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

다음 실험의 전반적인 목표는 자기 공명 영상을 사용하여 뇌 구조와 기능을 동시에 분석하는 것입니다. 이는 고자기장 MRI를 사용하여 확산 스펙트럼 이미징 또는 DSI로 뇌의 백질 구조를 이미지화하고 대담한 FMRI로 뇌 기능을 측정하여 달성됩니다. 그런 다음 DSI 데이터를 처리하여 뇌의 모든 지점에서 다방향 확산 추정치를 생성합니다.

또한 가상 백질 섬유를 생성하거나 선택하기 위한 관심 영역을 생성하기 위해 FMRI 데이터를 분석합니다. 다음으로, 관심 영역이 DSI 데이터와 정렬되어 기능 및 구조 데이터가 공통 이미지 공간에 있도록 합니다. 마지막으로, 관심 기능적 영역을 연결하는 백질 경로를 추정하기 위해 확산 데이터에 대해 t tractography를 수행합니다.기능적으로 연결된 것으로 가정된 뇌 영역 간의 해부학적 연결 정도를 보여주는 결과를 얻습니다.

FMRI 작업 데이터를 기반으로 합니다. 최근의 수렴된 증거는 복잡한 인지 작동이 단일 단일 영역이 아니라 함께 작동하는 많은 뇌 영역의 네트워크에 의해 실행된다는 것을 시사합니다. 이러한 계산 시스템을 완전히 지정하려면 기능적 MRI를 결합하여 기능적 속성과 구조적 속성 간의 관계를 이해해야 합니다.

확산 가중 MR 이미징을 통해 네트워크 연결과 이것이 어떻게 복잡한 인간 행동을 유발하는지 조사할 수 있습니다. 확산 텐서 이미징과 같은 표준 방법에 비해 이 확산 MRI 파이프라인의 주요 장점은 높은 각도 해상도, 확산 가중 이미징 및 모델 없는 재구성의 조합을 통해 뇌의 복잡한 섬유 구성을 더 잘 해결할 수 있다는 것입니다. 이 기술의 의미는 신경 심리학적 상태의 특성화로 확장됩니다.

예를 들어, 개인이 얼굴 인식에 장애를 보이는 선천성 안면 인식불능증이 있습니다. 표준 확산 MRI를 사용하여 얼굴 처리 영역에 근접한 백질 섬유관이 정상 대조군에 비해 저하되는 것으로 나타났습니다. 구조적 MRI와 기능적 MRI를 결합하면 광섬유의 구조적 결함, 특히 얼굴 처리 네트워크의 연결 노드를 식별할 수 있습니다.

이 방법은 신경외과 계획과 같은 임상적 맥락에서도 적용할 수 있습니다. 외과의는 수술 중 우발적인 손상을 최소화하기 위해 기능적 매핑을 사용하여 중요한 인지 기능과 관련된 회백질 조직을 식별합니다. 확산 가중 이미징과 같은 추가 구조 정보를 통해 이러한 기능 영역을 연결하는 중요한 백질 구조의 손상을 최소화할 수도 있습니다.

일반적으로 이 방법을 처음 사용하는 개인은 절차의 모든 필요한 단계를 수행하기 위한 단일 소프트웨어 패키지가 없다는 사실에 어려움을 겪을 것입니다. 따라서 사용자는 일관된 방향 및 정렬과 함께 공통 이미지 형식을 유지하면서 여러 프로그램 간에 이동해야 합니다. 프로토콜에는 이 절차를 통해 사용자를 안내하는 자세한 지침이 포함되어 있습니다.

구조와 기능을 조합하여 고려하는 이러한 유형의 분석은 코브드 뇌 영역을 확인한 기능적 이미징 실험의 자연스러운 소멸입니다. 관심 있는 작업에서 대부분의 이전 접근 방식은 구조적 연결성에 대한 정보를 제공할 수 없었으며, 이것이 바로 이 프로토콜에서 우리의 접근 방식에 추가한 것입니다. Siemens 3 Tesla 스캐너는 32채널 위상 배열 헤드 코일을 사용하여 257방향 확산 스펙트럼 이미징 또는 DSI 스캔을 획득하는 데 사용되며, 이 높은 각도 해상도 스캔을 위한 신호를 얻으려면 높은 전계 강도와 32채널 코일이 필요합니다.

