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

מאמר שיטה

צינור מתוקנן לבחינת מורפומטריה של חומר אפור במוח הקטן האנושי באמצעות הדמיית תהודה מגנטית מבנית

4.1K צפיות

⸱

DOI:

10.3791/63340

⸱

4 בפברואר 2022

 ,  ,  ,  ,  ,  , 
1Department of Neuroscience, Central Clinical School, Monash University, 2Department of Biomedical Engineering, The Johns Hopkins University, 3Department of Psychiatry, National Institute of Mental Health & Neuro Sciences (NIMHANS), 4Faculty of Computer Science, Dalhousie University, 5Department of Electrical and Computer Engineering, The Johns Hopkins University, 6Department of Computer Science, The Johns Hopkins University, 7Brain and Mind Institute, Department for Statistical and Actuarial Sciences, Department for Computer Science, Western University, 8Monash Biomedical Imaging, Monash University

במאמר זה

סיכום

צינור מתוקנן מוצג לבחינת מורפומטריה של חומר אפור במוח הקטן. הצינור משלב גישות מתקדמות ברזולוציה גבוהה ומתקדמת לפרסלציה ממוטבת ואוטומטית של המוח הקטן ורישום מבוסס ווקסל של המוח הקטן לכימות נפחי.

תקציר

קווי מחקר מרובים מספקים ראיות משכנעות לתפקיד המוח הקטן במגוון רחב של פונקציות קוגניטיביות ורגשיות, החורגות בהרבה מהקשר ההיסטורי שלה עם שליטה מוטורית. מחקרים מבניים ותפקודיים של דימות מוחי חידדו עוד יותר את ההבנה של הנוירואנטומיה התפקודית של המוח הקטן מעבר לחלוקות האנטומיות שלו, והדגישו את הצורך בבדיקת יחידות משנה בודדות במוח הקטן בשונות בריאה ובמחלות נוירולוגיות. מאמר זה מציג צינור מתוקנן לבחינת מורפומטריית החומר האפור במוח הקטן המשלבת גישות ברזולוציה גבוהה ומתקדמת עבור פרצלציה ממוטבת ואוטומטית של המוח הקטן (פרצלציה אנטומית אוטומטית של המוח הקטן באמצעות U-Net אופטימיזציה מוגבלת מקומית; ACAPULCO) ורישום מבוסס voxel של המוח הקטן (תבנית אינפרא-טנטורית לא משוחדת באופן מרחבי; SUIT) לכימות נפחי.

לצינור יש ישימות רחבה למגוון מחלות נוירולוגיות והוא אוטומטי לחלוטין, עם התערבות ידנית הנדרשת רק לבקרת איכות של התפוקות. הצינור זמין באופן חופשי, עם תיעוד נלווה משמעותי, וניתן להפעיל אותו במערכות ההפעלה Mac, Windows ו- Linux. הצינור מיושם בקבוצה של אנשים עם אטקסיה פרידרייך (FRDA), ותוצאות מייצגות, כמו גם המלצות על ניתוחים סטטיסטיים שטותיים ברמת הקבוצה, מסופקים. צינור זה יכול להקל על אמינות ושחזור ברחבי השדה, ובסופו של דבר לספק גישה מתודולוגית רבת עוצמה לאפיון ומעקב אחר שינויים מבניים במוח הקטן במחלות נוירולוגיות.

מבוא

המוח הקטן הוא חלק מהמוח הקשור מבחינה היסטורית לשליטה מוטורית 1,2,3 ונחשב כמעורב באופן אינטגרלי רק במערכת קטנה של מחלות נדירות, כגון אטקסיאס תורשתי4. עם זאת, קווי מחקר מתכנסים ממחקרי מעקב אנטומיים בפרימטים לא אנושיים, כמו גם מחקרי נגעים אנושיים וציורי מוח, מספקים ראיות משכנעות לתפקיד המוח הקטן במגוון רחב של 5,6,7 קוגניטיביים, רגשיים 8,9,10,11, ותפקודים אחרים שאינם מוטוריים 7,12 (ראה6  לסקירה). יתר על כן, חריגות של המוח הקטן מעורבים יותר ויותר במגוון רחב של הפרעות נוירולוגיות ופסיכיאטריות, כולל מחלת פרקינסון13, מחלת אלצהיימר 14,15, אפילפסיה 16,17, סכיזופרניה18, והפרעת ספקטרום האוטיזם19 . לכן, זה הפך להיות חיוני כדי לשלב את המוח הקטן לתוך מודלים פונקציונליים ומבניים של מחלות מוח אנושיות ושונות התנהגותית נורמטיבית.

מבחינה אנטומית, ניתן לחלק את המוח הקטן לאורך צירו העליון עד נחות לשלוש אונות: קדמי, אחורי, ו flocculonodular. האונות מחולקות עוד יותר ל-10 אונות המצוינות בספרות רומיות I-X20,21 (איור 1). המוח הקטן יכול להיות מקובץ גם לאזורי קו האמצע (vermis) ו לרוחב (חצי הכדור), אשר בהתאמה לקבל תשומות מחוט השדרה וקליפת המוח. האונה הקדמית, הכוללת אונות I-V, נקשרה באופן מסורתי לתהליכים מוטוריים ויש לה קשרים הדדיים עם קליפת המוח המוטורית22. האונה האחורית, הכוללת אונות VI-IX, קשורה בעיקר לתהליכים לא-מוטוריים11 ויש לה קשרים הדדיים עם קליפת המוח הקדם-מצחית, הקודקוד האחורי וקליפת המוח הטמפורלית העליונה 8,23. לבסוף, האונה flocculonodular, הכוללת אונה X, יש קשרים הדדיים עם גרעיני שיווי המשקל השולטים תנועות עיניים ושיווי משקל הגוף במהלך יציבה והליכה21.

