Mesure de la connectivité dans la voie visuelle primaire en albinisme humaine Utilisation Diffusion Tensor Imaging and Tractography

L’objectif général de cette étude est d’examiner la connectivité thalamocorticale dans l’albinisme et les contrôles à l’aide de l’imagerie de diffusion et de comparer la reconstruction du rayonnement optique de sortie de deux algorithmes de suivi. L’IRM de diffusion et la tractographie peuvent aider à répondre à des questions clés dans la recherche sur la vision, telles que l’effet de l’erreur d’acheminement axonal sur l’organisation structurelle de la voie visuelle dans l’albinisme humain. Le principal avantage de cette technique est qu’elle permet de cartographier de manière non invasive de grandes voies de substance blanche dans le cerveau vivant et a montré des avancées prometteuses dans la planification neurochirurgicale.

Acquérez toutes les images décrites dans ce protocole. Sur un scanner IRM 3 Tesla équipé d’une bobine de tête 32 canaux. Avant l’imagerie, examinez d’abord minutieusement la sécurité de chaque participant et faites-lui signer un formulaire de consentement décrivant le protocole.

Fournissez aux sujets des bouchons d’oreille pour les protéger auditive avant de les positionner en décubitus dorsal et la tête la première sur la table du scanner. Fournissez une ampoule d’alerte. Placez ensuite des coussins pour réduire les mouvements de la tête.

Point de repère au-dessus des yeux au niveau des sourcils. Avant d’envoyer le sujet dans le scanner. Commencez l’imagerie en acquérant une image haute résolution pondérée en T1 à l’aide d’une séquence 3D MP-RAGE couvrant l’ensemble du cerveau.

Utilisez les paramètres affichés à l’écran ici. Avec une taille de voxel isotrope d’un millimètre. Ensuite, acquérez une séquence DTI couvrant le cortex avec 64 directions en tranches de deux millimètres.

Positionnez les tranches dans une orientation transversale en suivant les lignes de commissure antérieure et postérieure. De plus, acquérez 30 à 40 images de densité de protons pondérées en à l’aide d’une séquence d’impulsions d’écho de spin turbo. Mettez-le en place dans une orientation coronale parallèle au tronc cérébral couvrant de l’extension externe du pont à la partie postérieure du colliculus inférieur.

La délimitation du LGN doit être effectuée sans tenir compte de l’appartenance du sujet au groupe. Commencez par charger l’image haute résolution dans la vue FSL. Ensuite, cliquez sur l’onglet Outils pour sélectionner une seule option permettant d’agrandir l’image.

Ensuite, sélectionnez l’onglet Fichier pour sélectionner l’option de création de masque et utilisez la barre d’outils pour tracer le LGN dans chaque tranche. Si vous le souhaitez, modifiez le contraste de l’image dans la barre d’outils pour faciliter la détection LGN. Traçez manuellement les masques LGN droit et gauche trois fois chacun sur des images moyennes qui ont été interpolées à deux fois la résolution, et donc la moitié de la taille du voxel d’origine.

Pour effectuer la segmentation VI, exécutez d’abord la commande recon all dans Free Surfer sur des images pondérées en T1 dans l’espace anatomique natif pour un traitement automatisé. Ensuite, convertissez la sortie en parcellation V1 en un masque volumétrique à l’aide des commandes label2surf et surf2volume. Avant d’effectuer un suivi probabiliste, exécutez d’abord le recalage linéaire de flirt pour amener les images cérébrales qui se trouvent dans l’espace de diffusion et l’espace anatomique.

Sélectionnez la sortie de l’espace de surface libre de reconnaissance toute, ou le cerveau d’un sujet extrait T1 comme image d’entrée. Ensuite, une image pondérée en diffusion corrigée et extraite par le cerveau comme image de référence. De même, pour le suivi déterministe, utilisez l’enregistrement linéaire flirt pour amener les cerveaux à densité de protons dans l’espace de diffusion.

De plus, en préparation du suivi probabiliste, exécutez cet enregistrement linéaire pour amener les cerveaux des participants à l’espace de surface libre et à l’espace anatomique natif pour la transformation du masque LGN. Notez que cette étape crée deux sorties. Le cerveau d’entrée s’est enregistré sur l’image de référence et une matrice de transformation.

Ensuite, appliquez la transformation de flirt pour préparer les masques de graines pour la tractographie. Pour la tractographie probabiliste, utilisez la sortie du tapis de points de l’enregistrement linéaire de à Free Surfer ou à Anatomical T1 comme matrice de transformation. Le masque LGN original comme entrée et le cerveau dans l’espace du surfeur libre ou l’espace anatomique comme volume de référence.

Assurez-vous d’utiliser la sélection d’interpolation du voisin le plus proche à partir des options avancées. Répétez cette opération pour la tractographie déterministe, mais cette fois-ci, avec le cerveau dans l’espace de diffusion comme volume de référence. Pour normaliser le LGN, utilisez les mathématiques FSL pour créer un point ROI avec les coordonnées du masque LGN individuel approprié dans l’espace anatomique natif pour la tractographie probabiliste ou l’espace de diffusion pour la tractographie déterministe.

