Abstract
O foco deste estudo foi testar os limites de resolução da ressonância magnética estrutural de um cérebro pós-morte em comparação com cérebros humanos vivos. A resolução da ressonância magnética estrutural in vivo é finalmente limitado pelo ruído fisiológico, incluindo pulsação, respiração e movimento da cabeça. Embora o hardware de imagem continua a melhorar, ainda é difícil de resolver estruturas na escala milimétrica. Por exemplo, as vias sensoriais primários Visual sinapse no núcleo geniculado lateral (LGN), um relê de controlo visual e núcleo no tálamo que normalmente está organizado em seis camadas monoculares intercalados. Estudos de neuroimagens não foram capazes de distinguir de forma segura estas camadas, devido a sua pequena dimensão que são menos do que 1 mm de espessura.
O limite de resolução de ressonância magnética estrutural, em um cérebro pós-morte foi testada usando várias imagens em média por uma longa duração (~ 24 h). O objectivo foi testar se que era possível resolver o l indivíduoAyers da LGN na ausência de ruído fisiológico. A densidade de protões (DP) 1 sequência de pulso ponderado foi utilizado com vários outros parâmetros e resolução para determinar o número mínimo de imagens necessárias para ser registado e a média para distinguir de forma segura a LGN e outras regiões subcorticais. Os resultados foram também comparados com imagens adquiridas em cérebros humanos vivos. In vivo sujeitos foram verificados, a fim de determinar os efeitos adicionais de ruído fisiológico sobre o número mínimo de análises de PD necessários para diferenciar estruturas subcorticais, úteis em aplicações clínicas.
Introduction
O objetivo desta pesquisa foi testar os limites de resolução da RM estrutural na ausência de ruído fisiológico. Densidade (PD) imagens ponderadas de prótons foram adquiridas em um cérebro pós-morte durante um longo período (duas sessões de RH ~ 24) para determinar o número mínimo de imagens que precisavam ser registradas e média para resolver as estruturas subcorticais. Para efeito de comparação, PD imagens ponderadas também foram adquiridas em seres humanos vivos ao longo de um número de sessões. Em particular, o objetivo foi verificar se seria possível em um cenário mais favorável para resolver todas as seis camadas individuais do LGN humano, que são aproximadamente 1 mm de espessura (Figura 1).
Figura 1. camadas lateral humana Geniculado núcleo. Esquemático da estrutura laminar do LGN. Magnocelulares (m) camadas são compostas de maior neuronaltamanho das células e densidade de células menores que são responsáveis para a resolução de movimento e curso contornos (camadas 1-2, descrito como cinza escuro). Camadas parvocelulares (P) são compostos de tamanho menor de células neuronais e maior densidade de células que são responsáveis pela resolução de fine-forma e cor (camadas 4-6, descrito como cinza claro). Bar escala de 1 mm. Figura baseado em coradas LGN 12 humana.
A resolução espacial em MRI é melhorada quando o tamanho da matriz aumenta, e quando de campo de visão (FOV) e espessura de corte são diminuídos. No entanto, o aumento da resolução diminui a relação sinal-ruído (SNR), que é proporcional ao volume do voxel. SNR também é proporcional à raiz quadrada do número de medições. Em seres humanos vivos, embora várias imagens pode ser adquirida ao longo de uma série de sessões de imagem separados, a resolução final é limitado pelo ruído fisiológico, como a respiração, pulsação circulatório e movimento da cabeça.
Alto-Resolução (0,35 mm voxels In-Plane) PD scans ponderados foram adquiridos. Scans PD melhorar o contraste cinza e branco no tálamo 1, e resultam em imagens que minimizem T 1 e T 2 efeitos. A sua imagem é dependente da densidade de protões, sob a forma de água e as macromoléculas, tais como proteínas e gordura no volume de imagem. Os números aumentados de protões num tecido resulta num sinal mais brilhante na imagem devido ao componente longitudinal superior da magnetização 2.
Scans ponderadas pelo DP foram coletadas uma vez que proporcionam um maior contraste de estruturas subcorticais com o tecido circundante. Outros contrastes, como T1 e T2-ocasionar dificuldade em delinear estruturas subcorticais como a LGN devido a menores rácios de contraste-ruído, tal como determinado ƒ 1,3.
