fMRI 및 확산 - 가중 영상을 사용하여 뇌의 구조와 기능의 공동 분석

다음 실험의 전반적인 목표는 자기공명영상을 이용하여 뇌의 구조와 기능을 동시에 분석하는 것입니다. 이는 고자기장 MRI를 사용하여 확산 스펙트럼 영상(DSI)으로 뇌의 백질 구조를 촬영하고, BOLD fMRI로 뇌 기능을 측정함으로써 달성됩니다. 이후 DSI 데이터를 처리하여 뇌의 모든 지점에서 다방향 확산 추정치를 산출합니다.

또한, 가상 백질 섬유를 생성하거나 선택하기 위한 관심 영역을 도출하기 위해 fMRI 데이터를 분석합니다. 다음으로, 기능적 데이터와 구조적 데이터가 공통 이미지 공간에 있도록 관심 영역을 DSI 데이터와 정렬합니다. 마지막으로, 기능적 관심 영역을 연결하는 백질 경로를 추정하기 위해 확산 데이터에 대해 트랙토그래피를 수행합니다. 이를 통해 기능적으로 연결되어 있다고 가설을 세운 뇌 영역 간의 해부학적 연결 정도를 보여주는 결과를 얻습니다.

fMRI 과제 데이터를 기반으로 합니다. 최근의 여러 수렴된 증거들은 복잡한 인지 연산이 단일한 영역이 아니라 서로 협력하는 많은 뇌 영역들의 네트워크에 의해 수행된다는 점을 시사해 왔습니다. 이러한 계산 시스템을 완전히 규명하기 위해서는 기능적 MRI를 결합하여 그 기능적 특성과 구조적 특성 사이의 관계를 이해하는 것이 필요합니다.

확산 강조 MR 영상(Diffusion weighted MR Imaging)을 통해 네트워크 연결성과 이것이 어떻게 복잡한 인간 행동을 유발하는지 조사할 수 있습니다. 확산 텐서 영상(diffusion tensor imaging)과 같은 표준 방법과 비교했을 때 이 확산 MRI 파이프라인의 주요 장점은, 고각해상도 확산 강조 영상(high angular resolution diffusion weighted imaging)과 모델 프리 재구성(model free reconstruction)의 결합을 통해 뇌의 복잡한 섬유 구성을 더 정확하게 분석할 수 있다는 점입니다. 이 기술의 활용 범위는 신경심리학적 상태의 특성 분석까지 확장됩니다.

예를 들어, 개인이 얼굴 인식에 장애를 보이는 선천성 안면인식장애가 있습니다. 표준 확산 MRI를 사용한 연구 결과, 얼굴 처리 영역에 인접한 백질 섬유 다발이 정상 대조군에 비해 퇴화되어 있음이 밝혀졌습니다. 구조적 MRI와 기능적 MRI를 결합하면 섬유의 구조적 결함을 식별할 수 있으며, 특히 얼굴 처리 네트워크 내의 노드들을 연결하는 부분을 확인할 수 있습니다.

이 방법은 신경외과적 계획 수립과 같은 임상적 상황에도 적용될 수 있습니다. 외과 의사들은 수술 중 발생할 수 있는 우발적 손상을 최소화하기 위해 기능적 매핑을 사용하여 중요한 인지 기능과 관련된 회백질 조직을 식별합니다. 확산 강조 영상과 같은 추가적인 구조적 정보를 활용하면, 이러한 기능 영역들을 연결하는 핵심 백질 구조의 손상 또한 최소화할 수 있습니다.

일반적으로 이 방법에 익숙하지 않은 사용자는 절차의 모든 필수 단계를 수행할 수 있는 단일 소프트웨어 패키지가 없다는 점 때문에 어려움을 겪습니다. 따라서 사용자는 공통의 이미지 형식과 일관된 방향 및 정렬을 유지하면서 여러 프로그램을 전환하며 작업해야 합니다. 본 프로토콜에는 사용자가 이 과정을 원활히 수행할 수 있도록 돕는 상세한 지침이 포함되어 있습니다.

구조와 기능을 결합하여 고려하는 이러한 유형의 분석은 뇌 영역을 식별해 온 기능적 영상 실험의 자연스러운 확장입니다. 관심 대상인 과제에서 대부분의 이전 접근 방식들은 구조적 연결성에 대한 정보를 제공할 수 없었으며, 본 프로토콜의 접근 방식에서 바로 이 점을 추가하였습니다. 32채널 위상 배열 헤드 코일을 사용하여 257방향 확산 스펙트럼 영상 또는 DSI 스캔을 획득하기 위해 Siemens 3 Tesla 스캐너를 사용하며, 이러한 고해상도 각도 스캔을 위한 신호를 확보하기 위해서는 고자장 강도와 32채널 코일이 필수적입니다.

