Name: Diffusion Tensor Magnetic Resonance Imaging in de analyse van neurodegeneratieve ziekten (Video) | JoVE Journal
Uploaded: 2013-07-28T14:00:00.000+00:00
Duration: 9 min 33 s
Description: Leer diffusietensorbeeldvorming (DTI) voor de analyse van neurodegeneratieve ziekten. Deze methode combineert whole brain-based spatial statistics en TrackWise fractionele anisotropie-statistieken om witte-stofpathologie te identificeren.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Delen van dit werk, dwz de studie van een QC en de correctie voor beschadigde gradiëntrichtingen in toepassing om gegevens van patiënten met hyperkinetische stoornissen, werden gesteund door de Europese HD-netwerk (EHDN project 070). De MRI-scans in deze bepaalde studie werden verkregen als onderdeel van de London website TRACK-HD cohort.

Analyse methoden: Pre-en nabewerking De taak van het volgende protocol diffusie eigenschappen voxelgewijze in witte stof stukken die kunnen worden geanalyseerd - door de voxelgewijze detectie - hetzij isotroop of anisotroop, resulterend in gerekte of afgeplatte diffusie tensor van de respectievelijke voxels. De parametrisering van de voxel tensor wordt gebruikt voor zowel het berekenen van FA-kaarten of de identificatie van fibertracts (figuur 1). Om de resultaten van de analyse te verkrijgen, zoals getoond in de volgende, gebruikt het softwarepakket Tensor Imaging en Fiber Tracking (tift) 17. Tift biedt analyse-instrumenten voor de volgende eisen: <ul><li> analyse in termen van DTI metrics, zoals FA-kaarten, </li><li> stereotaxisch normalisering </li><li> groep vergeleken in termen van FA of andere DTI metrics </li><li> verschillende analyse benaderingen van FT </li><li> FT op de groep gemiddeld DTI gegevens en de bijbehorende statistische analyse. </li></ul> Deze kenmerken maken een verscheidenheid aan analyses in een software-omgeving 17,29,30,31. De Tift software is voortdurend in ontwikkeling voor de nieuwe opties in DTI data-analyse. Figuur 2 geeft een schematisch overzicht hoe DTI data te analyseren op het niveau van de groep na ruimtelijke normalisatie door twee complementaire benaderingen, dwz zowel door WBSS en door TFA om eindelijk verschillen tussen subject monsters op groepsniveau, bijvoorbeeld zieke hersenen versus gezonde controles te verkrijgen. Hier WBSS beoogt een voxelgewijze onpartijdige opsporen van gebieden met verschillen op het niveau van de groep, terwijl transvetzuren is gebaseerd op vooraf gedefinieerde fibertracts, de transvetzuren beginnend gebieden kan zowel vrij gekozen worden of kan worden afgeleid uit de WBSS resultaten (`hotspots` van significant veranderd FA). Individuele longitudinale vergelijking van de FA-kaarten wordt uitgevoerd door detectieting verschillen in FA-kaarten van metingen op verschillende tijdspunten na affine stereotactische uitlijning (Figuur 2). <ol><li> Kwaliteitscontrole (QC) inclusief correctie voor bedorven gradiëntrichtingen In het geval van beweging ongeregeldheden tijdens de overname, dat wil zeggen in het geval van beschadigde volumes, wordt een SNR verhoging verkregen door het weglaten van enkele gradiëntrichtingen (GD) voor tensor berekening. Daartoe werd een kwaliteitscontrole (QC) algoritme 32 ontwikkeld. Kortom, voor scans die bevatte beschadigde volumes, wordt de SNR toename bereikt door het weglaten van enkele gradiëntrichtingen een tegelijk voor tensor geschat per GD, wordt het gewogen variantie berekend van alle resterende richtingen in de reeks door weging met de hoek waarin zij verschilden van de index GD. <ol><li> Voer een artefact correctie door het detecteren van GD met ten minste een sneetje tonen verminderde intensiteit, dwz beweging artefacten veroorzaakt door spontane su<html> bject beweging (Figuur 3, bovenste paneel). Voor elke diffusie gewogen, berekenen de gemiddelde intensiteit voor elke plak en vergelijken de intensiteit met hetzelfde segment in alle andere volumes met behulp van een gewogen gemiddelde benadering - de wegingsfactor is het dot product van de vectoren van twee GD <img alt="Vergelijking 8" fo:src="/files/ftp_upload/50427/50427eq8highres.jpg" src="/files/ftp_upload/50427/50427eq8.jpg" /> : <img alt="Vergelijking 9" fo:src="/files/ftp_upload/50427/50427eq9highres.jpg" src="/files/ftp_upload/50427/50427eq9.jpg" /> <img alt="Vergelijking 10" fo:src="/files/ftp_upload/50427/50427eq10highres.jpg" src="/files/ftp_upload/50427/50427eq10.jpg" /> <img alt="Vergelijking 11" fo:src="/files/ftp_upload/50427/50427eq11highres.jpg" src="/files/ftp_upload/50427/50427eq11.jpg" /> duidt de rekenkundig gemiddelde intensiteit van het segment onder observatie en427eq12.jpg &quot;/&gt; een stukje voor vergelijking. De relatieve gemiddelde intensiteit deviatie <img alt="Vergelijking 13" fo:src="/files/ftp_upload/50427/50427eq13highres.jpg" src="/files/ftp_upload/50427/50427eq13.jpg" /> wordt gewogen door de stip product van de GD. Dus, om een ​​algemene parameter definiëren: <img alt="Vergelijking 