Da mesma forma, estudos anteriores descobriram que as imagens ponderadas em DP de formol fixa cérebros post-mortem redundoud em diferenças de contraste mais elevados entre matéria cinzenta e branca em comparação com T1 e imagens ponderadas em T2 que tiveram cinzentos e brancos semelhantes intensidades de imagem do assunto 3,4. Os determinantes biofísicos subjacentes podem explicar essas diferenças. T1 (longitudinal) e T2 (transversal) tempos de relaxação de prótons de hidrogênio dependerá de como a água se move dentro do tecido. Fixadores, como o trabalho de formalina por proteínas de ligação cruzada. As diferenças entre a mobilidade de água são reduzidos entre os diferentes tipos de tecidos quando fixadores são usados. Reduzido contraste tecido T1 tem sido observada após a fixação, ao passo que as diferenças de densidade relativa dos protões dentro dos tecidos do cérebro aumenta com a fixação, proporcionando uma melhor diferenciação contraste 3, 4.
Estudos anteriores já haviam identificado o LGN em exames ponderados pelo PD usando um 1.5 T 5,6,7, e pelo scanner de 3 T 8,9. É crítico para obter estas verificações para ser capaz de delinear com exactidão a extensão dao LGN. Para manter a cobertura total dos núcleos subcorticais, 18 fatias ponderada-PD foram obtidos dentro do tálamo. Cada volume foi re-amostrados para o dobro da matriz de 1024, (0,15 mm de tamanho de in-plane voxel), concatenada, movimento corrigido e média para produzir uma imagem 3D de alta resolução de estruturas subcorticais. O número ideal de imagens DP necessários para a seguinte receita fatia foi de 5, reduzindo o tempo de digitalização para menos de 15 min em seres humanos vivos. Apenas uma imagem PD foi necessário para demarcar claramente regiões subcorticais no cérebro pós-morte, reduzindo o tempo de digitalização para menos de 3 min (Figura 2 e 3).
Toda uma amostra de cérebro pós-morte fixado em formol foi feita a varredura de uma mulher que morreu de parada cardiorrespiratória na idade de 82 anos. Revisão de prontuários médicos revelou que ela tinha: doença pulmonar obstrutiva crônica, cirurgia angina, triplo bypass 8 anos antes da morte, câncer uterino tratado com histerectomia7 anos antes da morte, hiperlipidemia, glaucoma, e cirurgia de catarata. O espécime cerebral postmortem foi fixado em imersão em 10% de formalina tamponada neutra por pelo menos 3 semanas a 4 ° C. A pós-mortem de cérebro foi digitalizado com o mesmo protocolo de imagem, bem como com outros parâmetros ao longo de muitas horas para comparações de qualidade de imagem . Apenas os parâmetros optimizados será descrito para o protocolo.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Participante e Postmortem Cérebro Set-Up
Observação: Todas as imagens foram obtidas utilizando um scanner de RM 3 T com uma bobina de cabeça de 32 canais e todos ressonância magnética foi realizada a temperatura ambiente, aproximadamente 20 ° C. Todos os participantes eram destros e assinaram termo de consentimento informado. Cada participante estava com boa saúde, sem histórico de distúrbios neurológicos. O protocolo experimental foi aprovado e segue as diretrizes de participantes York University Humanos Comitê de Revisão.
- Peça a cada participante preencher e assinar um formulário de consentimento do paciente que detalha as diretrizes de segurança de ressonância magnética e o protocolo neuro-imaging.
- Para cada participante, colocar tampões em cada orelha e assegurar a sua cabeça com almofadas de cabeça para minimizar movimento.
- Para pós-mortem de imagens do cérebro, certifique-se o cérebro é fixa antes de neuroimagem e está contido dentro de um saco ou recipiente que se encaixa dentro da cabeça-coil de ressonância magnética. Coloque o cérebro pós-morte na cabeça-bobina com o eixo z (superior a inferior) alinhado com o furo do scanner. O tronco cerebral (posterior) deve estar virada para o pé da cama scanner.
- Coloque almofada de vácuo mãos ao redor do cérebro post-mortem para suporte adicional.