גוף גדל והולך של עבודה לאחרונה באמצעות הדמיית מוח תפקודית יש הבנה מעודנת עוד יותר של neuroanatomy תפקודי של המוח הקטן מעבר החלוקות האנטומיות שלה. לדוגמה, טכניקות הדמיית תהודה מגנטית תפקודית במצב מנוחה (fMRI) שימשו למיפוי דפוס האינטראקציות התפקודיות בין המוח הקטן למוח הקטן24. בנוסף, באמצעות גישת פרצלציה המבוססת על משימות, קינג ועמיתיו7 הדגימו כי המוח הקטן מראה דפוס עשיר ומורכב של התמחות פונקציונלית לרוחבו, המעיד על גבולות פונקציונליים ברורים הקשורים למגוון משימות מוטוריות, רגשיות, חברתיות וקוגניטיביות. באופן קולקטיבי, מחקרים אלה מדגישים את החשיבות של בחינת יחידות משנה של המוח הקטן הפרטני לפתח אפיונים ביולוגיים מלאים של מעורבות המוח הקטן הן בשוונות בריאה והן במחלות נוירולוגיות המאופיינת בשינויים במבנה המוח הקטן ו / או בתפקוד.

העבודה הנוכחית מתמקדת בשיטות לכימות שינויים מקומיים בנפח המוח הקטן באמצעות MRI מבני בבני אדם. באופן כללי, ישנן שתי גישות בסיסיות לכימות נפח המוח האזורי באמצעות נתוני MRI: פילוח מבוסס תכונות ורישום מבוסס voxel. גישות פילוח מבוססות תכונות משתמשות בציוני דרך אנטומיים ובאטלסים מתוקננים כדי לזהות באופן אוטומטי גבולות בין תתי-תחומים. חבילות תוכנה רגילות לפילוח כוללות FreeSurfer25, BrainSuite26 ו- FSL-FIRST27. עם זאת, חבילות אלה מספקות רק פרצלציות גסות של המוח הקטן (למשל, תיוג כל החומר האפור והחומר הלבן כולו בכל חצי הכדור), ובכך משקיף על אונות המוח הקטן הבודדות. גישות אלה נוטות גם לפילוח שגוי, במיוחד הכללת יתר של כלי הדם שמסביב.

פותחו אלגוריתמים חדשים של למידת מכונה ותיוג רב-אטלס, המספקים פרצלציה מדויקת יותר ועדינה יותר של המוח הקטן, כולל סיווג אוטומטי של אלגוריתם אובולות המוח הקטן באמצעות אבולוציה רב-גבולותית משתמעת (ACCLAIM28,29), ערכת כלים לניתוח מוחי (CATK30), תבניות מרובות שנוצרו באופן אוטומטי (MAGeT31), פילוח אוטומטי מהיר של המוח הקטן האנושי והאוניות שלו (RASCAL32 ), פילוח חתך גרף33, ו פילוח המוח הקטן (CERES34). במאמר שנערך לאחרונה המשווה בין גישות פרצלציה אוטומטיות לחלוטין של המוח הקטן, נמצא כי CERES2 משיג ביצועים טובים יותר מגישות אחרות ביחס לפילוח ידני בתקן זהב של אונות המוח הקטן35. לאחרונה, האן ועמיתיו36 פיתחו אלגוריתם למידה עמוקה בשם ACAPULCO (פרצלציה אנטומית אוטומטית של המוח הקטן באמצעות U-Net עם אופטימיזציה מוגבלת מקומית), אשר מבצעת בשווה עם CERES2, יש תחולת רחבה הן מוחץ בריא והן מנוון, זמין בקוד פתוח Docker ו פורמט מיכל סינגולריות עבור יישום 'מחוץ למדף', והוא יעיל יותר זמן מאשר גישות אחרות. ACAPULCO מפרקת באופן אוטומטי את המוח הקטן ל-28 אזורים אנטומיים.

בניגוד לפילוח מבוסס תכונות, גישות רישום מבוססות voxel פועלות על-ידי מיפוי מדויק של MRI לתמונת תבנית. כדי להשיג מיפוי זה, voxels בתמונה המקורית חייב להיות מעוות בגודל ובצורה. גודלו של עיוות זה מספק למעשה מידה של נפח בכל voxel ביחס לתבנית תקן הזהב. צורה זו של הערכה נפחית ידועה בשם 'מורפומטריה מבוססת ווקסל'37. גישות רישום מבוססות voxel שלם במוח, כגון FSL-FLIRT38/FNIRT39, פילוח מאוחד SPM40 ו- CAT1241, משמשות בדרך כלל למורפומטריה מבוססת ווקסל. עם זאת, גישות אלה אינן מסבירות היטב את המוח הקטן, וכתוצאה מכך אמינות ירודה ותוקף באזורים אינפרא-טראומטיים (המוח הקטן, גזע המוח42). כדי להסביר מגבלות אלה, פותח אלגוריתם SUIT (תבנית אינפרא-עשרה לא משוחדת באופן מרחבי) כדי לייעל את רישום המוח הקטן ולשפר את הדיוק של מורפומטריה מבוססת voxel42,43.

פילוח מבוסס תכונות וגישות רישום מבוססות ווקסל להערכת נפח המוח הקטן האזורי יש נקודות חוזק וחולשה בסיסיות. גישות פילוח מדויקות יותר באופן משמעותי לכימות נפח האזורים המוגדרים אנטומית (למשל, אונות35). עם זאת, גבולות בין מודולים פונקציונליים ברורים של המוח הקטן אינם ממפים על פוליה אנטומית שלה סדקים (שווה ערך gyri ו sulci של המוח הקטן7). מכיוון שגישות מבוססות רישום אינן מוגבלות על ידי ציוני דרך אנטומיים, מסקנות מרחביות מגורענות עדינות יותר ומיפוי מבנה-פונקציה ממדי גבוה של המוח הקטןאפשריות 44. יחד, גישות פילוח ורישום משלימות זו את זו וניתן להשתמש בהן כדי לענות על שאלות מחקר שונות.

