fMRIと拡散強調画像を用いた脳の構造と機能の同時分析

次の実験の全体的な目標は、磁気共鳴画像法を使用して脳の構造と機能を同時に分析することです。これは、高磁場MRIを使用して、拡散スペクトルイメージングまたはDSIで脳の白質構造を画像化し、大胆なFMRIで脳機能を測定することで達成されます。次に、DSIデータを処理して、脳のすべてのポイントで多方向の拡散推定値を生成します。

さらに、FMRIデータを分析して、仮想白質繊維を生成または選択するための関心領域を生成します。次に、関心領域が DSI データに整列されるため、機能データと構造データが共通の画像空間に配置されます。最後に、tトラクトグラフィーは、関心のある機能領域を接続する白質経路を推定するために拡散データに対して実行されます機能的に接続されていると仮定された脳領域間の解剖学的接続性の程度を示す結果が得られます。

FMRIタスクデータに基づきます。最近の収束した証拠は、複雑な認知操作が、単一の単一領域ではなく、協調して機能する多くの脳領域のネットワークによって実行されることを示唆しています。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を組み合わせて、それらの機能的特性と構造的特性の関係を理解する必要があります。

拡散強調型MRイメージングでは、ネットワーク接続性や、それがどのようにして複雑な人間の行動を引き起こすのかを調べることができます。この拡散MRIパイプラインが拡散テンソルイメージングなどの標準的な方法と比較した場合の主な利点は、高角度分解能の拡散加重イメージングとモデルフリー再構成の組み合わせにより、脳内の複雑な線維構成をより適切に解決できることです。この手法の意味は、神経心理学的状態の特徴付けにまで及びます。

例えば、先天性相貌失認では、顔認識に障害がみられます。標準的な拡散MRIを使用すると、顔の処理領域に近位の白質線維路が正常なコントロールと比較して劣化す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、ファイバーの構造的欠陥、特に顔処理ネットワーク内のノードを接続する欠陥を特定できます。

この方法は、脳神経外科の計画などの臨床状況にも適用できます。外科医は、機能マッピングを使用して、手術中の偶発的な損傷を最小限に抑えるために、重要な認知機能に関連する灰白質組織を特定します。拡散強調イメージングなどの追加の構造情報により、これらの機能領域を接続する重要な白質構造への損傷を最小限に抑えることもできます。

一般に、この方法に不慣れな個々の人は、手順のすべての必要なステップを実行するための単一のソフトウェアパッケージが存在しないという事実に苦労します。したがって、ユーザーは、共通の画像形式を維持しながら、一貫した向きと配置を維持しながら、複数のプログラム間を移動する必要があります。当社のプロトコルには、この手順を通じてユーザーをガイド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考えるこのタイプの解析は、Coved脳領域を特定した機能イメージング実験の自然な消滅です。関心のあるタスクでは、以前のほとんどのアプローチでは構造的な接続性に関する情報を提供できませんでしたが、それがこのプロトコルのアプローチで追加するものです。Siemens three Teslaスキャナーは、32チャンネルのフェーズドアレイヘッドコイルを使用した257方向拡散スペクトルイメージングまたはDSIスキャンを取得するために使用されますが、この高角度分解能スキャンの信号を達成するためには、高い電界強度と32チャンネルコイルが必要です。

最も頻繁に使用される拡散強調イメージング法は、拡散テンソルイメージングまたはDTIであり、通常は64以下の方向を測定する5〜10分のスキャンを使用します。DTIの限界は、繊維の分解、交差、キスが難しいことであり、DSなどの高解像度の取得方法と再構成方法の組み合わせでより適切に検出できます。DSIプロトコルでは、約45分から50分のイメージングが必要であり、DSIデータには動作補正を適用できないことに注意します。したがって、バイトバー、フォームパッド、またはその他の安定化技術を使用して動きを最小限に抑えることが推奨され、高度に訓練された参加者を使用するには、タスクベースのFMRIには、MR互換のディスプレイやボタン応答システムなどの追加の機器が必要です。

