Segmentazione automatica di materia grigia corticale da immagini di T1-Weighted MRI

Questo metodo può rispondere a domande chiave nei campi della neuroimaging e della neurologia. Ad esempio, se ci sono differenze di gruppo nel volume corticale per le popolazioni non cliniche rispetto a quelle cliniche. Il vantaggio principale di questa tecnica è che consente ai ricercatori di utilizzare lo strumento migliore per i loro dati.

Per iniziare, aprire innanzitutto il software SPM aprendo una finestra di comando MATLAB e digitando SPM nella riga di comando. Quindi, per eseguire la segmentazione unificata, selezionare PET VBM per aprire la casella degli strumenti strutturale mri. A questo ora, apri l'editor batch per eseguire la segmentazione su più scansioni contemporaneamente.

Selezionare SPM, Spaziale e Segmento, quindi Dati, Selezionare File e scegliere le scansioni ponderate T1 come input. Quindi, fare clic su File di output, Materia grigia e assicurarsi che lo spazio nativo sia selezionato e ripeterlo per Materia bianca. Se la segmentazione CSF non è necessaria, lasciare questo set su Nessuno.

Se le scansioni sono già state corrette, modificare questa opzione in Non salvare corretto. Quindi utilizzare Pulisci tutte le partizioni e testa tutte e tre le opzioni prima di eseguire l'analisi completa. A questo ora, lasciare le altre impostazioni impostate su impostazioni predefinite e fare clic sul flag verde per eseguire la segmentazione.

La finestra MATLAB dirà Fatto al termine della segmentazione. Infine, eseguire Controllo qualità visiva sul file NIfTI Grey Matter risultante. Per eseguire l'opzione Nuovo segmento in SPM 8, selezionare prima PET VBM prima di aprire l'editor batch.

Selezionare quindi SPM, Strumenti, Nuovo segmento e selezionare i file di immagine T1 in formato NIfTI da utilizzare. Impostare l'opzione Tipo tessuto nativo su Spazio nativo e disattivare le classi di tessuto non necessarie. Disattivare anche il tessuto deformato, quindi fare clic sul flag verde per eseguire la segmentazione ed eseguire il controllo di qualità visiva una volta completato.

Per eseguire nuovamente la segmentazione in SPM 12, premere PET VBM e aprire l'editor batch. Quindi selezionare SPM, Segmento spaziale e Volumi di dati. Quindi selezionare Tipo di tessuto spaziale nativo e disattivare le classi di tessuti non bisognose.

Impostare Tessuto deformato su Nessuno e fare clic sulla bandiera verde. Una volta completata la segmentazione, assicurarsi nuovamente di eseguire visual quality control come descritto nella sezione successiva di questo protocollo. Il controllo visivo della qualità può essere eseguito utilizzando FSLeyes.

Iniziare aprendo una finestra terminale, quindi aprire FSLeyes digitando FSLeyes nel terminale. Quindi selezionare File, Aggiungi da file e selezionare il T1 originale e le aree segmentate per visualizzarle. Una volta aperto FSLeyes, usate l'interruttore di opacità per consentire la visualizzazione dell'immagine T1 sottostante.

Modificare anche il colore della sovrapposizione di segmentazione in base alle esigenze tramite la scheda a discesa colore nel riquadro superiore. Ora, scorri ogni fetta del cervello e controlla ognuna per le regioni di sotto o sovrastima nella regione ispezionata. Il controllo visivo della qualità è un passaggio essenziale per questa procedura.

Confrontando le aree segmentate con la scansione T1 originale, puoi assicurarti che le tue regioni siano di alta qualità e che le tue conclusioni siano biologicamente accurate. Per eseguire il controllo visivo della qualità dei dati FreeSurfer utilizzando Freeview, aprire una finestra terminale e modificare la directory nella cartella dell'oggetto contenente l'output FreeSurfer elaborato. Quindi digita il comando visto sullo schermo qui per visualizzare l'area della materia grigia volumetrica sovrapposta al T1. Ancora una volta, scorri ogni fetta del cervello e controlla le regioni di sotto o sopravvalutazione per la regione cerebrale ispezionata.

Qui, vediamo un esempio di segmentazione fallita visualizzata su una scansione T1. Questa segmentazione dovrebbe essere rielaborata ed esclusa dall'analisi se non può essere migliorata. Questa figura mostra esempi delle prestazioni di diversi strumenti sul lobo temporale su una scansione T1.

Qui si vedono esempi di una buona delimitazione regionale, mentre qui sono riportati esempi di scarsa delineazione regionale, che mostrano fuoriuscite nei lobi temporali sinistro e destro. Questa figura mostra esempi delle prestazioni di diversi strumenti sul lobo occipitale su una scansione T1. Qui vediamo la scansione T1 con un esempio di una buona delineazione regionale, mentre ecco un esempio di una scarsa delineazione regionale, che mostra uno sversamento nella dura mediale.

Qui vediamo un esempio di una regione di materia grigia versata nella dura, evidenziata dalla regione blu. Questa figura mostra un esempio di regione di materia grigia che ha escluso le regioni della corteccia dalla segmentazione, meglio mostrate nella vista assiale. Durante il tentativo di questa procedura, è importante ricordare di testare diversi strumenti nei dati e di eseguire il controllo visivo della qualità nelle scansioni dei processi.

Dopo il suo sviluppo, questa tecnica ha spianato la strada ai ricercatori di neuroimaging per studiare i cambiamenti nel volume del cervello nel tempo senza richiedere test invasivi.