14" fo:src="/files/ftp_upload/50427/50427eq14highres.jpg" src="/files/ftp_upload/50427/50427eq14.jpg" /> geeft de minimaal slicewise vergelijkingen van alle segmenten. </li><li> Als Q is onder een bepaalde drempel (in het voorbeeld wordt een drempelwaarde van 0,8 voor dit doel), aan dat hele volume of GD. Een drempel van 0,8 wordt beschouwd als een stabiele oplossing 32. Figuur 3 illustreert bewegingsartefacten zichtbaar sagittale reconstructies en gedetecteerd door de QC algoritme. In dit voorbeeld, uit het totale aantal GD (blauwe stippen in figuur 3c), 17 werden onder de rode lijn die overeenkomt met Q = 0.8 en should worden geëlimineerd. Een voorbeeld van een volume eliminatie statistieken voor hele studie is weergegeven in figuur 3d. In deze voorbeeldige studie, werden DTI data van 29 presymptomatische HD proefpersonen vergeleken met DTI data van 30 controles. Verdere details van dit algoritme worden in 32, 33. </li></ol></li><li> Voorbewerking en ruimtelijke normalisatie <ol><li> Voer de correctie van de wervelstroom-geïnduceerde geometrische vervormingen van het echo-planaire beeldvorming datasets door de met 34 voorgestelde methode. </li><li> Voor de stereotaxische normalisering, maak een studie-specifieke (b = 0) - template en een FA-template zoals eerder beschreven 17,28,31. Kortom, een volledig niet-lineaire stereotaxische normalisatie bestaat uit drie onderdelen vervorming. Bijgevolg is de resulterende diffusie tensor <img alt="Vergelijking 15" fo:src="/files/ftp_upload/50427/50427eq15highres.jpg" src="/files/ftp_upload/50427/50427eq15.jpg" /> van elke voxel i moet zijn roterendeed volgens alle bovenstaande (figuur 4) rotaties: <ol class="lroman"><li> Figuur 4a toont een stijf hersenen transformatie naar de basis-coördinaat frames passen. De rotatie <img alt="Vergelijking 16" fo:src="/files/ftp_upload/50427/50427eq16highres.jpg" src="/files/ftp_upload/50427/50427eq16.jpg" /> als gevolg van de aanpassing aan de basis coördinatenstelsel moet worden toegepast <img alt="Vergelijking 17" fo:src="/files/ftp_upload/50427/50427eq17highres.jpg" src="/files/ftp_upload/50427/50427eq17.jpg" /></li><li> Figuur 4b toont een lineaire vervorming volgens bezienswaardigheden. De componenten van de eigenvectoren <img alt="Vergelijking 5" fo:src="/files/ftp_upload/50427/50427eq5highres.jpg" src="/files/ftp_upload/50427/50427eq5.jpg" /> moeten worden aangepast aan de zes parameters normalisering van S (afhankelijk hersengebied s a, a = 1 ... 6) van de lineaire vervorming. v w, j </sub&gt;&#39;&#39; &#39;= S a v w, j&#39;&#39;&#39; w = 1,2,3 en j = x, y, z. </li><li> Figuur 4c toont een niet-lineaire normalisatie egalisatie niet-lineaire hersenen vormverschillen. De 3-D vector verschuivingen zijn voor elke voxel waardoor een afzonderlijke transformatie voor elke voxel van het 3-D-array voxel <img alt="Vergelijking 18" fo:src="/files/ftp_upload/50427/50427eq18highres.jpg" src="/files/ftp_upload/50427/50427eq18.jpg" /> ). Standard trigonometrie geeft een rotatie matrix onafhankelijk voor elke voxel als gevolg van de 3-D vector verschuift de begrippen in 16 teneinde de directionele tussen Eigenvectoren van neighbored voxels behouden. Aldus verschillende ploegen van twee neighbored voxels resulteren in rotaties van de overeenkomstige eigenvectoren. Gebruik de verwijding matrices voor de uitlijning van de tensor <img alt="Vergelijking 15" fo:src="/files/ftp_upload/50427/50427eq15highres.jpg" src="/files/ftp_upload/50427/50427eq15.jpg" /> elke voxel tede omringende voxels. <img alt="Vergelijking 19" fo:src="/files/ftp_upload/50427/50427eq19highres.jpg" src="/files/ftp_upload/50427/50427eq19.jpg" /> <img alt="Vergelijking 20" fo:src="/files/ftp_upload/50427/50427eq20highres.jpg" src="/files/ftp_upload/50427/50427eq20.jpg" /> zijn de componenten van <img alt="Vergelijking 18" fo:src="/files/ftp_upload/50427/50427eq18highres.jpg" src="/files/ftp_upload/50427/50427eq18.jpg" /></li></ol> De gehele normalisatieproces is iteratief, dat wil zeggen maakt een scanner-en sequentie-specifieke (b = 0) - sjabloon voor deze studie in de eerste stap rekenkundig gemiddelde van de (b = 0) - inhoud van alle personen na lineaire volgens handmatig set oriëntatiepunten. Na deze eerste normalisatie, maakt verbeterde sjablonen om de normalisering matrices. De volgende stappen 1.2.3 tot en met 1.2.5 zijn schematisch gevisualiseerd in figuur 5a. </li><li> Nadat deze persoon normalisatieprocedure (step (i) - DTI-data I 0), van alle individuele DTI gegevensverzamelingen voor het creëren studiespecifieke (b = 0) - template en een FA-template (stap (ii) - templates T1). De niet-affiene registratie een FA-sjabloon heeft het voordeel dat het biedt meer contrast in vergelijking (b = 0) beelden 10, definieert een FA-template door middeling alle FA-kaarten van de patiënten en de controles afzonderlijk verkregen. </li><li> In een tweede stap, na de basisideeën van Ashburner en Friston 35, het uitvoeren van een niet-lineaire MNI normalisatie (stap (iii)) van de DTI datasets door het minimaliseren van de mismatch tussen regionale