Summary
このプロトコルでは、灰白質の量の定量化のため使用することができます灰白質領域を線引きしたりする構造の T1 強調 MRI スキャンに 7 つの異なる自動セグメンテーション ツールを適用するプロセスについて説明します。
Abstract
ニューロ イメージング研究に多くの最近の研究は脳のボリュームを生成する異なるセグメンテーション ツールの使用に起因すると考えられている容積の調査結果の研究の間の違いの影響について説明しました。ここでは、脳の灰白質をセグメントに使用できる 7 つの自動化ツールの処理パイプラインが掲載されています。プロトコルは、T1 強調 MRI スキャンから灰のボリュームを生成するための最も正確な方法を見つけることを目指して研究者の最初のステップを提供します。詳細なビジュアル品質管理を実施する手順は、原稿にも含まれます。このプロトコルは潜在的なセグメンテーション ツールの範囲をカバーし、におけるコホートに適用する 1 つを選択する前に、データのサブセットの内でこれらのツールのパフォーマンスを比較するユーザーを奨励します。さらに、プロトコルは他の頭脳領域のセグメンテーションをさらに一般化することがあります。
Introduction
ニューロ イメージングは、両方の臨床で広く使用されて、設定を研究します。磁気共鳴画像 (MRI) スキャンから脳の容積を定量化研究の再現性を改善するために現在の動きがあります。したがって、捜査官が標準化と方法1の最適化を改善するために mri を分割、地域のボリュームの使用可能な mri 検査ツールを使用しての経験を共有することが重要です。このプロトコルでは、T1 強調 MRI スキャンから皮質の灰白質 (CGM; 除く皮質灰白質) をセグメント化する 7 つの異なるツールを使用するためのステップ バイ ステップ ガイドを提供します。これらのツールは、セグメンテーションの方法2ハンチントン病コホートのツール間の変数のパフォーマンスを実証の方法論的比較で以前使用されました。以来、これらのツールのパフォーマンスが異なるデータセット間で異なると考えられ、研究者のツールの数をデータセットに適用する 1 つだけを選択する前にテストすることが重要です。
灰白質 (GM) ボリュームは脳形態の測定として定期的に使用されます。体積測定は、一般的に信頼性が高く、健常者と臨床グループ3の間で区別することができます。脳領域の異なる組織型のボリュームは、よくこれらのティッシュのタイプを識別する自動化されたソフトウェア ツールを使用して計算されます。したがって、GM の高品質鮮明 (区切り) を作成する白質 (WM) と脳脊髄液 (CSF) の正確な描写は、GM 領域の精度を達成するために重要です。GM セグメンテーションを実行するために使用可能性があります、自動化されたツールの数がある、それぞれは別の処理手順を必要とし、異なる出力が得られます。多くの研究は、他の人にそれらを比較する異なるデータセットにツールを適用した、いくつかは特定のツール1,4,5,6,7,8 を最適化しています。 ,9,10,11。体積ツール間の可変性は文献内の不一致することが脳の容積を勉強するときは、これらの違いについて描かれている偽の結論の要因として示唆されている前の仕事を示しています。神経学的な条件1。
最近では、健常者の参加者とハンチントン病と参加者の両方含まれているコホート研究における異なるセグメンテーション ツールの比較を行った。ハンチントン病は、成人期の典型的な発症に遺伝的神経変性疾患です。皮質下の徐々 に萎縮と CGM は病気の顕著なよく研究神経病理学的機能です。結果は、コホート、mri からの脳の体積を計算するために使用するソフトウェアによって所見の変動を示した前の作業支援に適用された分割ツールは 7 種類の変数のパフォーマンスを実証しました。このプロトコルはジョンソンらで使用される処理に関する情報を提供します(2017)2神経イメージング研究で使用するための最も適切なツールを慎重に方法論的選択を奨励します。このマニュアルは、GM ボリュームの分割をカバーして、病変、多発性硬化症で見られるなどのセグメンテーションでは扱いません。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
注: は、すべての画像が NifTI 形式であるを確認します。NifTI への変換はここでは扱いません。
1. セグメンテーションによるSPM 8: セグメントを統合
注: この手順を SPM8 Matlab 内で動作する gui 実行します。SPM8 ガイドさらなる詳細とで見つけることができます提供します: http://www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf。
- SPM8 がインストールされ、ソフトウェアのパスに設定されていることを確認します。
- SPM のセグメンテーションは、GUI を使用して実行されます。SPM を開く、コマンド ウィンドウを開き、コマンドラインに 'spm' を入力します。
- 'ペット & VBM' を押す構造 MRI ツールボックスを開く。
- 'バッチ' バッチ エディターを開くを押します。これはセグメンテーションでは一度に複数のスキャンで実行することができます。
- 選択 ' SPM |空間 |セグメント '。
- クリックして ' データ |ファイルの選択します。入力として T1 強調スキャンを選択します。
注: ファイルは、'.nii' をされている拡張子の解凍された NifTi ファイルをする必要があります。 - クリックして ' 出力ファイル |グレー問題 'と' ネイティブ スペース ' が選択されていることを確認、白質と同じか。CSF のセグメンテーションが必要ない場合 'None' とままにします。
- スキャンでは、バイアス修正済み、'' を修正保存しないでください 'バイアス修正' オプションを変更します。'任意のパーティションをクリーンアップする」オプションでは、3 つの異なるオプションをテストし、視覚的品質管理 (QC、セクション 8) データの最高の作品を決定するを使用します。
