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 la fonction cérébrales à l'aide de l'imagerie par résonance magnétique. Cela est réalisé grâce à une IRM à champ élevé permettant d'imaginer la structure de la matière blanche cérébrale par imagerie en spectre de diffusion ou DSI, et de mesurer la fonction cérébrale par IRMf du signal BOLD. Les données DSI sont ensuite traitées afin de produire des estimations de diffusion multidirectionnelles en chaque point du cerveau.

En outre, les données IRMf sont analysées afin de produire des régions d'intérêt permettant de générer ou de sélectionner des fibres virtuelles de matière blanche. Ensuite, les régions d'intérêt sont alignées avec les données DSI, de sorte que les données fonctionnelles et structurelles se retrouvent dans un espace d'image commun. Enfin, une tractographie est réalisée sur les données de diffusion afin d'estimer les voies de la matière blanche reliant les régions d'intérêt fonctionnelles. Les résultats obtenus montrent le degré de connectivité anatomique entre les zones cérébrales dont on suppose qu'elles sont fonctionnellement connectées.

Basé sur des données de tâches IRMf. De récentes preuves convergentes 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 caractériser pleinement ces systèmes computationnels, il est nécessaire de comprendre la relation entre leurs propriétés fonctionnelles et structurelles en combinant l'IRM fonctionnelle.

Grâce à l'imagerie IRM de diffusion, on peut examiner la connectivité du réseau cérébral et comprendre comment celle-ci donne lieu à des comportements humains complexes. Le principal avantage de ce protocole d'IRM de diffusion par rapport aux méthodes classiques telles que l'imagerie par tenseur de diffusion réside dans le fait que la combinaison d'une imagerie de diffusion à haute résolution angulaire et d'une reconstruction indépendante de modèle nous permet de mieux résoudre les configurations complexes des fibres dans le cerveau. Les implications de cette technique s'étendent à la caractérisation des troubles neuropsychologiques.

Par exemple, l'agnosie prosopagnosique congénitale, une affection dans laquelle les individus présentent un déficit de reconnaissance des visages. À l'aide de l'IRM de diffusion standard, il a été démontré que les faisceaux de fibres de la substance blanche situés à proximité des zones de traitement des visages sont dégradés par rapport aux témoins normaux. En combinant l'IRM structurale et fonctionnelle, on peut identifier des déficiences structurelles au niveau des fibres, reliant spécifiquement les nœuds du réseau de traitement des visages.

Cette méthode peut également être appliquée dans un contexte clinique, comme la planification neurochirurgicale. Les chirurgiens utilisent le cartographiage fonctionnel pour identifier les tissus de la substance grise associés à des fonctions cognitives importantes afin de minimiser tout dommage incidentel pendant l'intervention chirurgicale. Grâce à des informations structurelles supplémentaires, telles que l'imagerie pondérée en diffusion, ils peuvent également réduire au minimum les lésions des structures critiques de la substance blanche qui relient ces zones fonctionnelles.

En général, les personnes novices dans cette méthode éprouvent des difficultés face au fait qu'aucun logiciel unique n'existe pour effectuer toutes les étapes nécessaires du protocole. 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 inclut des instructions détaillées pour guider les utilisateurs tout au long de cette procédure.

Les analyses de ce type, qui prennent en compte conjointement la structure et la fonction, sont l'extinction naturelle des expériences d'imagerie fonctionnelle ayant identifié des zones cérébrales en arc. Dans les tâches d'intérêt, la plupart des approches précédentes n'ont pas pu fournir d'informations sur la connectivité structurelle, et c'est précisément ce que nous ajoutons dans notre approche décrite ici dans ce protocole. Un scanner Siemens de trois Tesla est utilisé pour acquérir une imagerie par spectre de diffusion, ou DSI, sur 257 directions, à l'aide d'une bobine crânienne matricielle en réseau phasé de 32 canaux ; la forte intensité du champ magnétique et la bobine à 32 canaux sont nécessaires pour obtenir le signal requis pour cet examen à haute résolution angulaire.

