הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר שיטה

פילוח אוטומטיות של החומר האפור קורטיקלית מתמונות MRI T1 משוקלל

8.7K צפיות

⸱

DOI:

10.3791/58198

⸱

7 בינואר 2019

 ,  , 
1Huntington's Disease Research Centre, UCL Institute of Neurology

במאמר זה

סיכום

פרוטוקול זה מתאר את התהליך של החלת שבעה כלים פילוח אוטומטיות שונות מבנית סריקות MRI T1 משוקלל על החומר האפור באזורים יכול לשמש עבור כימות של נפח החומר האפור.

תקציר

בתוך להפרעת, מספר המחקרים האחרונים דנו את השפעת ההבדלים בין למידה-נפחי ממצאים נחשבים הם תוצאה של שימוש בכלים פילוח שונים כדי ליצור אמצעי אחסון המוח. כאן מוצגים צינורות עיבוד עבור שבעה כלים אוטומטיים יכול לשמש כדי לחלק חומר אפור בתוך המוח. הפרוטוקול מספק צעד ראשוני עבור חוקרים במטרה למצוא את השיטה המדויקת ביותר ליצירת אמצעי אחסון החומר האפור של סריקות MRI T1 משוקלל. צעדים לבצע בקרת איכות חזותית מפורטת כלולים גם בכתב היד. פרוטוקול זה מכסה מגוון של כלים פילוח פוטנציאליים ומעודדת משתמשים כדי להשוות את הביצועים של כלים אלה בתוך קבוצת משנה של הנתונים שלהם לפני בחירת אחד כדי להחיל על עמית מלאה. יתר על כן, הפרוטוקול ייתכן כללית נוספת פילוח מאזורים אחרים במוח.

מבוא

דימות מוחי נעשה שימוש נרחב בשתי קליניים ומחקר הגדרות. ישנו איזשהו מהלך הנוכחי כדי לשפר את הפארמצבטית של מחקרים לכמת נפח המוח של סריקות דימות תהודה מגנטית (MRI); לכן, חשוב כי החוקרים לשתף חוויות של שימוש בכלים הזמינים MRI ולהפרדת סריקות MRI באמצעי אחסון מקומיים, כדי לשפר את התקינה ואופטימיזציה של שיטות1. פרוטוקול זה מספק מדריך צעד אחר צעד לשימוש שבעה כלים שונים כדי לחלק את החומר האפור בקליפת המוח (CGM; החומר האפור, אשר אינו כולל אזורים subcortical) של סריקות MRI T1 משוקלל. כלים אלה שימשו בעבר השוואה מתודולוגי של פילוח שיטות2, אשר הפגינו ביצועים משתנה בין כלי קוהורטה מחלת הנטינגטון. מאז הביצועים של כלים אלה, נחשב משתנים בין נתונים (datasets) שונות, חשוב לחוקרים לבחון מספר כלים לפני בחירת רק אחד כדי להחיל את ערכת הנתונים שלהם.

נפח החומר האפור (GM) משמש באופן קבוע כאמצעי של המוח מורפולוגיה. מידות נפח הם בדרך כלל אמין מסוגל להפלות בין הפקדים בריא לבין קבוצות קליניים3. הנפח של רקמות שונות סוגי אזורים במוח מחושב בדרך כלל באמצעות כלי תוכנה אוטומטית לזהות את סוגי רקמות אלה. לכן, כדי ליצור איכות גבוהה delineations (segmentations) של GM, תיחום מדויק של חומר לבן (WM), נוזל מוחי שדרתי (CSF) היא קריטית בהשגת דיוק של האזור GM. ישנם מספר כלים אוטומטיים העשויות לשמש לביצוע סגמנטציה GM, כל אחד דורש שלבי עיבוד שונות ותוצאות פלט שונה. מספר מחקרים החלת בכלים שונים datasets להשוות אותם עם אחד אחרים, חלקם יש אופטימיזציה כלים ספציפיים1,4,5,6,7,8 ,9,10,11. העבודות הקודמות הוכיחה כי השתנות בין כלי נפחי עלולה לגרום חוסר עקביות בתוך הספרות כשלמדתי נפח המוח, הבדלים אלה שהוצעו נהיגה גורמים מסקנות שווא משורטטים על מחלות נוירולוגיות1.

