このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

方法論記事

構造磁気共鳴イメージングを用いたヒト小脳灰白質形態測定検査のための標準化されたパイプライン

4.1K 回視聴

⸱

DOI:

10.3791/63340

⸱

2022年2月4日

 ,  ,  ,  ,  ,  , 
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

この記事について

サマリー

小脳灰白質形態測定を調べるための標準化されたパイプラインが提示される。このパイプラインは、最適化された自動化された小脳パーセル化のための高解像度の最先端のアプローチと、体積定量のための小脳のボクセルベースの登録を組み合わせています。

要約

複数の研究ラインは、運動制御との歴史的な関連性をはるかに超えて、幅広い認知機能および情動機能における小脳の役割についての説得力のある証拠を提供します。構造的および機能的神経画像研究は、小脳の機能的神経解剖学の解剖学的区分を超えてさらに理解を深め、健康な変動性および神経学的疾患における個々の小脳サブユニットの検査の必要性を強調した。この論文は、最適化された自動化された小脳パーセルレーション(U-Net局所制約最適化を用いた自動小脳解剖学的パーセルレーション;ACAPULCO)および小脳のボクセルベースの登録(空間的に偏りのないインフラテントリアルテンプレート;SUIT)は、体積定量化用です。

パイプラインは、さまざまな神経疾患に広く適用可能で、完全に自動化されており、手動介入は出力の品質管理にのみ必要です。パイプラインは自由に利用でき、かなりのドキュメントが添付されており、Mac、Windows、およびLinuxオペレーティングシステムで実行できます。パイプラインは、フリードライヒ運動失調症(FRDA)を有する個人のコホートに適用され、代表的な結果、ならびにグループレベルの推論統計分析に関する推奨事項が提供される。このパイプラインは、分野全体の信頼性と再現性を促進し、最終的には神経学的疾患における小脳構造変化を特徴付け、追跡するための強力な方法論的アプローチを提供する可能性がある。

概要

小脳は歴史的に運動制御1,2,3に関連する脳の一部であり、遺伝性運動失調症4などの希少疾患のごく一部にしか関与していないと考えられている。しかし、非ヒト霊長類における解剖学的追跡研究、ならびにヒト病変および神経画像研究からの収束する研究ラインは、認知5、6,7、情動的8,9,10,11、および他の非運動機能7,12の広い配列における小脳の役割についての説得力のある証拠を提供する(6を参照のこと。 レビュー用)。さらに、小脳の異常は、パーキンソン病13、アルツハイマー病14,15、てんかん16,17、統合失調症18、および自閉症スペクトラム障害19を含む広範囲の神経学的および精神医学的障害にますます関与している。.したがって、小脳をヒトの脳疾患および規範的行動変動の機能的および構造的モデルに組み込むことが不可欠となっている。

解剖学的には、小脳は、その上軸から下軸に沿って、前葉、後軸、およびフロキュロノドラーの3つの葉に分けることができる。葉はさらにローマ数字I-X 20,21で示される10個の小葉に細分される(図1)。小脳はまた、正中線(朱色)および側方(半球)ゾーンにグループ化することができ、これらはそれぞれ脊髄および大脳皮質からの入力を受け取る。小葉I〜Vを含む前葉は、伝統的に運動過程と関連しており、大脳運動皮質22と相互接続している。小葉VI−IXを含む後葉は、主に非運動プロセス11と関連しており、前頭前野、後頭頂部、および上側頭大脳皮質8,23と相互接続を有する。最後に、小葉Xを含む球状葉は、姿勢および歩行中の眼球運動および身体平衡を支配する前庭核との相互接続を有する21。

機能的ニューロイメージングを用いた最近の研究の増加により、小脳の機能的神経解剖学の理解が解剖学的分裂を超えてさらに洗練されました。例えば、安静状態機能的磁気共鳴画像法(fMRI)技術は、小脳と大脳との間の機能的相互作用のパターンをマッピングするために使用されてきた24。さらに、Kingたちの研究グループは、タスクベースのパーセレーションアプローチを用いて、小脳がその幅全体にわたって機能的特殊化の豊かで複雑なパターンを示し、さまざまな運動、情動、社会的、認知的タスクに関連する明確な機能的境界によって証明されたことを実証した。これらの研究は、健康な変動性と小脳の構造および/または機能の変化を特徴とする神経学的疾患の両方における小脳の関与の完全な生物学的特徴付けを開発するために、個々の小脳サブユニットを調べることの重要性を強調している。