- その他の設定は既定値のままにします。分割を実行する緑色の旗をクリックします。
注: これは、参加者ごとに約 5 分かかります、コマンド ・ ラインと言うだろう、' を実行しているセグメント '。終了すると、"Done"コマンド ウィンドウが表示されます。 - セクション 8 で説明されているように GM (C1*.nii ファイル) に visual QC を実行します。
2. 分割 SPM 8: 新しいセグメント
注: この手順を SPM8 GUI を介して実行します。SPM8 ガイドさらなる詳細とで見つけることができます提供します: http://www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf。SPM8 がインストールされ、ソフトウェアのパスに設定されていることを確認します。コマンドラインに"spm"を入力することによって通常実行されます SPM ソフトウェアを開きます。分析を実行する選択ことができるオプションの範囲でグラフィカル ユーザー インターフェイス (GUI) ウィンドウが開きます。
- 'ペット & VBM' を押してください。
- 'バッチ' バッチ エディターを開くを押します。
- 選択 ' SPM |ツール |新しいセグメント ' バッチ ウィンドウで。T1 画像ファイル (拡張子 '.nii') を選択します。
- 'ネイティブの組織型' を 'ネイティブ空間' に設定します。必要に応じて、別の組織をオフにする (CSF) などクラス - 不要な場合 - 'None' に設定することにより。'ゆがんだ組織' を 'None' に設定します。
注: 他のすべてのオプションは、既定の設定として残すことが。 - 分割を実行する緑色の旗をクリックします。
注: コマンド行と言うが、' を実行する新しいセグメント '。一度 MATLAB コマンド ラインと言う、' 新しいセグメントの実行 ' を実行が終了します。 - セクション 8 で説明されているように GM (C1*.nii ファイル) に visual QC を実行します。
3 分割 12 SPM: セグメント
注: この手順は、実行を介してSPM12 GUI です。SPM12 ガイドは、さらなる詳細で見つけることができます: http://www.fil.ion.ucl.ac.uk/spm/doc/manual.pdf。
- 'Spm' をコマンド ウィンドウに入力して SPM ソフトウェアを開きます。分析を実行する選択ことができるオプションの範囲でグラフィカル ユーザー インターフェイス (GUI) ウィンドウが開きます。
- 'ペット & VBM' を押してください。'バッチ' バッチ エディターを開くを押します。
- クリックして ' SPM |空間 |セグメント '。クリックして ' データ |ボリュームの。
- 'ネイティブの組織型' を 'ネイティブ空間' に設定します。'None' に設定することにより (CSF) など必要のない組織クラスの電源を切ります。'ゆがんだ組織' を 'None' に設定します。
注: 他のすべてのオプションは、既定の設定として残すことが。 - 分割を実行する緑色の旗をクリックします。
注: コマンド ウィンドウが表示されます: '実行セグメント'。実行が完了すると、それが表示されます: 'セグメントを行う'。 - セクション 8 で説明されているように GM (C1*.nii ファイル) に visual QC を実行します。
4. 分割高速 FSL
注: この手順は、コマンド ・ ラインで行われます。FSL ガイドさらなる詳細とで見つけることができます提供します: https://fsl.fmrib.ox.ac.uk/fsl/fslwiki。
- ベット脳抽出を実行します。これは、異なるデータセット用に最適化する必要がありますが、基本的なコマンドは。
T1_ID.nii bet_T1_ID.nii を賭ける - FSL 高速セグメンテーションを実行します。
高速 bet_T1_ID.nii
注: これは出力部分のボリューム マップとバイナリの領域 GM、脳脊髄液、及び WM. の - GM 領域で視覚的 QC を実行 (ファイル終端 * _pve_1.nii.gz) セクション 8 で説明されているようです。
5. な分割
注: この手順は、コマンド ・ ラインで行われます。な説明ではさらなる詳細とで見つけることができます: https://surfer.nmr.mgh.harvard.edu/。
- データが入力して、ディレクトリを設定します。
SUBJECTS_DIR =/パス/を/新居/ファイルをエクスポートします。 - コマンドを実行することにより、分割を実行します。
偵察-すべて-i T1_ID.nii subjid - T1_ID-autorecon1-cw256
偵察-すべて-subjid T1_ID-autorecon2-autorecon3
注: コマンド > 参加者につき 10 h を取る。フラグ処理のためこのサイズに 256 を超えるフィールドの表示とスキャンをトリミングする必要が-cw256。 - チェックにあるスクリプトを見て、処理が正しく完了したこと、「出力フォルダー |スクリプト |偵察-all.log'。最後の行が '偵察オールの T1_ID エラーなしで完了した' を言うことを確認します。
- GM の地域セクション 8 で説明されているようにビジュアル品質管理を実行します。
6. アリによるセグメンテーション
注: この手順は、コマンド ・ ラインで行われます。アリより複雑なソフトウェア手順をここで説明、他のツールとそれを注意する必要があります可能性がありますさらに行わなければ各コホートの結果を改善するためです。アリのドキュメントで見つけることができます: http://stnava.github.io/ANTsDoc/。組織クラス以下のように画像を分割する 2 つの方法があります。
- 最初のメソッドを使用して、既定の設定と組織の前科を含む 'antsAtropos.sh' コマンドを実行します。
