2 januari 2012
Het meten van gyrification (corticale vouwen) op elke leeftijd is er een venster in de vroege ontwikkeling van de hersenen. Vandaar dat we reeds ontwikkelde een algoritme om de lokale gyrification meten op duizenden punten over het halfrond 1. In deze paper wordt detail de berekening van deze lokale gyrification index.
Het algemene doel van deze procedure is om corticale plooiing of gyrusvorming te kwantificeren met een zeer hoge resolutie op basis van cerebrale MRI. Dit wordt bereikt door eerst nauwkeurige driedimensionale weergaven van de corticale oppervlakken te maken met behulp van de software FreeSurfer. De tweede stap is het construeren van een buitenoppervlak dat nauw aansluit op het pilaire oppervlak met behulp van een morfologisch sluitingsalgoritme.
Vervolgens worden honderden overlappende cirkelvormige regio's over het buitenste oppervlak gecreëerd en gekoppeld aan hun overeenkomstige deel van het corticale gebied. Daarna wordt de ratio van beide overeenkomstige regio's op elk punt berekend, wat resulteert in individuele kaarten van lokale ification, die vervolgens kunnen worden gebruikt voor statistische vergelijkingen tussen verschillende diagnostische groepen. Uiteindelijk kan de meting van de corticale structuur bij opgegroeide kinderen, adolescenten of volwassenen abnormale corticale ontwikkeling blootleggen die heeft plaatsgevonden in de eerste levensmaanden.
Het belangrijkste voordeel van deze methode ten opzichte van bestaande technieken, zoals die gebaseerd op kromming of celmorfologie, is dat het een gemakkelijk interpreteerbare meting van de plooiing biedt, die niet wordt beperkt door de wanden van de cirkel en bovendien een uitstekende resolutie biedt. Deze methode kan ons helpen bij het beantwoorden van enkele kernvragen over de ontwikkeling van psychiatrische aandoeningen of neuro-ontwikkelingsstoornissen. Met andere woorden kunnen we begrijpen hoe zeer vroege neuro-ontwikkelingsgebeurtenissen, zoals corticale plooiing, later de ontwikkeling van pathogenese op volwassen leeftijd kunnen beïnvloeden.
We kregen het idee voor deze techniek toen we beseften dat de encefalisatiequotiënt, dat al decennia lang in de vergelijkende neuroanatomie wordt gebruikt, een zeer krachtige indicator van de hersenontwikkeling zou kunnen zijn als we de problemen in de manier van implementatie konden oplossen. De methode zal worden gedemonstreerd door Mari, een senior onderzoeker in onze groep, samen met Mari Ra, een senior onderzoeker in het laboratorium van Jean Philip Tran. Dit eerste deel van het protocol maakt gebruik van de standaard FreeSurfer-pipeline.
De hier beschreven commando's illustreren één methode om corticale oppervlaktereconstructies te realiseren, maar er kunnen ook gelijkwaardige commando's worden gebruikt om de ruwe MRI DICOM te importeren in FreeSurfer. Begin met het aanmaken van de mappenstructuur. Ga vervolgens naar de MRI-map van uw subject en converteer de ruwe MRI naar het FreeSurfer-formaat.
Visualise vervolgens het geconverteerde volume. Verifieer de beeldkwaliteit door te controleren of de oriëntatie correct is, het contrast voldoende is en het beeld niet is verschoven. Maak daarna met FreeSurfer de driedimensionale corticale mesh-modellen.
Dit proces duurt enkele uren. Om het probleem van Barrett aan te pakken, creëert Cellie free surfer eerst een uniform volume van de witte stof, dat later als startpunt wordt gebruikt voor het grijze-witte oppervlak. Eerst optimaliseert het reconstructieproces het grijze-witte oppervlak op basis van de lokale intensiteitsgradiënt.