本研究は、ヒトの構造MRIを用いて小脳容積の局所的変化を定量化する方法に焦点を当てる。一般に、MRIデータを用いた局所脳容積の定量化には、特徴ベースの セグメンテーション と ボクセルベースの登録という2つの基本的なアプローチがある。フィーチャベースのセグメンテーションアプローチでは、解剖学的ランドマークと標準化されたアトラスを使用して、サブリージョン間の境界を自動的に識別します。セグメンテーションのための主流のソフトウェアパッケージには、FreeSurfer25、BrainSuite26、 FSL-FIRST27などがあります。しかしながら、これらのパッケージは、小脳の粗いパーセル化(例えば、各半球における灰白質全体および白質全体を標識する)のみを提供し、したがって個々の小脳小葉を見落とす。これらのアプローチはまた、誤ったセグメンテーション、特に周囲の血管系の過剰包含を起こしやすい。

暗黙的な多境界進化(ACCLAIM28,29)、小脳分析ツールキット(CATK 30)、複数の自動生成テンプレート(MAGeT31)、ヒト小脳とその小葉の迅速な自動セグメンテーション(RASCAL32)、グラフカットセグメンテーション33、およびCEREbellum Segmentation(CERES34)。最先端の完全自動化小脳パーセル化アプローチを比較した最近の論文で、CERES2は、小脳小葉のゴールドスタンダードの手動セグメンテーションと比較して、他のアプローチよりも優れていることが判明した35。より最近では、Hanら36は、CERES2と同等に動作し、健康な小脳と萎縮した小脳の両方に幅広い適用性を持ち、オープンソースのDockerおよびSingularityコンテナ形式で「既製」実装に利用可能であり、他のアプローチよりも時間効率が良いACAPULCO(局所的に制約された最適化を伴うU-Netを使用した自動小脳解剖学的解析)と呼ばれる深層学習アルゴリズムを開発した。ACAPULCOは自動的に小脳を28の解剖学的領域にパーセルします。

特徴ベースのセグメンテーションとは対照的に、ボクセルベースの登録アプローチは、MRIをテンプレート画像に正確にマッピングすることによって動作します。このマッピングを実現するには、元のイメージのボクセルのサイズと形状を歪める必要があります。この歪みの大きさは、ゴールドスタンダードテンプレートに対する各ボクセルの体積の尺度を効果的に提供します。この形式の体積評価は、「ボクセルベースのモルフォメトリー」37として知られています。FSL-FLIRT38/FNIRT39、SPM統合セグメンテーション40、CAT1241などの全脳ボクセルベースの登録アプローチは、ボクセルベースの形態測定に一般的に使用されています。しかしながら、これらのアプローチは小脳をうまく説明しておらず、その結果、インフラ領域(小脳、脳幹42)における信頼性および妥当性が乏しい。これらの制限を説明するために、小脳の登録を最適化し、ボクセルベースの形態測定の精度を向上させるために、SUIT(空間的に偏りのないインフラテントリアルテンプレート)アルゴリズムが開発されました42,43。

局所小脳容積の推定のための特徴ベースのセグメンテーションおよびボクセルベースの登録アプローチには、基本的な長所と短所がある。セグメンテーションアプローチは、解剖学的に定義された領域(例えば、小葉35)の体積を定量化するために実質的により正確である。しかし、小脳の別個の機能モジュール間の境界は、その解剖学的葉および亀裂(大脳のジャイリおよびスルシ7に相当)にマッピングされない。登録ベースのアプローチは解剖学的ランドマークによって制約されないので、小脳のよりきめ細かい空間推論および高次元構造機能マッピングが可能である44。まとめると、セグメンテーションと登録のアプローチは互いに補完的であり、さまざまな研究の質問に答えるために使用できます。

