Co-analyse de la structure du cerveau et son fonctionnement en utilisant l'IRMf et imagerie de diffusion

L’objectif général de l’expérience suivante est d’analyser simultanément la structure et le fonctionnement du cerveau à l’aide de l’imagerie par résonance magnétique. Ceci est réalisé à l’aide de l’IRM à haut champ pour imager la structure de la substance blanche du cerveau avec l’imagerie du spectre de diffusion ou DSI et pour mesurer la fonction cérébrale avec l’IRMF audacieuse. Les données DSI sont ensuite traitées pour produire des estimations de diffusion multidirectionnelles à chaque point du cerveau.

De plus, les données FMRI sont analysées afin de produire des régions d’intérêt pour la génération ou la sélection de fibres virtuelles de substance blanche. Ensuite, les régions d’intérêt sont alignées avec les données DSI, de sorte que les données fonctionnelles et structurelles se trouvent dans un espace d’image commun. Enfin, la tractographie est réalisée sur des données de diffusion afin d’estimer les voies de la substance blanche reliant les régions fonctionnelles d’intérêt.

Basé sur les données de la tâche FMRI. Des preuves convergentes récentes ont suggéré que les opérations cognitives complexes sont exécutées par des réseaux de nombreuses régions cérébrales travaillant de concert plutôt que par une seule zone unitaire. Afin de spécifier pleinement ces systèmes de calcul, il est nécessaire de comprendre la relation entre leurs propriétés fonctionnelles et structurelles en combinant l’IRM fonctionnelle.

Avec l’imagerie par résonance magnétique pondérée en diffusion, on peut examiner la connectivité du réseau et comment cela donne lieu à un comportement humain complexe. Le principal avantage de ce pipeline d’IRM de diffusion par rapport aux méthodes standard telles que l’imagerie du tenseur de diffusion est que la combinaison de l’imagerie pondérée en diffusion à haute résolution angulaire et de la reconstruction sans modèle nous permet de mieux résoudre les configurations complexes de fibres dans le cerveau. Les implications de cette technique s’étendent à la caractérisation des conditions neuropsychologiques.

Par exemple, la prosopagnosie congénitale dans laquelle les individus présentent une altération de la reconnaissance faciale. En utilisant l’IRM de diffusion standard, il a été démontré que les faisceaux de fibres de substance blanche proximales aux zones de traitement du visage sont dégradés par rapport aux témoins normaux. En combinant l’IRM structurelle et fonctionnelle, on peut identifier les déficiences structurelles de la fibre, en particulier les nœuds de connexion dans le réseau de traitement du visage.

Cette méthode peut également être appliquée dans un contexte clinique tel que la planification neurochirurgicale. Les chirurgiens utilisent la cartographie fonctionnelle pour identifier les tissus de matière grise associés à des fonctions cognitives importantes afin de minimiser les dommages accidentels pendant la chirurgie. Grâce à des informations structurelles supplémentaires, telles que l’imagerie pondérée en fonction de la diffusion, ils peuvent également minimiser les dommages causés aux structures critiques de la substance blanche qui relient ces zones fonctionnelles.

En général, les personnes qui débutent dans cette méthode auront du mal à accepter le fait qu’il n’existe pas de progiciel unique pour effectuer toutes les étapes nécessaires de la procédure. Par conséquent, les utilisateurs doivent passer d’un programme à l’autre tout en conservant un format d’image commun ainsi qu’une orientation et un alignement cohérents. Notre protocole comprend des instructions détaillées pour guider les utilisateurs tout au long de cette procédure.

Les analyses de ce type qui considèrent la structure et la fonction en combinaison sont l’extinction naturelle des expériences d’imagerie fonctionnelle qui ont identifié des zones cérébrales Coved. Dans les tâches d’intérêt, la plupart des approches précédentes n’ont pas été en mesure de fournir des informations sur la connectivité structurelle, et c’est ce que nous ajoutons dans notre approche ici dans ce protocole. Un scanner Siemens à trois Tesla est utilisé pour acquérir une imagerie du spectre de diffusion de 257 directions ou un balayage DSI avec une bobine de tête à réseau phasé à 32 canaux, l’intensité de champ élevée et la bobine à 32 canaux sont nécessaires pour obtenir le signal pour ce balayage à haute résolution angulaire.