Vervolgens wordt dit oppervlak verder uitgebreid naar de interface tussen de grijze stof en het CSF om het pile-meshmodel te creëren. Het reconstructieproces resulteert in twee 3D-meshmodellen die elk bestaan uit ongeveer 150.000 punten per hemisfeer. Het witte model stelt de interface tussen de grijze en witte stof voor, en het pile-model stelt de interface tussen de grijze stof en het CSF voor.
Alle oppervlakken en volumes bevinden zich in hun oorspronkelijke ruimte, waardoor meting zonder vervorming mogelijk is. Controleer nu de nauwkeurigheid van deze gereconstrueerde oppervlakken door de twee oppervlakken over elkaar heen te leggen. Het voorbeeld toont de uitlijning voor het subject dat is meegeleverd met het FreeSurfer-pakket.
Zorg ervoor dat het witte oppervlak nauwkeurig het grijs-witte grensvlak volgt en dat de vaten en het membraan niet zijn opgenomen in het stapeloppervlak, om het resultaat van het reconstructieproces handmatig te corrigeren. Raadpleeg de handleidingen op de FreeSurfer-wiki. Wanneer u tevreden bent met de oppervlakken, berekent u de lokale gyrificatie-index of LGI.
Dit commando wordt gewoonlijk ongeveer drie uur uitgevoerd voor de twee hemisferen van één proefpersoon. Afhankelijk van de rekenkracht van uw workstation begint het LGI-proces met de creatie van een buitenoppervlak middels een morfologische sluitingsoperatie. Vervolgens worden er ongeveer 800 overlappende circulaire regions of interest op het buitenoppervlak aangemaakt.
Voor elk van deze regio's wordt een overeenkomstige "region of interest" gedefinieerd op het oppervlak van de stapel. De volledige berekening mondt uit in de creatie van een individuele kaart met één LGI-waarde voor elk punt van het corticale oppervlak. Dit resulteert aan het einde van de LGI-berekening in ongeveer 150 000 waarden per hemisfeer.
Beide hemisferen van elk subject kunnen in FreeSurfer als correct worden gecontroleerd. LGI-waarden liggen doorgaans tussen één en vijf. Voor een snelle controle kan de minimale drempelwaarde op één worden ingesteld.
Het doel van een statistische groepvergelijking is om het effect van een groep bij elk vertex over de corticale oppervlaktefase te kwantificeren, terwijl er wordt gecontroleerd voor het effect van geslacht en leeftijd. Begin met het maken van een studiespecifiek sjabloon door alle proefpersonen en invoer op te geven. Dit commando maakt een subject aan met de naam average.
Gebruik vervolgens de klassieke commando's om de LGI-resultaten tussen groepen te vergelijken door een tekstbestand te maken met de beschrijving van de proefpersonen die aan uw studie deelnemen. Dit staat ook bekend als het FreeSurfer-groepsbeschrijvingsbestand. Resample daarna de LGI-gegevens in deze ruimte van het gemiddelde subject voor elk hemisfeer.
Pas smoothing toe op de gegevens op het corticale oppervlak om de signaal-ruisverhouding te verbeteren. Bereken nu de groepsvergelijking op het niveau van elk vertex. Hiervoor moet een contrast-tekstbestand worden aangemaakt.
In het geval van FSG D-tekst moet het contrast-tekstbestand bijvoorbeeld de waarden één min één nul bevatten om het verschil tussen controles en patiënten te berekenen, terwijl er wordt gecorrigeerd voor leeftijd en geslacht. Voer ten slotte de vergelijking uit. Visualiseer vervolgens de resultaten op het gemiddelde subject met TK surfer door het nieuw gegenereerde datafile te laden.
De analyse op vertexniveau creëert een statistische kaart waarop kleurgecodeerde P-waarden over elk punt worden geprojecteerd. Dit voorbeeld toont een significante afname van de activatie, voornamelijk in de mediale aspecten van de hersenen. Met de optie 'configure overlay' kunt u de P-drempelwaarde verder aanpassen, evenals corrigeren voor meervoudige vergelijkingen met behulp van de false discovery rate.