לאחרונה, בוצעה השוואה של כלים שונים פילוח במדגם שכלל המשתתפים שליטה בריאים והן של המשתתפים עם מחלת הנטינגטון. מחלת הנטינגטון היא מחלה גנטית ניווניות עם תחילת טיפוסי בבגרות. אטרופיה הדרגתית של subcortical ו- CGM היא תכונה neuropathological בולטים למד היטב של המחלה. התוצאות הראו ביצועים משתנה של שבעה כלים פילוח שהוחלו על קבוצה, תמיכה לעבוד קודמים שהראו השתנות של ממצאים בהתאם לתוכנה המשמש לחישוב המוח כרכים של סריקות MRI. פרוטוקול זה מספק מידע על עיבוד המשמשים ג'ונסון. et al. (2017) 2 שמעודד בחירה זהירה מתודולוגי הכלים המתאים ביותר לשימוש בדימות מוחי. מדריך זה מכסה את פילוח של GM האחסון אך אינו מכסה את פילוח של נגעים, כגון אלה ראה טרשת נפוצה.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

הערה: ודא כי כל התמונות הם בתבנית NifTI. המרה ל- NifTI אינו מכוסה כאן.

1. פילוח ויה SPM 8: מאוחדת פלח

הערה: הליך זה מבוצע באמצעות GUI SPM8 אשר פועלת בתוך Matlab. המדריך SPM8 מספק פירוט נוסף ניתן למצוא: http://www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf.

  1. ודא כי SPM8 מותקן, להגדיר את הנתיב תוכנה.
  2. פילוח SPM מתבצעת באמצעות GUI. לפתיחת SPM, פתח חלון פקודה והקלד 'spm' לתוך שורת הפקודה.
  3. הקש 'מחמד & שהתנהל' כדי לפתוח את ארגז הכלים MRI מבניים.
  4. הקש 'אצווה' כדי לפתוח את עורך אצווה. דבר זה מאפשר פילוח להתבצע על סריקות מרובות בו-זמנית.
  5. בחר ' SPM | מרחבי | מקטע '.
  6. לחץ על ' נתוני | בחר קבצים. בחר את הסריקות משוקלל T1 כקלט.
    הערה: על הקבצים להיות קבצים NifTi רוכסן מכנסיו, עם הסיומת. להיות '.nii'.
  7. לחץ על ' פלט קבצים | החומר האפור ', ודא כי נבחר "מרחב יליד", לעשות אותו הדבר עם חומר לבן. אם פילוח CSF אינו נדרש להשאיר את זה כמו 'ללא'.
  8. אם הסריקות כבר תוקנו-הטיה, לשנות את האפשרות 'תיקון הטיה' 'לא להציל מתוקן'. באפשרות 'נקה את כל המחיצות', לבדוק את האפשרויות השונות שלושה ולהשתמש חזותי בקרת איכות (QC, סעיף 8) כדי לקבוע איזו דרך עבור הנתונים.
  9. להשאיר הגדרות אחרות כברירות מחדל שלהם. לאחר מכן, לחץ על הדגל הירוק כדי להפעיל את פילוח.
    הערה: זה לוקח 5 דקות למשתתף, שורת הפקודה יגידו, 'הפעלת מקטע'. בסיום, תציג חלון הפקודה 'בוצע'.
  10. מבצע QC חזותי GM (קובץ C1*.nii) כמתואר בסעיף 8.

2. פילוח ויה SPM 8: קטע חדש

הערה: הליך זה מבוצע באמצעות SPM8 GUI. המדריך SPM8 מספק פירוט נוסף ניתן למצוא: http://www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf. ודא כי SPM8 מותקן, להגדיר את הנתיב תוכנה. פתח את התוכנה SPM, המבוצעת בדרך כלל על-ידי הקלדת "spm" לתוך שורת פקודה. פעולה זו פותחת חלון (GUI) של ממשק משתמש גרפי עם מגוון רחב של אפשרויות שניתן לבחור לבצע ניתוח.

  1. הקש "מחמד & שהתנהל".
  2. הקש 'אצווה' כדי לפתוח את עורך אצווה.
  3. בחר ' SPM | כלים | קטע חדש ' בחלון אצווה. בחר את קבצי התמונה T1 (עם סיומת '.nii').
  4. הגדר 'סוג הרקמה הטבעית' "מרחב מקורית". לפי הצורך, בטל את הרקמה שונים שיעורים (כגון CSF) - אם לא נדרש - על-ידי הגדרת 'ללא' אותם. הגדר 'רקמות מעוותת' כדי 'ללא'.
    הערה: ניתן יהיה להשאיר כל האפשרויות האחרות כהגדרת ברירת המחדל.
  5. לחץ על הדגל הירוק כדי להפעיל את פילוח.
    הערה: שורת הפקודה יגידו, 'הפעלת קטע חדש'. פעם זה סיים לרוץ הרצון שורת הפקודה MATLAB, 'עשיתי חדש קטע'.
  6. מבצע QC חזותי GM (קובץ C1*.nii) כמתואר בסעיף 8.