La méthode d’imagerie pondérée en diffusion la plus fréquemment utilisée est l’imagerie du tenseur de diffusion ou DTI utilisant un balayage de cinq à 10 minutes, mesurant généralement 64 directions ou moins. L’une des limites du DTI est sa difficulté à résoudre, croiser et embrasser les fibres, qui sont mieux détectées avec une combinaison de méthodes d’acquisition et de reconstruction à haute résolution telles que le DS. Je note que le protocole DSI nécessite environ 45 à 50 minutes d’imagerie, et que la correction de mouvement ne peut pas être appliquée aux données DSI. Par conséquent, il est conseillé de minimiser les mouvements à l’aide de barres d’occlusion, de rembourrage en mousse ou d’autres techniques de stabilisation, et pour faire appel à des participants hautement qualifiés, un équipement supplémentaire est nécessaire pour l’IRMF basée sur les tâches, comme un affichage compatible MR et un système de réponse par bouton.

Avant de passer l’examen, assurez-vous d’obtenir un consentement éclairé et de dépister l’IRM. Contre-indications. Ensuite, informez le participant de la nature des scans à effectuer, en insistant sur la nécessité de rester immobile pendant le scan. Une fois que le participant est prêt à commencer, stabilisez confortablement sa tête, puis glissez le lit dans le scanner, effectuez les premiers balayages de reconnaissance et l’étalonnage.

Alignez ensuite les coupes pour le balayage DSI sur les commissures antérieure et postérieure et assurez-vous que les coupes pour le balayage DSI couvrent tout le cycle cérébral. Le balayage DSI pendant que le sujet se détend dans le scanner ou regarde un film sur le système de présentation. Après le balayage DSI, collectez un balayage anatomique pondéré T un pour une utilisation ultérieure dans le co-enregistrement des données DSI avec d’autres données anatomiques ou fonctionnelles dans la même session de balayage ou dans une session de balayage distincte.

Acquérez également des données FMRI basées sur les tâches pour l’analyse fonctionnelle des tâches comportementales. Demandez aux sujets de surveiller l’écran pour détecter les stimuli pertinents à la tâche et de le faire au besoin. Si l’IRMf est effectuée un autre jour, obtenez un autre balayage anatomique pondéré T.

Cette approche de traitement utilise l’analyse superficielle des données FMRI pour générer des ROI pour la tractographie et permet une meilleure visualisation des correspondances entre les points d’extrémité de la tractographie et les ROI fonctionnels. Pour commencer le traitement, soumettez d’abord l’image pondérée T one acquise à l’algorithme automatisé de Free Surfers, qui effectue la segmentation anatomique de la matière grise et blanche et la reconstruction de la surface du cortico. La sortie comprend également une version traitée du volume anatomique à partir duquel les surfaces ont été créées, appelée volume de surface.

Ensuite, prétraitez les données FMRI dans une acné. Ensuite, importez la sortie du surfeur libre dans summa a logiciel d’acné et cartographiez les données fonctionnelles prétraitées sur les surfaces résultantes. Analysez les données FMRI pour générer des cartes statistiques à partir desquelles des ROI fonctionnellement définis pour la tractographie T peuvent être créés.

Ensuite, élargissez ces zones d’intérêt fonctionnelles basées sur la surface en matière blanche par dilatation pour maximiser le contact avec les lignes de courant pendant la tractographie. Enfin, transformez les ROI dilatés de la surface en coordonnées volumiques et sortez-les sous forme de fichiers astucieux pour traiter les données de diffusion. Tout d’abord, identifiez les images DICOM de l’ensemble de données autres que B zéro ou images de base, et convertissez-les au format astucieux.