כאן מוצג צינור מתוקנן חדש, המשלב גישות קיימות ומאומתות אלה כדי לספק פרצלציה ממוטבת ואוטומטית (ACAPULCO) ורישום מבוסס voxel של המוח הקטן (SUIT) לכימות נפחי (איור 2). הצינור מתבסס על הגישות שנקבעו כך שיכללו פרוטוקולי בקרת איכות, תוך שימוש בהדמיה איכותית וזיהוי חריג כמותי, ושיטה מהירה להשגת הערכה של נפח תוך גולגולתי (ICV) באמצעות Freesurfer. הצינור אוטומטי לחלוטין, עם התערבות ידנית הנדרשת רק לבדיקת יציאות בקרת האיכות, וניתן להפעיל אותו במערכות ההפעלה Mac, Windows ו- Linux. הצינור זמין באופן חופשי ללא הגבלות על השימוש בו למטרות לא מסחריות וניתן לגשת אליו מדף האינטרנט של פרוטוקולי הדמיה של קונסורציום ENIGMA (תחת "צינור נפחיות ENIGMA Cerebellum"), לאחר השלמת טופס רישום קצר45.

כל התוכנות הנדרשות מופיעות בטבלת החומרים, וערכות לימוד מפורטות, כולל הדגמה חיה, זמינות עם הורדת הצינור, בנוסף לפרוטוקול המתואר להלן. לבסוף, תוצאות מייצגות מסופקות, החל מיישום הצינור בקבוצה של אנשים עם אטקסיה פרידרייך (FRDA) ובקרות בריאות המותאמות לגיל ומין, לצד המלצות לניתוחים סטטיסטיים סטטיסטיים ברמה קבוצתית.

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

פרוטוקול

הערה: הנתונים המשמשים במחקר זה היו חלק מפרויקט שאושר על ידי ועדת האתיקה של אוניברסיטת מונאש למחקר אנושי (פרויקט 7810). המשתתפים סיפקו הסכמה מדעת בכתב. בעוד הצינור יכול להיות מופעל על Mac, Windows, או לינוקס מערכות הפעלה, ACAPULCO, SUIT, ואת צינורות QC נבדקו במפורש על לינוקס (אובונטו) ומק (קטלינה, ביג סור v11.0.1) מערכות הפעלה.

1. מודול 1: אקפולקו (פרצלציה אנטומית)

