fMRIと拡散強調画像を用いた脳の構造と機能の同時分析

本実験の全般的な目的は、磁気共鳴画像法を用いて脳の構造と機能を同時に解析することです。これは、高磁場MRIを用いて、拡散スペクトルイメージング（DSI）により脳の白質構造を画像化し、BOLD fMRIにより脳機能を測定することで達成されます。その後、DSIデータが処理され、脳内のあらゆる点における多方向の拡散推定値が算出されます。

さらに、仮想的な白質線維を生成または選択するための関心領域を作成するために、fMRIデータを解析します。次に、機能データと構造データが共通の画像空間に配置されるよう、関心領域をDSIデータと整合させます。最後に、機能的な関心領域間を結ぶ白質経路を推定するため、拡散データを用いてトラクトグラフィーを実施します。これにより、機能的に接続されていると仮定される脳領域間の解剖学的接続性が明らかになります。

fMRIのタスクデータに基づいています。近年の集積されたエビデンスにより、複雑な認知操作は単一の領域ではなく、協調して動作する多くの脳領域からなるネットワークによって実行されることが示唆されています。これらの計算システムを完全に特定するためには、機能的MRIを組み合わせることで、機能的特性と構造的特性の関係を理解することが不可欠です。

拡散強調MR画像を用いることで、ネットワークのコネクティビティと、それがどのようにして複雑な人間の行動を導くかを調べることができます。拡散テンソル画像などの標準的な手法に対するこの拡散MRIパイプラインの主な利点は、高角分解能拡散強調画像とモデルフリー再構成を組み合わせることで、脳内の複雑な神経線維構成をより精度高く分解できることです。この手法の有用性は、神経心理学的状態の特性評価まで広がっています。

例えば、顔認識に障害を示す先天性相貌失認などが挙げられます。標準的な拡散MRIを用いることで、顔処理領域に近接する白質線維束が、正常対照群と比較して変性していることが示されています。構造的MRIと機能的MRIを組み合わせることで、線維の構造的な欠損、特に顔処理ネットワーク内のノードを接続する部位を特定することが可能です。

この手法は、脳神経外科の手術計画などの臨床現場にも適用可能です。外科医は機能マッピングを用いて、重要な認知機能に関連する灰白質組織を特定し、手術中の偶発的な損傷を最小限に抑えます。また、拡散強調画像などの構造情報を追加することで、これらの機能領域を接続する重要な白質構造への損傷も最小限に抑えることができます。

一般的に、この手法に不慣れな方は、手順に必要なすべてのステップを実行できる単一のソフトウェアパッケージが存在しないという点に苦心します。したがって、ユーザーは共通の画像形式を維持し、方位とアライメントを一致させたまま、複数のプログラム間を行き来する必要があります。本プロトコルには、この手順を案内するための詳細な指示が含まれています。

構造と機能を組み合わせて検討するこの種の解析は、脳の機能領域を特定してきた機能的イメージング実験の自然な延長線上にあるものです。関心のあるタスクにおいて、従来のアプローチの多くは構造的接続性に関する情報を提供できず、本プロトコルの手法ではそれを補完しています。Siemens社製の3 Teslaスキャナーと32チャンネル・フェーズドアレイ・ヘッドコイルを用いて、257方向の拡散スペクトルイメージング（DSI）スキャンを実施します。この高角分解能スキャンに必要な信号強度を得るため、高磁場強度および32チャンネルコイルの使用が必須となります。

最も頻繁に使用される拡散強調画像法は、通常64方向以下を測定し、5分から10分のスキャンを行う拡散テンソル画像（DTI）です。DTIの制限事項は、交差線維（crossing fibers）や接吻線維（kissing fibers）の分解能を十分に得ることが困難である点であり、これらは高解像度の収集とDS.Iなどの再構成法を組み合わせることでより良好に検出できます。DSIプロトコルでは約45分から50分の撮像時間が必要であり、DSIデータには体動補正を適用できないことに注意してください。したがって、バイトバーやフォームパッド、その他の固定技術を用いて体動を最小限に抑えることや、十分にトレーニングを受けた被験者を起用することが推奨されます。なお、タスクベースのfMRIには、MR互換ディスプレイやボタン応答システムなどの追加設備が必要です。