注: これは多くの場合も特にときのみ 3 組織クラスは必要ですを実行: GM、WM、他。- コマンドを入力して、パスをアリ ソフトウェアに設定します。
ANTSPATH =/パス/を/アリ/bin をエクスポート/ - コマンドを入力してセグメンテーション パイプラインを実行します。
antsAtroposN4.sh -d < image_dimension > - < t1.nii.gz >-c < 組織クラスの数 > -o < 出力 >- このコマンドの省略可能な引数は次のとおりです。
脳マスク: x < mask.nii.gz >;
組織前科:-p < segmentationPriors%d.nii.gz >。
- このコマンドの省略可能な引数は次のとおりです。
- 部分的なボリューム マップと抽出した脳を含む出力フォルダーが作成されます。GM の地域セクション 8 で説明されているようにビジュアル品質管理を実行します。
- コマンドを入力して、パスをアリ ソフトウェアに設定します。
- 多くの組織のクラスを生成する (CSF、WM、皮質下 GM GM他等) または神経病理学を示すコホートでセグメンテーションを実行、特定の組織の前科を使用します。組織前科を別の web サイトからダウンロードします。また、前科に研究に固有のテンプレートを使用する-これははるかに複雑が脳の病理学的変化とのコホートで特に有益であることができます。
- 試験特有のテンプレート/事前分布を作成するには、研究に固有のテンプレートをまず作成します。
antsMultivariateTemplateConstruction.sh -d < image_dimension >-o テンプレート < 他のオプション >< images.nii.gz >- このコマンドの省略可能な引数は次のとおりです。
-c: 並列計算の制御。
直列で実行される場合、0; を使用します。-j: コア数-r: は、テンプレート (デフォルトは 0) を作成する前に入力の剛体登録を行う - 0 1 = = の = =。これは、初期テンプレートが利用できない場合にのみ役立ちます。
- このコマンドの省略可能な引数は次のとおりです。
- ダウンロード、brainmask と前科アリのウェブサイトから。
注: このマスクを編集して、テンプレートの脳の良い近似になっているかどうかを確認する必要があります。Brainmask はパイプラインの最も重要な部分の 1 つそれは貧しい脳抽出/アトロポスが不十分な実行されます。いくつかのダウンロード オプションは次のとおりです。
https://figshare.com/articles/ANTs_ANTsR_Brain_Templates?915436。
ダウンロードしたテンプレートは、研究テンプレートに登録されている必要があります。 - 研究固有のテンプレート領域に変換する、ダウンロードしたテンプレートに適用することができますワープのシリーズの出力は登録を計算します。登録を計算するには、コマンドを使用します。
antsRegistrationSyNQuick.sh -d 3 -f template.nii.gz -m downloaded_template.nii.gz -o downloaded_to_template - n 6- このコマンドのオプションは次のとおりです。
-d: 次元 (すなわち、 3 D スキャンになる '3');-f: 固定イメージ (すなわちイメージが終わるために必要な容量);-m: 移動イメージ (すなわちイメージを移動する必要がある);-o: 出力の名前です (拡張子は必要ありません);-n: スレッドの数。
- このコマンドのオプションは次のとおりです。
- データに登録を適用します。
antsApplyTransforms d 3 -i downloaded_template.nii.gz - r template.nii.gz -o downloaded_to_template.nii.gz -t downloaded_to_template1Warp.nii.gz t downloaded_to_template0GenericAffine.mat。- このコマンドのオプションは次のとおりです。
-d: 次元 (すなわち、 3 D スキャンになる '3');-i: 入力イメージ (すなわちイメージを移動する必要がある);-r: 参照イメージ (すなわち、参照イメージの間隔、起源、サイズ、出力ゆがんだ画像の方向性を定義する);-o 出力名、研究固有のテンプレート空間 (この場合必要に応じて拡張子) でダウンロードしたテンプレート-t 変換ファイル名、登録計算からの出力ファイルです。
- このコマンドのオプションは次のとおりです。
- 視覚研究固有のテンプレートとダウンロードしたテンプレート (これを行うにダウンロードしたテンプレート上に研究に固有のテンプレートを開く) 間の通信のための登録を確認します。
- 登録してきました場合、ダウンロードした事前分布に変換を適用し、6.2.5 の手順を繰り返して、テンプレート脳を抽出します。
注: 次の手順があります研究固有のテンプレート、ダウンロードした脳抽出マスクと一緒に揃えてダウンロードしたテンプレートと組織前科も研究に固有のテンプレートを揃えて研究固有のテンプレート。 - AntsCorticalThickness.sh; を通じて研究の特定のテンプレートを実行します。これは、GM、WM、および CSF 領域試験特有の前科に使用することができますを提供します。
antsCorticalThickness.sh -d 3-template.nii.gz -e downloaded_to_template.nii.gz -m downloaded_binarised_template_extracted_brain_in_studyspace.nii.gz p downloaded_labelsPriors%d.nii.gz -o CT_template- このコマンドのオプションは次のとおりです。