スキャンする前に、必ずインフォームドコンセントを取得し、MRのスクリーニングを行ってください。禁忌。次に、実行するスキャンの性質について参加者に説明し、DSIスキャン中はじっとしている必要があることを強調します。参加者が快適に開始する準備ができたら、参加者の頭を安定させ、ベッドをスキャナーにスライドさせ、最初のスカウトスキャンとキャリブレーションを実行します。

次に、DSIスキャンのスライスを前交連と後交連に位置合わせし、DSIスキャンのスライスが脳全体の実行をカバーしていることを確認します。DSIは、被写体がスキャナーでリラックスしたり、プレゼンテーションシステムで映画を見たりしながらスキャンします。DSIスキャンの後、T-1の重み付け解剖学的スキャンを収集して、後でDSIデータを同じまたは別のスキャンセッションで他の解剖学的または機能的データと同時登録する際に使用します。

また、行動タスクの機能スキャンのためのタスクベースのFMRIデータを取得します。被験者に、タスクに関連する刺激について画面を監視し、必要に応じて監視するように指示します。FMRIを別の日に実施する場合は、別のT-1重み付け解剖学的スキャンを取得します。

この処理アプローチでは、FMRIデータの表面ベースの解析を利用してトラクトグラフィーのROIを生成し、トラクトグラフィーエンドポイントと機能ROIの間の対応をより適切に視覚化できます。処理を開始するには、まず、取得したT oneウェイト画像をフリーサーファー自動アルゴリズムに送信し、灰白質と白質の解剖学的セグメンテーションとコルチコ表面の再構築を実行します。出力には、サーフェスが作成された解剖学的ボリュームの処理済みバージョン(サーフェスボリュームと呼ばれる)も含まれます。

次に、にきびのFMRIデータを前処理します。次に、フリーサーファーの出力をsumma a acneソフトウェアにインポートし、前処理された機能データを結果の表面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、そこから機能的に定義されたTトラクトグラフィーのROIを作成できます。

次に、これらの表面ベースの機能的ROIを拡張によって白質に拡大し、トラクトグラフィー中の流線との接触を最大化します。最後に、拡張したROIをサーフェス座標からボリューム座標に変換し、気の利いたファイルとして出力して拡散データを処理します。まず、データセット内のどのDICOM画像がBゼロまたはベースライン画像以外のかを特定し、これらを気の利いた形式に変換します。

次に、DSI StudioでDSI DICOM画像を開き、結合してソースファイルを作成し、グラデーションテーブルを提供します。次に、デフォルトの再構成マスクをベースライン画像に適用し、空きスペース、頭蓋骨、または脳以外の組織を含めずに、すべての灰白質を包含することを確認します。必要に応じてマスクを編集します。

ここでは、A-D-S-I-G-Q-IまたはGQI分散を使用した高解像度再構成モデルを選択します。GQI オプションが使用されます。次に、各ハタネズミの原理拡散方向を表す繊維情報ファイルを作成します。

次に、機能的なROIをDSI空間に変換する必要があります。apniを使用して、DSIBゼロ画像を気の利いた解剖学的表面ボリュームに位置合わせします。結果の 12 点 ALINE 変換行列を a にきびプログラム cat mat を使用して反転します。

次に、逆行列を関数型ROIに適用して、それらをDSI空間に変換します。全脳シードでファイバーを追跡することは、全体的なデータ品質を評価するための迅速かつ効果的な方法です。また、トラッキング閾値などのグローバルパラメータの値を決定する機会を提供し、開始し、全脳シード領域を作成します。

次に、初期トラッキングしきい値を設定して、低信号ボクセルと角度しきい値をマスクします。また、トラッキング ステップ サイズをミリメートル単位で設定し、必要なファイバーまたはシード ポイントの数を設定します。次に、全脳トラクトグラフィーを実行して、全体的なODF再建品質を確認します。

次に、全脳トラッキングを繰り返し実行し、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見つけます。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トラックで視覚化することにより、灰白質に到達する繊維の割合を最大化する閾値を見つけ、さらに、線維の90〜100%が灰白質に到達すると、ノイズの多い繊維が最小限に抑えられる、さらに、トラッキング閾値がボクセルと空きスペースをマスクすることを確認します。例えば、クロスチェックトラックとして白質に明らかに横たわるボクセルを除去せずに縦方向の亀裂、多数の種子、例えば500, 000の後頭極で解剖学的ROIからの制御繊維のセット。