3. פילוח ויה SPM 12: פלח

הערה: ההליך זה שבוצעו דרך SPM12 GUI. המדריך SPM12 מספק פירוט נוסף ניתן למצוא: http://www.fil.ion.ucl.ac.uk/spm/doc/manual.pdf.

  1. פתח את תוכנת SPM על-ידי הקלדת 'spm' לתוך חלון הפקודה. פעולה זו פותחת חלון (GUI) של ממשק משתמש גרפי עם מגוון רחב של אפשרויות שניתן לבחור לבצע ניתוח.
  2. הקש "מחמד & שהתנהל". הקש 'אצווה' כדי לפתוח את עורך אצווה.
  3. לחץ על ' SPM | מרחבי | מקטע '. לאחר מכן, לחץ על ' נתוני | כרכים.
  4. הגדר 'סוג הרקמה הטבעית' "מרחב מקורית". לבטל את המעמדות רקמה שאינם נחוצים (כגון CSF) על-ידי הגדרת 'ללא' אותם. הגדר 'רקמות מעוותת' כדי 'ללא'.
    הערה: ניתן יהיה להשאיר כל האפשרויות האחרות כמו הגדרת ברירת המחדל.
  5. לחץ על הדגל הירוק כדי להפעיל את פילוח.
    הערה: חלון הפקודה יציג: 'קטע ריצה'. לאחר סיום ההפעלה, הוא יציג: "נעשה קטע".
  6. מבצע QC חזותי GM (קובץ C1*.nii) כמתואר בסעיף 8.

4. פילוח ויה FSL מהר

הערה: הליך זה מתבצע בשורת הפקודה. המדריך FSL מספק פירוט נוסף ניתן למצוא: https://fsl.fmrib.ox.ac.uk/fsl/fslwiki.

  1. הפעל את ההימור המוח החילוץ. זה ייתכן שתצטרך להיות אופטימיזציה עבור נתונים (datasets) שונות, אך הפקודה הבסיסית היא:
    מתערב T1_ID.nii bet_T1_ID.nii
  2. הפעל FSL מהר פילוח:
    bet_T1_ID.nii מהיר
    הערה: זה יהיה הפלט נפח חלקי מפות של אזורים בינארי עבור GM CSF, ויליאם
  3. לבצע QC חזותי על האזור GM (הסוף קובץ * _pve_1.nii.gz) כמתואר בסעיף 8.

5. פילוח ויה FreeSurfer

הערה: הליך זה מתבצע בשורת הפקודה. המדריך FreeSurfer מספק פירוט נוסף ניתן למצוא: https://surfer.nmr.mgh.harvard.edu/.

  1. להגדיר את הספריה איפה הנתונים על-ידי הקלדת:
    ייצוא SUBJECTS_DIR = / נתיב/אל/המוסד/קבצים
  2. הפעל את פילוח על-ידי הפעלת הפקודות:
    איסוף מידע-כל - i T1_ID.nii - subjid T1_ID-autorecon1-cw256
    איסוף מידע-כל - subjid T1_ID-autorecon2-autorecon3
    הערה: הפקודות לקחת > h 10 למשתתף. Cw256-דגל יש צורך לחתוך סריקות עם שדות ראייה גדול יותר 256 עד גודל זה לעיבוד.
  3. בדוק עיבוד השלימה כראוי על ידי הסתכלות על קובץ ה-script ממוקם ' תיקיית הפלט | סקריפטים | איסוף מידע-all.log'. בדוק השורה האחרונה אומר 'recon-כל - s T1_ID השלים ללא שגיאה'.
  4. לבצע QC חזותי על האזור GM כמתואר בסעיף 8.