가장 자주 사용되는 확산 가중 이미징 방법은 일반적으로 64개 이하의 방향을 측정하는 5-10분 스캔을 사용하는 확산 텐서 이미징 또는 DTI입니다. DTI의 한계는 섬유를 분해, 교차 및 키스하는 것이 어렵다는 것인데, 이는 고해상도 획득 및 DS와 같은 재구성 방법의 조합으로 더 잘 감지됩니다. DSI 프로토콜은 약 45분에서 50분의 이미징을 필요로 하며, 모션 보정은 DSI 데이터에 적용할 수 없습니다. 따라서 바이트 바, 폼 패딩 또는 기타 안정화 기술을 사용하여 움직임을 최소화하는 것이 좋으며, 고도로 훈련된 참가자를 사용하려면 MR 호환 디스플레이 및 버튼 응답 시스템과 같은 작업 기반 FMRI를 위한 추가 장비가 필요합니다.

스캔하기 전에 정보에 입각한 동의를 얻고 MR을 검사해야 합니다. 금기. 그런 다음 참가자에게 수행할 스캔의 특성에 대해 브리핑하고 DSI 스캔 중에 가만히 있어야 할 필요성을 강조합니다. 참가자가 시작할 준비가 되면 참가자의 머리를 편안하게 안정시킨 다음 침대를 스캐너에 밀어 넣고 초기 스카우트 스캔 및 보정을 수행합니다.

그런 다음 DSI 스캔을 위한 슬라이스를 전방 및 후방 쇄신구에 정렬하고 DSI 스캔을 위한 슬라이스가 전체 뇌 실행을 포함하는지 확인합니다. 피사체가 스캐너에서 휴식을 취하거나 프레젠테이션 시스템에서 영화를 보는 동안 DSI가 스캔합니다. DSI 스캔 후 동일하거나 별도의 스캔 세션에서 DSI 데이터를 다른 해부학적 또는 기능 데이터와 공동 등록하는 데 나중에 사용할 수 있도록 T one 가중 해부학적 스캔을 수집합니다.

또한 동작 작업의 기능적 스캔을 위해 작업 기반 FMRI 데이터를 수집합니다. 피험자에게 과제 관련 자극이 있는지 화면을 모니터링하고 필요에 따라 모니터링하도록 지시합니다. FMRI가 별도의 날에 수행되는 경우 다른 T one 가중 해부학적 스캔을 받으십시오.

이 처리 접근 방식은 FMRI 데이터의 표면 기반 분석을 활용하여 tractography에 대한 ROI를 생성하고 tractography 종말점과 기능적 ROI 간의 대응을 더 잘 시각화할 수 있습니다. 처리를 시작하려면 먼저 획득한 T one 가중치 이미지를 회백질의 해부학적 분할과 코르티코 표면 재구성을 수행하는 free surfers 자동화 알고리즘에 제출합니다. Output에는 표면이 생성된 해부학적 볼륨의 처리된 버전도 포함되며, 이를 surface volume이라고 합니다.

다음으로 여드름의 FMRI 데이터를 전처리합니다. 그런 다음 free surfer 출력을 여드름 소프트웨어 summa로 가져오고 사전 처리된 기능 데이터를 결과 표면에 매핑합니다. FMRI 데이터를 분석하여 T tractography에 대해 기능적으로 정의된 ROI를 생성할 수 있는 통계 맵을 생성합니다.

그런 다음 이러한 표면 기반 기능적 ROI를 팽창을 통해 백질로 확장하여 트랙토그래피 중 유선과의 접촉을 최대화합니다. 마지막으로, 팽창된 ROI를 표면에서 체적 좌표로 변환하고 멋진 파일로 출력하여 확산 데이터를 처리합니다. 먼저 데이터 세트에서 다른 B 0 또는 기준선 이미지와 다른 DICOM 이미지를 식별하고 이를 멋진 형식으로 변환합니다.