intensiteiten van de FA-kaart te worden aangebracht en van de FA-template op basis van de gekwadrateerde verschillen (X 2) - op die manier, u verkrijgt DTI data I 1. </li><li> Op basis van deze gegevens, zijn nieuwe templates T 2 afgeleid (stap (iv)). Herhaal dit iteratieve proces tot de correlatie tussen individuele FA-kaarten en tHij FA-template is&gt; 0.7. Meestal wordt dit bereikt na twee iteraties. </li></ol></li><li> Whole brain-based ruimtelijke statistiek De volgende stappen 1.3.1 tot 1.3.5 zijn gevisualiseerd schematisch in figuur 5b. <ol><li> Bereken FA-kaarten van genormaliseerde DTI gegevens met betrekking tot de normalisering van de procedure 1.2. om gerichte informatie (stap (i)) behouden. </li><li> Als voorverwerkingsstap voordat voxelgewijze statistische vergelijking, breng dan een afvlakfilter (stap (ii)) aan de individuele genormaliseerde FA-kaarten. Smoothing, dat het filter grootte beïnvloedt de resultaten van gegevensanalyse DTI 36 vergt toepassing van het aangepaste filter stelling volgens welke de breedte van het filter gebruikt om de gegevens te verwerken moet worden afgestemd op de grootte van het verwachte verschil, zoals beschreven in eerdere aanvragen om DTI data van patiënten met neurodegeneratieve aandoeningen (bv. 28). </li><li> Voeren statistische compArison tussen de patiëntengroepen en de overeenkomstige controlegroep voxelgewijze door Student&#39;s t-test, namelijk FA waarden van de patiënten vergelijken &quot;FA-kaarten met de FA waarden van de controles&quot; FA-kaarten voor elk voxel afzonderlijk (stap (iii )). FA waarden onder 0,2 worden niet geacht voor het berekenen omdat corticale grijze stof toont FA waarden tot 0,2 37. </li><li> Statistische resultaten voor meerdere vergelijkingen met de valse-discovery-rate (FDR) algoritme bij p &lt;0,05 38 (stap (iv)) te corrigeren. Verdere reductie van de alfafout moet worden uitgevoerd door een ruimtelijke correlatie algoritme (clustering - stap (v)) dat geïsoleerde voxels of kleine geïsoleerde groepen voxels met afmetingen van de smoothing kernel geëlimineerd, waardoor een cluster drempel van 512 voxels. </li><li> Om de resultaten in een morfologische achtergrond (stap (v)) weer normaliseert de 3-D T1 gewogen gegevensverzamelingen moeten MNI ruimte en rekenkundig gemiddelde. Voer deze normalisering pROCEDURE door middel van een studie template-analoog aan de normalisatie toegepast op de DTI datasets 17. </li></ol></li></ol> Figuur 6 toont de resultaten van het hele brein-gebaseerde ruimtelijke statistiek (WBSS) van ALS patiënten versus controles. Figuur 6a toont het lokaal maximum van verminderde FA waarden in een sagittale, coronar en axiale view (thresholded bij p &lt;0,01, gecorrigeerd voor meerdere vergelijkingen). Figuur 6b toont projectional FT met uitgangspunten in de corticospinale darmkanaal wordt gebruikt als basis voor transvetzuren. Figuur 6c toont groep verschillen in de FA-kaarten gedetecteerd door hele brein gebaseerd ruimtelijke statistiek (WBSS) tussen een steekproef van ALS patiënten en gematchte controles in een slicewise visualisatie. <ol start="4"><li> Tractografie en tractwise fractionele anisotropie statistieken (transvetzuren) Figuur 7 illustreert het proces van groepsgewijze FT zoals TFA zoals beschreven in 1.4.1 tot 1.4.4. <ol><li> Om groepsgebaseerde FT algoritmes toepassen, genereren gemiddeld DTI gegevensreeksen uit &quot;gegevens en de controles&quot; patiënten data samen volgens de hiervoor beschreven 17 werkwijzen. Deze middeling vereist een zorgvuldige behandeling van de oriënterende informatie die wordt bewaard tijdens het proces van normalisatie volgens technieken beschreven door 16 - voor meer informatie zie 30. </li><li> Presteren tractografie in gemiddelde DTI datasets van onder groepen door toepassing van een gestroomlijnd bijhouden techniek 31. Identificeer handmatig gedefinieerd zaad punten naast de lokale maxima van de volledige hersenen gebaseerde FA analyses die de basis voor de opeenvolgende FT analyse. Na identificatie van de zaden, voeren tractography en bepalen de voxels van het afgebakende vezels als groep-specifiek masker voor de volgende 30 transvetzuren. </li><li> Om tractography kwantificeren, passen de techniek van transvetzuren met ee vezels traktaten die zijn gemaakt op de gemiddelde DTI datasets van alle onderwerpen van elke groep (patiënt gegevens en controlegegevens samen) voor de selectie van de voxels die bijdragen aan een vergelijking tussen de patiënten en de controles &#39;FA-kaarten. </li><li> Overweeg alle hieruit voortvloeiende voxels met een FA-waarde boven de 0,2 voor statistische analyse met Student&#39;s t-test. </li><li> Indien gewenst kan de transvetzuren techniek worden toegepast op elk afgeleid DTI statistieken zoals gemiddelde diffusiecoëfficiënt (MD), radiale anisotropie axiale anisotropie, etc. (voor een voorbeeld zie 28). </li><li> De resultaten worden weergegeven op een morfologische achtergrond die uit de MNI-genormaliseerde 3-D T1-gewogen gegevensreeksen </li></ol></li></ol>

