安静時fMRIにおける視覚野の局所的均質性と機能的結合性のマッピング

Summary

機能的磁気共鳴画像法データを分析するためのプロトコルを提示し、網膜色素変性症患者の自発的な神経活動の変化を調査します 地域均質性と機能的接続法を組み合わせて使用。

Abstract

網膜色素変性症(RP)の同期神経活動変化を評価するために、非侵襲的機能的磁気共鳴画像法(fMRI)法の一種である領域均質性(ReHo)法と機能的結合性(FC)法が使用されています。この研究の目的は、RP患者の神経活動の変化の領域内および領域間の同期を分析するための私たちの方法を説明することです。ReHo法とFC法を組み合わせた利点は、非侵襲的であり、生体内での脳同期ニューロン活動の変化を調査するのに十分な感度であることです。ここでは、16人のRP患者と、年齢、性別、教育が密接に一致する14人の健康な対照群が安静時のfMRIスキャンを受けました。ReHoとFCをグループ間で比較するために、2つのサンプルt検定が実施されました。その結果、RP患者では、網膜-視床皮質経路と背側視覚ストリームの視覚ネットワークの切断と再編成が起こったことが示されました。ここでは、この方法の詳細、その使用方法、および主要なパラメーターの影響について、段階的に説明します。

Introduction

機能的磁気共鳴画像法(fMRI)は、生体内での脳機能や構造の変化を調べるために使用できる非侵襲的な方法です。領域的均質性(ReHo)と機能的接続性(FC)は、脳活動の地域内および地域間の同期を評価するためによく使用されます。安静時fMRI法であるReHoは、特定のボクセルとその最近傍の時系列との間の類似性を計算するために使用され、これは脳活動の局所的な同期を反映しています¹。FC は、空間的に離れた地域時系列² 間の類似性を調査するために使用されます。

fMRI技術は、眼疾患管理の文脈で視覚機能の客観的な評価を提供することができます。ここでは、ReHoとFCの方法を組み合わせて、この経験を共有し、専門知識の普及をサポートする方法論的プロトコルを紹介します。本研究では、網膜色素変性症 (RP) の被験者と健康な対照 (HC) の ReHo および FC プロトコルを使用して、手順の詳細を詳しく説明しました。RPは、夜間視力障害と進行性の視力喪失を特徴とする深刻な遺伝性眼疾患です^3,4。遺伝子変異はRPの主な危険因子です。桿体および錐体の視細胞の死は、RP患者の周辺視力の喪失、そして最終的には失明につながります。以前の神経画像研究では、RP患者の視覚野と視覚経路の構造的および機能的異常が示されています^5,6,7。さらに、拡散テンソルイメージングを使用して、白質繊維束の完全性を調査しました。RP患者は、HC^{と比較して、}見かけの拡散係数、主固有値、および直交固有値、および視神経の分数異方性が有意に低いことを示しました8。

ここでの私たちの目標は、ニューロン活動の地域内および地域間の同期の探索でした。ReHoの平均値とFCの平均値がRP患者の臨床変数と相関しているかどうかを調査した。私たちの方法は、研究者がRP患者の周辺視野喪失の神経メカニズムについて重要な洞察を得ることを可能にするかもしれません。

Protocol

研究プロトコルは、武漢大学の人民病院の医療倫理委員会によって承認されました。すべての参加者は書面による同意書に記入しました。

1. 参加者の分類とスクリーニング

1. 年齢、性別、教育が密接に一致するRP科目とHCを登録します。
2. すべての参加者が次の基準を満たしていることを確認してください: 1) MRI スキャナーでスキャンできる (例: 心臓ペースメーカーや埋め込み型金属デバイスなし)。2)閉所恐怖症ではない。3) 心疾患、高血圧症、脳疾患を有しない。