6. פילוח דרך נמלים

הערה: הליך זה מתבצע בשורת הפקודה. נמלים היא תוכנה מורכבים יותר מאשר את הכלים אחרים ואת זה יש לציין כי ההליך המוסברת יכול להיות עוד יותר ממוטב עבור כל קוהורטה לשפר את התוצאות. ניתן למצוא תיעוד נמלים: http://stnava.github.io/ANTsDoc/. קיימות שתי דרכים כדי לחלק את התמונות לתוך רקמות מחלקות כפי שמתואר להלן.

  1. כדי להשתמש בשיטה הראשונה, הפעל את הפקודה 'antsAtropos.sh' עם הגדרות ברירת מחדל וללא כולל רקמות הרשעות קודמות.
    הערה: זה לעיתים קרובות מופיעה בעיקר כאשר רק 3 כיתות רקמות נדרשים: ג'נרל מוטורס, WM, אחרים.
    1. לקבוע את הנתיב נמלים תוכנה על-ידי הקלדת הפקודה:
      ייצוא ANTSPATH = / נתיב/ל/נמלים/bin /
    2. הפעל את הצינור פילוח על-ידי הקלדת הפקודה:
      antsAtroposN4.sh -d < image_dimension >, < t1.nii.gz > -c < מספר הכיתות רקמות > -o < פלט >
      1. ארגומנטים אופציונליים עבור פקודה זו הם:
        מסכת המוח: - x < mask.nii.gz >;
        רקמות הרשעות קודמות: -p < segmentationPriors%d.nii.gz >.
    3. פעולה זו תיצור תיקיה עם הפלט כולל נפח חלקי מפות של המוח שחולצו. לבצע QC חזותי על האזור GM כמתואר בסעיף 8.
  2. כדי ליצור עוד שיעורים רקמות (ג'נרל מוטורס subcortical GM, WM, CSF, השני, וכו ') או לבצע את פילוח על עמית מציג פתולוגיה עצבית, להשתמש רקמות ספציפיות הרשעות קודמות. הורד רקמות הרשעות קודמות מאתרים שונים. לחלופין, השתמש תבנית לימוד ספציפיים כדי להפוך הרשעות קודמות - זה הוא הרבה יותר מורכב, אבל יכול להיות מועיל, בפרט גדודים עם שינויים פתולוגיים במוח.
    1. כדי ליצור תבנית/הרשעות של מחקר ספציפי, תחילה ליצור תבנית לימוד ספציפיות:
      תבנית -o -d < image_dimension > < אפשרויות אחרות >< antsMultivariateTemplateConstruction.sh images.nii.gz >
      1. ארגומנטים אופציונליים עבור פקודה זו הם:
        -c: בקרה לצורך חישוב מקבילי.
        אם פועל בשימוש סדרתי, 0; -j: מספר ליבות; -r: לעשות רישום גוף קשיח של תשומות לפני יצירת תבנית (ברירת המחדל 0) 0 = = הנחה 1 = = ב. פעולה זו שימושית רק כאשר תבנית הראשונית אינה זמינה.
    2. הורידו את brainmask של הרשעות קודמות מהאתר נמלים.
      הערה: מסכה זו ייתכן שתצטרך לערוך לוודא שזה הערכה טובה של המוח תבנית. Brainmask הוא אחד החלקים החשובים ביותר של הצינור; אם הוא עני, אז המוח החילוץ/האטרופוס יפעל בצורה גרועה. חלק מהאפשרויות להורדה הם:
      https://figshare.com/articles/ANTs_ANTsR_Brain_Templates?915436.
      אז צריך להיות רשום את תבנית שהורדת על תבנית המחקר.
    3. לחשב את הרישום, אשר יהיה הפלט סדרה של עיוותי ואז שניתן להחיל על תבנית שהורדת להמירו למרחב תבנית ספציפית המחקר. כדי לחשב את הרישום, השתמש בפקודה:
      antsRegistrationSyNQuick.sh -d 3 -f template.nii.gz -m downloaded_template.nii.gz -o downloaded_to_template - n 6
      1. האפשרויות בפקודה זו הן:
        -d: ממד (קרי, 3D סריקות יהיה '3'); -תמונה קבוע f: (קרי, החלל שבו התמונות צריך בסופו של דבר); -הדימוי הנע מ: רכיסה (קרי, התמונה צריך להתרגש); -שם o: פלט (אין סיומת הצורך); -n: מספר הליכי המשנה.
    4. החל הרישום בנתונים:
      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.
      1. האפשרויות בפקודה זו הן:
        -d: ממד (קרי, 3D סריקות יהיה '3'); -תמונת הקלט i: (קרי, התמונה צריך להתרגש); -תמונת ייחוס r: (קרי, הייחוס מגדירה את המרווח, מקור, בגודל כיוון שהתמונה מעוותת פלט); -o פלט שם, זו התבנית שהורדו בשטח המחקר הספציפי תבנית (סיומת. הצורך במקרה זה); -t שם קובץ transform, קובץ הפלט מהחישוב רישום.
    5. בדיקה חזותית את הרישום עבור תכתובות בין מחקר ספציפי תבנית תבנית שהורדת (כדי לעשות זאת, פתח את תבנית מחקר ספציפי על גבי התבנית שהורדו).
    6. אם הרישום עבד, להחיל את השינוי הנזירים שהורדו, חילוץ תבנית המוח, לחזור על שלב 6.2.5.
      הערה: בעקבות צעדים אלה, תהיה תבנית לימוד ספציפיים, תבנית שהורדת מיושר עם התבנית מחקר ספציפי, יחד עם מסכה החילוץ המוח שהורדת ואת רקמת הרשעות קודמות גם מיושר עם התבנית מחקר ספציפי.
    7. תריץ את תבנית ספציפית המחקר antsCorticalThickness.sh; זה מספק אזורים GM, WM ו CSF יכול לשמש עבור מחקר ספציפי הרשעות קודמות:
      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
      1. האפשרויות בפקודה זו הן:
        -d: ממד (קרי, 3D סריקות יהיה '3'); -ת התמונה כדי להיות מקוטע (במקרה זה, התבנית מחקר ספציפי); -המוח ה': תבנית (לא הגולגולת הפשיטו; במקרה זה, תבנית שהורדת שנרשם על תבנית ספציפית מחקר); -המוח שהורדו מ: מסכת החילוץ (במקרה זה, המוח שחולצו מן התבנית שהורדו שנרשם על תבנית ספציפית מחקר); -p: עבירות המצוין באמצעות c בסגנון עיצוב (למשל, labelsPriors%02d.nii.gz -p).
        הערה: הפקודה יוצא מנקודת הנחה כי הנזירים ארבע הראשונות מסודרות כדלקמן: 1: נוזל מוחי-שדרתי, 2: GM קורטיקלית, 3: WM, ו- 4: GM subcortical (במקרה זה, הנזירים מן התבנית שהורדו שנרשם על תבנית מחקר ספציפי).
    8. הפעלת פקודה זו תגרום הרשעות שנוצר עבור התבנית, אך עליהם בהחלקת לפני השימוש בהאטרופוס פילוח. הפקודה המחליק הוא חלק נמלים תוכנה. חלקה כל הרשעות קודמות באמצעות הפקודה:
      CT_template_BrainSegmentationPosteriors_smoothed.nii.gz CT_template_BrainSegmentationPosteriors2.nii.gz SmoothImage 3
    9. לפני הפעלת האטרופוס, להפעיל את המוח החילוץ על כל הסריקות שטח מקורית. התבנית מחקר ספציפי יכול לשמש, של המוח שנוצר מהפעלת antsCorticalThickness.sh על התבנית (שלב 6.2.1):
      antsBrainExtraction.sh -d 3-T1.nii.gz -e template.nii.gz -m template_BrainExtractionBrain.nii.gz -o T1_brain.nii.gz
      1. האפשרויות בפקודה זו הן:
        -d: מידות; -התמונה אנטומי ת; -e: המוח החילוץ תבנית (קרי, תבנית שנוצרה, בלי הגולגולת בנוכחות אחר); -m: ללמוד brainmask ספציפיים השתמשו להעמסת המוח; -o: פלט קידומת.
    10. לאחר מכן הפעל האטרופוס:
      antsAtroposN4.sh -d 3-. T1.nii.gz - x T1_brain.nii.gz -c 3 -o Atropos_specific_template
      1. האפשרויות בפקודה זו הן:
        -d = מידות; -התמונה אנטומי ת; -x: המוח החילוץ מסכת המופקים החילוץ המוח; -c: מספר מחלקות רקמות כדי לחלק; -קידומת o: פלט; -p: מחקר ספציפי פילוח הרשעות קודמות < segmentationPriors%d.nii.gz >
    11. לבצע QC חזותי על האזור GM כמתואר בסעיף 8.