2. Localizando e prescrever o Subcórtex
NOTA: O tálamo é uma estrutura dupla lóbulos localizada perto do centro do cérebro situado entre o mesencéfalo e o córtex cerebral. Localizado dentro do tálamo dorsal, o LGN humana é uma pequena estrutura que se estende subcortical um máximo de ~ 10 mm.
- Para registrar um novo participante, abra o software de imagem de ressonância magnética e clique na aba Patient no canto superior esquerdo. Em seguida, clique em Register.
- Preencha as informações do paciente apropriado, e em seguida, clique na guia Exame.
- Para obter uma varredura do localizador, clique na guia Exame Explorer para criar um novo protocolo. Observe a janela de set-up na tela, clique na guia de rotina, e digite os seguintes parâmetros: a aquisiçãotempo de 28 seg, matriz de aquisição de 160 × 160, 1 fatia, o tamanho do voxel isotrópico 1,6 mm de espessura, FOV = 260 mm, fase FoV = 100%, resolução fatia = 69%, fase e cortar fase parcial Fourier = 6/8, TR = 3.15 ms, TE = 1,37 ms, Flip Ângulo = 8 °.
- Overlay caixa de seleção fatia utilizado para a aquisição das imagens de PD sobre o localizador que cobrem os núcleos subcorticais dentro do tálamo, bem como estruturas circundante (Figura 4).
3. de alta resolução parâmetros estruturais
- Criar um novo protocolo para a obtenção de alta resolução scans ponderadas pelo PD. Na janela de set-up na tela, clique na guia de rotina, e digite os seguintes parâmetros na orientação coronal: tempo de aquisição de 179 seg, matriz de aquisição de 512 × 512, 0,3 × 0,3 × 1 mm3 tamanho do voxel, TR = 3.25 seg , TE = 32 ms, ângulo aleta = 120 °, a aquisição da fatia intercalada, FoV ler = 160 mm FoV fase = 100%, imagens paralelas (GRAPPA) comum fator de aceleração de 2.
- Use uma seqüência de eco Turbo Spin, com um comprimento de eco Trem de 5. O primeiro eco em 32 ms é o eco eficaz para esta sequência. Reduzir a largura de banda (BW) para o possível, 40 Hz / pixel mínimo, para maximizar a SNR. Para reduzir a duração da verificação, escolha 18 fatias, cada um milímetro de espessura, com um FOV = 160 mm. Esta laje oferece cobertura suficiente das regiões subcorticais de interesse.
NOTA: Para identificação correcta das estruturas subcorticais, adquirir 5 corridas com os parâmetros acima. A duração total de verificação é apenas ~ 15 min (Figura 5). Fat-saturação não foi empregado.
- Use uma seqüência de eco Turbo Spin, com um comprimento de eco Trem de 5. O primeiro eco em 32 ms é o eco eficaz para esta sequência. Reduzir a largura de banda (BW) para o possível, 40 Hz / pixel mínimo, para maximizar a SNR. Para reduzir a duração da verificação, escolha 18 fatias, cada um milímetro de espessura, com um FOV = 160 mm. Esta laje oferece cobertura suficiente das regiões subcorticais de interesse.
- No post mortem de imagens do cérebro, identificação fiável de estruturas subcorticais pode ser observada em apenas um scan com a duração total de apenas ~ 3 min, seguindo o mesmo protocolo de varrimento como em 3.1 (Figura 6).
4. Análise de Imagem
NOTA: Para analisar os dados de MRI, utilize o FMRIB livremente disponível daSoftware Library (FSL) pacote disponível para download em (https://www.fmrib.ox.ac.uk/fsl/).
- Abra uma janela de terminal, e converter os arquivos DICOM matérias do scanner para cada volume PD para um formato NIfTI com DICOM ao conversor NIfTI. Um número dos quais estão disponíveis gratuitamente para download (por exemplo., Https://www.nitrc.org/projects/mricron). Na linha de comando, digite dcm2nii seguido do diretório de cada PD imagem ponderada prazo.
- Em uma janela de terminal obter os parâmetros de verificação PD inicial. Escreva fslinfo na linha de comando seguido pela verificação PD em formato NIfTI.