ここでは、これらの既存の検証済みアプローチを統合した新しい標準化されたパイプラインを提示し、体積定量化のための最適化された自動パーセル化(ACAPULCO)およびボクセルベースの小脳の登録(SUIT)を提供します(図2)。パイプラインは、定性的可視化と定量的外れ値検出を使用した品質管理プロトコル、およびFreesurferを使用して頭蓋内容積(ICV)の推定を得るための迅速な方法を含む確立されたアプローチに基づいています。パイプラインは完全に自動化されており、品質管理の出力を確認するためにのみ手動の介入が必要であり、Mac、Windows、およびLinuxオペレーティングシステムで実行できます。パイプラインは、非商業目的での使用に制限なく自由に利用でき、簡単な登録フォーム45の完了後、ENIGMAコンソーシアムイメージングプロトコルのWebページ(「ENIGMA小脳容積測定パイプライン」の下)からアクセスできます。

必要なソフトウェアはすべて 資料表に記載されており、ライブデモを含む詳細なチュートリアルは、以下に説明するプロトコルに加えて、パイプラインのダウンロード時に利用できます。最後に、フリードライヒ運動失調症(FRDA)および年齢および性別が一致した健康な対照を有する人々のコホートにおけるパイプラインの実施から、グループレベルの統計的推論分析のための推奨事項とともに、代表的な結果が提供される。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

注:この研究で使用されたデータは、モナッシュ大学人間研究倫理委員会(プロジェクト7810)によって承認されたプロジェクトの一部でした。参加者は書面によるインフォームドコンセントを提供しました。パイプラインは Mac、Windows、または Linux オペレーティング・システムで実行できますが、ACAPULCO、SUIT、および QC パイプラインは、Linux (Ubuntu) および Mac (Catalina、Big Sur v11.0.1) オペレーティング・システムで明示的にテストされています。

1. モジュール1:アカプルコ(解剖学的パーセル化)