  1. איסוף נתונים
    1. לאסוף תמונות MRI משוקלל T1 3D של המוח כולו ברזולוציה של 1 מ"מ3 או פחות. ממדי ווקסל איזוטרופיים (בדרך כלל 1 מ"מ x 1 מ"מ x 1 מ"מ x 1 מ"מ), וסורק 3-Telsa (או יותר) מומלץ. התייעץ עם מומחה הדמיה במרכז הרדיוגרפיה שלהם כדי להגדיר ולרכוש נתונים העונים על מפרטים אלה.
      הערה: תמונות משוקללות T2 שימושיות לעתים לניתוחים נפחיים; עם זאת, הצינור המוצג כאן מסתמך על נתונים משוקללים T1 בלבד, וחלק מהכלים המשמשים הם בלעדיים לסוג זה של נתונים. ככזה, לא ניתן להשתמש בתמונות משוקללות T2.
    2. בצע הערכת איכות חזותית של תמונות כדי לא לכלול מומים מוחיים ברוטו (למשל, נגעים גדולים) או ממצאי תנועה משמעותיים המונעים זיהוי של ציוני דרך מרכזיים במוח הקטן (למשל, הסדקים האנטומיים העיקריים). אין לשלול באופן אוטומטי cerebella מנוון, גם אם משמעותי.
    3. עבור מחקרים קבוצתיים, שקול גם הערכות איכות כמותיות באמצעות כלים סטנדרטיים הזמינים באופן חופשי כגון MRIQC46 כדי לזהות עוד יותר נתונים בעייתיים.
    4. המר את כל הנתונים לתבנית NIFTI-GZ באמצעות כלי כגון dcm2niix47.
  2. ארגון נתונים מומלץ
    1. השג את כל התוכנות הדרושות כמפורט בטבלת החומרים. ודא Docker48 או סינגולריות49, Matlab50, ו- SPM1251 מותקנים לפני הפעלת הצינור.
      הערה: הדרכות נרחבות בכתב ובווידאו המתארות את הצינור זמינות גם כן (עיין בטבלת החומרים).
    2. לאחר התקנת כל התוכנות הדרושות, צור תיקיות בספריית העבודה וסמן אותן כ'אקפולקו', 'חליפה' ו'גלישה חופשית'. בצע פעולה זו באמצעות הפקודה mkdir משורת הפקודה.
    3. בספריה 'אקפולקו', צור תיקיית פלט . בתיקיית הפלט , צור ספריה עבור כל נושא במחקר המכיל את התמונה המשוקללת T1 בתבנית NIFTI-GZ.
      הערה: מומלץ לשמור עותק של הנתונים המקוריים במקום אחר.
  3. פרצלציה מוחית אנטומית באמצעות ACAPULCO
    1. עבור אל טבלת החומרים והורד את הסקריפטים והמכלים הרלוונטיים הדרושים להפעלת ACAPULCO (תחת קבצי צינור אקפולקו). בספריה 'אקפולקו', מקם את (i) מיכל ACAPULCO Docker או Singularity ('acapulco_0.2.1.tar.gz' או '.sif', בהתאמה), (ii) תוכן ארכיון QC_scripts (3 קבצים: 'QC_Master.R', 'QC_Plots.Rmd', ו-'QC_Image_Merge.Rmd'), ו-(iii) 'R.sif' (ייחודיות) או קובץ 'calculate_icv.tar' (docker).
    2. פתח מסוף ומשורת הפקודה, הפעל את הגורם המכיל של ACAPULCO בתמונה אחת (החלף <> בתמונה הבאה). המתן כ- 5 דקות להשלמת העיבוד.
      1. באמצעות Docker, הקלד את הפקודה:
        עומס עגינה --קלט acapulco_0.2.1.tar.gz
        docker run -v $PWD:$PWD -w $PWD -t --user $(id -u):$(id -g) --rm acapulco:latest -i output/<>/<>.nii.gz -o output/<>
      2. באמצעות סינגולריות, הקלד את הפקודה:
        singularity run --cleanenv -B $PWD:$PWD acapulco-0.2.1.sif -i output/<>/<>.nii.gz -o output/<>
    3. לולאה על פני כל הנושאים / סריקות בקבוצה. עיין בטבלת החומרים לקבלת קישור לאתר האינטרנט של פרוטוקולי הדמיה ENIGMA להורדת הצינור (תחת צינור נפחיות ENIGMA Cerebellum) ובמדריך ההדרכה המכיל דוגמאות כיצד ליצור לולאה לעיבוד נושאים מרובים באופן סדרתי.
    4. לאחר העיבוד, חפש את הקבצים הבאים שנוצרו בתיקיות הספציפיות לנושא:
      1. זהה "_n4_mni_seg_post_inverse.nii.gz": מסכת מוח קטן מחולקת בפרצלציה במקור (מרחב נושא).
      2. זהה את "_n4_mni_seg_post_volumes.csv": אמצעי אחסון (במ"מ3) עבור כל אחת מ-28 יחידות המשנה שנוצרו על ידי אקפולקו;
      3. זהה תמונות מייצגות (בספריית 'תמונות'): קשתית, צירית וקורונה.
  4. זיהוי חריג סטטיסטי ובקרת איכות (QC)
    1. מהמסוף ובמדריך 'אקפולקו', ודא שתוכן QC_scripts נמצא בספריה 'אקפולקו'. כדי להפעיל את קבצי ה- Script של QC:
      1. באמצעות Docker, הקלד את הפקודה:
        calculate_icv.tar עומס עגינה
        docker run -v $PWD:$PWD -w $PWD --rm -it luhancheng/calculate_icv:last Rscript
        פלט QC_Master.R/
      2. באמצעות סינגולריות, הקלד את הפקודה:
        exec סינגולריות -B $PWD:$PWD R.sif Rscript /path/to/QC_Master.R /path/to/acapulco/output
  5. בחינת תמונות QC שנוצרו על ידי ACAPULCO
    הערה: יש תהליך בן 3 שלבים לבדיקת איכות של התמונות עם החבילות של ACAPULCO.
    1. פתח את 'QC_Images.html' בדפדפן אינטרנט וגלול במהירות (~ 10 שניות לנושא) כדי לזהות כשלים ברורים או בעיות שיטתיות. שים לב למזהי הנושא של תמונות שנכשלו או חשודות להמשך טיפול.
      הערה: ראו איור 3 לקבלת מדריך בנושא הנוירואנטומיה של אונות המוח הקטן ואיור 4, איור 5 ואיור 6 בסעיף התוצאות הייצוגיות שלהלן, דוגמאות לפרצלות 'טובות', 'אי-פרסלטים שגויים עדינים' ופרסלציות 'כשל גלובלי'.
    2. פתח את 'Plots_for_Outliers.html' כדי לסמן את לוחות התיבות עבור חריגים סטטיסטיים כמותיים. חפש חריגים (2.698 s.d.d מעל או מתחת לממוצע) מעל או מתחת לשפם של חלקות התיבה. רחף מעל נקודות הנתונים כדי להציג את מזהה הנושא. זהה את החריגים שצוינו על ידי '1' בעמודה הרלוונטית בקובץ 'חריגים.csv', ושים לב למספר הכולל של מקטעים שזוהו כחריגים עבור כל נושא בעמודה הסופית ב' חריגים.csv'.
    3. בדוק באופן ידני כל תמונה בעלת חריג אחד או יותר. קריטי: שימוש במציג תמונות NIFTI סטנדרטי (לדוגמה, FSLEyes או MRICron), כיסוי מסיכת ACAPULCO על תמונת T1w המקורית כדי לבדוק את איכות הפרוזלציה פרוסה אחר פרוסה.
      1. כדי ליצור שכבות-על עבור QC מפורט משורת הפקודה באמצעות FSLEyes, i) שנה את הספריה לספריה 'אקפולקו', ii) ציין את הנושא להצגה (החלף ):
        subj=
      2. העתק/הדבק את הקוד הבא למסוף (מבלי לשנות באופן ידני את {subj} מאחר שהדבר הוגדר על-ידי השורה הקודמת:
        t1_image=output/${subj}/${subj}.nii.gz
        acapulco_image=output/${subj}/${subj}_n4_mni_seg_post_inverse.nii.gz
        fsleyes ${t1_image} ${acapulco_image} --overlayType label --lut random_big --outline --outlineWidth 3 ${acapulco_image} --overlayType volume --alpha 50 --cmap random
        הערה: יהיה צורך להחליט אם לכלול את הקטע החריג או לא, כלומר, האם יש שגיאת פרצלציה, או שזה רק שונות נורמלית באנטומיה של הפרט? כל אזור מחולק מחולק מחולק נחשב בנפרד, כך שניתן לא לכלול כמה אזורים עבור תמונה, בעוד שניתן לשמור את השאר אם הם נכונים.
      3. האם יש להחריג אזור אחד או יותר מחולקים לקבוצת הנתונים הסופית?
        אם כן (חריג מאושר), אל תכלול פרצלציה זו בניתוח על-ידי החלפת הערכת אמצעי האחסון ב - NA בתא המתאים של הקובץ 'Cerebel_vols.csv' עבור נושא זה.
      4. האם שגיאות בחלוקה גורמות לכך שחלק מהמוח הקטן לא נכלל במסכה?
        אם כן, (לדוגמה, אם אוניות מוחיות מסוימות חסרות במסכה או מופיעות 'מנותקות'), אל תכלול מיד את הנושא בניתוחים נוספים (כלומר, אל תמשיך להפעיל את מודול SUIT בנושאים אלה).