Auteurs hebben niets te onthullen.

Interindividuele middeling van DTI data kan worden bereikt met betrekking tot diffusie amplitude (door het gebruik van informatie FA) en verspreiding richting (basis FT), respectievelijk. Middeling van FA kaarten maakt voor de statistische vergelijking van de groepen proefpersonen door WBSS en transvetzuren. Dit methodologisch kader geeft een inleiding tot DTI technieken met inter-subject middeling en groepsvergelijking. Stereotaxisch normalisering en vergelijking van de FA kaarten op groepsniveau mogelijk maakt voor ve...

Diffusion tensor imaging in het menselijk brein De witte stof (WM) stukken in het centrale zenuwstelsel bestaan ​​uit dicht verpakt axons naast diverse soorten neuroglia en andere kleine populaties van cellen. De axonale membraan en de goed uitgelijnde eiwitvezels binnen een axon beperkt water diffusie loodrecht op de vezel oriëntatie, waardoor anisotrope diffusie van water in de hersenen WM 1. Myelineschede om de axonen kan ook bijdragen aan de anisotropie voor zowel intra-en extracellulair water 2. De kwantitatieve beschrijving van deze anisotropie kan worden gedetecteerd door diffusie tensor imaging (DTI). DTI produceert beelden van weefsels gewogen met de lokale microstructurele eigenschappen van water diffusie. De beeld-intensiteiten op elke positie worden gedempt, afhankelijk van de sterkte en richting van de zogenaamde magnetische diffusiegradiënt (vertegenwoordigdde b-waarde), en op de lokale microstructuur waarin het water diffundeert 3, de diffusiecoëfficiënt D, een scalaire waarde: <img alt="Vergelijking 1" fo:src="/files/ftp_upload/50427/50427eq1highres.jpg" src="/files/ftp_upload/50427/50427eq1.jpg" /> Echter, in de aanwezigheid van anisotropie in WM, diffusie niet meer gekenmerkt door een scalaire coëfficiënt, maar vereist een tensor <img alt="Vergelijking 3" fo:src="/files/ftp_upload/50427/50427eq3highres.jpg" src="/files/ftp_upload/50427/50427eq3.jpg" /> die in eerste benadering beschrijft moleculaire mobiliteit langs elke richting en de correlatie tussen deze richtingen 4. Diffusie anisotropie wordt voornamelijk veroorzaakt door de oriëntatie van de vezels traktaten in WM en wordt beïnvloed door de micro-en macrostructurele functies. Van de microstructuur, lijkt intraaxonal organisatie zijn de grootste invloed op de diffusie anisotropie, naast de dichtheid van een vezelnd cel verpakking, de mate van myelinisatie, en individuele vezel diameter. Op macroscopische schaal, de variabiliteit in de oriëntatie van alle WM traktaten in een imaging voxel beïnvloedt de mate van anisotropie 5. In typische DTI metingen de voxel afmetingen in de orde van millimeters. Zo kan een voxel bevat altijd de gemiddelde informatie van de watermoleculen in de gedetecteerde volume gewoonlijk verscheidene van axons en de omringende watermoleculen. Desondanks multidirectionele omgeving DTI gevoelig voor de oriëntatie van de grootste hoofdas die prima de overheersende axonale richting en bepaal de axonale bijdrage domineert het gemeten signaal 2. DTI levert twee soorten informatie over de eigenschap van water diffusie: de eerste, de oriëntatie-onafhankelijke mate van diffusie anisotropie 5 en ten tweede, de overheersende richting van het water diffusie in image voxels, dat wil zeggen de diffusie oriëntatie 6. De huidige protocollen worden verondersteld om een ​​kader van DTI analysetechnieken bieden voor kwantitatieve vergelijking van groepen proefpersonen op groepsniveau, zoals beschreven in het volgende. Kwantificering van diffusie-eigenschappen - analyse parameters De elementen van de symmetrische tensor kan worden gemeten door diffusie gradiënten langs ten minste zes niet-collineaire en niet-coplanaire richtingen, zodat ter (vergelijking 1) is een tensor, waardoor signaalverzwakking <img alt="Vergelijking 2" fo:src="/files/ftp_upload/50427/50427eq2highres.jpg" src="/files/ftp_upload/50427/50427eq2.jpg" /> Deze vergelijking wordt bepaald dat een eventuele wisselwerking tussen beeldvorming en diffusie gradiënten die worden toegepast in orthogonale richtingen (kruis termen) en zelfs tussen beeldvorming hellingen die worden toegepastin orthogonale richtingen 4. De tweede rang diffusion tensor <img alt="Vergelijking 3" fo:src="/files/ftp_upload/50427/50427eq3highres.jpg" src="/files/ftp_upload/50427/50427eq3.jpg" /> kan altijd worden diagonalized waardoor er slechts drie niet-nul elementen langs de hoofddiagonaal van de tensor, dwz de Eigenvalues ​​( <img alt="Vergelijking 4" fo:src="/files/ftp_upload/50427/50427eq4highres.jpg" src="/files/ftp_upload/50427/50427eq4.jpg" /> ). De Eigenwaarden weerspiegelen de vorm of configuratie van de ellipsoïde. De wiskundige relatie tussen de belangrijkste coördinaten van de ellipsoïde en het laboratorium frame wordt beschreven door de Eigenvectoren <img alt="Vergelijking 5" fo:src="/files/ftp_upload/50427/50427eq5highres.jpg" src="/files/ftp_upload/50427/50427eq5.jpg" /> Aangezien er verschillende uitdagingen in het weergeven tensor data, heeft het concept van diffusie ellipsoïden voorgesteld 3. De Eigendiffusivities van deze ellipsoids vertegenwoordigen de eendimensionale diffusie coëfficiënten in de hoofdrichting van diffusiviteiten van het medium, namelijk de hoofdas van de ellipsoïde is de belangrijkste diffusie richting de voxel die samenvalt met de richting van de vezels, terwijl de excentriciteit van de ellipsoïde geeft informatie over de anisotropie en symmetrie. Daarom kon diffusie anisotropie metrics zoals de fractionele anisotropie (FA) worden gedefinieerd 7. <img alt="Vergelijking 6" fo:src="/files/ftp_upload/50427/50427eq6highres.jpg" src="/files/ftp_upload/50427/50427eq6.jpg" /> <img alt="Vergelijking 7" fo:src="/files/ftp_upload/50427/50427eq7highres.jpg" src="/files/ftp_upload/50427/50427eq7.jpg" /> is het rekenkundig gemiddelde van alle Eigenvalues. Een extra aanpak is om de hoofdrichting van de diffusie tensor gebruiken om de WM-connectiviteit van de hersenen aan te pakken, wat overeenkomt met de tractografie approach die de intentie heeft om te onderzoeken welke delen van de hersenen zijn verbonden met elkaar. Aangenomen dat de oriëntatie