다음으로 DSI 스튜디오에서 DSI DICOM 이미지를 열고 결합하여 소스 파일을 만들고 그라디언트 테이블을 제공합니다. 다음으로, 기본 재구성 마스크를 기준선 이미지에 적용하고 빈 공간, 두개골 또는 뇌가 아닌 조직을 포함하지 않고 모든 회백질을 포함하는지 확인합니다. 필요한 마스크를 편집합니다.

여기에서 A-D-S-I-G-Q-I 또는 GQI 분산을 사용하여 고해상도 재구성 모델을 선택합니다. GQI 옵션이 사용됩니다. 그런 다음 각 들쥐의 원리 확산 방향을 나타내는 섬유 정보 파일을 만듭니다.

다음으로 기능적 ROI를 DSI 공간으로 변환해야 합니다. apni를 사용하여 DSIB 영점 영상을 멋진 형식의 해부학적 표면 부피에 정렬합니다. 결과로 생성된 12점 ALINE 변환 행렬을 여드름 프로그램 고양이 매트를 사용하여 반전합니다.

그런 다음 반전된 매트릭스를 함수형 ROI에 적용하여 DSI 공간으로 변환합니다. 전체 브레인 시드로 섬유를 추적하는 것은 전반적인 데이터 품질을 평가하는 빠르고 효과적인 방법입니다. 또한 추적 임계값과 같은 전역 매개변수에 대한 값을 결정하여 시작하고 전체 브레인 시드 영역을 생성할 수 있는 기회를 제공합니다.

그런 다음 초기 추적 임계값을 설정하여 낮은 신호 복셀과 각도 임계값을 마스킹합니다. 또한 추적 단계 크기(mm)와 원하는 파이버 또는 시드 포인트 수를 설정합니다. 이제 전반적인 ODF 재구성 품질을 확인하기 위해 전뇌 견인 조영술을 수행합니다.

다음으로, 전뇌 추적을 반복적으로 수행하고 추적 임계값을 조정하여 최적의 추적 임계값을 찾습니다. 트랙에서 전뇌 트랙토그래피와 회백질 마스크의 중복을 시각화하여 회백질에 도달하는 섬유의 비율을 최대화하는 임계값을 찾고, 섬유의 90-100%가 회백질에 도달할 때 거품 노이즈 섬유가 최소화됩니다. 또한 추적 임계값이 복셀과 빈 공간을 마스킹하는지 확인합니다. 예를 들어, 복셀을 제거하지 않은 세로 열구는 백질에 크로스 체크 트랙으로 분명히 놓여 있으며, 많은 수의 씨앗(예: 500, 000)이 있는 후두극의 해부학적 ROI에서 나온 제어 섬유 세트입니다.

이제 최적의 tractography 매개변수가 선택되었으므로 이 절차가 데이터 세트 전체에서 거의 동일한 수의 섬유를 생성하는지 확인합니다. 다음으로, ROI 제한 T 트랙토그래피를 수행하여 기능적으로 정의된 뇌 영역 간의 연결성에 관한 가설을 테스트합니다. fib 파일을 로드하고 DSI Studio에서 전체 브레인 시드 영역을 만드는 것으로 시작합니다.그런 다음 기능적으로 정의된 관심 영역 멋진 파일을 하나 이상 로드하고 DSI studio 영역 세터에서 ROI로 설정합니다.

ROI는 유선이 이를 통과하고, 이전에 최적화된 매개변수를 사용하여 추적 및 각도 임계값을 설정하고, 추적을 수행해야 합니다. 마지막으로 tractography 출력을 TRK 파일로 저장합니다. 다음으로, 작업 기반 기능 활성화의 정확한 공간 위치와 구조적 연결성 대응을 측정할 수 있는 엔드포인트 밀도 분석을 수행합니다.

멋진 ROI 및 TRK 파일을 track fz 소프트웨어에 로드하려면 영역 간에 부울 연산을 수행하고 각 연산의 결과를 새 TRK 파일로 저장합니다. 확산 툴킷 기능을 사용하여 TRK 파일을 DSI 공간에서 표면 볼륨 공간으로 공간적으로 변환하여 고해상도 해부학적 언더레이를 통해 파이버 데이터를 보고, 변환 TRK 파일 및 표면 볼륨을 트랙 비스에 로드하여 결과를 하나의 연결성 측정값으로 검사할 수 있습니다. ROI 볼륨으로 정규화된 ROI의 총 파이버 엔드포인트 수를 계산합니다.