2. מודול 2: מורפומטריה מבוססת ווקסל ממוטבת למחלת חליפה

  1. ניתוחי מורפומטריה מבוססי Voxel באמצעות SUIT
    קריטי: צינור זה דורש שמודול ACAPULCO כבר הופעל, שכן הוא מסתמך על יצירת מסכת מוח קטן ספציפית לנושא לצורך אופטימיזציה של הרישום והנורמליזציה של המוח הקטן לתבנית SUIT. אם המסכה הספציפית לנושא שנוצרה על ידי ACAPULCO אינה כוללת את כל המוח הקטן, הדבר מצדיק אי-הכללה ממודול SUIT. לקבלת הוראות להפעלת SUIT עצמאי, ראה52.
    1. השג את כל התוכנות הדרושות המפורטות בטבלת החומרים. ודא שהתיקיה SPM12 וכל תיקיות המשנה נמצאות בנתיב MATLAB. ודא enigma_suit קבצי Script נשמרים בספריה 'spm12/Toolbox' ומתווספים לנתיב MATLAB. כדי לבדוק את נתיב MATLAB, הקלד pathtool בחלון הפקודה MATLAB ולאחר מכן לחץ על הוסף עם תיקיות משנה כדי להוסיף את התיקיות הרלוונטיות.
    2. הפעל את צינור SUIT עבור נושא אחד או יותר. המתן ~ 15-20 דקות (אם אתה משתמש בממשק המשתמש הגרפי [GUI]) ו ~ 5-7 דקות אם פועל מהמסוף (bash / shell) לעיבוד כדי להשלים.
      1. כדי להשתמש ב- GUI (הנושאים יופעלו בסידרה), מחלון הפקודה MATLAB, הקלד את הפקודה:
        suit_enigma_all
      2. בחלון המוקפץ הראשון, בחר את תיקיות הנושא מהספריה 'אקפולקו/פלט' שייכללו בניתוח. לחץ על התיקיות הבודדות בצד ימין של החלון, או לחץ באמצעות לחצן העכבר הימני ובחר הכל. לחץ על סיום. בחלון המוקפץ השני, בחר את הספריה SUIT, שבה ייכתבו הניתוחים.
      3. לחלופין, התקשר לפונקציה משורת הפקודה MATLAB עבור נושא יחיד, הקלד את הפקודה:
        suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir')
      4. לחלופין, התקשר לפונקציה מחלון המסוף, מחוץ ל- MATLAB, עבור נושא יחיד על-ידי הקלדת הפקודה:
        matlab -nodisplay -nosplash -r "suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir'), exit"
    3. עיין בטבלת החומרים לקבלת קישור לאתר האינטרנט של פרוטוקולי הדמיה ENIGMA להורדת הצינור (תחת צינור נפחיות ENIGMA Cerebellum) ובמדריך ההדרכה המכיל דוגמאות כיצד ליצור לולאה לעיבוד נושאים מרובים באופן סדרתי.
    4. חפש את הנקודות הבאות לגבי קובץ ה- Script.
      1. ודא כי קובץ ה- Script מעתיק את תמונת T1 שתוקנה על-ידי הטיית N4, המיושרת על-ידי MNI (גוף נוקשה) ואת מסיכת המוח הקטן ACAPULCO לספריית הפלט.
      2. ודא שהתסריט מפלח את החומר האפור-לבן של המוח הקטן.
      3. ודא שקובץ ה- Script מתקן עבור שגיאות הכללת יתר בפרסלציה באמצעות מסיכת ACAPULCO.
      4. ודא שהתסריט DARTEL מנרמל ומעביר את הנתונים לחלל SUIT עם אפנון יעקוביני כך שהערך של כל ווקסל יהיה פרופורציונלי לאמצעי האחסון המקורי שלו.
      5. בדוק בתיקיה של כל נושא את היציאות הסופיות הבאות: 'wd_seg1.nii' (חומר אפור) ו- 'wd_seg2.nii' (חומר לבן).
  2. זיהוי סטטיסטי חריג ובקרת איכות
    1. בדוק באופן חזותי את התמונות המנורמלות והמווסתות (wd*) לאיתור כשלים עיקריים. ב- MATLAB, הקלד את הפקודה:
      spm_display_4D
    2. בחר באופן ידני את התמונות 'wd*seg1' מתיקיות המשנה של החליפה, או נווט אל הספריה 'Suit'; הוסף את '^wd.*seg1' בתיבה מסנן (ללא הצעות מחיר) ולחץ על לחצן Rec . לחץ על סיום.
    3. גלול בין התמונות כדי לוודא שכולם מיושרים היטב. ראו איור 7 לקבלת תמונות מנורמלות כראוי מבקרות בריאות (A,B) ואדם עם מוח קטן אטרופי כבד (D).
      הערה: בשלב זה, האנטומיה בין הנושאים דומה מאוד (מכיוון שהם נרשמו לאותה תבנית), והבדלי נפח מקודדים במקום זאת על ידי עוצמות voxel שונות. כשלים גדולים יהיו ברורים, למשל, תמונות ריקות, אזורים גדולים של רקמות חסרות, שיפועי עוצמה יוצאי דופן (כלומר, voxels בהיר כל בחלק העליון, voxels כהה כל בתחתית). יש לא לכלול תמונות אלה בשלבים הבאים.
    4. בדוק את השונות המשותפת המרחבית עבור חריגים. ב- MATLAB, הקלד את הפקודה:
      check_spatial_cov
      1. בחר את התמונות 'wd*seg1' לפי השלב הקודם. כאשר תתבקש, בחר באפשרויות הבאות: שינוי קנה מידה של הצעה: כן; משתנה לקובארי החוצה: לא; פרוסה (מ"מ): - 48 , גאפ: 1.
      2. הבט בקופסה המציגה את השונות המרחבית הממוצעת של כל תמונה ביחס לכל האחרים במדגם. זהה נקודות נתונים הנמצאות >2s.d. מתחת לממוצע בחלון הפקודה MATLAB. עבור אלה, בדוק את התמונה "_n4_mni.nii.gz" בתיקיה SUIT לקבלת חפצים (תנועה, חריגות אנטומיות), בעיות באיכות התמונה או שגיאות עיבוד מראש.
      3. אם איכות התמונה ועיבוד מראש מקובלים ובדיקה חזותית של התמונות המווסתות בשלב הקודם אינה מצביעה על בעיה עם פילוח ונורמליזציה, שמור נתונים אלה במדגם. אחרת, אל תכלול נתונים אלה.

3. MODULE 3 (אופציונלי): הערכת נפח תוך גולגולתי (ICV) באמצעות FreeSurfer

הערה: מודול זה ישתמש בצינור FreeSurfer כדי לחשב ICV. אין צורך להפעיל אותו מחדש אם קיימות יציאות Freesurfer עבור הקבוצה (כל גירסה).