van de belangrijkste component van de diffusie tensor is de oriëntatie van de dominante axonen is een 3-D vector veld waarin elke vector vertegenwoordigt de vezeloriëntatie. Momenteel zijn er verschillende benaderingen WM stukken die kunnen worden onderverdeeld in twee types reconstrueren: de eerste categorie is gebaseerd op regel propagatie algoritmes lokale tensor-informatie voor elke stap van de vezel darmkanaal voortplanting 2,8,9. De tweede categorie is gebaseerd op mondiale energieminimalisering de energetisch meest gunstige pad tussen twee WM regio, resulterend in de benadering van kanaal gebaseerde ruimtelijke statistiek voorbeeld (TBSS) 10 die is gebruikt in andere algoritmen zoals tractwise fractionele anisotropie statistieken (transvetzuren - zie protocol tekst, paragraaf 2.4).. Transformatie naar stereotaxisch standard ruimte Net als in andere geavanceerde MRI methoden DTI-en FT-gebaseerde studies in een klinische context nastreven uiteindelijke doel hersenmorfologie individuele patiënt categoriseren om het diagnostische proces gebaseerd op enkele discriminatie metrisch 11 vergemakkelijken. Studies op groepsniveau zijn relevantie als de gewone klinische fenotype wordt verondersteld door beschadiging van een of meer specifieke hersengebieden of specifieke neuroanatomische netwerk. Hier, met een gemiddelde van de resultaten voor de verschillende onderwerpen is nuttig om de gemeenschappelijke patronen van microstructurele veranderingen te beoordelen. Elk individu hersenen worden overgebracht in stereotaxische ruimte zodat in een tweede stap, het rekenkundig gemiddelde van de resultaten op een voxel-by-voxel niveau mogelijk. Ruimtelijke normalisatie toegestaan ​​rekenkundige gemiddelden van de resultaten van verschillende onderwerpen teneinde de signaal-ruisverhouding (SNR) te verbeteren en een vergelijking van monsters van patiënten en cont voerenrols om de rekenkundige pathoanatomy van een bepaalde aandoening te analyseren, zoals een neurodegeneratieve ziekte die wordt geassocieerd met de ongunstige beïnvloeding van de hersenen een specifieke systeem. De vroege aanpak van normalisering van een gestandaardiseerde stereotaxisch ruimte door 12 suggereerde een transformatie algoritme om een standaard atlas die de identificatie van de verschillende hersenen bezienswaardigheden en fragmentarische schaling van de hersenen kwadranten. Tegenwoordig zijn de meeste van de geavanceerde MRI data-analyse pakketten te gebruiken normalisatie op het Montreal Neurological Institute (MNI) stereotaxisch ruimte 13. Voor deze transformatie, werden halfautomatische en automatische brein registratie algoritmes behulp studie specifieke templates ontwikkeld 14,15. In DTI, bijzondere aandacht worden gevestigd op de directionele informatie tijdens het normalisatieproces 16,17 bewaren. De toepassing van ruimtelijke transformaties DT-MR beelden die nodig zijn voor ruimtelijke normalisatiewinning van datasets is, in tegenstelling tot kromtrekken scalaire beelden, bemoeilijkt doordat ODC bevatten orientatie informatie die weer wordt beïnvloed door de transformatie. Dit effect moet rekening worden gehouden met het oog op de anatomische correctheid van de getransformeerde afbeelding garanderen. Hier worden technieken voor het aanbrengen affine transformaties DTI datasets gepresenteerd. Toepassing van DTI van hersenziekten De vergelijking van longitudinale DTI data vereist een aanpassing / registratie van de gegevens een onderwerp&#39;s onder elkaar. In die context, het behoud van de directionele informatie is noodzakelijk (dwz rotatie van de diffusie tensor tijdens affiene transformaties). Mogelijke toepassingen van neurodegeneratieve stoornissen zijn eerder gerapporteerd (bv. 18,19). DTI is opgericht als een robuust niet-invasieve technische hulpmiddel om te onderzoeken in vivo Neuropatholgie van WM neuronale traktaten (bijv. 11,20,21,22). DTI-gebaseerde kwantitatieve metrieken het diffusieproces, zoals de FA, al en gevoelig markers voor het bestuderen uiteenlopende WM aandoeningen, zoals beroerte 20, multiple sclerosis 23, amyotrofe laterale sclerose 24, 25, de ziekte van Alzheimer 26 , en diverse andere WM aandoeningen 27,28. Daarnaast DTI met FT kunnen worden gebruikt WM stukken identificeren 23. Deze techniek, terwijl nog niet in routine klinisch gebruik, is in opkomst als een krachtig instrument voor de beoordeling van pathway-specifieke afwijkingen bij neurologische ziekte. Binnen de geïdentificeerde stukken, diverse kwantitatieve MRI indices afgeleid van DTI en aanvullende acquisities (bijv. T2-gewogen beelden en / of magnetiseringsoverdracht (MT) imaging) die anatomisch coregistered de DTI data kunnen worden gemeten. Hierbij kan elke index calcul zijnated als functie van de positie in het darmkanaal, verwijzend naar plots afbeelden hun ruimtelijke variatie darmkanaal profielen. Hierna menselijke DTI scans die werden uitgevoerd op 1,5 Tesla MRI-scanners (Siemens Medical, Erlangen, Duitsland) werden gebruikt om de capaciteit van verschillende analysetechnieken voor detectie witte stof afwijkingen in patiëntengroepen en in individuen te onderzoeken. Na een geautomatiseerde kwaliteitscontrole voor de afschaffing van de motion-corrupte volumes en volumes met andere soorten van artefacten, gestandaardiseerde postprocessing procedures bereiden de DTI data voor de achtereenvolgende analyse. Verschillende analyse benaderingen worden geïllustreerd in de volgende, dwz de eerste, hele brein gebaseerd ruimtelijke statistiek (WBSS), tweede, FT, en de derde, Tractwise fractionele anisotropie statistieken (transvetzuren). WBSS is een methode die analoog aan voxel-gebaseerde morfometrie (VBM) die gewoonlijk bekend staat als voxel-gebaseerde morfometrie / statistieken DTI data (VBM / DTI) loopt <em&gt;. VBM is een methode die oorspronkelijk uitgevoerd op contrastrijke beelden waarbij het ​​contrast verschillen in afzonderlijke scans moet opgelost worden WBSS is een methode die de voxelgewijze vergelijking van de fysische parameter gebruikt. Daarom, hoewel algoritmisch dergelijke, een terminologie die differentiëren WBSS en VBM worden gebruikt in de volgende.

