Segmentación automática de la materia gris Cortical de las imágenes de T1-Weighted MRI

Este método puede responder a preguntas clave en los campos de neuroimagen y neurología. Por ejemplo, si hay diferencias de grupo en el volumen cortical para las poblaciones no clínicas frente a las clínicas. La principal ventaja de esta técnica es que permite a los investigadores utilizar la mejor herramienta para sus datos.

Para comenzar, abra primero el software SPM abriendo una ventana de comandos de MATLAB y escribiendo SPM en la línea de comandos. A continuación, para realizar una segmentación unificada, seleccione PET VBM para abrir la caja de herramientas de RMN estructural. Ahora, abra el editor de lotes para realizar la segmentación en varios exámenes a la vez.

Seleccione SPM, Espacial y Segmento, luego Datos, seleccione Archivos y elija los exámenes ponderados T1 como Entrada. A continuación, haga clic en Archivos de salida, Materia gris y asegúrese de que Espacio nativo está seleccionado, y repita esto para Materia blanca. Si no se requiere la segmentación de CSF, deje este conjunto en Ninguno.

Si los análisis ya se han corregido por sesgo, cambie esta opción a No guardar corregido. A continuación, utilice Limpiar cualquier partición y pruebe las tres opciones antes de ejecutar el análisis completo. Ahora, deje los otros ajustes establecidos en valores predeterminados y haga clic en la bandera verde para ejecutar la segmentación.

La ventana de MATLAB dirá Hecho cuando finalice la segmentación. Por último, realice el control de calidad visual en el archivo NIfTI de materia gris resultante. Para realizar la opción Nuevo segmento en SPM 8, seleccione primero PET VBM antes de abrir el editor de lotes.

A continuación, seleccione SPM, Herramientas, Nuevo segmento y seleccione los archivos de imagen T1 de formato NIfTI que se van a utilizar. Establezca la opción Tipo de tejido nativo en Espacio nativo y desactive Clases de tejido que no sean necesarias. Desactive también Tejido deformado y, a continuación, haga clic en la bandera verde para ejecutar la segmentación y realizar el Control de calidad visual cuando se haya completado.

Para realizar la segmentación en SPM 12 de nuevo, presione PET VBM y abra el editor de lotes. A continuación, seleccione SPM, Segmento espacial y Volúmenes de datos. A continuación, seleccione Tipo de tejido espacial nativo y desactive Clases de tejido innecesarias.

Establezca Tejido deformado en Ninguno y haga clic en la bandera verde. Una vez completada la segmentación, asegúrese de realizar el Control de calidad visual como se detalla en la siguiente sección de este protocolo. El control de calidad visual se puede realizar con FSLeyes.

Comience abriendo una ventana de terminal y, a continuación, abra FSLeyes escribiendo FSLeyes en el terminal. A continuación, seleccione Archivo, Agregar desde archivo y seleccione el T1 original y las regiones segmentadas para verlos. Una vez que se abra FSLeyes, utilice el conmutador de opacidad para permitir la visualización de la imagen T1 subyacente.

También cambie el color de la superposición de segmentación según sea necesario a través de la pestaña desplegable de color en el panel superior. Ahora, desplácese por cada sector del cerebro y compruebe si hay regiones de subestimación o sobreestimación en la región que se está inspeccionando. El control de calidad visual es un paso esencial para este procedimiento.

Al comparar las regiones segmentadas con el escaneo T1 original, puede asegurarse de que sus regiones son de alta calidad y de que sus conclusiones son biológicamente precisas. Para realizar el control de calidad visual de los datos de FreeSurfer mediante Freeview, abra una ventana de terminal y cambie el directorio a la carpeta de asunto que contiene la salida de FreeSurfer procesada. A continuación, escriba el comando visto en la pantalla aquí para ver la región de materia gris volumétrica superpuesta en el T1. Una vez más, desplázate por cada rebanada del cerebro y comprueba si hay regiones de subestimación o sobreestimación de la región cerebral que se está inspeccionando.

Aquí, vemos un ejemplo de una segmentación fallida mostrada en un escaneo T1. Esta segmentación debe volver a procesarse y excluirse del análisis si no se puede mejorar. Esta figura muestra ejemplos del rendimiento de diferentes herramientas en el lóbulo temporal en un escaneo T1.

Aquí se observan ejemplos de una buena delineación regional, mientras que aquí se muestran ejemplos de una delineación regional deficiente, que muestra un derrame en los lóbulos temporales izquierdo y derecho. Esta figura muestra ejemplos del rendimiento de diferentes herramientas en el lóbulo occipital en un escaneo T1. Aquí vemos el escaneo T1 con un ejemplo de una buena delineación regional, mientras que aquí hay un ejemplo de una pobre delineación regional, mostrando derrames en la dura medial.

Aquí vemos un ejemplo de una región de materia gris derramada en la dura, resaltada por la región azul. Esta figura muestra un ejemplo de una región de materia gris que ha excluido las regiones de la corteza de la segmentación, que se muestra mejor en la vista axial. Al intentar este procedimiento, es importante recordar probar diferentes herramientas en los datos y realizar visual Quality Control en los exámenes del proceso.

Después de su desarrollo, esta técnica allanó el camino para que los investigadores de neuroimagen estudiaran los cambios en el volumen cerebral a lo largo del tiempo sin necesidad de pruebas invasivas.