スキャンを開始する前に、必ずインフォームドコンセントを得て、MRの禁忌事項を確認してください。その後、実施されるスキャンの内容について参加者に説明し、特にDSIスキャン中は静止しておく必要があることを強調して伝えます。参加者の準備が整い、快適な状態で固定できたら、参加者の頭部を安定させ、ベッドをスキャナー内に挿入し、初期のスカウトスキャンとキャリブレーションを行ってください。

次に、DSIスキャンのスライスを前交連と後交連に合わせて調整し、DSIスキャンのスライスが脳全体をカバーしていることを確認します。被験者がスキャナー内でリラックスしている間、または提示システムで映画を視聴している間にDSIスキャンを行います。DSIスキャンの後、T1強調解剖学的スキャンを収集し、同一または別のスキャンセッションにおける他の解剖学的または機能的データとDSIデータを後で共登録させるために使用します。

また、行動タスクの機能的スキャンを行うため、タスクベースのfMRIデータを取得します。被験者に対し、タスクに関連する刺激を画面で監視し、必要に応じて指示に従うよう伝えます。fMRIを別日に実施する場合は、別途T1強調解剖学的スキャンを取得してください。

この処理アプローチでは、fMRIデータの表面ベース解析を利用してトラクトグラフィー用のROIを生成し、トラクトグラフィーの端点と機能的ROIとの対応関係をより適切に可視化します。処理を開始するには、まず、取得したT1強調画像をFreeSurferの自動アルゴリズムに投入します。これにより、灰白質および白質の解剖学的セグメンテーションと皮質表面の再構成が行われます。出力には、表面の作成に使用された解剖学的ボリュームの処理済みバージョン（表面ボリュームと呼ばれます）も含まれます。

次に、ニキビのfMRIデータを前処理します。その後、FreeSurferの出力をSUMAソフトウェアにインポートし、前処理済みの機能的データを得られた表面上にマッピングします。fMRIデータを解析して統計マップを生成し、それに基づいてTトラクトグラフィー用の機能的に定義されたROIを作成します。

次に、トラクトグラフィー中のストリームラインとの接触を最大化するため、これらの表面ベースの機能的ROIをダイレーションによって白質へと拡張します。最後に、拡張したROIを表面座標からボリューム座標に変換し、拡散データの処理のためにNIfTIファイルとして出力します。まず、データセット内のどのDICOM画像がB zeroまたはベースライン画像であるかを特定し、これらをNIfTI形式に変換します。

次にDSI studioで、DSI DICOM画像を開いて結合し、ソースファイルを作成して勾配テーブルを入力します。続いて、ベースライン画像にデフォルトの再構成マスクを適用し、空隙、頭蓋骨、または脳以外の組織を含まずに、すべての灰白質が包含されていることを確認してください。必要に応じてマスクを編集します。

A-D-S-I-G-Q-IまたはGQI分散を用いた高解像度再構成モデルを選択します。ここではGQIオプションを使用します。次に、各ボクセルにおける主拡散方向を示すファイバー情報ファイルを作成します。

次に、機能的ROIをDSI空間に変換する必要があります。apniを用いて、DSIBゼロ画像をnifty形式の解剖学的表面ボリュームにアライメントしてください。得られた12点のALINE変換行列を、a acneプログラムのcat matを用いて反転させます。

次に、逆行列を機能的ROIに適用し、それらをDSI空間に変換します。全脳シードを用いてファイバーをトラッキングすることは、データ全体の品質を評価するための迅速かつ効果的な方法です。また、これはトラッキングしきい値などのグローバルパラメータの値を決定する機会にもなります。まず、全脳シード領域を作成します。

次に、低信号ボクセルのマスキングを行うための初期トラッキング閾値と、角度閾値を設定します。また、ミリメートル単位でトラッキングステップサイズを指定し、目的のファイバー数またはシードポイント数を設定します。これで全脳トラクトグラフィーを実行し、ODF再構成の全体的な質を確認します。

次に、全脳トラッキングを反復的に実行し、トラッキング閾値を調整することで、最適なトラッキング閾値を決定します。全脳トラクトグラフィーと灰白質マスクのオーバーラップを可視化し、灰白質に到達する繊維の割合が最大となる閾値を設定してください。繊維の90～100%が灰白質に到達したときに、ノイズの多い繊維が最小限に抑えられます。さらに、トラッキング閾値によってボクセル外の領域や空隙が適切にマスクされているかを確認してください。例えば、縦裂などの領域が、白質にあることが明らかなボクセルを削除せずにマスクされているかを確認します。クロスチェックとして、後頭極の解剖学的ROIから、例えば500,000個のような大量のシードを用いてコントロール繊維のセットをトラッキングしてください。

