25 september 2019
Hier is een praktische tutorial voor een Open-Access, gestandaardiseerde beeldverwerking pijpleiding voor het doel van laesie-symptoom mapping. Voor elke verwerkingsstap wordt een stapsgewijze uitleg gegeven, van handmatige infarct segmentatie op CT/MRI tot daaropvolgende registratie naar standaard ruimte, samen met praktische aanbevelingen en illustraties met voorbeeldige cases.
Laesie-symptoom mapping is een krachtig hulpmiddel om hersenfuncties te lokaliseren door het bestuderen van patiënten met hersenletsels. Een belangrijke stap is beeldverwerking, waaronder laesiesegmentatie en registratie naar standaardruimte. Dit protocol beschrijft een uniform kader dat werkt met alle structurele beeldvorming modaliteiten, het verstrekken van een consistente output van laesies in de standaard ruimte voor gebruik in laesie-symptoom mapping studies.
De laesies moeten worden omgezet in standaardruimte om vergelijkingen tussen proefpersonen mogelijk te maken. De hersenen van elke patiënt moeten ruimtelijk zijn uitgelijnd om te corrigeren voor verschillen in hersengrootte en vorm. Tijdens het gebruik van deze methode, het helpt om te zien hoe elke stap moet worden uitgevoerd, in plaats van het volgen van schriftelijke instructies alleen.
Het vereist ook een goed begrip van hersenbeelden, wat een visuele demonstratie nuttig maakt. In dit protocol wordt beschreven hoe u de verwerkingsstappen uitvoert die nodig zijn voor het in kaart brengen van laesie-symptomen. Zodra de laesiekaarten zijn geregistreerd in de standaardruimte, kan laesie-symptoommapping worden uitgevoerd op grote groepen patiënten.
Wanneer alle laesiekaarten worden omgezet in standaardruimte, vertegenwoordigt elke voxel hetzelfde hersengebied tussen proefpersonen. Hierdoor kunnen statistische analyses worden uitgevoerd, bijvoorbeeld om te testen of de aanwezigheid van een laesie in een bepaalde voxel wordt geassocieerd met een cognitief tekort. Begin met het verzamelen van hersenen CT of MRI-scans van patiënten met ischemische beroerte.
De meeste scanners hebben de scans als DICOM-bestanden die kunnen worden gekopieerd naar een harde schijf of server. Verzamel de klinische variabelen in een gegevensbestand door afzonderlijke rijen te maken voor elk geval en kolommen voor elke klinische variabele. Voor infarctsegmentatie, omvatten ten minste de datum van de beroerte en de datum van beeldvorming of een variabele die het tijdsinterval tussen lijn en beeldvorming aangeeft.
Als u de DICOM-afbeeldingen wilt converteren naar niet-gecomprimeerde NIfTI-bestanden, typt u met het gereedschap DICOM-naar-NIfTI de opdracht hier in de opdrachtprompt op het scherm met behulp van het mappad naar de DICOM-bestanden. Een voorbeeld van de opdracht met de ingevoegde mappaden is hier te zien. Met deze opdracht worden de uitvoerbare uitgevoerd, worden de DICOM-afbeeldingen in de geselecteerde map geconverteerd en worden de NIfTI-bestanden in deze map opgeslagen.
Tot slot, organiseer de NIfTI-bestanden in een handige mapstructuur, met een submap voor elk geval, voordat u begint met infarctsegmentatie. Zorg er eerst voor dat de scan ten minste 24 uur na het begin van de beroerte symptoom werd uitgevoerd. Anders is het acute infarct niet zichtbaar op CT of is het slechts gedeeltelijk zichtbaar en kan de scan niet worden gebruikt voor segmentatie.
Open de native CT met behulp van ITK-SNAP-software door Bestand te selecteren en open hoofdafbeelding in het vervolgkeuzemenu. Klik vervolgens op Bladeren en selecteer het bestand om de scan te openen. Identificeer nu het infarct op basis van beeldvormingskenmerken.
Ten eerste, merk op dat infarcten hebben een laag signaal in vergelijking met normaal hersenweefsel. In het acute stadium kunnen grote infarcten massa-effect veroorzaken, wat resulteert in verplaatsing van omliggende weefsels, compressie van ventrikels, midline shift en vernietiging van sulci. Er kan hemorragische transformatie zijn, die zichtbaar is als regio's met een hoog signaal binnen het infarct.