- Crie uma alta resolução de imagem em branco volume de destino que tem o dobro da resolução e metade do tamanho do voxel dado pelos parâmetros de fslinfo da verificação PD inicial. A ordem das entradas de dados para este comando são as seguintes:
fslcreatehd <XSIZE> <ysize> <zsize> <tsize> <xvoxsize> <yvoxsize> <zvoxsize> <tr> <xOrigin> <yOrigin> <zorigin> <tipo de dados> <HeaderName>
NOTA: Por exemplo, se a varredura PD original com os seguintes parâmetros, conforme descrito no ponto 3.1 são coletadas (ou seja, de 512 × 512 matriz, 18 fatia, 0,3 × 0,3 × 1 mm3 tamanho do voxel, TR = 3,25 s), digite o seguinte na janela de comando:
fslcreatehd 1024 1024 36 1 0,5 0,15 0,15 3,25 0 0 0 4 blankhr.nii.gz - Definir a transformação utilizando uma matriz de identidade. Escreva em qualquer programa editor de texto de um arquivo de texto salvo como 'identity.mat' que se parece com isso:
0 0 0
1 0 0
0 1 0
0 0 1 - Use o comando namoradeira para aplicar a transformação, upsampling cada execução ponderada PD original para duplicar a resolução total desde um 512 para uma matriz de 1024, e reduzir pela metade o tamanho do voxel em cada dimensão, resultando em uma resolução de 0,15 × 0,15× 0,5 mm 3. Em uma janela de terminal para cada volume PD, digite o seguinte comando namoradeira mudando os nomes originais e saída por corrida:
flertar -interp sinc -em originalPD.nii.gz -rep blankhr.nii.gz -applyxfm -init identity.mat out highresPD.nii.gz
NOTA: Onde originalPD.nii.gz é o volume de origem, blankhr.nii.gz é a resolução de saída desejada, e highresPD.nii.gz é o nome do volume de saída. - Mova todas as imagens de alta resolução para uma nova pasta, e navegue até ele em uma janela de terminal.
- Para cada participante, concatenar todas as imagens PD upsampled em um único arquivo usando 4D fslmerge. Em um tipo de janela de terminal:
fslmerge -t concat_highresPD * .nii.gz
NOTA: Isso cria um arquivo chamado 4D concat_highresPD.nii.gz. - Movimento corrigir o arquivo concatenado usando mcflirt 10. Esta ferramenta permite um registro robusto automatizado para linear (afim) imagens inter e inter-modais cerebrais. Selecione umaCorrecção de 4-fase, que utiliza a interpolação de sincronismo (internamente) como mais um passo de optimização para uma maior precisão. Em um tipo de janela de terminal:
mcflirt -em concat_highresPD out mcf_concat_highresPD.nii.gz -stages 4 -plots
NOTA: Isso cria um arquivo chamado 4D mcf_concat_highresPD.nii.gz. - Finalmente, criar o 3D dizer de imagem usando fslmaths. Em um tipo de janela de terminal:
fslmaths mcf_concat_highresPD.nii.gz -Tmean mean_highresPD.nii.gz
NOTA: Isso cria um arquivo 3D chamado mean_highresPD.nii.gz que é de alta qualidade - Visualize a imagem de alta resolução resultado final 3D usando o comando fslview. No diretório de onde sua imagem é, digite o seguinte em uma janela de terminal:
fslview mean_highresPD.nii.gz. " - Inspecione perfis de intensidade de ROIs em questão. Criar um ROI utilizando fslview (esta pode ser uma linha vertical traçada através de uma região do LGN por exemplo). Em fslview carregar a imagem PD de alta resolução. Clique na guia ferramentas,em seguida, clique na guia única imagem para ampliar a imagem para desenhar ROIs. Em seguida, clique na guia Arquivo seguido pelo guia Criar Mask. Desenhar uma linha no ROI de interesse. Salve o ROI clicando em Arquivo, em seguida, Salvar como. Repita as máscaras de linha para várias áreas dentro do ROI para comparações de intensidade e outros ROIs em questão.