-d: 次元 (すなわち、 3 D スキャンになる '3');-a: イメージ (この場合は研究に固有のテンプレート) の分割;-e: 脳テンプレート (ない頭蓋骨除去; この場合はダウンロードしたテンプレート研究固有のテンプレートに登録されている);-m: ダウンロードした脳抽出マスク (このケースでは、研究に固有のテンプレートに登録されている、ダウンロードしたテンプレートから抽出した脳);-p: 前科の c スタイルの書式 (たとえば、 -p labelsPriors%02d.nii.gz) を使用して指定します。
注: コマンドは、次のように最初の 4 つの前科を並べ: 1: CSF、2: 皮質 GM、3: WM、4: 皮質下の GM (この場合は研究に固有のテンプレートに登録されている、ダウンロードしたテンプレートから前科) に。
- このコマンドのオプションは次のとおりです。
- このコマンドを実行すると、テンプレートの生成された前科が発生スムージング アトロポスのセグメンテーションで使用する前に必要しますが、あります。スムージング コマンド アリ ソフトウェアの一部です。コマンドを使用してすべての前科をスムージングします。
SmoothImage 3 CT_template_BrainSegmentationPosteriors2.nii.gz CT_template_BrainSegmentationPosteriors_smoothed.nii.gz - アトロポスを実行する前にすべてのネイティブ領域スキャンで脳抽出を実行します。研究固有のテンプレートは使用できますとテンプレート (6.2.1 ステップ) で antsCorticalThickness.sh を実行してから生成された脳を抽出します。
antsBrainExtraction.sh -d 3-T1.nii.gz -e template.nii.gz -m template_BrainExtractionBrain.nii.gz -o T1_brain.nii.gz- このコマンドのオプションは次のとおりです。
-d: 寸法;-a: 解剖学的画像-e: 脳抽出テンプレート (頭蓋骨除去せず、作成テンプレートなど)。-m: 研究脳抽出に使用される特定の brainmask-o: 出力の接頭辞。
- このコマンドのオプションは次のとおりです。
- アトロポスを実行します。
antsAtroposN4.sh -d 3-、T1.nii.gz - x T1_brain.nii.gz -c 3 o Atropos_specific_template- このコマンドのオプションは次のとおりです。
-d = 寸法;-a: 解剖学的画像-脳抽出から生成 x: 脳抽出マスク-セグメント; 組織クラスの数-o: 出力プレフィックスです。-p: 試験特有のセグメンテーション前科 < segmentationPriors%d.nii.gz >
- このコマンドのオプションは次のとおりです。
- GM の地域セクション 8 で説明されているようにビジュアル品質管理を実行します。
- 試験特有のテンプレート/事前分布を作成するには、研究に固有のテンプレートをまず作成します。
7. MALP EM によるセグメンテーション
- MALP EM を実行、ターミナル ウィンドウを開き、MALP EM インストール ディレクトリと型にディレクトリを変更します。
。/malpem proot-i T1_scan.nii -o。/m optional_brain_mask_final.nii.gz -f 3 t t 6 c - コマンドが完了すると、組織のクラスおよび地域の細分化と出力フォルダーがあることを確認します。
- GM セクション 8 で説明されているようにビジュアル品質管理を実行します。
8. 視覚的品質管理
注: 視覚的品質管理は、解析で使用されるすべてのセグメント化された地域に行わなければなりません。元が高い水準し、CGM の信頼性の高いセグメントを表す品質管理を保証します。品質管理を実行するには、各スキャンは開くし、CGM のスキャンに表示する生成された領域を比較する元の T1 にオーバーレイします。
-
MALP EM の区切り、アリ、FSL SPM
- FSLeyes を使用して視覚的品質管理を実行します。
https://users.fmrib.ox.ac.uk/~paulmc/fsleyes_userdoc/
注: FSLview (古いビューアー) は、同じ方法でも使用できます。 - ターミナル ・ ウィンドウを開き、T1、T1 に重ねて GM 領域を開きます。これを行うには、次のコマンドを入力します。
fsleyes T1.nii Region1.nii Region2.nii。 - FSLeyes が開いたらは、上部ペインに不透明度の切り替えを使用して、不透明度を調整/減らすし GM 領域の下に T1 のイメージの視覚化を許可します。上部ペインで '色ドロップダウン タブ' を介して分割オーバーレイの色を変更します。
- 脳のすべてのスライスをスクロールします。
注: ここでこれは、冠状ビューですがユーザーを使用して彼らはほとんど経験を持ってビューを使用する必要があります。 - すべてのスライスの領域の下で- またはオーバーの虚と実検査されている地域を確認してください。
注: は、代表的な結果については、善と悪の区切りの例を参照してください。
- FSLeyes を使用して視覚的品質管理を実行します。
-
な QC
- Peform visual QC FreeView を使用します。
注: は、ここのマニュアルを参照してください。
https://surfer.nmr.mgh.harvard.edu/fswiki/FreeviewGuide/FreeviewGeneralUsage/FreeviewQuickStart。 - ターミナル ウィンドウを開きます。T1 に重ねて体積 GM 領域を表示するには、対象フォルダーと種類にディレクトリを変更します。
freeview./mri/T1.mgz./mri/aparc+aseg.mgz:colormap=lut:opacity:.3 - 脳のすべてのスライスをスクロールします。
