Artykuł metodologiczny

Jak mierzyć fałdowanie kory na obrazach MR: samouczek krok po kroku dotyczący obliczania lokalnego wskaźnika gyryfikacji

DOI:

10.3791/3417

⸱

2 stycznia 2012

 ,  ,  ,  ,  , 
1Department of Psychiatry, University of Geneva School of Medicine, 2Signal Processing Laboratory, École Polytechnique Fédérale de Lausanne, 3Department of Radiology, University Hospital Center and University of Lausanne, 4Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital

W tym artykule

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Pomiar gentryfikacji (fałdowania kory) w dowolnym wieku stanowi wgląd we wczesny rozwój mózgu. W związku z tym opracowaliśmy wcześniej algorytm służący do pomiaru lokalnej gentryfikacji w tysiącach punktów na całej półkuli1. W niniejszej pracy szczegółowo opisujemy obliczanie tego wskaźnika lokalnej gentryfikacji.

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Fałdowanie kory (gyryfikacja) kształtuje się w pierwszych miesiącach życia, w związku z czym zdarzenia niepożądane występujące w tym okresie pozostawiają ślady, które będą możliwe do zidentyfikowania w każdym wieku. Jak niedawno wskazali Mangin i współpracownicy2, istnieje kilka metod ilościowego określania różnych cech gyryfikacji. Na przykład morfometria bruzd może być wykorzystana do pomiaru deskryptorów kształtu, takich jak głębokość, długość lub wskaźniki asymetrii międzyhemisferycznej3. Te właściwości geometryczne mają tę zaletę, że są łatwe w interpretacji. Jednakże morfometria bruzd ściśle zależy od dokładnej identyfikacji określonego zestawu bruzd, a zatem dostarcza fragmentarycznego opisu gyryfikacji. Bardziej szczegółowe ilościowe określenie gyryfikacji można osiągnąć za pomocą pomiarów opartych na krzywiźnie, gdzie wygładzona bezwzględna średnia krzywizna jest zazwyczaj obliczana w tysiącach punktów na powierzchni kory4. Krzywizna nie jest jednak łatwa do zrozumienia, ponieważ pozostaje niejasne, czy istnieje bezpośredni związek między stopniem zakrzywienia a biologicznie istotnym korelatem, takim jak objętość lub powierzchnia kory. Aby rozwiązać różnorodne problemy związane z pomiarem fałdowania kory, opracowaliśmy wcześniej algorytm do ilościowego określania lokalnej gyryfikacji z wyjątkową rozdzielczością przestrzenną i prostą interpretacją. Nasza metoda jest inspirowana wskaźnikiem gyryfikacji (Gyrification Index5), metodą pierwotnie stosowaną w neuroanatomii porównawczej do oceny różnic w fałdowaniu kory między gatunkami. W naszej implementacji, którą nazywamy lokalnym wskaźnikiem gyryfikacji (local Gyrification Index, lGI1), mierzymy ilość kory ukrytej w fałdach bruzd w porównaniu z ilością widocznej kory w okrągłych obszarach zainteresowania. Biorąc pod uwagę, że kora rośnie głównie poprzez ekspansję radialną6, nasza metoda została zaprojektowana specjalnie w celu identyfikacji wczesnych wad rozwoju kory.

W niniejszym artykule szczegółowo opisujemy obliczanie lokalnego wskaźnika gyryfikacji (lGI), który jest obecnie udostępniany bezpłatnie jako część oprogramowania FreeSurfer (http://surfer.nmr.mgh.harvard.edu/, Martinos Center for Biomedical Imaging, Massachusetts General Hospital). FreeSurfer dostarcza zestaw zautomatyzowanych narzędzi do rekonstrukcji powierzchni kory mózgowej na podstawie strukturalnych danych MRI. Powierzchnia kory wyekstrahowana w natywnej przestrzeni obrazów z dokładnością submilimetrową jest następnie wykorzystywana do stworzenia powierzchni zewnętrznej, która posłuży jako podstawa do obliczeń lGI. Następnie na powierzchni zewnętrznej wyznacza się okrągły obszar zainteresowania (ROI), a odpowiadający mu obszar na powierzchni kory identyfikuje się za pomocą algorytmu dopasowującego, opisanego w naszym badaniu walidacyjnym1. Proces ten jest wielokrotnie powtarzany dla w znacznym stopniu nachodzących na siebie obszarów zainteresowania, co pozwala na uzyskanie map gyryfikacji kory do późniejszych porównań statystycznych (Rys. 1). Warto zauważyć, że inny pomiar lokalnej gyryfikacji o podobnej koncepcji został zaproponowany przez Toro i współpracowników7, gdzie wskaźnik sfałdowania w każdym punkcie oblicza się jako stosunek powierzchni kory zawartej w sferze do powierzchni tarczy o tym samym promieniu. Obie implementacje różnią się tym, że metoda Toro i wsp. opiera się na odległościach euklidesowych i tym samym uwzględnia nieciągłe fragmenty powierzchni kory, podczas gdy nasza metoda wykorzystuje rygorystyczny algorytm geodezyjny i obejmuje wyłącznie ciągły fragment powierzchni kory otwierający się na powierzchni mózgu w okrągłym obszarze zainteresowania.