最適なトラクトグラフィーパラメータが決定されたため、この手順によってデータセット間でほぼ同数の繊維が生成されることを確認します。次に、機能的に定義された脳領域間の接続性に関する仮説を検証するため、ROI制約付きTトラクトグラフィーを実行します。まずfibファイルを読み込み、DSI Studioで全脳のシード領域を作成します。次に、機能的に定義された1つ以上の関心領域（ROI）のniftyファイルを読み込み、DSI Studioのregion settersでそれらをROIとして設定します。

ROIを通過するストリームラインを必要とするため、以前に最適化したパラメータを用いてトラッキングおよび角度しきい値を設定し、トラッキングを実行します。最後に、トラクトグラフィーの出力をTRKファイルとして保存します。次に、タスクベースの機能的活性化の正確な空間的位置における構造的接続性の対応を測定できる、エンドポイント密度解析を行います。

まず、nifty ROIとTRKファイルをTrackVisソフトウェアに読み込み、領域間でブーリアン演算を行い、各演算の結果を新しいTRKファイルとして保存します。Diffusion Toolkitの関数を使用して、TRKファイルをDSI空間からサーフェスボリューム空間へ空間的に変換し、高解像度の解剖学的アンダーレイ上でファイバーデータを表示できるようにします。変換後のTRKファイルとサーフェスボリュームをTrackVisに読み込み、接続性の指標の一つとして結果を確認します。ROIの体積で正規化した、ROI内のファイバー端点の総数を算出します。

ここでは、全脳トラクトグラフィーを用いた最適および不十分な結果の例を示しています。3つの画像すべてが、同一の被験者から得られた257方向のDWIデータセットに基づいています。ここでは最適に処理された結果を示しています。

対照的に、ここでの結果は、過度に寛容なトラクトグラフィーパラメータの影響を示しています。ここでは、DWIデータを再構成するために単一テンソルモデルを使用したことによる品質の低下が見られます。この図では、顔の写真と日常的な物体の写真を見た際の、顔認識タスク中に活性化された領域の例を示しています。

fMRIスキャン中、腹側側頭葉の中間の2つの領域である紡錘状回と下後頭回において、物体よりも顔に対して有意に大きなBOLD反応が示されました。ここの図は、視覚皮質、感覚領域、および後頭頂皮質の注意制御領域の間の接続を示しています。このパネルでは、V1、V2、V3のシード領域のおおよその位置が、それぞれ赤、緑、青で示されています。

IPS 1とラベル付けされたPPCのシード領域と、これらの領域を接続する線維束は、起点となった後頭部のROIごとに色分けされています。パネルBは、皮質表面上の機能的に定義された領域（IPSを茶色、V1を赤色、V2を緑色、V3を青色）と、各領域における線維の終点を表示しています。習熟後、単一の被験者に対するデータ収集は30分から90分で完了します。

自動解剖学的表面再構成には通常16時間かかりますが、拡散強調データは1時間以内に処理可能です。fMRIデータの処理および解析に要する時間は、行動課題や実験手順によって異なります。トラクトグラフィーに要する時間も、トラッキングパラメータや関心領域の制約に応じて、数分から数時間まで幅があります。

この手順を行う際は、トラクトグラフィーの結果に偽陽性と偽陰性の両方が含まれる可能性があることに留意することが重要です。ファイバートラッキングの結果は、常に先行する神経解剖学的知見に照らして評価するか、本手順の後に機能的結合解析などの収束的な手法を用いて検証してください。また、脳の構造と機能との関係をさらに詳しく調査するために、ファイバー位置のパターン分類、エンドポイント分布の詳細な空間解析、白質完全性の縦断的スキャンなどの手法を実施することができます。

この手法により、認知神経科学分野の研究者は、健康な人間および臨床群において、構造と機能の関係を非侵襲的に探索することが可能になりました。脳領域間の構造的接続性は、複雑な人間行動を制御する脳ネットワーク内での情報フローに関する仮説を制約する役割を果たします。このビデオを視聴することで、拡散強調画像データの再構成およびファイバートラクトグラフィー実行における主要なステップを理解できるはずです。

また、ファイバートラッキングの結果を最適化するために、品質チェックと反復的なパラメータテストを行うことの重要性を理解する必要があります。最後に、このビデオを視聴することで、解剖学的結合性と脳ネットワークの機能的特性をどのように関連付けるかについて、より深い理解が得られるはずです。