- Use comando 3dmaskdump de Afni para analisar a intensidade da imagem resultante. No diretório de onde as imagens são, use o seguinte comando em uma janela de terminal para extrair as intensidades e localização de imagem (dado como result_mask.txt) de sua máscara ROI:
3dmaskdump -o result_mask.txt -noijk -xyz -mask ROI_linemask.nii.gz PDaverage_image.nii.gz
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Uma vez que o subcortex é prescrito dentro do tálamo, PD imagens ponderadas são coletados dentro da caixa de seleção fatia (Figura 4). A SNR melhorada através do aumento do número de médias em ambas post-mortem e em exames in vivo. Para determinar a qualidade de imagem, o SNR de diferentes médias de digitalização foi comparada pela divisão do sinal da região cerebral média por o desvio padrão em alguma área fora do cérebro. A SNR foi calculada como SNR = 0,655 * u tecido / σ de ar 11, onde u tecido indica o valor de intensidade de pixel médio de uma ROI dentro de uma região do cérebro, σ ar indica o desvio padrão do ruído de um ROI no fundo do ar do imagem que está livre de artefatos fantasmas, e 0,655 fator denota a distribuição Rician do ruído de fundo uma imagem de magnitude na (Figura 2). O cérebro pós-morte mostra clara demarcação de estruturas subcorticais em apenas 1 volume ponderado PD (~ 3 min tempo de aquisição), ao passo que um mínimo de 5 PD imagens ponderadas em média (~ 15 min) são necessários para o cérebro in vivo para mostrar a clara demarcação de estruturas subcorticais (Figura 3) . A in vivo volume médio 5 mostrou detalhe subcortical claro semelhante à média do volume 40 (Figura 5); um único volume postmortem mostrou detalhe semelhante à média de 100 unidades (Figura 6). Nós plotados o perfil de intensidade linha para a digitalização máxima média (40 in vivo, 100 pós-morte). A esquerda e direita in vivo LGN 6 mostram claramente picos de intensidade que correspondem às seis camadas. Para garantir que isso não era simplesmente um resultado espúrio devido ao ruído, medimos três perfil linha por LGN em posições horizontais diferentes, observando-se os mesmos picos em cada um. No LGN, as áreas entre as camadas têm menos corpos celulares e seria de esperar para ser menos densa e TH erefore mostram menor intensidade PD. No cérebro post mortem, não houve variação em intensidade que pode ser atribuída a camadas (Figura 7). Os resultados representativos de um in vivo e mortem cérebro um pós seguindo o protocolo acima na aquisição de MRI são comparados.
Figura 2. Comparação do SNR para ponderada do número de DP médias em post-mortem e in vivo cerebrais Imagens. O SNR foi melhorado, aumentando o número de médias em ambas as verificações post-mortem (mostradas a cinzento) e em exames in vivo (mostrado em preto) . Por favor clique aqui para ver uma versão maior desta figura.
Figura 4. limites da seleção PD Fatia. Visão sagital de uma imagem anatômica em um cérebro humano vivo exibindo o limite da seleção fatia (linhas brancas) encerram o tálamo contendo a LGN e do tronco cerebral. O limite de selecção fatia foi usado como um modelo para a recolha da laje imagem PD composta por 18 fatias, cada 1 mm de espessura, em seres humanos vivos e também o cérebro pós-morte. Por favor clique aqui para ver uma versão maior desta figura.
Figura 5. vivo imagens do cérebro (A) fatia coronal do sexo feminino (27 anos) médias em scans de volume 5: PD. Tempo de aquisição = 179 s, matriz 512, largura de banda = 40 Hz / px, TR = 3,25 s, TE = 32 ms, 18 fatias, 0,3 & #215; 0,3 × 1 mm 3 voxels [0,15 x 0,15 x 0,5 mm 3 voxels remisturada]. Delimitação clara do LGN e outras estruturas subcorticais é observado. (B) corte coronal do cérebro mesma média em 40 volumes de DP na mesma sessão (total de aquisição ~ 2 h), com os mesmos parâmetros de imagem como em (A). Barras de escala brancos na vista ampliada para (A) e (B) são 10 mm, e setas brancas indicam a localização da direita e da esquerda LGN. Por favor clique aqui para ver uma versão maior desta figura.