注: ここでこれは、冠状ビューですがユーザーを使用して彼らはほとんど経験を持ってビューを使用する必要があります。 - すべてのスライスの領域の下で- またはオーバーの虚と実検査されている地域を確認してください。
注: は、代表的な結果については、元の例を参照してください。
- Peform visual QC FreeView を使用します。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
人口統計学的情報とともに、20 のコントロール参加者の平均脳容積は表 1に示します。これは、これらのツールを使用して予期される値のためのガイドとして機能します。結果は、元の T1.nii イメージのコンテキストで表示すべき。すべての GM の地域は、セクション 8 で説明されている手順に従って検査する必要があります。ビジュアル品質管理を実行すると、T1 上にオーバーレイ表示して T1 のスキャンと GM の領域を直接比較することが重要です。
図 1に示すように、領域は総エラーが拒否されます。これらのエラー原因処理が正しく実行された場合、または脳が悪い視野内で配置されている場合もあります。これらのエラーを修正するにネイティブの T1 のスキャンは堅く標準スペースに再整列することができ、セグメンテーションを再試行することができます。失敗率は、障害の分類と同様に、データや、ツールの品質によって異なります。現在の研究では、拒絶反応で生じる合計障害の故障率、すべてのツールの < 5% であったより重大なエラーは複数ツールの一貫して見られました。FSL 高速、SPM 8 新しいセグメント、なは、このコホートのスキャンの > 50% でエラー (が、障害ではなく) をあった。このエラー率は、図 2-6に示すように、彼らは予想地域から合理的な出発として見られた場合を含まれているエラーと視覚的な QC プロセス中に取ったメモを調べることによって定量化されました。これらのツールを他のデータセットおよび大いにより低いエラー率3,8の結果に検証されていることに注意してくださいすることが重要です。SPM 新しいセグメントと MALP EM をもたらしたこのデータセットのエラー レートが低いので、手動での介入や脳抽出でマスクを含めることでこれらのエラーを改善してできる可能性、一方これらのツール、代わりに使用されます。マスクは、アリと MALP EM 内と SPM (すべてのバージョン) および FSL 最初処理後の処理の前に適用できます。
多くのマイナーなエラーは、図 2-6に示します。アプリケーション全体のコホートを前にデータセットの異なるセグメンテーション ツールをテストすることにより、分析のためそのデータセットに対してベストを実行するツールを選択できます。QC を実行すると、プロシージャは拒否、編集、または区切りを受け入れるを選択する開発する必要があります。7 つのツールに見られる一般的なエラーは、例図 2-6に示すように、ここに解説しています。セグメンテーションなど、これらのエラーは、処理ストリームまたは地域を編集マスクを追加してよく修正ことができます。ただし、地域の広範なオーバー- または下の虚と実皮質分析から拒否される必要があります。厳格な基準を開発し、この決定を行う際に続く必要があります。これらの手順は、このプロトコルが記載されていないと、データセット データセットは異なります。
一般的には、視覚的品質管理を実行すると、だ時間および後頭葉領域に特別な注意を払うことが重要最も一貫性のあるエラーを示す領域は、これら図 2が善と悪の時間的区切りの例を示し、図 3は、善と悪の後頭区切りの例を示します。図 4は、非脳組織が脳の優れたスライスで CGM として分類されているすべてのツールで発生する別の一般的な問題を示します。図 5には、セグメンテーションから CGM の領域を除外するところの区切りの数で見られるもう一つの問題が表示されます。これは、問題は、脳の優れたスライスの図 5に見られるようにする場合によく発生します。
SPM8 ユニファイド セグメント一般的非脳側頭葉を周囲にこぼれるセグメント化された GM 地域と貧しい人々 の一時的な描写で起因しました。後頭葉にこぼれが一般的、領域の数で見ても前頭葉の過少評価中です。SPM8 新しいセグメントは、貧しい人々 の一時的な描写と後頭部の流出を共通だったも。SPM のこのバージョンを使用しては、頭蓋骨と硬膜のほぼすべての区切りで GM として分類されている内にあるボクセルにもなります。SPM12 は、他の地域で側頭葉の区切り改善なり流出と SPM の以前のバージョンに比べて改善されました。アリは、セグメンテーションの品質を決定する初期脳抽出このコホートの非常に変数のパフォーマンスを示した。外部境界に特に注意を払うことが重要だし、脳抽出がアリを使用して悪い場合、アトロポス コマンドに含まれる脳マスクを改善することができます。時間と後頭葉では、GM の過大評価の問題の一般的なもう一度。時間と後頭葉; の過大評価の少ない問題を示した MALP EMケース数で皮質の過少評価があった。これは、パイプラインの脳マスクを含めることによって改善できます。FSL 高速区切りされたベット脳抽出データこのコホートからの変数のパフォーマンスのため、非常に可変。もう一度、後頭と側頭葉内にある問題が共通である;ただし、これらは、脳領域抽出の最適化を改善できます。最後に、な体積領域は、通常外側の境界 (図 6) で GM の一部の地域を除く、GM/CSF 境界に沿ってタイトです。他のツールと同様、GM の外のこぼれは時間と後頭葉の内で流行します。最後に、図 7は良い分割分割におけるエラーがなかった FSLview に表示の例を示します。これはここで説明されていませんは、地域を改善するために地域を手動で編集を実行多くの場合できます。
図 1: T1 のスキャンに表示される失敗した分割の例。この分割を再処理し、改善できない場合は解析から除外する必要があります。この図の拡大版を表示するのにはここをクリックしてください。