  1. データ収集
    1. 脳全体の3D T1強調MRI画像を1mm3 以下の解像度で収集します。等方性ボクセル寸法(通常は1 mm x 1 mm x 1 mm)と3-Telsa(またはそれ以上)スキャナを推奨します。X線撮影センターの画像専門家に相談して、これらの仕様を満たすデータを設定および取得してください。
      メモ: T2 強調画像は、体積解析に役立つ場合があります。ただし、ここで示すパイプラインは T1 加重データのみに依存しており、使用されるツールの一部はこのタイプのデータ専用です。そのため、T2 強調画像は使用できません。
    2. 眼瞼小脳奇形(例えば、大きな病変)または主要な小脳ランドマークの同定を妨げる実質的な運動アーチファクト(例えば、主要な解剖学的亀裂)を除外するために、画像の視覚的品質評価を行う。萎縮した大脳を自動的に除外しないでください, たとえ相当であっても.
    3. グループスタディでは、問題のあるデータをさらに特定するために、MRIQC46などの自由に利用可能な標準化されたツールを使用して定量的な品質評価も検討してください。
    4. dcm2niix47 などのツールを使用して、すべてのデータを NIFTI-GZ 形式に変換します。
  2. 推奨されるデータ編成
    1. 材料表に記載されている必要なソフトウェアをすべて入手してください。パイプラインを実行する前に、Docker48 または Singularity49、Matlab50、およびSPM12 51 がインストールされていることを確認してください。
      メモ: パイプラインに関する広範な書面およびビデオチュートリアルも利用できます ( 資料表を参照)。
    2. 必要なソフトウェアがすべてインストールされたら、作業ディレクトリにフォルダを作成し、「acapulco」、「suit」、「freesurfer」というラベルを付けます。これを行うには、コマンド行から mkdir コマンドを使用します。
    3. 'acapulco'ディレクトリに、 出力 フォルダを作成します。 出力 フォルダに、NIFTI-GZ形式のT1強調画像を含む試験の各被験者のディレクトリを作成します。
      メモ: 元のデータのコピーを他の場所に保管することをお勧めします。
  3. ACAPULCOを用いた解剖学的小脳パーセルレーション
    1. 材料表に移動し、ACAPULCOを実行するために必要な関連するスクリプトとコンテナをダウンロードします(acapulcoパイプラインファイルの下)。'acapulco' ディレクトリに、(i) ACAPULCO Docker OR Singularity コンテナ (それぞれ 'acapulco_0.2.1.tar.gz' または '.sif')、(ii) QC_scriptsアーカイブの内容 ('QC_Master.R'、'QC_Plots.Rmd'、および 'QC_Image_Merge.Rmd' の 3 つのファイル)、および (iii) 'R.sif' (特異点) OR 'calculate_icv.tar' (docker) ファイルを配置します。
    2. ターミナルを開き、コマンドラインから、単一のイメージでACAPULCOコンテナを実行します(次の<<件名>>を置き換えます)。処理が完了するまで約5分間待ちます。
      1. Docker を使用して、次のコマンドを入力します。
        ドッカーロード --入力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. 特異点を使用して、次のコマンドを入力します。
        シンギュラリティ実行 --cleanenv -B $PWD:$PWD acapulco-0.2.1.sif -i output/<>/<>.nii.gz -o output/<>
    3. コホート内のすべての被験者/スキャンをループします。パイプラインをダウンロードするためのENIGMAイメージングプロトコルのウェブサイト(ENIGMA小脳容積測定パイプラインの下)へのリンクと、複数の被写体を連続して処理するためのforループを作成する方法の例を含むチュートリアルマニュアルについては、材料表を参照してください。
    4. 処理後、件名固有のフォルダーで生成された次のファイルを探します。
      1. 「<被験者>_n4_mni_seg_post_inverse.nii.gz」を特定する:元の(被験者スペース)のパーセル化小脳マスク。
      2. 「<被験者>_n4_mni_seg_post_volumes.csv」を特定する:アカプルコによって生成された28のサブユニットのそれぞれについて、体積(mm3単位)。
      3. 代表的な画像( 'pics'ディレクトリ内)を特定する:矢状、軸状、および冠状。
  4. 統計的外れ値検出と品質管理(QC)
    1. 端末から 'acapulco' ディレクトリーに、QC_scriptsの内容が 'acapulco' ディレクトリーにあることを確認してください。QC スクリプトを実行するには:
      1. Docker を使用して、次のコマンドを入力します。
        ドッカーのロードcalculate_icv.tar
        docker run -v $PWD:$PWD -w $PWD --rm -it luhancheng/calculate_icv:latest Rscript
        QC_Master.R出力/
      2. 特異点を使用して、次のコマンドを入力します。
        特異点 exec -B $PWD:$PWD R.sif Rscript /path/to/QC_Master.R /path/to/acapulco/output
  5. アカプルコが生成したQC画像を調べる
    メモ: ACAPULCO パーセル化された画像の品質チェックには、3 段階のプロセスがあります。
    1. Webブラウザで「QC_Images.html」を開き、画像をすばやく(被写体あたり約10秒)スクロールして、明らかな障害や体系的な問題を特定します。フォローアップのために、失敗した、または疑わしいパーセルされた画像のサブジェクト ID に注意してください。
      注:「良い」パーセルレーション、「微妙なミスパーセルレーション」、および「グローバル障害」パーセルレーションの例については、以下の代表的な結果セクションの図4、図5、および図6については、小脳小葉の神経解剖学に関するガイドについては図3を参照してください。
    2. 「Plots_for_Outliers.html」を開き、ボックスプロットで定量的統計的外れ値を確認します。箱ひげの上または下の外れ値(平均の上または下の2.698 s.d)を探します。データ ポイントにカーソルを合わせると、サブジェクト ID が表示されます。[外れ値.csv] ファイルの関連列で '1' で示される外れ値を特定し、[外れ値.csv] の最後の列で各サブジェクトの外れ値として識別されたセグメントの合計数を書き留めます。
    3. 1 つ以上の外れ値を持つ各画像を手動で検査します。重要:標準のNIFTI画像ビューア(FSLEyesやMRICronなど)を使用して、ACAPULCOマスクを元のT1w画像にオーバーレイし、パーティセレーションの品質をスライスごとに確認します。
      1. FSLEyesを使用してコマンドラインから詳細なQCのオーバーレイを生成するには、i)ディレクトリを 'acapulco'ディレクトリに変更し、ii)表示する件名を指定します(置換 <件名>):
        subj=
      2. 次のコードをターミナルにコピー/ペーストします(前の行で設定されているため、{subj}を手動で変更する必要はありません)。
        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
        注:異常なセグメントを含めるかどうか、すなわち、パーセル化エラーがあるのか、それとも個人の解剖学的構造に単なる正常な変動性があるのかという判断を下す必要があります。各パーセル領域は個別に考慮されるため、画像に対していくつかの領域を除外し、正しい場合は残りの領域を保持できます。
      3. 1 つ以上のパーセル領域を最終的なデータセットから除外する必要がありますか。
        Yes (外れ値が確認された場合) は、そのサブジェクトの「Cerebel_vols.csv」ファイルの対応するセルで体積推定値を NA に置き換えて、このパーセルレーションを分析から除外します。
      4. パーセル化エラーの結果、小脳の一部がマスクから除外されますか?
        「はい」の場合(例えば、特定の小脳小葉がマスクから欠落している場合、または「切断」しているように見える場合)、被験者をさらなる分析から直ちに除外する(すなわち、それらの被験者に対してSUITモジュールを実行することに進まない)。