Figura 6. Imagens Postmortem Cérebro (A) fatia coronal do cérebro pós-morte adquirido em 1 PD volume de digitalização: aquisição tempo. = 179 sec, matriz 512, largura de banda = 40 Hz / px, TR= 3.25 seg, TE = 32 ms, 18 fatias, 0,3 × 0,3 × 1 mm3 voxels [0,15 × 0,15 × 0,5 milímetros 3 voxels upsampled]. Delimitação clara das estruturas subcorticais é observado. Barra de escala Branco é 10 mm, e setas brancas indicam a localização da direita e da esquerda LGN. (B) fatia coronal do cérebro pós-morte em média em 100 PD (~ 5 horas de tempo de verificação) volumes com a mesma receita fatia como em A. zumbido vista, com demarcação clara das estruturas subcorticais: núcleo pulvinar anterior (Apul), campos de CA1-CA3 do hipocampo, núcleo lateral geniculado (LG), medial geniculate núcleo (MG), pulvinar (Pul), tálamo núcleo reticular (Rt), ventral posterior núcleo talâmico (VPL). Por favor clique aqui para ver uma versão maior desta figura.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Este estudo descreve um protocolo otimizado na aquisição e análise técnica a fim de obter de alta resolução PD imagens ponderadas das regiões subcorticais. Um certo número de parâmetros de análise foram testados e modificado com os mais significativos relacionados com o tamanho da matriz, o tamanho do voxel, e de largura de banda para aumentar a SNR e diminuir o número de aquisições, um passo crítico no ser capaz de determinar de alta resolução estruturas subcorticais. Em conjunto com a encontrar os parâmetros ótimos dentro de seres humanos que vivem, a pesquisa testou os limites absolutos do scanner de ressonância magnética em condições ideais, sem a preocupação de artefatos de movimento e limitações de tempo do paciente, digitalizando um cérebro pós-morte. Em estudos posteriores, esta imagem de alta resolução pode ser utilizado como um molde antes de seccionamento e coloração da amostra.
Estudos anteriores descreveram momentos de relaxamento adequados e protocolos ideais em alta-resolução PD imagem estrutural decérebros post-mortem fixados em formol para um 1.5 T 3,13. Os parâmetros deste estudo foram otimizados, o que permitiu a redução da duração da verificação, ideal para ambientes clínicos. Nós êxito denunciar perfis de intensidade linha no máximo em média varredura vivo da esquerda e LGN direita. Nós plotados o perfil de intensidade linha para a digitalização máxima média (40 in vivo, 100 pós-morte). A esquerda e direita in vivo LGN 6 mostram claramente picos de intensidade que correspondem às seis camadas. Para afastar o ruído, nós medimos três medições de perfil por linha LGN.
Estudos de MRI humanos recentes têm relatado a atrofia na LGN em populações de glaucoma onde as alturas do LGN foram alegadamente diminuiu em comparação com os controlos 7, bem como uma diminuição no volume LGN foi relatado no grupo 8 glaucoma. Ambos os estudos são limitados em que as suas imagens não eram tão claras como as que estão sendo adquiridos para apreciação em nosso estudo. Embora tele LGN camadas não foram tão claramente observado no cérebro pós-morte depois de adquirir 100 volumes do protocolo ideal (~ 5 horas de duração da verificação), uma série de diferentes possibilidades poderia explicar por que as camadas LGN não foram adequadamente encontrado na média post mortem. Por exemplo, pode ter havido SNR insuficiente e / ou o contraste inter-laminar, muito desfocagem do registo de volume por volume, demasiado borrar da espessura da fatia 1 mm, o processo de fixação, e, possivelmente, devido à degeneração do LGN devido para glaucoma 7,8 nesse particular post mortem cérebro. Além disso, a análise quantitativa no controle no cérebro vivo encontrado a direita e esquerda volumes LGN foram 167,94 milímetros 3 e 168,13 milímetros 3, respectivamente, ao passo que todo o volume do cérebro estava 1.364,47 centímetros 3. Post Mortem direita e esquerda volumes LGN foram 73,11 milímetros 3 e LGN 85 milímetros 3 Considerando que todo o volume do cérebro foi 909,62 centímetros 3. Não parecia haver differência na forma do post mortem LGN em comparação com in vivo. Volume de LGN e análise do cérebro inteiro foi realizado com base em métodos anteriormente 9.