この手順では、最適なトラクトグラフィーパラメータが選択されているため、データセット間でほぼ同じ数のファイバーが生成されることを確認します。次に、ROI制約付きTトラクトグラフィーを実行して、機能的に定義された脳領域間の接続性に関する仮説をテストします。まず、fib ファイルを読み込み、DSI Studio で全脳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 nifty ファイルを読み込み、DSI Studio 領域セッターで ROI として設定します。

ROIには、流線が通過し、以前に最適化されたパラメータを使用してトラッキングと角度のしきい値を設定し、トラッキングを実行する必要があります。最後に、トラクトグラフィ出力をTRKファイルとして保存します。次に、タスクベースの機能活性化の正確な空間位置と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実行します。

気の利いたROIとTRKファイルをtrack fzソフトウェアにロードするには、リージョン間でブール演算を実行し、各演算の結果を新しいTRKファイルとして保存します。拡散ツールキットの機能を使用して、TRKファイルをDSI空間から表層体積空間に空間変換し、高解像度の解剖学的アンダーレイでファイバーデータを表示し、トランスフォームTRKファイルおよびトラックビズの表面ボリュームをロードして、接続性の1つの尺度として結果を検査します。ROI 内のファイバー エンドポイントの総数を ROI ボリュームで正規化して計算します。

ここでは、全脳トラクトグラフィーを使用した最適な結果と最適でない結果の図を示します。3つの画像はすべて、1人の参加者からの同じ257方向DWIデータセットに基づいています。最適な結果をここに示します。

対照的に、ここで見られる結果は、過度に寛大なt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、単一のテンソルモデルを使用してDWIデータを再構築することによる品質の低下が見られます。この図では、顔の知覚タスク中に活性化された領域の例が表示され、顔や日常の物体の写真が見られました。

FMRIで中央の2つの腹側頭領域を走査したところ、紡錘状回と下後頭回は、物体よりも顔に対して有意に大きな大胆な反応を示しました。この図のシーンは、視覚野、感覚領域、および後頭頂葉の注意制御領域との間の接続を示しています。このパネルには、V 1、V 2、V 3 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 one とラベル付けされた PPC シード領域と、これらの領域トラクトを接続するファイバー トラックは、それらが着座した後頭部 ROI によって色分けされます。パネル B は、皮質表面上の皮質表面上の IPS の機能定義領域を茶色、V 1 を赤、V 2 を緑、V 3 を青色で示し、各領域のファイバー エンドポイントを示しています。マスターすると、1人の参加者のデータ取得を30分から90分で完了できます。

解剖学的表面の自動再構成には通常16時間かかりますが、拡散強調データは1時間未満で処理できます。FMRIデータの処理と分析にかかる時間は、行動課題と実験手順によって異なります。トラクトグラフィの時間要件も、トラッキング パラメーターと対象地域の制約に応じて、数分から数時間の範囲です。

この手順を試行する際、トラクトグラフィーの結果は偽陽性と偽陰性の両方の影響を受けやすい可能性があることを覚えておくことが重要です。常に以前の神経解剖学的所見のコンテキストでファイバートラッキング結果を評価するか、この手順に従って機能的接続性分析などの収束方法論を使用します。また、脳の構造や機能との関係をさらに調査するために、繊維位置のパターン分類、終点分布の詳細な空間分析、白質の完全性の縦断的スキャンなど、他の方法も実施することができます。

この技術は、認知神経科学の分野の研究者が、健康な人間と臨床集団の構造機能の関係を非侵襲的に探求する道を開きました。脳領域間の構造的結合性は、複雑な人間の行動を制御する脳ネットワークを介した情報の流れに関する仮説を制限するのに役立ちます。このビデオを見れば、拡散強調イメージングデータの再構築とファイバートラクトグラフィーの実施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実行することの重要性を理解する必要があります。最後に、このビデオを見た後、解剖学的接続性を脳ネットワークの機能的特性に関連付ける方法について理解を深めることができるはずです。