2. モジュール2:SUIT小脳最適化ボクセルベースの形態測定

  1. SUITを用いたボクセルベースの形態測定解析
    重要:このパイプラインは、SUITテンプレートへの小脳の登録と正規化の最適化のために被験者固有の小脳マスクの生成に依存しているため、ACAPULCOモジュールがすでに実行されている必要があります。ACAPULCOによって生成された被験者固有のマスクに小脳全体が含まれていない場合、これはSUITモジュールからの除外を保証する。SUIT をスタンドアロンで実行する手順については、52 を参照してください。
    1. 材料表に記載されている必要なソフトウェアをすべて入手してください。SPM12 フォルダーとすべてのサブフォルダーが MATLAB パスにあることを確認します。enigma_suitスクリプトが 'spm12/toolbox'ディレクトリに保存され、MATLABパスに追加されていることを確認してください。MATLAB パスを確認するには、MATLAB コマンド ウィンドウに「pathtool 」と入力し、[サブフォルダーで追加] をクリックして関連するフォルダーを追加します。
    2. 1 つ以上のサブジェクトに対して SUIT パイプラインを実行します。処理が完了するまで、約 15 ~ 20 分(グラフィカルユーザーインターフェイス [GUI] を使用している場合)、ターミナルから実行している場合 (bash/シェル) の場合は約 5 ~ 7 分待ちます。
      1. GUI を使用するには (サブジェクトはシリアルで実行されます)、MATLAB コマンド ウィンドウから次のコマンドを入力します。
        suit_enigma_all
      2. 最初のポップアップウィンドウで、分析に含める「acapulco/output」ディレクトリからサブジェクトフォルダを選択します。ウィンドウの右側にある個々のフォルダをクリックするか、右クリックして すべて選択します。 完了を押します。2 番目のポップアップ ウィンドウで、分析が書き込まれる SUIT ディレクトリを選択します。
      3. または、単一のサブジェクトの MATLAB コマンド ラインから関数を呼び出し、次のコマンドを入力します。
        suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir')
      4. または、MATLABの外部にあるターミナルウィンドウから、次のコマンドを入力して、単一のサブジェクトに対して関数を呼び出します。
        matlab -nodisplay -nosplash -r "suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir'), exit"
    3. パイプラインをダウンロードするためのENIGMAイメージングプロトコルのウェブサイト(ENIGMA小脳容積測定パイプラインの下)へのリンクと、複数の被写体を連続して処理するためのforループを作成する方法の例を含むチュートリアルマニュアルについては、材料表を参照してください。
    4. スクリプトに関する次の点を探します。
      1. スクリプトが、N4バイアス補正されたMNIアライメント(剛体)T1画像とACAPULCO小脳マスクを出力ディレクトリにコピーしていることを確認します。
      2. スクリプトが小脳の灰白質と白質をセグメント化していることを確認します。
      3. スクリプトが ACAPULCO マスクを使用してパーセル化のオーバーインクルージョン・エラーを訂正することを確認します。
      4. スクリプト DARTEL がデータを正規化し、ヤコビアン変調を使用して SUIT 空間に再スライスし、各ボクセルの値が元のボリュームに比例するようにします。
      5. 各被験者のフォルダで、'wd_seg1.nii' (灰白質) と 'wd_seg2.nii' (白質) の最終出力を確認します。
  2. 統計的外れ値検出と品質管理
    1. 正規化された変調画像 (wd*) に重大な障害がないか視覚的に検査します。MATLAB で、次のコマンドを入力します。
      spm_display_4D
    2. スーツのサブフォルダから 'wd*seg1' 画像を手動で選択するか、 'suit' ディレクトリに移動します。フィルタボックスに '^wd.*seg1' を挿入し (引用符なし)、 Rec ボタンを押します。 完了を押します。
    3. 画像をスクロールして、すべての画像が整列していることを確認します。健康なコントロール(A、B)および重度の萎縮性小脳(D)を有する個体からの正しく正規化された画像については、図7を参照してください。
      注:この段階では、被験者間の解剖学的構造は(同じテンプレートに登録されているため)非常によく似ており、音量の違いは代わりに異なるボクセル強度によってエンコードされます。空白の画像、欠損組織の広い領域、異常な強度勾配(すなわち、上部に明るいボクセル、下部に暗いボクセルすべて)など、主要な障害は明らかです。これらのイメージは、後続の手順から除外する必要があります。
    4. 空間共分散で外れ値を確認します。MATLAB で、次のコマンドを入力します。
      check_spatial_cov
      1. 前の手順に従って 'wd*seg1' イメージを選択します。プロンプトが表示されたら、次のオプションを選択します: 小道具のスケーリング: はい;共変への変数:いいえ。スライス (ミリメートル): - 48 , ギャップ: 1.
      2. サンプル内の他のすべての画像に対する各画像の平均空間共分散を示す箱ひげ図を見てください。MATLAB コマンド ウィンドウで平均より >2 秒下にあるデータ ポイントを特定します。これらの問題については、SUIT フォルダー内の "_n4_mni.nii.gz" 画像にアーチファクト (動き、解剖学的異常)、画質の問題、または前処理エラーがないか調べます。
      3. 画質と前処理が許容でき、前のステップで変調された画像の目視検査でセグメンテーションと正規化の問題が示されない場合は、これらのデータをサンプルに保持します。それ以外の場合は、これらのデータを除外します。