2. fMRIデータの取得

注:このプロトコルでは、8チャンネルヘッドコイルを備えた3 T MRIスキャナーが使用されます。

1. 最終安全チェックの後、MRIスキャナー室に入る前に、各参加者に金属物を取り除くように依頼してください。
2. 参加者にベッドに横になるように指示し、眼窩筋がベッドに対して垂直になっていることを確認します。次に、頭の両側側頭領域にフォームパッドを配置して頭の動きを防ぎ、スキャナーのノイズを減らすために耳栓を提供します。
3. 参加者に安静に横たわるように、眠りに落ちないように目を閉じたままにし、スキャン中は特に何も考えないように指示します。
4. ポジショニングライトで参加者の頭の位置を調整します。軸位置決めカーソルが外側眼角と平行であり、矢状位置決めカーソルが顔の正中線と一致していることを確認してください。次に、ベッドを動かして、軸位置決めカーソルが参加者の眉毛の2cm上または下に留まるようにします。
5. スキャンセッションの開始を参加者に通知します。スキャンコンソールを使用して、構造ローカライザのスキャンを開始し、スキャナー内の参加者のヘッドの位置を決定し、その後の構造スキャンと機能スキャンの計画を可能にします。
6. 以下の配列とパラメータでfMRIを行います。
   1. 次のパラメーターを使用して 3 次元脳体積イメージング (3D-BRAVO) MRI を実行します: 繰り返し時間 (TR)/エコー時間 (TE) = 8.5 ms/3.3 ms;厚さ= 1.0 mm;交差ギャップはありません。アクイジションマトリックス = 256 x 256;視野 = 240 x 240 mm²;フリップ角度 = 12°。
   2. 次のパラメーターで勾配エコー平面イメージング血中酸素濃度依存性(EPI-BOLD)イメージングを使用して機能画像を取得します:TR / TE = 2,000 ms / 25 ms;厚さ= 3.0 mm;ギャップ= 1.2 mm;アクイジションマトリックス = 256 x 256;視野 = 240 x 240 mm²;ボクセルサイズ= 3.6 x 3.6 x 3.6 mm³;および35軸スライス。
7. スキャン期間中は参加者の状態に注意を払い、できるだけ動かないように指示し、参加者に不快感がある場合はスキャンを停止します。
8. 参加者をスキャナーから取り外し、実験の最後には参加者に注意深く座るように依頼します。

3. データの前処理とソフトウェアの準備

注: このプロトコルで解析された機能画像は、SPM8 と MATLAB 2013a に基づく Data Processing & Analysis for Brain Imaging (DPABI, http://rfmri.org/dpabi)⁹ のツールボックスによって前処理されます。fMRIセッションごとに、以下の前処理手順を個別に実行します。

1. MATLABターミナルで DPABIソフトウェアを開くには、dpabiをクリックし、 DPARSF 4.3 Advanced Edition を選択して、フォルダ「FunRaw」をインポートします(図1)。
   注:FunRawフォルダには、各参加者のDICOMファイルが含まれています。
2. FunRawをクリックして、fMRIスキャンファイルを一貫した番号付けスキーム(「sub0001」、「sub0002」など)でDPABIにインポートします。作業ディレクトリと最初の EPI ディレクトリと T1 ディレクトリを選択し、手順 3.3 から 3.9 で必要なすべてのパラメータを選択してから、セクション 4 で「実行」をクリックします。
3. パラメータを入力します:タイミングポイント= 240およびTR = 2(図2)。 EPI DICOM から NIFTI を選択して 、機能イメージを DICOM から NIFTI 形式に変換し、各機能イメージの最初の 10 巻を削除します。
4. DPABIソフトウェアの 「Slice Timing 」と「 Realign 」のチェックボックスをオンにして、残りの230ボリュームの機能的な血中酸素濃度依存画像を補正し、スライスタイミング効果と頭部の動きを補正します。
   注意: 頭の動きについては、スキャン中に頭の動きが>2 mmまたは>2°回転する参加者のデータを除外する必要があります。スライス順序の場合、ベクトル内の数値のシーケンスは、これらのレイヤーの獲得時間順序です。選択したスライス番号は 40、スライスの順序は [1:2:39,2:2,40]、参照スライスは 39 です。
5. DPABIソフトウェアを使用して Normalize by DARTEL を選択します。
   注:このオプションを選択すると、ソフトウェアは、平均fMRIデータに登録された個々のT1強調構造画像を使用して、空間正規化を自動的に実行します。結果として得られる整列されたT1強調画像は、fMRIデータの正規化時の空間精度を向上させるために、DARTELツールボックスを使用してセグメント化されます。正規化されたデータ (モントリオール神経学研究所 [MNI] 152 スペース) は、3 x 3 x 3 mm³ の解像度で再スライスされます。
6. DPABIソフトウェアで Detrend を選択して、線形トレンドを削除します。
7. [惣事共変量回帰] のチェックボックスをオンにして、パラメーターとして [頭部運動モデル]、[白質信号]、[全体平均信号]、および [脳脊髄液信号] を選択します。
8. DPABIソフトウェアの頭の動きによる不良タイムポイントを削除するために、 スクラビング のチェックボックスをオンにします。
9. DPABIソフトウェアの [Filter]チェックボックス[0.01-0.08] をオンにして、0.01〜0.08 Hzの信号を保持し、高周波の生理的ノイズと低周波ドリフトを除去します。
   注:データ準備後、ReHoおよびFC分析を実行できます。