  1. הגדרת גלישה חופשית
    1. ודא FreeSurfer יורד ומותקן53. עבור אל טבלת החומרים והורד את קבצי ה- Script הרלוונטיים כדי להפעיל מודול זה (תחת קבצי צינור ICV). בעת עבודה עם FreeSurfer, הגדר את המשתנים הבאים:
      ייצוא FREESURFER_HOME=ספריה
      source $FREESURFER_HOME/SetUpFreeSurfer.sh
    2. החלף בפעולות הבאות:
      ייצוא SUBJECTS_DIR=
  2. הפעלת תיקון אוטומטי של Freesurfer11
    1. עבור נושא יחיד, מתוך הספריה 'freesurfer' (זמן עיבוד ~ 20 דקות), הקלד את הפקודה:
      cd
    2. עיין במדריך ערכות הלימוד לקבלת דוגמאות ליצירת לולאה עבור עיבוד נושאים מרובים באופן סדרתי.
  3. חישוב של ICV
    1. ארגון נתונים
      1. בספריה 'freesurfer', מקם את (i) הגורם המכיל Docker או Singularity המשמש במודול 1 ('calculate_icv.tar' או 'R.sif', בהתאמה) וב- (ii) את סקריפט xfm2det (עיין בטבלת החומרים). לאחר מכן, בצע שיבוט git כדי לשכפל את סקריפט ה- ICV הנדרש:
        שיבוט git https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
    2. מיצוי ICV פועל (זמן עיבוד ~ 5 דקות)
      1. מתוך ספריה 'freesurfer', עם מיכל ייחודיות ('R.sif'), הקלד:
        סינגולריות exec --cleanenv -B $PWD:$PWD R.sif calculate_icv/calculate_icv.py --freesurfer_dir=/path/to/freesurfer --acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv calculate_icv
      2. מתוך ספריה 'freesurfer', עם גורם מכיל של Docker, הקלד:
        docker run -v $PWD:$PWD -w $PWD -rm -it luhancheng/calculate_icv:latest
        calculate_icv/calculate_icv.py --freesurfer_dir=/נתיב/אל/גלישת חינם --
        acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv
        calculate_icv
      3. הפעלת קובץ Script ללא גורם מכיל - עיין בטבלת החומרים לקבלת תוכנות ויחסי תלות נדרשים נוספים. מהספריה 'freesurfer', הקלד:
        ./calculate_icv/ calculate_icv.py ---freesurfer_dir=/נתיב/אל/גלישת חינם --
        acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --
        output_csv_name=Cerebel_vols.csv calculate_icv
        הערה: פעולה זו תחשב את ה- ICV עבור כל נושא ותצרף עמודה עם ICV לסוף הקובץ 'Cerebel_vols.csv'.

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

תוצאות

פרצלציה במוח הקטן (אקפולקו)

בקרת איכות של מסכות מחולקות למחלת המוח הקטן:
הדוגמאות הבאות מדגימות את התפוקות המחולקות של ACAPULCO ומנחות את קבלת ההחלטות על א) את איכות המסכה המחולקת ברמה הבודדת ו- b) לאחר מכן הכללה או אי הכללה של אונות מסוים מהניתוחים הסטטיסטיים. בסופו של דבר, ההחלטה לכלול או לא לכלול נושא היא סובייקטיבית; דוגמאות ל"פרצלציות טובות", "שגיאות פרצלציה עדינות" ו"כשלים גלובליים" ממגוון קבוצות בריאות וקליניות מסופקות כאן.

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

דיון

המוח הקטן הוא קריטי למגוון רחב של מנוע אנושי3, קוגניטיבי58,רגשי 10, ושפה 7,59 פונקציות והוא מעורב במחלות נוירולוגיות ופסיכיאטריות רבות. הזמינות של גישה סטנדרטית וקלה ליישום לכימות של כרכים מוחיים אזוריים תתרום למיפוי מפורט יותר ויותר של מבנה-מוח של 'מוח שלם', למידול מחלות מלא, ולהזדמנויות משופרות להגדיר ולעקוב אחר תרומות מוחיות למחלות מוח. צינור מתוקנן זה המתואר כאן משלב גישות חדישות לפרצלציה...

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

גילויים

למחברים אין ניגודי עניינים לחשוף.

תודות

העבודה המוצגת בכתב יד זה מומנה על ידי מענק רעיונות של המועצה הלאומית האוסטרלית לבריאות ולמחקר רפואי (NHMRC): APP1184403.

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

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
קבצי צנרת של אקפולקו 0.2.1http://enigma.ini.usc.edu/protocols/imaging-protocols/אנא הקפד להשתמש ב-acapulco גרסה 0.2.1
Docker עבור Machttps://docs.docker.com/desktop/mac/install/macOS חייבת להיות גרסה 10.14 ואילך
Docker דורש sudo priviledges
Docker מטיל אילוץ זיכרון (RAM) ב-Mac OS. כדי להגדיל את זיכרון ה-RAM, פתח את Docker Desktop, עבור אל העדפות ולחץ על משאבים. הגדל את הזיכרון למקסימום
Docker עבור Windowshttps://docs.docker.com/docker-for-windows/install/
סקריפטיםhttp://enigma.ini.usc.edu/protocols/imaging-protocols/
FreeSurfer7https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstallיש להגדיר את המשתנים הבאים בכל פעם שאתה עובד עם Freesurfer:
export FREESURFER_HOME=figure-materials-1freesurfer _installation_directoryfigure-materials-2
source $FREESURFER_HOME/SetUpFreeSurfer.sh
export SUBJECTS_DIR=figure-materials-3pathfigure-materials-4/enigma/Freesurfer
FSL (עבור FSLeyes). ניתן
http://enigma.ini.usc.edu/protocols/imaging-protocols/ לא תזדקק לתוכנה נוספת; 2) ללא docker/singularity - זה כרוך בהפעלת סקריפט ICV (calculate_icv.py) באופן ידני. תזדקק לתוכנה הנוספת הבאה:
גרסת Python figure-materials-5=3.5
מודול Python pandas
מודול Python fire
מודול Python tabulate
מודול Python Colorama
https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
MATLAB*2019 ומעלהhttps://au.mathworks.com/נדרש רישיון אקדמי
Singularity3.7 ומעלהhttps://www.sylabs.io/docs/מועדף עבור אשכולות מחשוב בעל ביצועים גבוהים (HPC)
SPM12http://www.fil.ion.ucl.ac.uk/spm/software/spm12/ודא ש-spm12 וכל תיקיות המשנה נמצאות בנתיב MATLAB שלך
SUIT Toolbox3.4http://www.diedrichsenlab.org/imaging/suit_download.htmהקפד למקם את ארגז הכלים של SUIT בספריית spm12/toolbox
פתרון בעיות דוגמאותhttp://enigma.ini.usc.edu/protocols/imaging-protocols/
מדריך הדרכה ווידאוhttp://enigma.ini.usc.edu/protocols/imaging-protocols/הדגמה חיה ידנית ונלווית מספקת הוראות מפורטות שלב אחר שלב כיצד להפעיל את הצינור מתחילתו ועד סופו.
*לא זמין בחינם; נדרש
של ENIGMA SUIT להפעיל קבצי צינור ICV אופציונליים של 6 https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation צינור ICV בשתי דרכים: 1) עם docker/singularity. לפלט ידני ופילוח רישיון אקדמי