3. モジュール3(オプション):フリーサーファーを使用した頭蓋内容積(ICV)推定

注: このモジュールは FreeSurfer パイプラインを使用して ICV を計算します。コホート (任意のバージョン) の既存の Freesurfer 出力がある場合は、再実行する必要はありません。

  1. フリーサーファーのセットアップ
    1. FreeSurfer がダウンロードされ、インストールされていることを確認する53. 材料表 に移動し、関連するスクリプトをダウンロードしてこのモジュールを実行します( ICVパイプラインファイルの下)。FreeSurfer を使用する場合は、次の変数を設定します。
      エクスポート FREESURFER_HOME=
      ソース $FREESURFER_HOME/SetUpFreeSurfer.sh
    2. 次のように <パス> を置き換えます。
      エクスポートSUBJECTS_DIR=<パス>/エニグマ/フリーサーファー
  2. フリーサーファーオートレコン1を実行している
    1. 単一のサブジェクトに対して、'freesurfer' ディレクトリ内 (処理時間 ~20 分) から、次のコマンドを入力します。
      cd
    2. 複数のサブジェクトを連続して処理するためのforループを作成する方法の例については、チュートリアルマニュアルを参照してください。
  3. ICVの計算
    1. データ編成
      1. 'freesurfer' ディレクトリに、(i) モジュール 1 で使用されている Docker OR Singularity コンテナ (それぞれ 'calculate_icv.tar' または 'R.sif') と (ii) xfm2det スクリプト ( 資料表を参照) を配置します。次に、git クローンを実行して、必要な ICV スクリプトをクローンします。
        git クローンの https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
    2. ICV抽出の実行(処理時間~5分)
      1. 'freesurfer' ディレクトリから、特異点 ('R.sif') コンテナで次のように入力します。
        特異点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. 'freesurfer'ディレクトリから、ドッカーコンテナで、次のように入力します。
        ドッカー実行 -v $PWD:$PWD -w $PWD -rm -it luhancheng/calculate_icv:latest
        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
      3. コンテナなしでスクリプトを実行する - 追加の必要なソフトウェアと依存関係については 、材料表 を参照してください。「フリーサーファー」ディレクトリから、次のように入力します。
        ./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
        注: これにより、各サブジェクトの ICV が計算され、ICV を含む列が 'Cerebel_vols.csv' ファイルの末尾に追加されます。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

小脳パーセレーション(アカプルコ)

小脳パーセルマスクの品質管理:
以下の例は、ACAPULCOパーセル化出力を示し、a)個人レベルでのパーセル化マスクの品質、およびb)その後の統計分析からの特定の小葉の包含または除外に関する意思決定を導く。究極的には、主題を含めるか除外するかの決定は主観的です。ここでは、さまざまな健康および臨床グループからの「良好なパーセル化」、「微妙なパーセル化エラー」、および「グローバルな失敗」の例を提供します。