La méthode d'imagerie de diffusion pondérée la plus fréquemment utilisée est l'imagerie par tenseur de diffusion ou DTI, utilisant une acquisition de cinq à dix minutes mesurant généralement 64 directions ou moins. Une limitation de la DTI réside dans sa difficulté à résoudre les fibres croisées ou effleurées, qui sont mieux détectées grâce à une combinaison de méthodes d'acquisition et de reconstruction à haute résolution, telles que la DSI. Je note que le protocole DSI nécessite environ 45 à 50 minutes d'imagerie, et que la correction des mouvements ne peut pas être appliquée aux données DSI. Par conséquent, il est conseillé de minimiser les mouvements en utilisant des embouts dentaires, des tampons en mousse ou d'autres techniques de stabilisation, ainsi que des participants hautement entraînés. Un équipement supplémentaire est requis pour la FMRI basée sur des tâches, tel qu'un système d'affichage et de réponse par bouton compatibles IRM.

Avant l'analyse, assurez-vous d'obtenir un consentement éclairé et de dépister les contre-indications à l'IRM. Ensuite, informez brièvement le participant sur la nature des analyses qui seront effectuées, en insistant sur la nécessité de rester immobile pendant l'analyse DSI. Une fois que le participant est prêt, stabilisez confortablement la tête du participant, puis faites glisser le lit dans le scanner, réalisez des analyses préliminaires et une calibration initiale.

Ensuite, aligner les coupes pour l'analyse DSI sur les commissures antérieure et postérieure, et s'assurer que les coupes pour l'analyse DSI couvrent tout le cerveau. Effectuer l'analyse DSI pendant que le sujet se détend dans le scanner ou regarde un film sur le système de présentation. Après l'analyse DSI, acquérir une coupe anatomique pondérée en T1 destinée à être utilisée ultérieurement pour la coregistration des données DSI avec d'autres données anatomiques ou fonctionnelles, lors de la même séance ou d'une séance distincte.

Acquérir également des données d'IRMf basées sur des tâches pour l'analyse fonctionnelle de tâches comportementales. Demander aux sujets de surveiller l'écran afin de détecter les stimuli liés à la tâche et d'agir en conséquence. Si l'IRMf est réalisée un jour différent, obtenir une autre coupe anatomique pondérée en T1.

Cette approche de traitement utilise une analyse fondée sur les surfaces des données IRMf afin de générer des zones d'intérêt (ROIs) pour la tractographie, permettant ainsi une meilleure visualisation des correspondances entre les extrémités des faisceaux tractographiques et les zones d'intérêt fonctionnelles. Pour commencer le traitement, soumettez d'abord l'image pondérée en T1 acquise à l'algorithme automatisé de FreeSurfer, qui effectue la segmentation anatomique de la matière grise et de la matière blanche ainsi que la reconstruction de la surface corticale. Le résultat comprend également une version traitée du volume anatomique à partir duquel les surfaces ont été créées, appelée volume de surface.

Prétraitez ensuite les données IRMF dans un logiciel acne. Importez ensuite les résultats de FreeSurfer dans le logiciel summa a acne et projetez les données fonctionnelles prétraitées sur les surfaces obtenues. Analysez les données IRMF afin de générer des cartes statistiques à partir desquelles des ROI définies fonctionnellement pour la tractographie T peuvent être créées.

Ensuite, étendre ces régions fonctionnelles d'intérêt (RFI) basées sur la surface dans la substance blanche par dilatation afin de maximiser le contact avec les lignes de flux durant la tractographie. Enfin, transformer les RFI dilatées des coordonnées surfaciques aux coordonnées volumétriques et les exporter en tant que fichiers nifti pour traiter les données de diffusion. Dans un premier temps, identifier quelles images DICOM du jeu de données correspondent à d'autres images B zéro ou images de référence, puis les convertir au format nifti.