מקורות

  1. Holmes, G. The cerebellum of man (Hughlings Jackson memorial lecture). Brain. 62, 1-30 (1939).
  2. Ito, M. The modifiable neuronal network of the cerebellum. The Japanese Journal of Physiology. 34 (5), 781-792 (1984).
  3. Manto, M., Oulad Ben Taib, N. The contributions of the cerebellum in sensorimotor control: what are the prevailing opinions which will guide forthcoming studies. Cerebellum. 12 (3), 313-315 (2013).
  4. Manto, M., Gandini, J., Feil, K., Strupp, M. Cerebellar ataxias: an update. Current Opinion in Neurology. 33 (1), 150-160 (2020).
  5. Schmahmann, J. D. Disorders of the cerebellum: ataxia, dysmetria of thought, and the cerebellar cognitive affective syndrome. The Journal of Neuropsychiatry and Clinical Neurosciences. 16 (3), 367-378 (2004).
  6. Strick, P. L., Dum, R. P., Fiez, J. A. Cerebellum and nonmotor function. Annual Review of Neuroscience. 32, 413-434 (2009).
  7. King, M., Hernandez-Castillo, C. R., Poldrack, R. A., Ivry, R. B., Diedrichsen, J. Functional boundaries in the human cerebellum revealed by a multi-domain task battery. Nature Neuroscience. 22 (8), 1371-1378 (2019).
  8. Schmahmann, J. D. An emerging concept. The cerebellar contribution to higher function. Archives of Neurology. 48 (11), 1178-1187 (1991).
  9. Schmahmann, J. D., Sherman, J. C. The cerebellar cognitive affective syndrome. Brain. 121, Pt 4 561-579 (1998).
  10. Schutter, D. J., van Honk, J. The cerebellum on the rise in human emotion. Cerebellum. 4 (4), 290-294 (2005).
  11. Stoodley, C. J., Schmahmann, J. D. Functional topography in the human cerebellum: a meta-analysis of neuroimaging studies. Neuroimage. 44 (2), 489-501 (2009).
  12. Guell, X., Gabrieli, J. D. E., Schmahmann, J. D. Triple representation of language, working memory, social and emotion processing in the cerebellum: convergent evidence from task and seed-based resting-state fMRI analyses in a single large cohort. Neuroimage. 172, 437-449 (2018).
  13. Lewis, M. M., et al. The role of the cerebellum in the pathophysiology of Parkinson's disease. The Canadian Journal of Neurological Sciences. 40 (3), 299-306 (2013).
  14. Möller, C., et al. Different patterns of gray matter atrophy in early- and late-onset Alzheimer's disease. Neurobiology of Aging. 34 (8), 2014-2022 (2013).
  15. Colloby, S. J., O'Brien, J. T., Taylor, J. P. Patterns of cerebellar volume loss in dementia with Lewy bodies and Alzheimer׳s disease: A VBM-DARTEL study. Psychiatry Research. 223 (3), 187-191 (2014).
  16. McDonald, C. R., et al. Subcortical and cerebellar atrophy in mesial temporal lobe epilepsy revealed by automatic segmentation. Epilepsy Research. 79 (2-3), 130-138 (2008).
  17. Marcián, V., et al. Morphological changes of cerebellar substructures in temporal lobe epilepsy: A complex phenomenon, not mere atrophy. Seizure. 54, 51-57 (2018).
  18. Nopoulos, P. C., Ceilley, J. W., Gailis, E. A., Andreasen, N. C. An MRI study of cerebellar vermis morphology in patients with schizophrenia: evidence in support of the cognitive dysmetria concept. Biological Psychiatry. 46 (5), 703-711 (1999).
  19. Stoodley, C. J. Distinct regions of the cerebellum show gray matter decreases in autism, ADHD, and developmental dyslexia. Frontiers in Systems Neuroscience. 8, 92(2014).
  20. Larsell, O. The development of the cerebellum in man in relation to its comparative anatomy. The Journal of Comparative Neurology. 87 (2), 85-129 (1947).
  21. Haines, D. E., Mihailoff, G. A. The Cerebellum. Fundamental neuroscience for basic and clinical applications. 5th edn. , Elsevier. 394-412 (2018).
  22. Kelly, R. M., Strick, P. L. Cerebellar loops with motor cortex and prefrontal cortex of a nonhuman primate. Journal of Neuroscience. 23 (23), 8432-8444 (2003).
  23. Schmahmann, J. D., Pandya, D. N. Anatomical investigation of projections to the basis pontis from posterior parietal association cortices in rhesus monkey. The Journal of Comparative Neurology. 289 (1), 53-73 (1989).
  24. Buckner, R. L., Krienen, F. M., Castellanos, A., Diaz, J. C., Yeo, B. T. The organization of the human cerebellum estimated by intrinsic functional connectivity. Journal of Neurophysiology. 106 (5), 2322-2345 (2011).
  25. Fischl, B. FreeSurfer. Neuroimage. 62 (2), 774-781 (2012).
  26. Shattuck, D. W., Leahy, R. M. BrainSuite: an automated cortical surface identification tool. Medical Image Analysis. 6 (2), 129-142 (2002).
  27. Patenaude, B., Smith, S. M., Kennedy, D. N., Jenkinson, M. A Bayesian model of shape and appearance for subcortical brain segmentation. Neuroimage. 56 (3), 907-922 (2011).
  28. Bogovic, J. A., Bazin, P. L., Ying, S. H., Prince, J. L. Automated segmentation of the cerebellar lobules using boundary specific classification and evolution. Information Processing in Medical Imaging. 23, 62-73 (2013).