여기에서 우리는 전뇌 tractography를 사용하여 최적 및 차선의 결과를 보여주는 그림을 볼 수 있습니다. 세 이미지 모두 단일 참가자의 동일한 257 방향 DWI 데이터 세트를 기반으로 합니다. 최적의 결과가 여기에 표시됩니다.

대조적으로, 여기에서 볼 수 있는 결과는 과도하게 관대한 t tractography 매개변수의 효과를 보여줍니다. 여기서 우리는 DWI 데이터를 재구성하기 위해 단일 텐서 모델을 사용하여 발생하는 품질 저하를 볼 수 있습니다. 이 그림에서는 얼굴과 일상적인 물체의 사진을 보는 얼굴 인식 작업 중에 활성화된 영역의 예를 볼 수 있습니다.

FMRI를 통해 중간에 있는 두 개의 복부 측두엽 영역을 스캔하는 동안, 방추형 이랑(fusiform gyrus)과 하후두회(inferior occipital gyrus)는 물체보다 얼굴에 대해 훨씬 더 큰 대담한 반응을 보였습니다. 여기의 그림 장면은 시각 피질, 감각 영역 및 후방 두정엽 피질의 주의 조절 영역 사이의 연결을 보여줍니다. 이 패널은 V 1, V 2 및 V 3 시드 영역의 대략적인 위치를 각각 빨간색, 녹색 및 파란색으로 표시합니다.

IPS one이라고 표시된 PPC 종자 영역과 이 영역을 연결하는 섬유 트랙은 그들이 앉은 후두 ROI에 의해 착색됩니다. 패널 B는 각 영역의 광섬유 종말점과 함께 피질 표면의 IPS에서 갈색, V 1은 빨간색, V 2는 녹색, V는 파란색으로 정의된 기능 정의 영역을 보여줍니다. 한 명의 참가자에 대한 데이터 수집을 마스터하면 30분에서 90분 안에 달성할 수 있습니다.

자동화된 해부학적 표면 재구성은 일반적으로 16시간이 소요되는 반면 확산 가중 데이터는 1시간 이내에 처리할 수 있습니다. FMRI 데이터를 처리하고 분석하는 시간은 행동 과제와 실험 절차에 따라 다릅니다. 또한 Tractography 시간 요구 사항은 추적 매개변수 및 관심 영역 제약 조건에 따라 몇 분에서 몇 시간까지 다양합니다.

이 절차를 시도하는 동안 tractography 결과는 거짓 긍정과 거짓 음성 모두에 취약할 수 있음을 기억하는 것이 중요합니다. 항상 이전 신경 해부학적 소견의 맥락에서 광섬유 추적 결과를 평가하거나 이 절차에 따라 기능적 연결성 분석과 같은 통합 방법론을 사용하십시오. 뇌 구조 및 기능과의 관계를 추가로 조사하기 위해 섬유 위치에 대한 패턴 분류, 종점 분포에 대한 상세한 공간 분석 및 백질 무결성의 종적 스캔과 같은 다른 방법을 수행할 수 있습니다.

이 기술은 인지 신경 과학 분야의 연구자들이 건강한 인간과 임상 인구에서 비침습적으로 구조 기능 관계를 탐구할 수 있는 길을 열었습니다. 뇌 영역 간의 구조적 연결성은 복잡한 인간 행동을 제어하는 뇌 네트워크를 통한 정보 흐름에 대한 가설을 제한하는 역할을 할 수 있습니다. 이 비디오를 시청한 후에는 확산 가중 이미징 데이터를 재구성하고 섬유 tractography를 수행하는 데 필요한 주요 단계를 이해해야 합니다.

또한 광섬유 추적 결과를 최적화하기 위해 품질 검사 및 반복적인 매개변수 테스트를 수행하는 것의 중요성을 이해해야 합니다. 마지막으로, 이 비디오를 시청한 후에는 해부학적 연결성을 뇌 네트워크의 기능적 특성과 관련시키는 방법을 더 잘 이해할 수 있을 것입니다.