4. ReHoとFCの分析

1. ReHo 計算では、MATLAB を使用して DAPABI ソフトウェアを開き、クラスター内の 27 個のボクセル を選択します。 ReHo を左クリックして [6 * 6 * 6]を滑らかにし、[ 実行]を選択します。
   注: Kendallの一致係数は、27のボクセルとその最近傍の時系列のKendallの一致係数を計算することによって、特定のボクセルに割り当てられます。グループ間の統計的比較に対する個々の変動の影響を軽減するために、各ボクセルの ReHo マップは、フィッシャーの r-z 変換を使用して z 変換されます。残りの z ReHo マップは、半値で全幅 6*6*6 のガウス カーネルを使用して空間的に平滑化されます。
2. FC 計算では、MATLAB を使用して DAPABI ソフトウェアを開き、両方のグループ間で変更された ReHo 脳領域を関心領域 (ROI) として定義します。 [Functional Connectivity ] をクリックし、ROI を定義します (中心を x = 0、y = -69、z = -3、半径 = 10 mm)、[ Run] を選択します。
   注: 各参加者の時間経過の相関分析は、球状シード領域と全脳ボクセルの間で実行されます。すべての FC マップは、グループ間の統計的比較に対する個々の変動の影響を軽減するために、Fisher の r-to-z 変換によって z 変換されます。座標の周りのROIの半径は10 mm(X = 0、Y = -69、Z = -3)である必要があります。

5. 統計分析

1. 関連するファイルデータを処理した後、ReHoとFCという名前のフォルダを見つけます。zReHo.niiとzFC.niiのファイルを「RP-group-ReHo」、「HC-group-ReHo」、「RP-group-FC」、「HC-group-FC」の4つのサブフォルダに振り分けます。
2. MATLAB で DPABI を開き、1 サンプルの t 検定を実行します。
   1. 「統計分析」を左クリックし、「1群t検定」をクリックします。出力結果に「one-sample-t-test-RP」と名前を付け、出力ディレクトリを設定します。
   2. 「Add Group Images」を左クリックし、「RP-group-ReHo」サブフォルダを開きます。
   3. [ マスクファイル ]オプションで、左クリックして「マスク」フォルダ内の「BrainMask-05-61 * 73 * 61」サブファイルを開きます。
   4. [コンピューティング] を選択してプログラムを実行します。「one-sample-t-test-HC」グループに対してこれと同じ手順を実行します。
      注:1サンプルのt検定は、DPABIソフトウェアで各グループの平均ReHoマップを分析および表示するために使用されます。
3. MATLAB で DPABI を開き、2 サンプルの t 検定を実行します。
   1. 「統計分析」を左クリックし、「2標本のt検定」を選択します。出力結果に「two-sample-t-test-ReHo」と名前を付け、出力ディレクトリを設定します。
   2. 「Add Group Images」を左クリックし、「RP-group-ReHo」と「HC-group-ReHo」のサブフォルダを開きます。
   3. [ マスクファイル ]オプションで、左クリックして「マスク」フォルダ内の「BrainMask-05-61 * 73 * 61」サブファイルを開きます。
   4. [コンピューティング] を選択してプログラムを実行します。「two-sample-t-test-FC」に対してこれと同じ手順を実行します。[統計解析とガウスランダム フィールド (GRF) 補正 [両側、ボクセル レベル (0.01) およびボクセル レベル (0.05)]] をクリックし、[実行] をクリックします。
      注:zReHoマップとzFCマップのグループ間の違いは、2つのサンプルt検定によって比較されます。GRFは、DPABIソフトウェアを使用して、年齢と性別の多重比較と回帰共変量を補正するために使用されます。
4. BrainNet Viewerソフトウェア(https://www.nitrc.org/projects/bnv/)を使用して結果を表示します。
   1. MATLABでBrainNetを開き、 Load fileをクリックします。サーフェス ファイルの場合は、[ 参照 ] をクリックして [BrainMesh-ICBM152-smoothed.nv] を選択し、[ OK] をクリックします。ボリュームファイルの場合は、 spm-T.nii (ReHo と FC の結果を含む)を選択し、[ OK] をクリックします。
5. 統計ソフトウェアを使用して、前のステップで取得したデータを処理します。
   注:カイ二乗検定は性別比較に使用され、独立サンプルのt検定は他の臨床変数に使用されます。連続変数は、平均と標準偏差で表されます。
6. Pearson相関係数解析を実施し、統計ソフトウェアを使用して、異なる脳領域のzReHo値とzFC値との関係と視覚測定データを特定します。
   1. DPABIソフトウェアにより、各参加者のzReHo値とzFC値のROI信号を取得します。 ROI信号抽出器 をクリックし、 ROI mask.niiファイルを含むディレクトリを追加します。
      注: P 値 <0.05 は統計的に有意であると考えてください。