In het chronische stadium zal het infarct bestaan uit een hypodense, cavitated centrum, met een vergelijkbare dichtheid als de hersenvocht, en een minder hypodense rand, die beschadigd hersenweefsel vertegenwoordigt. In het geval van grote infarcten, kan er ex vacuo uitbreiding van aangrenzende sulci of ventrikels. Segmenteer het hersenweefsel met behulp van de Penseelmodus vanaf de hoofdwerkbalk, klik met links om te tekenen en klik met de rechtermuisknop om te wissen.
U ook de Polygoonmodus gebruiken om ankerpunten aan de randen van de laesie te plaatsen en de linkermuisknop ingedrukt te houden terwijl u de muis over de randen van de laesie beweegt. Zodra alle punten zijn verbonden, klikt u op accepteren om het afgebakende gebied te vullen. Sla deze na het beëindigen van de segmentatie op als een binair NIfTI-bestand in dezelfde map als de scan door te klikken op Segmentatie en Segmentatieafbeelding op te slaan in het vervolgkeuzemenu en sla de segmentatie op door het exact dezelfde naam te geven als de gesegmenteerde scan, met de uitbreiding van laesie.
Zorg er eerst voor dat de DWI-scan werd uitgevoerd binnen zeven dagen na het begin van een beroerte. Infarcten zijn zichtbaar op DWI binnen enkele uren na het begin van een beroerte, en hun zichtbaarheid op DWI neemt geleidelijk af na ongeveer zeven dagen. Vervolgens identificeren en annoteren van de infarct hersenweefsel op basis van het hoge signaal op DWI en laag signaal op de ADC-kaart.
Vergis je niet in een hoge diffusie signaal in de buurt van interfaces tussen lucht en weefsel of bot, die een algemeen waargenomen artefact op DWI. Voor FLAIR beeldvorming, controleer eerst of de scan werd uitgevoerd 48 uur na beroerte symptoom begin. In de hyperacute fase is het infarct meestal niet zichtbaar, of de exacte grenzen zijn onduidelijk.
Open vervolgens de FLAIR-afbeelding in ITK-SNAP, evenals de T1-gewogen scan in een apart venster voor referentie, indien beschikbaar. In het acute stadium is het infarct zichtbaar als een enigszins homogene hyperintense laesie, met of zonder zwelling en massa-effect. Gebruik indien beschikbaar de DWI om onderscheid te maken tussen het acute infarct en chronische laesies, zoals witte stof hyperintensiteiten.
Om afbeeldingen te registreren, download je reglsm eerst en gebruik deze tool om CT-scans of enige vorm van MRI-sequentie te verwerken. De registratieprocedure is terug te zien in de hier getoonde figuur. Open vervolgens MATLAB-versie 2015a of hoger, stel de huidige map in op RegLSM en schakel SPM in door addpath te typen, gevolgd door de mapnaam voor SPM.
Typ vervolgens RegLSM om de grafische interface te openen. Als u de registratie voor één aanvraag wilt uitvoeren, selecteert u De testmodus in het vervolgkeuzemenu Registratie. Gebruik vervolgens de knop Afbeelding openen om de gesegmenteerde scan, de annotatie en eventueel de T1 te selecteren en selecteer het gewenste registratieschema.
Als alternatief kan batchmodus worden gebruikt om alle aanvragen in de geselecteerde map te registreren. Zorg ervoor dat RegLSM de resulterende registratieparameters, de geregistreerde scans en de geregistreerde laesiekaart in de automatisch gegenereerde submappen heeft opgeslagen. Bekijk nu de registratieresultaten door Resultaten controleren in de RegLSM-interface te selecteren en blader naar de hoofdmap met deze resultaten.
Blader door de geregistreerde scan en gebruik het vizier om de uitlijning van de MNI152-sjabloon te controleren, met aandacht voor herkenbare anatomische oriëntatiepunten. Zorg ervoor dat u alle mislukte registraties in een aparte kolom in het eerder gemaakte gegevensbestand markeert voor volgende handmatige correctie. Open de MNI152 T1-sjabloon in ITK-SNAP voor kaart waarvoor correctie nodig is en selecteer Segmentatie openen in het menu Segmentatie en kies de kaart voor geregistreerde laesie, die wordt overlay op de sjabloon.