Ensuite, dans DSI Studio, ouvrez les images DICOM DSI et combinez-les pour créer un fichier source et fournissez une table de gradients. Appliquez ensuite le masque de reconstruction par défaut à l'image de base et assurez-vous qu'il englobe toute la matière grise sans inclure d'espace vide, ni le crâne, ni des tissus non cérébraux. Modifiez le masque si nécessaire.

Choisissez un modèle de reconstruction à haute résolution en utilisant A-D-S-I-G-Q-I ou la variance GQI ici. L'option GQI est utilisée. Ensuite, créez un fichier d'informations sur les fibres afin de représenter les directions principales de diffusion dans chaque campagnol.

Les ROI fonctionnelles suivantes doivent être transformées dans l'espace DSI. Utilisez apni pour aligner l'image zéro DSIB sur le volume anatomique au format nifty. Inversez la matrice de transformation ALINE à 12 points résultante à l'aide du programme a acne cat mat.

Appliquez ensuite la matrice inversée aux régions d'intérêt fonctionnelles pour les transformer dans l'espace DSI. Le suivi des fibres à l'aide d'une graine cérébrale complète constitue une méthode rapide et efficace pour évaluer la qualité globale des données. Cela offre également l'opportunité de déterminer les valeurs des paramètres globaux, tels que le seuil de suivi, afin de commencer à créer une région graine couvrant tout le cerveau.

Ensuite, définissez une valeur seuil initiale de suivi pour masquer les voxels à faible signal, ainsi que le seuil angulaire. Réglez également la taille du pas de suivi en millimètres et le nombre souhaité de fibres ou de points de départ. Effectuez maintenant une tractographie de tout le cerveau pour vérifier la qualité globale de la reconstruction des ODF.

Ensuite, déterminer un seuil de suivi optimal en effectuant itérativement un suivi cérébral complet et en ajustant progressivement le seuil de suivi. Identifier un seuil qui maximise la proportion de fibres atteignant la substance grise, en visualisant le recouvrement entre la tractographie cérébrale complète et un masque de substance grise. Les fibres parasites sont minimisées lorsque 90 à 100 % des fibres atteignent la substance grise. Vérifier en outre que le seuil de suivi masque correctement les voxels et les espaces vides. Par exemple, la scissure longitudinale ne doit pas inclure de voxels clairement situés dans la substance blanche. À titre de vérification croisée, tracer un ensemble de fibres de contrôle à partir d'une région d'intérêt anatomique située au pôle occipital, en utilisant un grand nombre de graines, par exemple 500 000.

Vérifiez que cette procédure produit approximativement le même nombre de fibres entre les jeux de données, maintenant que les paramètres optimaux de tractographie ont été choisis. Ensuite, effectuez une tractographie T contrainte par ROI afin de tester des hypothèses concernant la connectivité entre des régions cérébrales définies fonctionnellement. Commencez par charger le fichier fib et créez une région source correspondant à l'ensemble du cerveau dans DSI Studio. Chargez ensuite un ou plusieurs fichiers au format NIfTI définissant des régions d'intérêt fonctionnelles, et définissez-les comme ROIs dans les outils de régions de DSI Studio.

Les ROI exigeront le passage des lignes de flux, définissez le seuil de suivi et d'angle à l'aide des paramètres précédemment optimisés et effectuez le suivi. Enfin, enregistrez la sortie de tractographie sous forme de fichiers TRK. Ensuite, effectuez une analyse de la densité des extrémités, qui peut mesurer les correspondances de connectivité structurelle avec des emplacements spatiaux précis d'activation fonctionnelle liée à une tâche.

Pour commencer, chargez les fichiers nifty ROIs et TRK dans le logiciel track fz, effectuez des opérations booléennes entre les régions et enregistrez les résultats de chaque opération sous forme d'un nouveau fichier TRK. Utilisez les fonctions du diffusion toolkit pour transformer spatialement les fichiers TRK de l'espace DSI vers l'espace du volume de surface, afin de visualiser les données de fibres superposées à une image anatomique haute résolution. Chargez le fichier TRK transformé et le volume de surface dans track vis pour examiner les résultats comme mesure de connectivité. Calculez le nombre total de terminaisons de fibres dans une ROI, normalisé par le volume de la ROI.