<table><tbody><tr><td>MR scanner</td><td></td><td></td><td>Siemens 1.5 T Magnetom Symphony</td></tr><tr><td>analysesoftware </td><td></td><td></td><td>TIFT - Tensor Imaging and Fiber Tracking</td></tr></tbody></table>

diffusion tensor magnetic resonance imaging in de analyse van neurodegeneratieve ziekten

Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases

Diffusion tensor imaging (DTI) technieken geven informatie over de microstructurele processen van de cerebrale witte stof (WM) in vivo. De onderhavige toepassingen zijn ontworpen om verschillen in WM betrokkenheid patronen onderzoeken verschillende hersenaandoeningen bijzonder neurodegeneratieve aandoeningen, bij gebruik van verschillende DTI analyses vergeleken met gematchte controles. DTI data-analyse wordt uitgevoerd in een variate mode, dwz voxelgewijze vergelijking van regionale diffusie richting gebaseerde metrics zoals fractionele anisotropie (FA), samen met fiber tracking (FT) vergezeld van tractwise fractionele anisotropie statistieken (TFA) op groepsniveau met het oog tot verschillen in FA langs WM structuren te identificeren, die gericht zijn op de vaststelling van het regionale patronen van WM wijzigingen op groepsniveau. Transformatie naar een stereotaxisch standaard ruimte is een voorwaarde voor groep studies en vereist een grondige verwerking van gegevens te behouden directional onderlinge afhankelijkheden. De huidige applicaties tonen geoptimaliseerd technische benaderingen voor dit behoud van kwantitatieve en directionele informatie tijdens ruimtelijke normalisatie in data-analyses op groepsniveau. Op basis hiervan kan FT technieken om informatie metrics kwantificeren gedefinieerd FT toegepast groeperen gemiddelde data. Bovendien, de toepassing van DTI methoden, dwz verschillen in FA-kaarten na stereotaxisch uitlijning, in een longitudinale analyse op individueel onderwerp basis onthullen informatie over de progressie van neurologische aandoeningen. Verdere kwaliteitsverbetering van DTI gebaseerde resultaten kunnen tijdens de voorbewerking worden verkregen door toepassing van een gecontroleerde uitschakeling van gradiënt richtingen met hoge geluidsniveaus. Samengevat wordt DTI gebruikt om een ​​afzonderlijke WM pathoanatomy verschillende hersenaandoeningen gedefinieerd door de combinatie van volledige hersenen-gebaseerd en kanaal gebaseerde DTI analyse.

1. QC en de correctie voor beschadigde gradiëntrichtingen in toepassing om gegevens van patiënten met hyperkinetische stoornissen Als voorbeeld van het effect van de toepassing van de QC en daaropvolgende volume uitsluiting (als gevolg van de correctie van beschadigde GD), figuur 8 toont verschillen in volledige hersenen gebaseerde ruimtelijke statistiek met en zonder volume uitsluiting groepsvergelijking van 29 ziekte premanifeste Huntington proefpersonen versus 30 leeftijd en...

Diffusion tensor imaging (DTI) fungeert in feite als een MRI-gebaseerde tool te identificeren<em&gt; In vivo</em&gt; De microstructuur van de hersenen en pathologische processen door neurologische stoornissen in de cerebrale witte stof. DTI-gebaseerde analyses zorgen voor toepassing van hersenziekten zowel op groepsniveau als in enkel onderwerp data.

Diffusion Tensor Magnetic Resonance Imaging in de analyse van neurodegeneratieve ziekten

Diffusion tensor imaging (DTI) techniques provide information on the microstructural processes of the cerebral white matter (WM) in vivo. The present ...

