ローカルGyrificationのインデックスを計算するステップバイステップのチュートリアル：MR画像からの皮質折りたたみを測定する方法

この手順の全体的な目的は、脳MRIに基づいて、極めて高い解像度で皮質折り畳み（cortical folding）または皮質化（cortical ification）を定量化することです。これは、まずFreeSurferソフトウェアを用いて、皮質表面の正確な3次元表現を作成することによって達成されます。第2のステップでは、形態学的クロージングアルゴリズムを用いて、pial surfaceに密接に沿う外表面を構築します。

次に、外表面に数百個の重複する円形領域を作成し、それらを対応する皮質領域のパッチに照合させます。その後、各点において両方の対応領域の比率を算出し、局所的な変化を示す個別のマップを作成します。これにより、異なる診断グループ間での統計的比較が可能になります。最終的に、成長した子供、青年、または成人における皮質構造を測定することで、生後数ヶ月に発生した異常な皮質発達を明らかにすることができます。

曲率に基づく手法や細胞形態幾何学などの既存の手法と比較した本手法の主な利点は、円形壁による制約を受けず、極めて高い解像度で、解釈が容易な計測値を提供できる点にあります。この手法は、精神疾患や神経発達障害の発症に関するいくつかの重要な疑問を解明するのに役立ちます。言い換えれば、皮質折り畳みという極めて初期の神経発達上のイベントが、成人後の病態形成にどのように影響を及ぼすかを理解することができるということです。

私たちは、数十年にわたり比較神経解剖学で用いられてきた脳化指数が、その実装方法における課題を克服できれば、脳発達の非常に強力な指標になり得ることに気づいたとき、この手法を思いつきました。この手法については、私たちのグループのシニアリサーチャーであるMariと、Jean Philip Tranの研究室のシニアリサーチャーであるMari Raが実演します。プロトコルのこの最初のパートでは、標準的なFreeSurferパイプラインを使用します。

ここで詳しく説明するコマンドは、皮質表面再構成を行うための一つの方法ですが、生のMRI DICOMデータをFreeSurferにインポートするために同等のコマンドを使用することも可能です。まず、フォルダ構造を作成してください。次に、被験者のMRIフォルダに移動し、生のMRIデータをFreeSurfer形式に変換します。

次に、変換されたボリュームを可視化します。向きが正しく、コントラストが十分であり、画像にズレがないことを確認して、画質を検証してください。続いて、FreeSurferを用いて、3次元皮質メッシュモデルを作成します。

この処理には数時間かかります。Barrettの問題に対処するため、Cellie free surferはまず単一の白質ボリュームを作成し、これを後の大白質表面の起点として使用します。まず、再構成プロセスにおいて、強度の局所的な勾配に基づいて灰白質表面を最適化します。

次に、この表面を灰白質CSF界面までさらに拡張し、パイルメッシュモデルを作成します。この再構成プロセスにより、各半球あたり約150,000点のポイントで構成される2つの3Dメッシュモデルが生成されます。白いモデルは灰白質界面であり、パイルモデルは灰白質CSF界面です。

すべての表面および体積は元の座標空間に保持されており、変形させることなく測定することが可能です。次に、2つの表面を重ね合わせることで、これらの再構築された表面の精度を確認します。例では、FreeSurferパッケージに付属している被験者のアライメントを示しています。

再構成プロセスの結果を手動で修正するために、白い表面がグレーと白の界面に正確に沿っていること、および血管と膜がパイル表面に含まれていないことを確認してください。詳細はFreeSurfer Wikiのチュートリアルを参照してください。表面の状態に満足したら、局所灰白質指数（LGI）を算出します。

このコマンドの実行時間は、通常、1人の被験者の両半球につき約3時間です。ワークステーションの性能に応じて、LGIプロセスは形態学的クロージング処理を用いた外表面の作成から始まります。その後、外表面上に約800個の重複する円形関心領域（ROI）が作成されます。