가장 빈번하게 사용되는 확산 강조 영상법은 확산 텐서 영상(diffusion tensor imaging, DTI)으로, 일반적으로 64개 이하의 방향을 측정하며 5분에서 10분 정도의 스캔 시간이 소요됩니다. DTI의 한계는 교차하거나 접촉하는 섬유(crossing and kissing fibers)를 분해하는 데 어려움이 있다는 것이며, 이러한 섬유들은 고해상도 획득과 DSI와 같은 재구성 방법을 결합했을 때 더 잘 검출됩니다. DSI 프로토콜은 약 45분에서 50분의 영상 촬영 시간이 필요하며, DSI 데이터에는 움직임 보정을 적용할 수 없다는 점에 유의하십시오. 따라서 바이트 바(bite bar), 폼 패딩 또는 기타 고정 기술을 사용하여 움직임을 최소화하고 숙련된 피험자를 참여시키는 것이 권장됩니다. 과제 기반 fMRI의 경우에는 MR 호환 디스플레이 및 버튼 응답 시스템과 같은 추가 장비가 필요합니다.

스캐닝을 시작하기 전, 반드시 고지된 동의를 얻고 MR 금기 사항 여부를 확인하십시오. 그런 다음 참여자에게 수행될 스캔의 성격을 간략히 설명하고, 특히 DSI 스캔 중에 움직이지 않고 가만히 있어야 함을 강조하십시오. 참여자가 시작할 준비가 되면 참여자의 머리를 편안하게 고정한 후 베드를 스캐너 안으로 밀어 넣고, 초기 스카우트 스캔과 캘리브레이션을 수행하십시오.

그 다음, DSI 스캔을 위한 슬라이스를 전교차와 후교차에 맞추고, DSI 스캔 슬라이스가 전체 뇌 범위를 포함하도록 설정하십시오. 피험자가 스캐너 안에서 휴식을 취하거나 프레젠테이션 시스템으로 영화를 시청하는 동안 DSI 스캔을 수행합니다. DSI 스캔 후에는, 동일하거나 별도의 스캔 세션에서 얻은 다른 해부학적 또는 기능적 데이터와 DSI 데이터를 코레지스트레이션(coregistering)하는 데 사용할 T1 가중 해부학적 스캔을 수집하십시오.

또한 행동 과제의 기능적 스캐닝을 위해 과제 기반 FMRI 데이터를 수집하십시오. 피험자에게 화면의 과제 관련 자극을 모니터링하고 필요에 따라 반응하도록 지시하십시오. FMRI를 다른 날에 수행하는 경우, T1 강조 해부학적 스캔을 추가로 획득하십시오.

이 처리 방식은 fMRI 데이터의 표면 기반 분석을 활용하여 트랙토그래피를 위한 ROI를 생성하며, 트랙토그래피 끝점과 기능적 ROI 사이의 대응 관계를 더 효과적으로 시각화할 수 있게 합니다. 처리를 시작하려면, 우선 획득한 T1 강조 영상을 FreeSurfer 자동 알고리즘에 제출하십시오. 이 알고리즘은 회백질과 백질의 해부학적 분할 및 피질 표면 재구성을 수행합니다. 출력물에는 표면 생성의 기반이 된 해부학적 볼륨의 처리 버전인 표면 볼륨(surface volume)이 포함됩니다.

다음으로 여드름 데이터의 fMRI 데이터를 전처리합니다. 그 후 FreeSurfer 출력 결과를 SUMA 소프트웨어로 가져와 전처리된 기능적 데이터를 결과 표면에 매핑합니다. fMRI 데이터를 분석하여 통계 지도를 생성하고, 이를 통해 T-tractography를 위한 기능적으로 정의된 ROI를 생성합니다.

그 다음, 트랙토그래피(tractography) 과정에서 스트림라인(streamline)과의 접촉을 최대화하기 위해, 팽창(dilation)을 통해 이러한 표면 기반 기능적 ROI를 백질로 확장합니다. 마지막으로, 팽창된 ROI를 표면 좌표에서 볼륨 좌표로 변환하고, 확산 데이터를 처리하기 위해 nifti 파일로 출력합니다. 먼저, 데이터 세트 내의 DICOM 이미지 중 어떤 것이 B zero 또는 베이스라인 이미지인지 식별하고, 이를 nifti 형식으로 변환합니다.