「良好なパーセル化」の例を 図4に示し、健康でひどく萎縮した大脳を含む。 図5では、個々の小脳小葉の微妙な過剰および過小封入が描かれている。これらは最も一般的なタイプのパーセル化エラーであり、定量的QCプロトコルでは統計的外れ値として検出されない場合があります。これらのタイプのエラーは、一般に、影響を受...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

小脳は、人間の運動3、認知58、感情10、および言語7,59の幅広い機能に重要であり、多くの神経学的および精神医学的疾患に関与している。局所小脳容積の定量化のための標準化された容易に実装可能なアプローチの利用可能性は、ますます詳細な「全脳」構造機能マッピング、完全な疾患モデリング、および脳疾患に対する小脳の寄与を定義および追跡する機会の改善に寄与するであろう。ここで説明するこの標準化されたパイプラインは、健康と疾患の両方における小脳灰白質形態測定の自動小脳パーセル化とよりきめ細かい空間プロファイリングのための最先端のアプローチを組み合わせたものです。

ここに提示されたACAPULCOを用いた断面小脳パーセル分析の結果は、FRDAを有する人々(対HC)が白質体積を有意に減少させたことを示した。これらの知見は、FRDAの早期、堅...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者らは、開示する利益相反はありません。

謝辞

この原稿で発表された研究は、オーストラリア国民健康医学研究評議会(NHMRC)のアイデアグラント:APP1184403によって資金提供されました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
ACAPULCOパイプラインファイル 0.2.1http://enigma.ini.usc.edu/protocols/imaging-protocols/必ずacapulcoバージョンを使用してください 0.2.1
Mac用https://docs.docker.com/desktop/mac/install/ macOSはバージョン10.14以降である必要があります
Dockerにはsudo権限が必要です
DockerはMac OSにメモリ(RAM)制約を課します。RAMを増やすには、Docker Desktopを開き、[設定]に移動して[リソース]をクリックします。メモリ
Docker for Windowshttps://docs.docker.com/docker-for-windows/install/
ENIGMA SUIT スクリプトhttp://enigma.ini.usc.edu/protocols/imaging-protocols/
FreeSurfer7https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstallFreesurferで作業するたびに、次の変数を設定する必要があります：
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 (FSLeyes用).オプションの6https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation
ICV パイプライン ファイルhttp://enigma.ini.usc.edu/protocols/imaging-protocols/ICV パイプラインは、1) docker/singularity を使用して 2 つの方法で実行できます。追加のソフトウェアは必要ありません。2)Docker / Singularityなし-これには、ICVスクリプト(calculate_icv.py)を手動で実行することが含まれます。次の追加ソフトウェアが必要になります:
Python バージョン figure-materials-5=3.5
Python モジュール pandas
Python モジュール fire
Python モジュール tabulate
Python モジュール Colorama
https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
MATLAB*2019 以降https://au.mathworks.com/アカデミック ライセンスが必要です
Singularity3.7 以降https://www.sylabs.io/docs/ ハイパフォーマンス コンピューティング (HPC) クラスターに優先
SPM12http://www.fil.ion.ucl.ac.uk/spm/software/spm12/spm12 とすべてのサブフォルダーが MATLAB パスにあることを確認してください
SUIT Toolbox3.4http://www.diedrichsenlab.org/imaging/suit_download.htmSUIT toolbox を spm12/toolbox ディレクトリに配置してください
トラブルシューティングマニュアルとセグメンテーション出力例http://enigma.ini.usc.edu/protocols/imaging-protocols/
チュートリアルマニュアルとビデオhttp://enigma.ini.usc.edu/protocols/imaging-protocols/マニュアルと付属のライブデモでは、パイプラインの実行方法を最初から最後まで詳しく説明しています。
*無料では入手できません。アカデミックライセンスが必要です
Docker を最大限まで増やす

参考文献

  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).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

タグ

小脳形態計測構造的MRI小脳分画化ヴォクセルベース形態計測灰白質容積フリードライヒ運動失調症品質管理解剖学的分画化SUITパイプラインACAPULCO分画化
構造磁気共鳴イメージングを用いたヒト小脳灰白質形態測定検査のための標準化されたパイプライン
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。