図 2: T1 のスキャンを用いた側頭葉のさまざまなツールのパフォーマンスの例です。区分なし (A) T1 スキャン。良い地域描写 (MALP EM) の例 (B) T1 スキャン。(C) T1 スキャン良い地域描写 (な) の例。(D) の T1 は、左と右側頭葉 (SPM 8 新しいセグメント) の流出を示す貧しい地域の描写の例をスキャンします。(E) の T1 スキャン貧しい地域の描写の例、左と右側頭葉 (FSL 高速) の流出を示します。スキャンは、ベース イメージとして T1 のスキャンとオーバーレイとして GM 地域 FSLeyes に表示されます。この図で、GM の領域は 0.4 の不透明度で、赤・黄色が表示されます。色のグラデーションより高い PVE 推定値 (より GM をする可能性があります) を持ち、それらがより低い PVE 推定値 (以下 GM をする可能性があります) を持つ赤より黄色画素と画素の部分のボリュームを表します。この図の拡大版を表示するのにはここをクリックしてください。
図 3: T1 のスキャンに後頭葉にさまざまなツールのパフォーマンスの例です。区分なし (A) T1 スキャン。良い地域描写 (MALP EM) の例 (B) T1 スキャン。(C) の T1 スキャン領域 (SPM 8 ユニファイド セグメント) の内側のセクションの硬膜に流出と貧しい後頭葉の描写の例。(D) の T1 スキャン領域 (SPM 8 新しいセグメント) の内側と優れたセクションで硬膜に流出と貧しい後頭葉の描写の例。(E) の T1 スキャン領域 (FSL 高速) の内側と優れたセクションで硬膜に流出と貧しい後頭葉の描写の例。スキャンは、基本イメージとして T1 のスキャンとオーバーレイとして GM 地域 FSLeyes に表示されます。この図で、GM の領域は 0.4 の不透明度で、赤・黄色が表示されます。色のグラデーションより高い PVE 推定値 (より GM をする可能性があります) を持ち、それらがより低い PVE 推定値 (以下 GM をする可能性があります) を持つ赤より黄色画素と画素の部分のボリュームを表します。この図の拡大版を表示するのにはここをクリックしてください。
図 4: GM 地域の例 (矢状、冠状、軸のビュー) で FSLview ウィンドウに表示、硬膜にこぼれた。青色の領域は、硬膜に流出を強調表示します。この図の拡大版を表示するのにはここをクリックしてください。
図 5: 分割から CGM の地域によって除外された GM 地域の例です。この地域は、矢状、冠状、軸のビューに、FSLview ウィンドウに表示されます。最高の軸のビューは、分割から除外されている地域を示しています。この図の拡大版を表示するのにはここをクリックしてください。
図 6: は FreeView の表示 GM/CSF の境界に沿って非常にタイトな GM 地域の例です。左最高のトップでコロナのウィンドウには、この地域における CGM の過少評価が表示されます。この図の拡大版を表示するのにはここをクリックしてください。
図 7: T1 脳スキャンでよく線引き MALP EM 地域の例です。地域は地域でオーバー- または下の虚と実、CGM の問題を示さない。この図の拡大版を表示するのにはここをクリックしてください。
表 1: 人口統計学的情報とここで説明する 7 つのツールを使用して分割トラック HD 研究からコントロール参加者 20 名の平均 GM ボリューム (mL)。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
最近では、研究では、異なる容量法の使用がニューロ イメージング研究1,2のための重要な含意があるを実証してきました。異なるニューロ イメージング ツールを適用する方法だけでなく、これらのツールによって出力結果で QC を実行する方法のガイド初心者ユーザーを支援するプロトコルを公開、研究者のデータセットに適用する最善の方法を選択可能性があります。
この SOP で行う手順のほとんどは、データおよび研究員の要件に合わせて調整できる中ここに示す最も重要なプロセスの 1 つは詳細なビジュアル品質管理を記述する手順です。Visual の QC は、これらのツールですべての区切り出力で実行され、CGM の正確な測定に欠かせません。QC 手順は高品質の区切りは、CGM 領域の何千もの審査を経て開発されていることを確認します。目視検査でさまざまなツールを比較すると、最も正確な方法を各データセットを見つけることができます。
各ツールの各データセットでのセグメンテーションを最適化するために使用できるさまざまなオプションがあります。これは分割のエラーを減らすことができます、以前のセグメンテーション、ネイティブ容量にすべてのスキャンを再編成することが望ましいされます。ただし、これは必須ではありません。さらに、各ツールによって出力領域は皮質の GM と皮質なども一部のみを含むいくつかの異なります。さらに、いくつかの地域は部分容積の見積もり (PVE) といくつかの離散的組織マップ出力を出力します。ボリューム抽出はここにカバーされない、PVE と離散組織マップの違いの議論は、この標準操作手順 (SOP) の範囲を超えていますが、PVE マップがより信頼性の高いメジャー12として一般に認められます。この SOP ジョンソンらで使用される処理に関する情報を提供します。(2017)2セグメントと QC スキャン;他のユーザーの画像の品質に応じてより適切な選択があり、さらに皮質 GM に地域を制限するマスクのアプリケーションなどの処理が必要になる場合があります。すべての区切りは、ネイティブな空間で実行できます。
このプロトコルは、T1 MRI スキャンから CGM をセグメントに使用できる 7 つの方法の例パイプラインを提供します。これらの例は主として各ソフトウェアが推奨される既定のパイプラインをに従って、これらのさらなる最適化を注意することが重要だパイプライン別スキャン上の領域の正常なセグメンテーションのため必要があります。MALP EM などの一部のツール オプションが限られている、可能性があります良い神経イメージング研究に新しいユーザーのため。アリを含む、その他のツールは、詳細な最適化を受けることができる、ここで提示されたプロトコルは、このソフトウェアの 1 つの可能なアプリケーションを表します。ボリュームの計算を制限するマスクの使用などの追加オプションも可能ほとんどのツールです。