다음으로 DSI studio에서 DSI DICOM 이미지를 열고, 이를 결합하여 소스 파일을 생성한 후 그래디언트 테이블(gradient table)을 제공합니다. 그다음, 베이스라인 이미지에 기본 재구성 마스크를 적용하고, 빈 공간이나 두개골 또는 비뇌 조직을 포함하지 않으면서 모든 회백질을 포함하는지 확인합니다. 필요에 따라 마스크를 수정합니다.

A-D-S-I-G-Q-I 또는 GQI 분산을 사용하여 고해상도 재구성 모델을 선택하십시오. 여기서는 GQI 옵션이 사용되었습니다. 그런 다음 각 복셀(voxel)에서의 주 확산 방향을 나타내는 섬유 정보 파일을 생성하십시오.

다음으로 기능적 ROI를 DSI 공간으로 변환해야 합니다. apni를 사용하여 DSIB 제로 이미지를 nifty 형식의 해부학적 표면 볼륨에 정렬하십시오. resulting 12 포인트 ALINE 변환 행렬을 a acne 프로그램 cat mat을 사용하여 반전시키십시오.

그 다음, 역행렬을 기능적 ROI에 적용하여 이를 DSI 공간으로 변환합니다. 전체 뇌 시드(whole brain seed)를 사용하여 섬유를 추적하는 것은 전반적인 데이터 품질을 평가하는 빠르고 효과적인 방법입니다. 또한, 추적 임계값과 같은 전역 파라미터 값을 결정할 기회가 되므로, 우선 전체 뇌 시드 영역을 생성하십시오.

그런 다음 낮은 신호 복셀을 마스킹하기 위한 초기 추적 임계값과 각도 임계값을 설정합니다. 또한, 밀리미터 단위의 추적 단계 크기와 원하는 섬유 수 또는 시드 포인트 수를 설정합니다. 이제 전체 뇌 트랙토그래피를 수행하여 전반적인 ODF 재구성 품질을 확인합니다.

다음으로, 전체 뇌 트래킹을 반복적으로 수행하고 트래킹 임계값을 조정하여 최적의 트래킹 임계값을 찾습니다. track에서 전체 뇌 트랙토그래피와 회백질 마스크의 중첩을 시각화하여 회백질에 도달하는 섬유의 비율을 최대화하는 임계값을 찾으십시오. 섬유의 90~100%가 회백질에 도달할 때 노이즈 섬유가 최소화됩니다. 또한, 트래킹 임계값이 복셀 및 빈 공간을 마스킹하는지 확인하십시오. 예를 들어, 복셀을 제거하지 않은 상태에서 종방향 틈새(longitudinal fissure)를 확인하십시오. 교차 확인을 위해 다량의 시드(예: 500,000개)를 사용한 후두극의 해부학적 ROI로부터 제어 섬유 세트를 track하여 이것이 명확하게 백질에 위치하는지 확인하십시오.

최적의 트랙토그래피 매개변수가 선택되었으므로, 이제 이 절차가 데이터 세트 전반에 걸쳐 대략 동일한 수의 섬유를 생성하는지 확인하십시오. 다음으로, 기능적으로 정의된 뇌 영역 간의 연결성에 관한 가설을 테스트하기 위해 ROI 제한 T 트랙토그래피를 수행합니다. 먼저 fib 파일을 로드하고 DSI Studio에서 뇌 전체 시드 영역을 생성하십시오. 그다음 기능적으로 정의된 하나 이상의 관심 영역(ROI) nifty 파일을 로드하고, 이를 DSI Studio 영역 설정기(region setters)에서 ROI로 설정하십시오.

ROI를 통과하는 스트림라인이 생성되어야 하므로, 이전에 최적화된 파라미터를 사용하여 트래킹 및 각도 임계값을 설정하고 트래킹을 수행합니다. 마지막으로, 트랙토그래피 출력물을 TRK 파일로 저장합니다. 다음으로, 과제 기반 기능적 활성화의 정확한 공간적 위치와 구조적 연결성의 대응 관계를 측정할 수 있는 엔드포인트 밀도 분석을 수행합니다.