7. פילוח באמצעות רכב הגישוש-EM

  1. כדי להפעיל את רכב הגישוש-EM, לפתוח חלון מסוף, להחליף את הספריה לתוך ספריית ההתקנה רכב הגישוש-EM ו סוג:
    . / malpem-proot - i T1_scan.nii -o-/ -m optional_brain_mask_final.nii.gz -f 3T -t 6 - c
  2. לאחר הפקודה הושלמה, בדוק כי יש תיקיית פלט עם רקמת ומחלקות אזוריות segmentations.
  3. מבצע QC חזותי GM כמתואר בסעיף 8.

8. בקרת איכות חזותית

הערה: בקרת איכות חזותית צריכה להתבצע על כל האזורים מקוטע כדי לשמש בניתוח. בקרת איכות מבטיחה כי segmentations ברמה גבוהה, מייצגים חלוקת אמין CGM. כדי לבצע בקרת איכות, כל סריקה נפתח, בשכבות על T1 המקורי כדי להשוות בין האזור שנוצר גרפיקת CGM גלוי על הסריקה.

  1. SPM, FSL, נמלים, Segmentations רכב הגישוש-EM
    1. לבצע QC חזותי באמצעות FSLeyes:
      https://users.fmrib.ox.ac.uk/~paulmc/fsleyes_userdoc/
      הערה: FSLview (הצופה בוגרים) יכול לשמש גם באותו אופן.
    2. פתח את חלון המסוף ופתח את T1 ואת האזורים GM את T1. כדי לעשות זאת, הקלד:
      fsleyes T1.nii Region1.nii Region2.nii.
    3. ברגע FSLeyes יפתח, השתמש דו-מצבי של אטימות בחלונית העליונה להתאים/להפחית את האטימות ולאפשר ויזואלזציה של התמונה T1 מתחת לאזור GM. לשנות את צבע הכיסוי פילוח דרך 'צבע רשימה נפתחת של הכרטיסיה' בחלונית העליונה.
    4. גלול לאורך כל פרוסה במוח.
      הערה: כאן זה נעשה שימוש בתצוגת הילתית, אך משתמשים צריכים להשתמש בתצוגת שיש להם הכי הרבה ניסיון עם.
    5. בדוק כל פרוסה עבור אזורים של תחת - או over - estimation של האזור בבדיקה.
      הערה: עיין בסעיף התוצאות נציג דוגמאות segmentations טוב ורע.
  2. FreeSurfer QC
    1. לעיתים QC חזותי באמצעות פריוויו (freeview).
      הערה: עיין בתיעוד כאן:
      https://surfer.nmr.mgh.harvard.edu/fswiki/FreeviewGuide/FreeviewGeneralUsage/FreeviewQuickStart.
    2. פתח חלון מסוף. כדי להציג את האזור GM הנפחי את T1, לשנות מדריך על נושא התיקייה ועל סוג:
      פריוויו (freeview)./mri/T1.mgz./mri/aparc+aseg.mgz:colormap=lut:opacity:.3
    3. גלול לאורך כל פרוסה במוח.
      הערה: כאן זה נעשה שימוש בתצוגת הילתית, אך משתמשים צריכים להשתמש בתצוגת שיש להם הכי הרבה ניסיון עם.
    4. בדוק כל פרוסה עבור אזורים של תחת - או over - estimation של האזור בבדיקה.
      הערה: עיין בסעיף התוצאות נציג דוגמאות segmentations.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

אמצעי אחסון המוח הממוצע עבור 20 משתתפים שליטה, יחד עם מידע דמוגרפי, מוצג בטבלה 1. זה משמש מדריך עבור הערכים הצפויים בעת השימוש בכלים אלה. תוצאות צריך להציג את ההקשר של התמונה המקורית T1.nii. כל האזורים GM צריך להיבדק לפי השלבים המתוארים בסעיף 8. בעת ביצוע QC חזותי, חשוב להשוות את האזורים GM כדי הסריקה T1 ישירות על-ידי הצגת אותם את T1.

אזורים להידחות שגיאות גולמי כמוצג באיור1. לפעמים...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

לאחרונה, מחקר הראה כי השימוש בשיטות נפח שונה יכול להיות השלכות חשובות על דימות מוחי מחקרים1,2. פרסום פרוטוקולים המסייעים משתמשים טירון מדריך איך ליישם כלי דימות מוחי שונים, כמו גם כיצד לבצע QC על הפלט התוצאות באמצעות כלים אלה, חוקרים ניתן לבחור את השיטה הטובה ביותר כדי להחיל את ערכת הנתונים שלהם.