Ensuite, dans DSI studio, ouvrez les images DSI DICOM et combinez-les pour créer un fichier source et fournir une table de dégradés. Ensuite, appliquez le masque de reconstruction par défaut à l’image de base et assurez-vous qu’il englobe toute la matière grise sans inclure l’espace vide, le crâne ou le tissu non cérébral. Modifiez le masque nécessaire.

Choisissez un modèle de reconstruction haute résolution à l’aide de la variance A-D-S-I-G-Q-I ou GQI ici. L’option GQI est utilisée. Créez ensuite un fichier d’informations sur les fibres pour représenter les principales directions de diffusion de chaque campagnol.

Ensuite, les retours sur investissement fonctionnels doivent être transformés en espace DSI. Utilisez apni pour aligner l’image DSIB zéro sur le format astucieux du volume de surface anatomique. Inversez la matrice de transformation ALINE en 12 points résultante à l’aide d’un tapis de chat de programme d’acné.

Appliquez ensuite la matrice inversée aux ROI fonctionnels pour les transformer en espace DSI. Le suivi des fibres avec une graine de cerveau entière est un moyen rapide et efficace d’évaluer la qualité globale des données. Il offre également la possibilité de déterminer des valeurs pour des paramètres globaux tels que le seuil de suivi pour commencer, créer une région entière de graine de cerveau.

Définissez ensuite une valeur de seuil de suivi initiale pour masquer les voxels de signal faible, ainsi que le seuil d’angle. Définissez également la taille de l’étape de suivi en millimètres et le nombre souhaité de fibres ou de points de graine. Effectuez maintenant une tractographie cérébrale entière pour vérifier la qualité globale de la reconstruction ODF.

Ensuite, trouvez un seuil de suivi optimal en effectuant de manière itérative un suivi de l’ensemble du cerveau et en ajustant le seuil de suivi. Trouvez un seuil qui maximise la proportion de fibres qui atteignent la matière grise en visualisant le chevauchement de la tractographie cérébrale entière et un masque de matière grise dans la piste, les fibres bruyantes pétillantes sont minimisées lorsque 90 à 100 % des fibres atteignent la matière grise De plus, vérifiez que le seuil de suivi masque le voxel et l’espace vide. Par exemple, la fissure longitudinale sans enlever le voxel, qui se trouve clairement dans la substance blanche comme une trace de croisement, un ensemble de fibres de contrôle d’un retour sur investissement anatomique au pôle occipital avec un grand nombre de graines, par exemple, 500 000.

Vérifiez que cette procédure produit à peu près le même nombre de fibres dans les ensembles de données maintenant que les paramètres de tractographie optimaux ont été choisis. Ensuite, effectuez une tractographie T contrainte par le retour sur investissement pour tester des hypothèses concernant la connectivité entre des régions cérébrales fonctionnellement définies. Commencez par charger le fichier fib et créez une région d’amorçage de cerveaux entière dans DSI Studio Ensuite, chargez un ou plusieurs fichiers nifty de région d’intérêt définis fonctionnellement et définissez-les comme ROI dans les paramètres de configuration de région DSI studio.

Les retours sur investissement nécessiteront que les lignes de rationalisation les traversent, définissent le seuil de suivi et d’angle à l’aide de paramètres préalablement optimisés et effectuent le suivi. Enfin, enregistrez la sortie de la tractographie sous forme de fichiers TRK. Ensuite, effectuez une analyse de la densité des points finaux, qui peut mesurer les correspondances de connectivité structurelle avec des emplacements spatiaux précis de l’activation fonctionnelle basée sur les tâches.

Pour commencer à charger les fichiers ROI et TRK dans le logiciel track fz, effectuez des opérations booléennes entre les régions et enregistrez les résultats de chaque opération dans un nouveau fichier TRK. Utilisez les fonctions de la boîte à outils de diffusion pour transformer spatialement les fichiers TRK de l’espace DSI en espace de volume de surface afin d’afficher les données de fibre sur une charge de sous-couche anatomique haute résolution, la transformation du fichier TRK et le volume de surface en visibilité de piste pour inspecter les résultats en tant que mesure de la connectivité. Calculez le nombre total de points d’extrémité de fibre optique dans un retour sur investissement normalisé par le volume de retour sur investissement.