Results

私たちの研究では、16人のRP患者と14人の健康な対照群が、年齢、性別、教育が密接に一致し、安静時のfMRIスキャンを受けました。ReHo法とFC法を使用して、RP個体の同期内および同期神経活動を探索しました。右眼(P < 0.001)と左眼(P < 0.001)でBCVAに有意差が認められたが、性別、年齢、体重の差は群間で有意ではなかった。

RP と HC は、ReHo マップで同様の空間分布を示しています。しかし、RP患者の視覚野のReHo値は、対照群のReHo値よりも有意に低かった(図3A、B)。HCと比較して、RP個体のReHo値は、HCと比較して両側LGG/CPL(BA 17,18)で有意に低かった(図4 および 表1)(両側、ボクセルレベルP < 0.01、GRF補正、クラスターレベルP < 0.05)。

...

Discussion

このレポートでは、RP グループと HC グループの ReHo 値と FC 値を計算するためのプロトコルについて説明し、2 つのグループ間で ReHo 値と FC 値が大きく異なることを示しました。特に、このプロセスの重要なステップは、実験前のサンプルの分類とスクリーニングです。このプロトコルを独自の分析に適用したとき、すべてのRP被験者は2人の経験豊富な眼科医によって診断されました。緑内障、白内障、視神経萎縮などの他の眼疾患のRP患者は除外した。さらに、私たちの研究に登録されたHCは、心臓病、脳疾患、または高血圧を持っていません。その結果、視覚野のReHo値と視覚野と運動皮質の間のFCは、RP参加者で有意に減少し、視覚野と視床の間のFCが増加したことが示されています。Qin らは、RP 患者が V1 で FC 密度の低下を示したことを示しました。これは、私たちの調査結果と一致しています。¹⁰ これらの知見は、網膜-視床皮質経路と背側視覚ストリームの内因性視覚ネットワークの切断と再編成を示している可能性があり、視空間および...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
BrainNet Viewerソフトウェア	National Key Laboratory of Cognition Neuroscience and Learning, BNU	BrainNet Viwer 2013	BrainNet Viewerは、構造的および機能的な接続パターンを視覚化する脳ネットワーク可視化ツールです
DPABIソフトウェア	Institute of Psychology, CAS, Beijing, China	DPABI 4.3	DPABIは、脳イメージングのデータ処理と分析のためのツールボックスです。
MATLAB	MathWorks, Natick, MA, USA	2013a	MATLAB は、アルゴリズム開発、データ可視化、データ解析、および数値計算のための高水準のテクニカルコンピューティング言語および対話型環境です。
MRIスキャナー	GE Healthcare, Milwaukee	MRI 3.0
SPMソフトウェア	Wellcome Centre for Human Neuroimaging, UCL	SPM8	SPM8は、SPMソフトウェアのメジャーアップデートで、以前のバージョンに比べて理論的、アルゴリズム的、構造的、インターフェースが大幅に強化されています。
SPSS	IBM、シカゴ、イリノイ州、米国	SPSSバージョン20.0	SPSSソフトウェアプラットフォームは、高度な統計分析、テキスト分析、オープンソースの拡張性、ビッグデータとの統合、アプリケーションへのシームレスな展開を提供します。