Q deck is een grafische gebruikersinterface geïmplementeerd in FreeSurfer, zoals eerder beschreven voor de opdrachtregel. U heeft ook een studiespecifiek sjabloon nodig om Q deck te gebruiken met de lokale gyrificatie-index. Ten eerste moeten de LGI-gegevens worden gladgestreken; QE vereist de constructie van een datatabel.
Dit omvat de beschrijving van de verschillende groepen en andere storende variabelen, zoals leeftijd. Als de LGI niet beschikbaar is in de lijst met afhankelijke variabelen in Q deck, voeg dan de volgende regel toe aan het Q deck RC-bestand in uw home-directory. Met Q deck verkrijgt u precies dezelfde resultaten als via de opdrachtregel, en u kunt bovendien corrigeren voor meervoudige vergelijkingen met behulp van Montecarlo-simulaties.
Hoewel de lokale gyrificatie-index is ontwikkeld voor een analyse per vertex, kan het instructief zijn om de gegevens op een grover niveau te middelen. Voor exploratieve analyses kunnen gemiddelde LGI-waarden worden geëxtraheerd voor de 34 gyrische regio's van het corticale parceliseringsschema dat is geïntegreerd in FreeSurfer. Deze metingen kunnen vervolgens tussen de verschillende groepen worden vergeleken met behulp van klassieke statistische software.
Analyse op perceelsniveau kan daarom een aantrekkelijke manier zijn om het aantal statistische vergelijkingen te beperken. Echter kwantificeert de LGI op elk punt al de stratificatie in de omliggende regio's van belang. Als gevolg hiervan kan de gemiddelde LGI in de gegeven regio's van belang ook tot op zekere hoogte de stratificatie in de naburige regio's van belang weerspiegelen.
Raadpleeg voor oplossingen voor problemen die kunnen optreden tijdens de verwerking met FreeSurfer of LGI de archieven van de FreeSurfer-mailinglijst. Naast deze procedure kunnen andere methoden, zoals corticale diktemeting of T-tractografie, worden gecombineerd. Hierdoor kunt u zien hoe vroege veranderingen in myelinisatie correleren met verdere corticale ontwikkeling of de ontwikkeling van witte stofbanen.
Na het bekijken van deze video zou u een goed begrip moeten hebben van hoe u een driedimensionale representatie van het corticale oppervlak maakt, hoe u individuele kaarten van plooivorming creëert en hoe u deze tussen groepen vergelijkt om statistisch significante verslechteringen van de corticale plooiing vast te stellen.
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Deze studie richt zich op het kwantificeren van corticale plooiing via geavanceerde beeldvormingstechnieken. Door gebruik te maken van cerebrale MRI beoogt het onderzoek gedetailleerde representaties van corticale oppervlakken te creëren om de hersenontwikkeling te analyseren.
Kwantitatieve meting van corticale plooiing met behulp van de lokale gyrificatie-index (lGI) op basis van MR-beelden maakt een resolutie-rijke mapping van neuro-ontwikkelingspatronen mogelijk, wat de vroege ontdekking van structurele biomarkers ondersteunt. Deze benadering vergroot het voorspellend vertrouwen in translationele neurowetenschappen door interpreteerbare, ruimtelijk opgeloste metrieken te leveren voor groepvergelijkingen. De integratie van lGI-analyse in biopharma R&D-pipelines biedt essentiële informatie voor target-validatie en risico-gecorrigeerde portfoliobeslissingen voor programma's gericht op neuro-ontwikkelingsstoornissen en psychiatrische aandoeningen.
De lGI-methode integreert het proces van vroege ontdekking tot preklinisch onderzoek en ondersteunt hypothesetoetsing, biomarkerontwikkeling en analytics op groepsniveau binnen CNS-portfolio's.