בזמן השלבים ברוב נוהל זה ניתן להתאים בהתאם לדרישות הנתונים וחוקרת, אחד התהליכים הקריטיים ביותר המובאים כאן הם הצעדים המתארת בקרת איכות חזותית...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

המחברים אין לחשוף.

תודות

אנו רוצים להודות לכל אלה של קרן Q CHDI/גבוהה אחראי על המחקר המסלול-HD; בפרט, בית Borowsky, אלן טובין, דניאל ואן Kammen, איתן החותם ואת שרי אסיר עולם. המחברים גם רוצים להאריך את המשתתפים במחקר מעקב אחר-HD ובני משפחותיהם תודתם. עבודה זו נערך ב UCLH/UCL, אשר קיבל שיעור מימון מן המכון הלאומי של מחלקת הבריאות עבור הבריאות מחקר ביו-רפואי מרכזי מחקר מימון ערכת. S.J.T. מאשר התמיכה של המכון הלאומי לחקר הבריאות באמצעות Dementias, רשת המחקר ניווניות, DeNDRoN.

חוקרים מסלול-HD:
ג. קמפבל, מר קמפבל, אני Labuschagne, ג Milchman, ג'יי סטאוט, אוניברסיטת מונש, מלבורן, ויק, אוסטרליה; א קולמן, סנטוס דאר רבי, ג'יי Decolongon, נולד ב ר לוויט, Sturrock א, אוניברסיטת בריטיש קולומביה, וונקובר, קנדה; א Durr, ג Jauffret, ד Justo, S. Lehericy, ג Marelli, ק' Nigaud, ר' Valabrègue, ICM מכון, פריז, צרפת; (ש ע) Bechtel, ס Bohlen, ר' Reilmann, אוניברסיטת מינסטר, מינסטר, גרמניה; B. Landwehrmeyer, האוניברסיטה ההיסטורית אולם, אולם, גרמניה; ס י א ואן דן Bogaard, דומא מ א, ג'יי ואן דר גרונד, E. P אל הארט, ר א רוס, המרכז הרפואי של אוניברסיטת ליידן, ליידן, הולנד; (ש ע) Arran, ג'יי קלהאן, האימפראטור ד, ג Stopford, אוניברסיטת מנצ'סטר, מנצ'סטר, אנגליה; ד מ במזומן, IXICO, לונדון, אנגליה; ה קרופורד פוקס נ ג, גרגורי ס', אוון ג, ש צ הובס, ש להירי, מאלון. אני, ג'יי לקריאה, מ' ג', וייטהד ד, אי פראי, נניח באוניברסיטת קולג ' בלונדון, לונדון, אנגליה; ג. פרוסט, ר ' ג'ונס, London School of להיגיינה, רפואה טרופית, לונדון, אנגליה; אי Axelson ה ג'יי ג'ונסון, Langbehn ד, אוניברסיטת איווה, IA, ארצות הברית; ס קוולר, אוניברסיטת ג קמפבל, אינדיאנה, ארה.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

מקורות

  1. Katuwal, G. J., et al. Inter-Method Discrepancies in Brain Volume Estimation May Drive Inconsistent Findings in Autism. Frontiers in Neuroscience. 10, 439(2016).
  2. 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).
  3. 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).
  4. Clarkson, M. J., et al. A comparison of voxel and surface based cortical thickness estimation methods. NeuroImage. 57 (3), 856-865 (2011).
  5. 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).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. 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).
  11. 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).
  12. 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).
  13. 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).
  14. Ashburner, J., Friston, K. J. Unified segmentation. NeuroImage. 26 (3), 839-851 (2005).
  15. Jenkinson, M., Beckmann, C., Behrens, T. E., Woolrich, M. W., Smith, S. M. FSL. NeuroImage. 62, 782-790 (2012).
  16. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. NeuroImage. 9, 179-194 (1999).
  17. 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).
  18. 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).
  19. Ledig, C., et al. Robust whole-brain segmentation: application to traumatic brain injury. Medical Image Analysis. 21 (1), 40-58 (2015).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

תגיות

SPMFSLeyesFreeSurfer
פילוח אוטומטיות של החומר האפור קורטיקלית מתמונות MRI T1 משוקלל
צור קשר
המלצה לספרייה

פרטיות

תנאי שימוש

מדיניות

2026 © זכויות יוצרים MyJoVE Corporation. כל הזכויות שמורות.