  29. Bogovic, J. A., Prince, J. L., Bazin, P. L. A Multiple object geometric deformable model for image segmentation. Computer Vision and Image Understanding: CVIU. 117 (2), 145-157 (2013).
  30. Price, M., Cardenas, V. A., Fein, G. Automated MRI cerebellar size measurements using active appearance modeling. Neuroimage. 103, 511-521 (2014).
  31. Chakravarty, M. M., et al. Performing label-fusion-based segmentation using multiple automatically generated templates. Humain Brain Mapping. 34 (10), 2635-2654 (2013).
  32. Weier, K., Fonov, V., Lavoie, K., Doyon, J., Collins, D. L. Rapid automatic segmentation of the human cerebellum and its lobules (RASCAL)--implementation and application of the patch-based label-fusion technique with a template library to segment the human cerebellum. Human Brain Mapping. 35 (10), 5026-5039 (2014).
  33. Yang, Z., et al. Automated cerebellar lobule segmentation with application to cerebellar structural analysis in cerebellar disease. Neuroimage. 127, 435-444 (2016).
  34. Romero, J. E., et al. CERES: A new cerebellum lobule segmentation method. Neuroimage. 147, 916-924 (2017).
  35. Carass, A., et al. Comparing fully automated state-of-the-art cerebellum parcellation from magnetic resonance images. Neuroimage. 183, 150-172 (2018).
  36. Han, S., Carass, A., He, Y., Prince, J. L. Automatic cerebellum anatomical parcellation using U-Net with locally constrained optimization. Neuroimage. 218, 116819(2020).
  37. Ashburner, J., Friston, K. J. Voxel-based morphometry--the methods. Neuroimage. 11 (6), 805-821 (2000).
  38. Jenkinson, M., Smith, S. A global optimisation method for robust affine registration of brain images. Medical Image Analysis. 5 (2), 143-156 (2001).
  39. Andersson, J., Jenkinson, M., Smith, S. Non-linear registration, aka spatial normalisation. Report No. TR07JA2. , (2010).
  40. Ashburner, J., Friston, K. J. Unified segmentation. Neuroimage. 26 (3), 839-851 (2005).
  41. Dahnke, R., Yotter, R. A., Gaser, C. Cortical thickness and central surface estimation. Neuroimage. 65, 336-348 (2013).
  42. Diedrichsen, J. A spatially unbiased atlas template of the human cerebellum. Neuroimage. 33 (1), 127-138 (2006).
  43. Diedrichsen, J., Balsters, J. H., Flavell, J., Cussans, E., Ramnani, N. A probabilistic MR atlas of the human cerebellum. Neuroimage. 46, 39-46 (2009).
  44. Harding, I. H., et al. Brain structure and degeneration staging in Friedreich ataxia: Magnetic resonance imaging volumetrics from the ENIGMA-Ataxia Working Group. Annals of Neurology. 90 (4), 570-583 (2021).
  45. Enigma. Structural imaging processing protocols. , Available from: http://enigma.ini.usc.edu/protocols/imaging-protocols/ (2021).
  46. MRIQC. Poldrack Lab, Stanford University. , Available from: https://mriqc.readthedocs.io/en/stable/ (2020).
  47. dcm2niix. Rorden Lab, University of South Carolina. , Available from: https://github.com/rordenlab/dcm2niix (2021).
  48. Docker. , Available from: https://docs.docker.com/ (2021).
  49. Singularity. Sylabs. , Available from: https://sylabs.io/singularity (2021).
  50. MATLAB. The MathWorks, Inc. , Available from: https://au.mathworks.com/ (2021).
  51. Statistical parametric mapping SPM12. The Wellcome Centre for Human Neuroimaging. , Available from: https://www.fil.ion.ucl.ac.uk/spm/software/spm12/ (2020).
  52. Diedrichsen Lab, University of Western Ontario. , Available from: http://www.diedrichsenlab.org/imaging/suit.htm (2021).
  53. FreeSurfer download and install. , Available from: https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall (2020).
  54. Gaser, C., Dahnke, R. CAT: A computational anatomy toolbox for SPM. , Available from: http://www.neuro.uni-jena.de/cat/ (2020).
  55. Selvadurai, L. P., et al. Cerebral and cerebellar grey matter atrophy in Friedreich ataxia: the IMAGE-FRDA study. Journal of Neurology. 263 (11), 2215-2223 (2016).
  56. Schmahmann, J. D. The cerebellum and cognition. Neuroscience Letters. 688, 62-75 (2019).
  57. Diedrichsen, J., Zotow, E. Surface-based display of volume-averaged cerebellar imaging data. PLoS One. 10 (7), 0133402(2015).
  58. Gottwald, B., Mihajlovic, Z., Wilde, B., Mehdorn, H. M. Does the cerebellum contribute to specific aspects of attention. Neuropsychologia. 41 (11), 1452-1460 (2003).
  59. Starowicz-Filip, A., et al. The role of the cerebellum in the regulation of language functions. Psychiatria Polska. 51 (4), 661-671 (2017).
  60. Guell, X., Schmahmann, J. D., Gabrieli, J., Ghosh, S. S. Functional gradients of the cerebellum. Elife. 7, 36652(2018).

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

הדפסות חוזרות והרשאות

תגיות

מורפומטריה של המוחדבבMRI מבניחלוקה לאזורים של המוחדבבמורפומטריה מבוססת ווקסליםנפח חומר אפוראטקסיה פרידרייךבקרת איכותחלוקה אנטומית לאזוריםנתיב עיבוד SUITחלוקה לאזורים לפי ACAPULCO
צינור מתוקנן לבחינת מורפומטריה של חומר אפור במוח הקטן האנושי באמצעות הדמיית תהודה מגנטית מבנית
צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.