これらの各領域に対して、パイル表面上の対応する関心領域が定義されます。計算全体を通じて、皮質表面の各点に1つのLGI値を持つ個別のマップが作成されます。その結果、LGI計算の終了時には、半球あたり約150,000個の値が得られます。

各被験者の両半球がFreeSurferで正しく処理されているか確認してください。LGI値は通常1から5の間になります。迅速に確認する場合は、最小しきい値を1に設定してください。

統計的な群間比較の目的は、性別と年齢の影響を制御しながら、皮質表面フェーズにおける各頂点での群の効果を定量化することです。まず、すべての被験者と入力データを用いて、研究固有のテンプレートを作成します。このコマンドにより、「average」という名前の被験者が作成されます。

次に、古典的なコマンドを使用して群間でLGIの結果を比較するために、研究対象者の記述を含むテキストファイルを作成します。これはFreeSurferのグループ記述ファイル（group descriptor file）としても知られています。その後、各半球の平均被験者の空間においてLGIデータをリサンプリングします。

信号対雑音比を改善するため、皮質表面のデータをスムージングします。次に、各頂点レベルでグループ比較を算出します。これには、コントラストテキストファイルの作成が必要です。

例えば、FSG Dテキストの場合、年齢と性別を制御しつつ、コントロール群と患者群の差を算出するために、コントラストテキストファイルに「1 -1 0」の値を入力する必要があります。最後に、比較を実行します。その後、新しく生成されたデータファイルを読み込み、TK surferを用いて平均被験者における結果を可視化します。

頂点（Vertex）単位の解析では、各点に色分けされたP値がオーバーレイ表示される統計マップが作成されます。この例では、主に脳の内側部分において、有意な減少が示されています。「configure overlay（オーバーレイ設定）」オプションを使用することで、P値の閾値をさらに変更したり、偽発見率（false discovery rate）を用いて多重比較の補正を行ったりすることが可能です。

Q deckは、以前にコマンドラインで説明されたように、FreeSurferに実装されたグラフィカルユーザーインターフェースです。また、局在化指数（LGI）を用いてQ deckを使用するには、研究固有のテンプレートが必要になります。まず、LGIデータを平滑化します。QEではデータテーブルの構築が必要です。

これには、異なる群の説明や、年齢などのその他の混絡変数が含まれます。Q deckの従属変数リストにLGIが表示されない場合は、ホームディレクトリにあるQ deckのRCファイルに以下の行を追加してください。Q deckを使用すれば、コマンドラインと同様の結果を正確に得ることができますし、さらにモンテカルロシミュレーションを用いて多重比較の補正を行うことが可能です。

局所充填指数（local gyrification index）は頂点ごとの解析のために開発されましたが、より粗いレベルでデータを平均化することも有益である可能性があります。探索的な解析では、FreeSurferに統合されている皮質区画化スキームの34の回領域について、平均LGI値を抽出できます。これらの測定値は、その後、一般的な統計ソフトを用いて異なるグループ間で比較することが可能です。

したがって、区画ごとの分析は、統計的な比較回数を制限するための有効な手法となり得ます。しかしながら、各地点におけるLGIは、周囲の関心領域における層状化をすでに定量化しています。その結果、特定の関心領域における平均LGIも、隣接する関心領域における層状化をある程度反映することができます。

FreeSurferまたはLGI処理中に発生する可能性のある問題の解決策については、FreeSurferメーリングリストのアーカイブを参照してください。本手順に加えて、皮質厚の測定やTractographyなどの他の手法を組み合わせることも可能です。これにより、初期の髄鞘化の変化が、その後の皮質の発達や白質路の発達とどのように関連しているかを確認することができます。

このビデオを視聴することで、皮質表面の3次元表現を作成する方法、個別の地図を作成する方法、そしてそれらをグループ間で比較して皮質折り畳みの統計的に有意な悪化を検出する方法について、十分に理解することができます。