Het algemene doel van het volgende experiment is om diffusietensorbeeldanalyse te gebruiken om een kenmerkende pathoanatomie van de witte stof bij verschillende hersenziekten te definiëren, door de combinatie van statistieken over fractionele anisotropie op basis van de gehele hersenen en op basis van tractus. Dit wordt bereikt door een adequate voorbewerking van de diffusietensorbeeldvorming- of DTI-gegevens, inclusief kwaliteitscontrole en stereotactische normalisatie. Als tweede stap wordt een ruimtelijke statistische analyse op basis van de gehele hersenen of WBSS uitgevoerd, wat een voxelgewijze vergelijking mogelijk maakt van fractionele anisotropie- of FA-kaarten van verschillende subjectgroepen om pathologische verschillen te detecteren.Vervolgens wordt TrackWise fractional uitgevoerd. Een ATROPY-statistiek of TFAS wordt uitgevoerd om de resultaten van de voxelgewijze vergelijking aan te vullen door de hersenstructuren te vergelijken die door een vezeltrackingprocedure zijn gedefinieerd. Er worden resultaten verkregen die de verschillen tussen ziektegroepen en controlegroepen tonen op basis van DTI-analyse.Het belangrijkste voordeel van deze techniek ten opzichte van andere methoden is dat vezeltracking op groepsgemiddelde datasets haalbaar wordt. Deze methode kan helpen bij het beantwoorden van kernvragen binnen het veld van de neuroimaging, zoals de identificatie van hersenstructuren die worden beïnvloed door neurodegeneratieve ziekten. De implicaties van deze techniek strekken zich uit tot het gebruik als een op neuroimaging gebaseerde surrogaatmarker, omdat het potentieel longitudinale effecten kan aantonen op zowel individueel als groepsniveau.De demonstratie van deze methode is cruciaal, aangezien de stappen voor gegevensverwerking moeilijk aan te leren zijn omdat de gegevensanalyse is uitgevoerd met een op maat gemaakt softwarepakket, en verschillende stappen in de gegevensverwerking en -analyse zeer tijdrovend zijn om een artefactcorrectie uit te voeren. Een door ons laboratorium ontwikkelde op maat gemaakte software wordt gebruikt om GD te detecteren waarbij ten minste één slice een verminderde intensiteit vertoont, oftewel bewegingsartefacten veroorzaakt door spontane beweging van het subject. De gebruikte software is bedoeld voor tensor imaging en fiber tracking, en is door ons laboratorium op maat gemaakt voor elk diffusie-gewogen volume.Bereken de gemiddelde intensiteit voor elke slice en vergelijk deze vervolgens met dezelfde slice in alle andere volumes met behulp van een gewogen gemiddelde. De wegingsfactor is het inproduct van vectoren van twee gd. Als Q onder een bepaalde drempelwaarde ligt, in dit voorbeeld een drempelwaarde van 0,8, dan wordt dat volledige volume of die gd geëlimineerd.Een drempelwaarde van 0,8 wordt beschouwd als een stabiele oplossing. Hier worden de bewegingsartefacten getoond die zichtbaar zijn in sagittale reconstructies en zijn gedetecteerd door het QC-algoritme. In dit voorbeeld lagen, van het totale aantal GD 17, onder de rode lijn, wat overeenkomt met Q gelijk aan 0,8 en geëlimineerd dient te worden.Een voorbeeld van de statistieken voor volume-eliminatie voor de gehele studie wordt hier getoond; in deze voorbeeld-DTI-gegevens werden 29 presymptomatische HD-proefpersonen vergeleken met DTI-gegevens van 30 controles. Voor de stereotactische normalisatie werden een studiespecifiek B=0 template en een FA-template aangemaakt. Een volledige niet-lineaire stereotactische normalisatie bestaat uit drie deformatiecomponenten. Bijgevolg moet de resulterende diffusietensor van elke voxel i worden geroteerd volgens alle eerder getoonde rotaties.Hier is een rigide hersentransformatie om de basiscoördinatenstelsels uit te lijnen. Deze figuur toont een lineaire deformatie op basis van de landmarks. De componenten van de iGen-vectoren moeten worden aangepast volgens de zes normalisatieparameters van S van de lineaire deformatie, en hier is een niet-lineaire normalisatie die niet-lineaire verschillen in hersenvorm gelijktrekt.De 3D-vectorverschuivingen verschillen per voxel, wat leidt tot een afzonderlijke transformatie voor elk element van de 3D-voxelmatrix. Na deze individuele normalisatieprocedure worden alle individuele DTI-datasets gebruikt voor het maken van een studiespecifiek B equals zero template en een FA-template. Aangezien de niet-PHE-registratie aan een FA-template het voordeel heeft dat het meer contrast biedt in vergelijking met B equals zero beelden, wordt een FA-template gedefinieerd door alle individueel afgeleide FA-kaarten van de patiënten en de controles te middelen.Voer in een tweede stap een niet-lineaire MNI-normalisatie van de DTI-datasets uit door de mismatch tussen de regionale intensiteiten van de te fitten FA-map en het FA-sjabloon te minimaliseren op basis van de kwadratische verschillen; op basis van deze gegevens worden nieuwe sjablonen T2 afgeleid. Herhaal dit iteratieve proces totdat de correlatie tussen de individuele FA-maps en het FA-sjabloon groter is dan 0,7. Meestal wordt dit na twee iteraties bereikt.Nu kunnen ruimtelijke statistieken op basis van de gehele hersenen worden uitgevoerd door fractionele anisotropiekaarten te berekenen uit genormaliseerde DTI-gegevens, de fractionele anisotropiekaarten te egaliseren en een statistische evaluatie uit te voeren, inclusief correctie voor meervoudige vergelijkingen in het vervolg. De verschillen in fractionele anisotropiekaarten van patiënten met amyotrofische laterale sclerose versus controles worden berekend middels ruimtelijke statistieken op basis van de gehele hersenen. Bereken FA-kaarten uit genormaliseerde DTI-gegevens om directionele informatie te behouden als voorbehandelingsstap vóór de voxel-gewijze vergelijking; pas een egaliseringsfilter toe op de individuele genormaliseerde FA-kaarten voor het egaliseren.Het feit dat de filtergrootte de resultaten van de DTI-data-analyse beïnvloedt, vereist de toepassing van het matched filter-theorema, dat stelt dat de breedte van het filter dat wordt gebruikt voor het verwerken van de data moet worden afgestemd op de grootte van het verwachte verschil. Vergelijk de patiëntengroepen en de bijbehorende controlegroep foxwell Y met behulp van de student's T-test. Dit gebeurt door de FA-waarden van de FA-kaarten van de patiënten te vergelijken met de FA-waarden van de FA-kaarten van de controles voor elk foxhole afzonderlijk, waarna de statistische resultaten voor meervoudige vergelijkingen worden gecorrigeerd met behulp van het false discovery rate-algoritme bij P < 0.05.Reduceer de alpha-fout verder met behulp van een ruimtelijk correlatie-algoritme dat geïsoleerde voxels of kleine geïsoleerde groepen voxels in het groottebereik van de smoothingkernel elimineert, wat leidt tot een minimale drempelwaarde voor clustergrootte van 512 voxels in het volgende traject tweemaal. Fractionele anisotrope statistieken worden berekend voor patiënten met amyotrofische laterale sclerose versus controles. Om groepgebaseerde fiber-tracking-algoritmen toe te passen, worden gemiddelde DTI-datasets gegenereerd uit de gegevens van de patiënten en de controlegroep samen; voer vervolgens tractografie uit en gemiddelde DTI-datasets van subjectgroepen door toepassing van een streamlined tracking-techniek.Identificeer handmatig gedefinieerde seed-punten naast de lokale maxima op basis van de FA-analyse van de gehele hersenen; deze vormen de basis voor de daaropvolgende fiber tracking-analyse. Voer na identificatie van de seeds t-tractografie uit en definieer de voxels van de afgelinierde vezels als een groepsspecifiek masker voor de daaropvolgende TFAS. Om de resultaten van de T-tractografie te kwantificeren, wordt TFAS toegepast met gebruik van de vezeltracks die zijn gemaakt op de gemiddelde DTI-datasets van alle proefpersonen per groep voor de selectie van de voxels die bijdragen aan een vergelijking tussen de FA-kaarten van de patiënten en de controles. Om uitgebreide informatie via WBSS en TFAS te verkrijgen, worden alle resulterende voxels met een FA-waarde boven 0,2 meegenomen voor statistische analyse via een student's t-toets. Deze animatie toont de groepsverschillen in FA-kaarten gedetecteerd door WBSS tussen een steekproef van LS-patiënten en gematchte controles in een visualisatie per plakje.Deze video toont fiber tracking met startpunten in het corticospinale tractus, gebruikt als basis voor TFAS. Eenmaal beheerst, kan deze techniek vrijwel automatisch binnen enkele uren worden uitgevoerd als deze correct wordt toegepast. Na het bekijken van deze video zou u een goed begrip moeten hebben van hoe DTI-analyse op groepsniveau kan worden uitgevoerd met behulp van whole-brain gebaseerde ruimtelijke statistiek en TrackWise FA-statistiek.