Nous voyons ici une illustration de résultats optimaux et sous-optimaux en utilisant la tractographie du cerveau entier. Les trois images sont basées sur le même ensemble de données DWI dans 257 directions provenant d’un seul participant. Des résultats optimaux sont présentés ici.

En revanche, les résultats présentés ici montrent l’effet de paramètres de tractographie t excessivement indulgents. Nous voyons ici la réduction de la qualité qui résulte de l’utilisation d’un seul modèle tensoriel pour reconstruire les données DWI. Dans cette figure, nous voyons un exemple de régions activées lors d’une tâche de perception des visages dans laquelle des images de visages et d’objets du quotidien ont été visualisées.

Lors de l’IRMf, deux régions temporales ventrales au milieu, le gyrus fusiforme et le gyrus occipital inférieur ont montré des réponses audacieuses significativement plus importantes pour les visages que pour les objets. La scène de la figure montre ici les connexions entre le cortex visuel, les régions sensorielles et une région de contrôle attentionnel dans le cortex pariétal postérieur. Ce panneau montre les emplacements approximatifs des régions d’amorçage V un, V deux et V trois en rouge, vert et bleu respectivement.

La région d’amorçage PPC étiquetée IPS one et les pistes de fibre qui relient ces régions sont colorées par le retour d’intérêt occipital à partir duquel elles ont été installées. Le panneau B montre les régions définies par la fonctionnalité IPS en marron, V un en rouge, V deux en vert et V trois en bleu sur la surface corticale, ainsi que les extrémités de la fibre dans chaque région. Une fois maîtrisée, l’acquisition de données pour un seul participant peut être réalisée en 30 à 90 minutes.

La reconstruction anatomique automatisée de la surface prend généralement 16 heures, tandis que les données pondérées en diffusion peuvent être traitées en moins d’une heure. Le temps de traitement et d’analyse des données FMRI varie en fonction de la tâche comportementale et des procédures expérimentales. Les exigences en matière de temps de tractographie varient également de quelques minutes à quelques heures, en fonction des paramètres de suivi et des contraintes de la région d’intérêt.

Lors de la tentative de cette procédure, il est important de se rappeler que le résultat de la tractographie peut être sensible à la fois aux faux positifs et aux faux négatifs. Évaluez toujours le résultat de votre suivi de fibre dans le contexte des résultats neuro-anatomiques antérieurs, ou utilisez des méthodologies convergentes telles que l’analyse de connectivité fonctionnelle Après cette procédure. D’autres méthodes telles que la classification des motifs sur les emplacements des fibres, l’analyse spatiale détaillée des distributions des points finaux et le balayage longitudinal de l’intégrité de la substance blanche peuvent être effectuées afin d’étudier plus en détail la relation avec la structure et la fonction du cerveau.

Cette technique a ouvert la voie aux chercheurs dans le domaine des neurosciences cognitives pour explorer les relations structure-fonction de manière non invasive chez les humains en bonne santé et les populations cliniques. La connectivité structurelle entre les régions du cerveau peut servir à contraindre les hypothèses sur le flux d’informations à travers les réseaux cérébraux qui contrôlent des comportements humains complexes. Après avoir regardé cette vidéo, vous devriez comprendre les étapes clés de la reconstruction des données d’imagerie pondérées en diffusion et de la réalisation de la tractographie de la fibre.

Vous devez également comprendre l’importance d’effectuer des contrôles de qualité et des tests de paramètres itératifs pour optimiser les résultats de suivi de votre fibre. Enfin, après avoir regardé cette vidéo, vous devriez avoir une meilleure compréhension de la façon de relier la connectivité anatomique aux propriétés fonctionnelles des réseaux cérébraux.