あらゆるオペレーティング システムですべてのツールを使えることに注意してくださいすることが重要です。SPM とは、Windows、Mac、および Linux のシステムとの互換性、FSL、Mac および Linux のシステムと互換性と MALP EM とな Linux システム (または Windows/Mac の PC で実行されている Linux 仮想マシン) と互換性のあるアリ。
このプロトコルは、CGM 領域を生成する 3 D の T1 強調 MRI スキャンのセグメンテーションおよび品質管理 (QC) を実行するための手順をカバーしています。ただし、プロトコルは、画像 NifTI 形式 (拡張子 .nii) での 3 D の T1 画像であることを前提としています。ジョンソンらによる分析で2画像が既に N3 手順13を使用してバイアス修正します。このプロトコルはまた、ソフトウェアをダウンロードされており、各ツールによって提供される指示に従って linux マシンにインストールされていることを想定しています。ここで比較してソフトウェア SPM814SPM12、FSL15などな16,17、アリ18、MALP EM19。
この SOP のセグメンテーション技術の範囲をカバーします。ただし、セグメント構造の T1 のスキャンに使用できる他のオプションがあります。これらのメソッドは、以前の比較のジョンソンらによって選ばれました。2ハンチントン病研究内で使用の頻度に基づいて。ただし、各データセットのすべてのツールの動作は異なります、ここで取り上げていない分割ツールがその他のデータセットと研究グループに適しています。
これらのツールは、ニューロ イメージング研究内で広く使用されます。これらのツールの作成したソフトウェアの更新は、各分割手法の出力が時間をかけて大幅な変更を受けるがそうです。ただし、重点高品質の区切りがニューロ イメージング研究で使用されるように視覚的品質管理プロセスに残っています。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者が明らかに何もありません。
Acknowledgments
CHDI/高 Q 財団トラック HD 研究; の責任ですべての人に感謝したいです。特に、ベス Borowsky、アラン ・ トービン、ダニエル ・ ヴァン ・ Kammen、イーサンの署名者、シェリー古参。著者はまたトラック HD 研究参加者とその家族に感謝の意を拡張したいです。この作業は、内診療/UCL、健康研究生物医学研究センターの資金調達スキームの保健省の国立研究所から資金調達の割合を受信で行われました。S.J.T. には、認知症と神経変性研究ネットワーク、デンドロンによる健康研究所のサポートが認めています。
トラック HD 捜査官:
C. キャンベル、・ キャンベル、I. Labuschagne、c. Milchman、j. スタウト、モナシュ大学、メルボルン、VIC、オーストラリア;A. コールマン、R. ダール サントス、j. Decolongon、b. r. レビット、A. Sturrock、ブリティッシュ コロンビア大学、バンクーバー、BC、カナダ;A. Durr、C. Jauffret、D. フスト、s. Lehericy、C. マレリ、k. Nigaud、r. Valabrègue、ICM 研究所、パリ, フランス;(名) ベクテル、s. ボーレン、r. Reilmann、ミュンスター大学、ミュンスター、ドイツ;B. Landwehrmeyer、ウルム大学ウルム、ドイツ;S. j. A. · ヴァン · デン Bogaard、e. m. デュマ j. ヴァン der 変数、E. P. ' t、ライデン、オランダのライデン大学医療センター、R. A. ルース ハート(名) アラン、j. キャラハン、D. Craufurd、C. Stopford、マンチェスターの大学、マンチェスター, イギリス;D. M. 現金、IXICO、ロンドン、イギリス;・ クロウフォード、n. c. フォックス、s. グレゴリー、g. オーウェン、n. Z. ホッブズ、N. Lahiri、I. マローン、j. 読み取り、m. j. と言う、d. ホワイト ヘッド、大腸菌ワイルド、大学大学ロンドン, ロンドン, イギリス;C. 霜、r. ジョーンズ、ロンドン大学衛生熱帯医学、ロンドン, イギリス;E. Axelson、H. J. ジョンソン、D. Langbehn、アイオワの大学, アイオワ, アメリカ合衆国;s. Queller、c. キャンベル、インディアナ大学、米国で。
References
- Katuwal, G. J., et al. Inter-Method Discrepancies in Brain Volume Estimation May Drive Inconsistent Findings in Autism. Frontiers in Neuroscience. 10, 439 (2016).
- Johnson, E. B., et al. Recommendations for the Use of Automated Gray Matter Segmentation Tools: Evidence from Huntington's disease. Frontiers in Neurology. 8, 519 (2017).
- Schwarz, C. G., et al. A large-scale comparison of cortical thickness and volume methods for measuring Alzheimer's disease severity. NeuroImage: Clinical. 11, 802-812 (2016).