Ensuite, utilisez les mathématiques FSL pour appliquer le rayon du masque moyen dans l’espace MNI calculé sur tous les participants afin de créer une sphère autour du point ROI dans l’anatomie native ou l’espace de diffusion. À ce stade, en utilisant uniquement des fichiers d’espace de surface libre, préparez des masques cibles pour la tractographie probabiliste. Enregistrez gratuitement des cerveaux de surfeur dans l’espace anatomique natif.

Ensuite, créez des masques cibles en appliquant une transformation aux masques V1 à l’aide de l’interpolation trilinéaire. Pour exécuter une tractographie probabiliste, utilisez d’abord la correction par courants de Foucault pour corriger les distorsions dans les images pondérées en diffusion. Ensuite, le cerveau extrait les images.

Ensuite, sélectionnez l’option de montant de lit X. Choisissez ensuite le suivi probabiliste et exécutez-le pour chaque hémisphère séparément. Conservez les options de base par défaut, mais pour une précision accrue, sélectionnez le graisseur modifié pour le calcul des rationalisations probabilistes sous les options avancées.

Sélectionnez un seul masque comme espace de départ. Ensuite, chargez le masque LGN transformé en tant qu’image de départ dans l’espace anatomique natif avec la matrice de transformation anatomique T1 en diffusion en tant que transformée de la graine en diffusion. Enfin, sélectionnez V1 dans l’espace anatomique parmi les cibles facultatives comme cible.

Répétez l’opération en utilisant les ROI sphériques standard, puis à nouveau en utilisant des masques de graine et de cible non normalisés dans l’espace de surface libre. Pour effectuer une tractographie déterministe, ouvrez d’abord les images pondérées en diffusion corrigée des Foucault dans DSI studio. Chargez ensuite les fichiers bvec et bval dans une fenêtre de table B qui s’ouvre automatiquement pour créer un fichier source.

Sélectionnez ensuite DTI comme méthode de reconstruction et exécutez-la sur les fichiers sources pour produire des fichiers d’informations sur la fibre. Ouvrez les fichiers d’informations sur la fibre dans la fenêtre de suivi du programme et exécutez le suivi pour chaque hémisphère séparément. Utilisez le LGN dans l’espace de diffusion comme graine et la région 17 de l’atlas de Brodmann du studio DSI comme région déterminante.

À chaque passage, définissez le masque de substance blanche controlatéral de l’atlas de segmentation des surfeurs libres comme une région d’évitement. Répétez le suivi en utilisant des ROI sphériques dans l’espace de diffusion au lieu de LGN individuels comme régions d’amorçage pour la tractographie. Une image moyenne de la densité coronale de protons d’un patient atteint d’albinisme est présentée ici.

Les zones d’intérêt LGN tracées manuellement à droite et à gauche sont représentées en rouge. Les masques LGN se transforment en espace libre pour le surfeur à l’aide du voisin le plus proche, rouge, et trilinéaire, bleu, les interpolations sont illustrées ici. L’analyse statistique voxel avec des statistiques basées sur les tracts ne montre aucune zone de signification dans un albinisme supérieure au contraste de contrôle dû à une réduction de l’AF dans l’albinisme par rapport aux témoins.

Cependant, dans le contrôle, une différence significative de contraste supérieure à celle de l’albinisme est observée entre les groupes. Nous voyons ici une version squelettée épaissie de ces résultats. La sortie de suivi de la fibre optique du studio DSI indique une réduction de la connectivité LGN à V1 chez un patient atteint d’albinisme par rapport aux sujets témoins.

De même, la sortie de suivi probabiliste montre une connectivité LGN à V1 réduite et un albinisme par rapport aux sujets témoins. Ici, les masques suivis moyens pour les méthodes probabilistes et déterministes sont superposés à des fins de comparaison. Les masques LGN, bleu et V1, rose, illustrent les régions de départ et cibles.

Une fois maîtrisés, la collecte de données et l’analyse complète de trois participants peuvent être effectuées en deux à trois jours tandis que le temps de tractographie dépend de la taille de la graine. Lors de l’exécution de la tractographie, choisissez soigneusement l’algorithme et l’approche d’analyse en fonction de la question de recherche et de la zone cérébrale étudiée et vérifiez les fichiers de sortie après chaque étape. N’attendez pas d’obtenir le résultat final pour vérifier votre travail.

L’albinisme est associé à un risque accru de cancer de la peau et à des syndromes affectant d’autres types de cellules au-delà des monocytes. Imaginer des techniques combinées à des techniques moléculaires aidera à étudier les mécanismes de développement dans l’albinisme et à améliorer la compréhension de la relation structure-fonction. Après son développement, cette technique a ouvert la voie aux chercheurs dans le domaine des neurosciences pour explorer la connectivité cérébrale dans des populations humaines saines et cliniques in vivo.

Après avoir regardé cette vidéo, vous devriez avoir une bonne compréhension de la façon d’effectuer une reconstruction de la substance blanche à l’aide d’algorithmes déterministes et probabilistes pour examiner les différences de connectivité du rayonnement optique entre les populations de patients et les témoins. N’oubliez pas que travailler avec un aimant puissant peut être extrêmement dangereux et qu’un dépistage approprié de la sécurité des participants à l’IRM doit toujours être effectué.