Ici, nous observons une illustration de résultats optimaux et sous-optimaux obtenus par tractographie de l'ensemble du cerveau. Les trois images sont basées sur le même jeu de données IRM de diffusion à 257 directions provenant d'un seul participant. Les résultats optimaux sont présentés ici.

En revanche, les résultats présentés ici montrent l'effet de paramètres de tractographie excessivement permissifs. On observe ici la réduction de la qualité résultant de l'utilisation d'un modèle de tenseur unique pour reconstruire les données IRM de diffusion. Dans cette figure, on voit 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 présentées.

Lors d'un examen IRMf, deux régions temporales ventrales situées au niveau du sillon fusiforme et du gyrus occipital inférieur ont montré des réponses BOLD significativement plus intenses en présence de visages qu'avec des objets. La scène représentée ici illustre les connexions entre le cortex visuel, les régions sensorielles et une région de contrôle attentionnel située dans le cortex pariétal postérieur. Ce panneau montre les emplacements approximatifs des régions-seuils V1, V2 et V3, respectivement en rouge, vert et bleu.

La région graine PPC marquée IPS un et les trajets de fibres qui relient ces régions sont colorés selon la ROI occipitale à partir de laquelle ils ont été initialisés. Le panneau B montre les régions définies fonctionnellement dans l'IPS en brun, V1 en rouge, V2 en vert et V3 en bleu sur la surface corticale, ainsi que les extrémités des fibres dans chaque région. Une fois maîtrisée, l'acquisition des données pour un seul participant peut être réalisée en 30 à 90 minutes.

La reconstruction anatomique automatique de la surface prend généralement 16 heures, tandis que les données pondérées en diffusion peuvent être traitées en moins d'une heure. Le temps nécessaire pour traiter et analyser les données d'IRMf varie selon la tâche comportementale et les procédures expérimentales. Les besoins temporels en tractographie s'étendent également de quelques minutes à plusieurs heures, selon les paramètres de suivi et les contraintes relatives à la région d'intérêt.

Lors de la réalisation de cette procédure, il est important de garder à l'esprit que les résultats de la tractographie peuvent être sujets à la fois à des faux positifs et à des faux négatifs. Évaluez toujours votre résultat de suivi des fibres dans le contexte des découvertes neuroanatomiques antérieures, ou utilisez des méthodologies convergentes telles que l'analyse de la connectivité fonctionnelle après cette procédure. D'autres méthodes, comme la classification de motifs appliquée aux emplacements des fibres, l'analyse spatiale détaillée des distributions des extrémités et l'imagerie longitudinale de l'intégrité de la substance blanche, peuvent être réalisées afin d'approfondir l'étude de la relation avec la structure et la fonction cérébrales.

Cette technique a ouvert la voie aux chercheurs dans le domaine des neurosciences cognitives pour explorer de manière non invasive les relations structure-fonction chez les sujets sains et les populations cliniques. La connectivité structurelle entre les régions cérébrales peut servir à restreindre les hypothèses concernant le flux d'information à travers les réseaux cérébraux qui contrôlent les comportements humains complexes. Après avoir visionné cette vidéo, vous devriez comprendre les étapes clés de la reconstruction des données d'imagerie par diffusion pondérée et de la réalisation de la tractographie en fibres.

Vous devriez également comprendre l'importance de la réalisation de contrôles de qualité et de tests itératifs de paramètres afin d'optimiser vos résultats de suivi des fibres. Enfin, après avoir visionné cette vidéo, vous devriez avoir une meilleure compréhension de la manière de relier la connectivité anatomique aux propriétés fonctionnelles des réseaux cérébraux.