cerebrales funcionalmente definidas. Comience cargando el archivo fibonacci y cree una región semilla de cerebros completa en DSI Studio A continuación, cargue uno o más archivos ingeniosos de región de interés definidos funcionalmente y configúrelos como ROI en los establecedores de regiones de DSI Studio.

Los ROI requerirán que las líneas de aerodinámica pasen a través de ellos, establezcan el seguimiento y el umbral de ángulo utilizando parámetros previamente optimizados y realicen el seguimiento. Por último, guarde la salida de la tractografía como archivos TRK. A continuación, realice un análisis de densidad de puntos finales, que puede medir las correspondencias de conectividad estructural con ubicaciones espaciales precisas de activación funcional basada en tareas.

Para comenzar a cargar los ingeniosos ROI y los archivos TRK en el software track fz, realice operaciones booleanas entre regiones y guarde los resultados de cada operación como un nuevo archivo TRK. Utilice las funciones del kit de herramientas de difusión para transformar espacialmente los archivos TRK del espacio DSI al espacio de volumen de superficie con el fin de ver los datos de fibra sobre una capa subyacente anatómica de alta resolución, la transformación del archivo TRK y el volumen de la superficie en la visualización de la pista para inspeccionar los resultados como una medida de conectividad. Calcule el número total de puntos finales de fibra en un ROI normalizado por el volumen de ROI.

Aquí vemos una ilustración de resultados óptimos y subóptimos utilizando la tractografía cerebral completa. Las tres imágenes se basan en el mismo conjunto de datos DWI de 257 direcciones de un solo participante. Aquí se muestran los resultados óptimos.

Por el contrario, los resultados observados aquí muestran el efecto de los parámetros de tractografía excesivamente indulgentes. Aquí vemos la reducción de la calidad que resulta del uso de un solo modelo tensorial para reconstruir los datos de DWI. En esta figura, vemos un ejemplo de regiones activadas durante una tarea de percepción facial en la que se vieron imágenes de rostros y objetos cotidianos.

Al someterse a la exploración de FMRI de dos regiones temporales ventrales en el medio, el giro fusiforme y el giro occipital inferior mostraron respuestas negritas significativamente mayores para los rostros que para los objetos. La escena de la figura aquí muestra las conexiones entre la corteza visual, las regiones sensoriales y una región de control atencional en la corteza parietal posterior. Este panel muestra las ubicaciones aproximadas de las regiones de semillas V uno, V dos y V tres en rojo, verde y azul respectivamente.

La región de semillas PPC etiquetada como IPS one y las pistas de fibra que conectan estos tractos de regiones están coloreadas por el ROI occipital del que se asintieron. El panel B muestra las regiones definidas por la funcionalidad en IPS en marrón, V uno en rojo, V dos en verde y V tres en azul en la superficie cortical junto con los puntos finales de fibra en cada región. Una vez dominado, la adquisición de datos para un solo participante se puede lograr en 30 a 90 minutos.

La reconstrucción anatómica automatizada de la superficie suele tardar 16 horas, mientras que los datos ponderados por difusión pueden procesarse en menos de una hora. El tiempo para procesar y analizar los datos de RMF varía según la tarea conductual y los procedimientos experimentales. Los requisitos de tiempo de tractografía también varían de minutos a horas, dependiendo de los parámetros de seguimiento y las restricciones de la región de interés.

Al intentar este procedimiento, es importante recordar que el resultado de la tractografía puede ser susceptible tanto a falsos positivos como a falsos negativos. Evalúe siempre el resultado del seguimiento de sus fibras en el contexto de los hallazgos neuroanatómicos previos, o utilice metodologías convergentes como el análisis de conectividad funcional Después de este procedimiento. Se pueden realizar otros métodos como la clasificación de patrones en ubicaciones de fibras, el análisis espacial detallado de las distribuciones de puntos finales y el escaneo longitudinal de la integridad de la materia blanca para investigar más a fondo la relación con la estructura y función del cerebro.

Esta técnica ha allanado el camino para que los investigadores en el campo de la neurociencia cognitiva exploren las relaciones de estructura y función de forma no invasiva en humanos sanos y poblaciones clínicas. La conectividad estructural entre las regiones del cerebro puede servir para restringir las hipótesis sobre el flujo de información a través de las redes cerebrales que controlan comportamientos humanos complejos. Después de ver este video, debe comprender los pasos clave para reconstruir los datos de imágenes ponderadas por difusión y realizar tractografía de fibra.

También debe comprender la importancia de realizar controles de calidad y pruebas de parámetros iterativos para optimizar los resultados de seguimiento de la fibra. Finalmente, después de ver este video, debería tener una mejor comprensión de cómo relacionar la conectividad anatómica con las propiedades funcionales de las redes cerebrales.