Embora nosso estudo constatou parâmetros ideais em ambientes médicos usando uma laje seleção fatia dentro das regiões de interesse, uma limitação de nossa técnica incluiria imagiologia todo o cérebro in vivo, uma vez que aumentaria a duração da verificação. Por exemplo, uma imagem ponderada em DP de todo o cérebro coletadas com os mesmos parâmetros com 128 fatias em 1 volume levaria ~ 21 min de recolher, ideal para toda cérebro imagens de alta resolução de um cérebro pós-morte. No entanto, com um mínimo de 5 médias necessárias para a detecção in vivo, ~ 105 min de tempo de varredura seria necessário.
Em conclusão, os métodos de imagem descritos neste estudo pode ser replicado para a experimentação futuro no subcortex humano e são de alta qualidade em comparação com outros modalit de imagems tais como CT e PET. Incluindo o LGN do sistema visual, outras investigações futuras sobre as estruturas subcorticais, como estruturas subcorticais multi-sensoriais, como o pulvinar e estruturas de processamento auditivo, como o núcleo geniculado medial, colículo inferior e núcleo coclear pode ser examinado.
Subscription Required. Please recommend JoVE to your librarian.
Materials
| Name | Company | Catalog Number | Comments |
| Magnetom Trio 3T MRI | Siemens (Erlangen, Germany). | ||
| Vacuum cushion hand | Siemens | Mat No: 4765454 | Manufactured by: Johannes-Stark-Stk. 8 D-92224 Amberg |
References
- Devlin, J. T., et al. Reliable identification of the auditory thalamus using multi-modal structural analyses. NeuroImage. 30 (4), 1112-1120 (2006).
- Fellner, F., et al. True proton density and T2-weighted turbo spin-echo sequences for routine MRI of the brain. Neuroradiology. 36 (8), 591-597 (1994).
- Schumann, C. M., Buonocore, M. H., Amaral, D. G. Magnetic resonance imaging of the post-mortem autistic brain. J Autism Dev Disord. 31 (6), 561-568 (2001).
- Tovi, M., Ericsson, A. Measurements of T1 and T2 over time in formalin-fixed human whole-brain specimens. Acta Radiol. 33 (5), 400-404 (1992).
- Fujita, N., et al. Lateral geniculate nucleus: anatomic and functional identification by use of MR imaging. Am J Neuroradiol. 22 (9), 1719-1726 (2001).
- Bridge, H., Thomas, O., Jbabdi, S., Cowey, A. Changes in connectivity after visual cortical brain damage underlie altered visual function. Brain. 131 (6), 1433-1444 (2008).
- Gupta, N., et al. Atrophy of the lateral geniculate nucleus in human glaucoma detected by magnetic resonance imaging. Br J Opthalmol. 93 (1), 56-60 (2009).
- Dai, H., et al. Assessment of lateral geniculate nucleus atrophy with 3T MR imaging and correlation with clinical stage of glaucoma. Am J Neuroradiol. 32 (7), 1347-1353 (2011).
- McKetton, L., Kelly, K. R., Schneider, K. A. Abnormal lateral geniculate nucleus and optic chiasm in human albinism. J Comp Neurol. 522 (11), 2680-2687 (2014).
- Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. NeuroImage. 17 (2), 825-841 (2002).
- Dietrich, O., Raya, J. G., Reeder, S. B., Reiser, M. F., Schoenberg, S. O. Measurement of signal-to-noise ratios in MR images: influence of multichannel coils, parallel imaging, and reconstruction filters. J Magn Reson Imaging. 26 (2), 375-385 (2007).
- Andrews, T. J., Halpern, S. D., Purves, D. Correlated size variations in human visual cortex, lateral geniculate nucleus, and optic tract. J Neurosci. 17 (8), 2859-2868 (1997).
- Pfefferbaum, A., Sullivan, E. V., Adalsteinsson, E., Garrick, T., Harper, C. Postmortem MR imaging of formalin-fixed human brain. NeuroImage. 21 (4), 1585-1595 (2004).