diffusion-tensor-magnetic-resonance-imaging-analysis

Research

JoVE Journal

Medicine

Geneeskunde

BioImaging methoden die worden gebruikt om cellen biodistributie van nanodeeltjes te beoordelen zijn van toepassing voor therapeutische en diagnostische controle van nanoformulated verbindingen. De werkwijzen die hierin beschreven zijn gevoelig en specifiek wanneer beoordeeld door histologische coregistration. De methodieken voor een translationeel weg van knaagdier voor de menselijke toepassingen.

Geregistreerd BioImaging van nanomaterialen voor diagnostische en therapeutische monitoring

Neuroimaging technieken, zoals functionele MRI en Diffusion Tensor Imaging worden steeds nuttig in het karakteriseren van de cognitieve en neurale stoornissen bij autisme. Een onderzoek van de hersenen connectiviteit bij autisme op een netwerk niveau, samen met aanpassingen voor het scannen van kinderen met ontwikkelingsstoornissen wordt gepresenteerd.

Onderzoek naar de hersenen bij autisme Met behulp van fMRI en Diffusion Tensor Imaging

We beschrijven een nieuwe benadering voor gelijktijdige analyse van hersenfunctie en structuur met behulp van magnetische resonantie beeldvorming (MRI). Wij beoordelen de hersenen structuur met een hoge resolutie diffusie-gewogen beeldvorming en witte stof vezels tractografie. In tegenstelling tot de standaard structurele MRI, deze technieken stellen ons in staat anatomische connectiviteit rechtstreeks betrekking hebben op de functionele eigenschappen van de hersenen netwerken.

Co-analyse van hersenstructuur en functie met behulp van fMRI en Diffusie-gewogen beeldvorming

Source: Zheng, W. et. al., Diffusion Tensor Magnetic Resonance Imaging in Chronic Spinal Cord Compression. J. Vis. Exp. (2019)This video demonstrates diffusion tensor imaging in assessing chronic spinal cord compression. By analyzing water diffusion patterns, fractional anisotropy, and apparent diffusion coefficient values, the findings reveal axonal damage in compressed regions. The findings provide critical insights into spinal cord pathology and structural integrity.

Assessing Spinal Cord Compression Using Diffusion Tensor Imaging

We beschrijven hoe parametrische en vectorkaarten van de diffusietensor van de borst te verkrijgen met behulp van magnetische resonantie beeldvorming. Het protocol en de uiteindelijke output na beeldverwerking zijn afgestemd op het volgen van architecturale kenmerken van de borst en het detecteren van kwaadaardige borsttumoren.

Het volgen van de Mammary architectonische kenmerken en het opsporen van borstkanker met Magnetic Resonance Diffusion Tensor Imaging

Neuromusculaire aandoeningen vertonen vaak een tijdelijk wisselend, ruimtelijk heterogene en veelzijdige pathologie. Het doel van dit protocol is om deze pathologie niet-invasieve magnetische resonantie beeldvorming te karakteriseren.

Quantitative Magnetic Resonance Imaging van de skeletspieren Disease

Het doel van dit protocol is om hoogwaardige diffusie gewogen magnetische resonantie beeldvorming (DWI) van het ruggenmerg van de rat te verkrijgen voor niet-invasieve karakterisering van weefselmicrostructuur. Dit protocol beschrijft optimalisaties van de MRI-sequentie, radiofrequentie spoel en analysemethoden om DWI-beelden vrij van artefacten mogelijk te maken.

Diffusion Imaging in het Rat ruggenmerg

Hier presenteren we een protocol voor de toepassing van Diffusion strekspier imaging parameters te evalueren ruggenmerg compressie.

Diffusie strekspier Magnetic resonance imaging in chronische ruggenmerg compressie

Het algemene doel van deze procedure is het verkrijgen van kwantitatieve microstructurele informatie van de Hippocampus in een rat met milde traumatische hersenletsel. Dit wordt gedaan met behulp van een geavanceerde diffusie-gewogen magnetische resonantie imaging protocol en regio-of-interest gebaseerde analyse van parametrische diffusie kaarten.

Geavanceerde diffusie beeldvorming in de hippocampus van ratten met mild traumatisch hersenletsel

Hier presenteren we een protocol om magnetische resonantie (MR) beelden te verkrijgen van multiple sclerose (MS) patiëntenhersenen bij 7,0 Tesla. Het protocol omvat de voorbereiding van de opstelling inclusief de radiofrequentiespoelen, gestandaardiseerde interviewprocedures met MS-patiënten, positionering van het onderwerp in de MR-scanner en MR-gegevensverzameling.

Magnetic Resonance Imaging van Multiple Sclerose bij 7.0 Tesla

Leer diffusietensorbeeldvorming (DTI) voor de analyse van neurodegeneratieve ziekten. Deze methode combineert whole brain-based spatial statistics en TrackWise fractionele anisotropie-statistieken om witte-stofpathologie te identificeren.

Diffusion Tensor Magnetic Resonance Imaging in de analyse van neurodegeneratieve ziekten

Meer video's verkennen