- Clarkson, M. J., et al. A comparison of voxel and surface based cortical thickness estimation methods. NeuroImage. 57 (3), 856-865 (2011).
- Eggert, L. D., Sommer, J., Jansen, A., Kircher, T., Konrad, C. Accuracy and reliability of automated gray matter segmentation pathways on real and simulated structural magnetic resonance images of the human brain. Public Library of Science One. 7 (9), 45081 (2012).
- Fellhauer, I., et al. Comparison of automated brain segmentation using a brain phantom and patients with early Alzheimer's dementia or mild cognitive impairment. Psychiatry Research. 233 (3), 299-305 (2015).
- Gronenschild, E. H. B. M., et al. The effects of FreeSurfer version, workstation type, and Macintosh operating system version on anatomical volume and cortical thickness measurements. Public Library of Science One. 7 (6), 38234 (2012).
- Iscan, Z., et al. Test-retest reliability of freesurfer measurements within and between sites: Effects of visual approval process. Human Brain Mapping. 36 (9), 3472-3485 (2015).
- Kazemi, K., Noorizadeh, N. Quantitative Comparison of SPM, FSL, and Brainsuite for Brain MR Image Segmentation. Journal of Biomedical Physics & Engineering. 4 (1), 13-26 (2014).
- Klauschen, F., Goldman, A., Barra, V., Meyer-Lindenberg, A., Lundervold, A. Evaluation of automated brain MR image segmentation and volumetry methods. Human Brain Mapping. 30 (4), 1310-1327 (2009).
- McCarthy, C. S., Ramprashad, A., Thompson, C., Botti, J. A., Coman, I. L., Kates, W. R. A comparison of FreeSurfer-generated data with and without manual intervention. Frontiers in Neuroscience. 9, (2015).
- Tohka, J. Partial volume effect modeling for segmentation and tissue classification of brain magnetic resonance images: A review. World Journal of Radiology. 6 (11), 855-864 (2014).
- Sled, J. G., Zijdenbos, A. P., Evans, A. C. A nonparametric method for automatic correction of intensity nonuniformity in MRI data. IEEE Transactions on Medical Imaging. 17, 87-97 (1998).
- Ashburner, J., Friston, K. J. Unified segmentation. NeuroImage. 26 (3), 839-851 (2005).
- Jenkinson, M., Beckmann, C., Behrens, T. E., Woolrich, M. W., Smith, S. M. FSL. NeuroImage. 62, 782-790 (2012).
- Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. NeuroImage. 9, 179-194 (1999).
- Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. NeuroImage. 9, 195-207 (1999).
- Avants, B. B., Tustison, N. J., Wu, J., Cook, P. A., Gee, J. C. An open source multivariate framework for n-tissue segmentation with evaluation on public data. Neuroinformatics. 9 (4), 381-400 (2011).
- Ledig, C., et al. Robust whole-brain segmentation: application to traumatic brain injury. Medical Image Analysis. 21 (1), 40-58 (2015).