Open ook de registratieresultaten in een apart venster ter referentie. Corrigeer de geregistreerde laesiekaart in ITK-SNAP voor elk type verkeerde uitlijning, met behulp van de penseelfunctie om voxels toe te voegen met linksklikken of voxels met de rechtermuisknop te verwijderen. Sla ten slotte de gecorrigeerde laesiekaart op als een NIfTI-bestand in dezelfde map als de kaart van ongecorrigeerde laesies en sla de segmentatie op door deze exact dezelfde naam te geven als de kaart voor ongecorrigeerde laesies, met de uitbreiding van gecorrigeerd.
Hier zien we CT-scans voor een enkele patiënt. De eerste scan kan niet worden gebruikt voor segmentatie omdat het infarct nog niet zichtbaar is, hoewel de CT-perfusiekaarten ischemie laten zien. De CT op dag zes toont zwelling van het infarctige hersenweefsel met lichte midline shift en hemorragische transformatie.
De scan na vier maanden toont verlies van hersenweefsel met ex vacuo vergroting van ventrikels en nabijgelegen sulci. Het resultaat van de registratie van de CT op dag zes van de MNI152 template is hier te zien. Het registratiealgoritme compenseerde onvoldoende de midlineverschuiving en compressie van de linkerventrikel, die een handmatige correctie vereiste.
Na correctie is de geregistreerde laesiekaart een nauwkeurige weergave van het infarct in de inheemse ruimte en kan deze worden gebruikt voor laesie-symptoommapping. Hier zien we een vergelijking van de geregistreerde DWI-sequentie en het bijbehorende geregistreerde infarct met de MNI152-sjabloon. Let op de lichte fout aan het hoofd van de rechter caudate kern.
Dit vereiste een handmatige correctie van de segmentatie in de standaardruimte. Ten slotte toont dit cijfer de resultaten van de registratie van de MRI FLAIR-sequentie op dag drie, wat voldoende is en geen handmatige correctie vereist. Dit protocol omvat het proces van het voorbereiden van beeldvormende gegevens voor laesie-symptoom mapping, inclusief praktische richtlijnen over hoe nauwkeurige infarctsegmentatie en registratie uit te voeren op een hersensjabloon.
De laesiekaarten kunnen worden gebruikt in laesie-symptoom mapping studies om een specifieke cognitieve functie te lokaliseren of om laesie locatie te gebruiken om cognitieve uitkomst bij beroerte patiënten te voorspellen. Dit protocol versnelt en harmoniseert de workflow voor laesie-symptoom mapping studies, waardoor onderzoekers grote multicenter studies uit te voeren, waaronder honderden tot duizenden onderwerpen.
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Dit artikel biedt een praktische handleiding voor een open-access, gestandaardiseerde beeldverwerkingspipeline voor lesion-symptom mapping. Het bevat een stapsgewijze beschrijving van de verwerkingsstappen, van handmatige infarctsegmentatie op CT/MRI tot registratie in een standaardruimte, inclusief praktische aanbevelingen en illustraties.
Gestandaardiseerde segmentatie en registratie van herseninfarcten op MRI of CT maakt robuuste laesie-symptoommapping mogelijk, wat direct bijdraagt aan doelwitvalidatie en mechanische risicoreductie in neurobiologisch onderzoek. Consistente transformatie van laesiedata naar een standaardruimte maakt statistische analyses tussen verschillende cohorten met een hoge betrouwbaarheid mogelijk, waardoor translationele inzichten en portfolio-triage bij de ontdekking van geneesmiddelen voor het centraal zenuwstelsel worden versneld. Deze workflow harmoniseert beelddata over multicenterstudies, wat het voorspellend vertrouwen voor biomarker- en doelwitassociatiestudies vergroot.
Deze methode is geïntegreerd in het continuüm van ontdekking tot preklinisch onderzoek door heterogene beelddata om te zetten in gestandaardiseerde, analyseerbare laesiekaarten voor doelwitvalidatie en biomarkeronderzoek.