먼저 nifty ROI 및 TRK 파일을 track fz 소프트웨어로 로드하고, 영역 간의 불리언(Boolean) 연산을 수행한 뒤 각 연산 결과를 새로운 TRK 파일로 저장합니다. diffusion toolkit 함수를 사용하여 TRK 파일을 DSI 공간에서 표면 볼륨 공간으로 공간 변환함으로써 고해상도 해부학적 언더레이 위에 섬유 데이터를 시각화합니다. 변환된 TRK 파일과 표면 볼륨을 track vis로 로드하여 연결성의 척도로서 결과를 검토합니다. ROI 볼륨으로 정규화된 ROI 내 섬유 말단의 총 개수를 계산합니다.

여기 전뇌 트랙토그래피(whole brain tractography)를 사용하여 얻은 최적 및 차선의 결과에 대한 예시가 있습니다. 세 이미지 모두 단일 피험자의 동일한 257방향 DWI 데이터셋을 기반으로 합니다. 여기에는 최적의 결과가 표시되어 있습니다.

이와 대조적으로, 여기서 확인되는 결과는 지나치게 관대한 t tractography 파라미터의 영향을 보여줍니다. 여기서는 DWI 데이터를 재구성하기 위해 단일 텐서 모델을 사용함으로써 발생하는 품질 저하를 확인할 수 있습니다. 이 그림에서는 얼굴 사진과 일상 사물 사진을 보는 얼굴 인식 과제 중에 활성화된 영역의 예를 보여줍니다.

fMRI 스캔을 진행하는 동안, 복측 측두엽의 중간 영역인 방추상회와 하후두회가 물체보다 얼굴에 대해 유의미하게 더 큰 BOLD 반응을 보였습니다. 여기의 그림 장면은 시각 피질, 감각 영역, 그리고 후두정피질의 주의 제어 영역 사이의 연결을 보여줍니다. 이 패널은 V1, V2 및 V3 시드 영역의 대략적인 위치를 각각 빨간색, 녹색 및 파란색으로 나타냅니다.

IPS 1로 표시된 PPC 시드 영역과 이 영역들을 연결하는 섬유 추적(fiber tracks)은 해당 섬유가 시작된 후두엽 ROI에 따라 색상으로 구분되었습니다. 패널 B는 피질 표면에 정의된 기능적 영역인 IPS(갈색), V1(빨간색), V2(초록색), V3(파란색)와 각 영역의 섬유 끝점을 보여줍니다. 숙련된 경우, 참가자 1인당 데이터 수집은 30분에서 90분 내에 완료될 수 있습니다.

자동화된 해부학적 표면 재구성은 일반적으로 16시간이 소요되는 반면, 확산 강조 데이터는 1시간 이내에 처리할 수 있습니다. FMRI 데이터를 처리하고 분석하는 데 걸리는 시간은 행동 과제와 실험 절차에 따라 다릅니다. 트랙토그래피 소요 시간 또한 추적 파라미터와 관심 영역 제약 조건에 따라 수분에서 수 시간까지 다양합니다.

이 절차를 수행할 때, 트랙토그래피 결과는 위양성과 위음성 모두에 취약할 수 있음을 기억하는 것이 중요합니다. 섬유 추적 결과는 항상 이전의 신경 해부학적 발견과 연계하여 평가하거나, 본 절차 이후에 기능적 연결성 분석과 같은 수렴적 방법론을 사용하십시오. 뇌 구조 및 기능과의 관계를 더욱 심층적으로 조사하기 위해 섬유 위치에 대한 패턴 분류, 종단점 분포의 세부 공간 분석 및 백질 무결성의 종단적 스캐닝과 같은 다른 방법들을 수행할 수 있습니다.

이 기술은 인지 신경과학 분야의 연구자들이 건강한 성인과 임상 환자군을 대상으로 뇌의 구조와 기능 간의 관계를 비침습적으로 탐구할 수 있는 길을 열어주었습니다. 뇌 영역 간의 구조적 연결성은 복잡한 인간 행동을 제어하는 뇌 네트워크 내 정보 흐름에 관한 가설을 설정하는 제약 조건으로 활용될 수 있습니다. 이 영상을 시청한 후에는 확산 강조 영상(diffusion weighted imaging) 데이터를 재구성하고 섬유 추적기법(fiber tractography)을 수행하는 주요 단계를 이해하게 될 것입니다.

또한 섬유 추적 결과를 최적화하기 위해 품질 검사와 반복적인 파라미터 테스트를 수행하는 것이 얼마나 중요한지 이해해야 합니다. 마지막으로, 이 영상을 시청한 후에는 해부학적 연결성을 뇌 네트워크의 기능적 특성과 어떻게 연관시킬 수 있는지 더 잘 이해하게 될 것입니다.