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Rekonstrukcja trójwymiarowych powierzchni kory

Ta pierwsza część protokołu wykorzystuje standardowy potok przetwarzania FreeSurfer, zgodnie z opisem w Wiki (http://surfer.nmr.mgh.harvard.edu/fswiki). Należy zauważyć, że szczegółowo opisane tutaj polecenia stanowią jeden ze sposobów uzyskania rekonstrukcji powierzchni kory, jednak można również zastosować równoważne polecenia.

  1. Zaimportuj surowe dane MRI DICOM do programu FreeSurfer i zweryfikuj jakość obrazu (np. czy orientacja jest prawidłowa, kontrast wystarczający, a obrazy nie wykazują artefaktów ruchowych). W tym procesie wykorzystuje się następujące polecenia (należy zastąpić tekst w nawiasach <...> (włącznie) wartościami odpowiednimi dla konkretnego przypadku, a znak "#" oznacza komentarze):

    mksubjdirs # tworzenie architektury folderów używanej przez FreeSurfer
    cd /mri # przejście do folderu mri danego badanego
    mri_convert -cm 001.mgz # konwersja surowych danych MRI do formatu FreeSurfer
    tkmedit 001.mgz # wizualizacja skonwertowanej objętości

  2. Utwórz trójwymiarowe modele siatkowe kory mózgowej8,9. Aby rozwiązać problem zakopanych bruzd, FreeSurfer najpierw tworzy jednolitą objętość istoty białej, która służy jako punkt wyjścia dla początkowej powierzchni granicy istoty szarej i białej. Powierzchnia ta jest następnie optymalizowana zgodnie z lokalnym gradientem intensywności i dalej rozszerzana do granicy istoty szarej i płynu mózgowo-rdzeniowego (CSF).

    recon-all -s # uruchomienie rekonstrukcji powierzchni kory

    Na koniec procesu rekonstrukcji otrzymasz dwa modele siatkowe składające się z około 150 000 punktów dla każdej półkuli: powierzchnię białą (granica istoty szarej i białej) oraz powierzchnię pialną (granica istoty szarej i CSF). Ważne jest, aby zauważyć, że wszystkie powierzchnie i objętości pozostają w przestrzeni natywnej, co pozwala na pomiar objętości, powierzchni, grubości lub indeksu gyryfikacji bez deformacji.
  3. Sprawdź dokładność zrekonstruowanych powierzchni:

    tkmedit T1.mgz ?h.pial # powierzchnia biała jest nałożona na zielono, a powierzchnia pialna na czerwono

    gdzie ?h oznacza półkulę: lh.pial dla lewej półkuli i rh.pial dla prawej półkuli. Rysunek 2 (w 2 wersjach: jako animowany obraz gif do filmu oraz obraz statyczny na stronę internetową) przedstawia przykład poprawnej rekonstrukcji powierzchni białej i pialnej dla badanego „bert”, dostarczonego wraz z pakietem FreeSurfer. Jeśli konieczna jest ręczna korekta wyniku procesu rekonstrukcji, odpowiedni samouczek znajduje się w Wiki FreeSurfer (http://surfer.nmr.mgh.harvard.edu/fswiki/FsTutorial/WhiteMatterEdits , http://surfer.nmr.mgh.harvard.edu/fswiki/FsTutorial/PialEdits).

2. Oblicz lokalny indeks gyryfikacji

Po uzyskaniu satysfakcjonujących powierzchni oblicz lokalny indeks gyryfikacji (lGI), używając polecenia:

recon-all -lgi -s

Ta komenda zazwyczaj wykonuje się przez około 3 godziny dla obu półkul jednego uczestnika badania, w zależności od mocy stacji roboczej. Różne etapy procesu lGI przedstawiono w Fig. 1. Obliczenia rozpoczynają się od stworzenia powierzchni zewnętrznej przy użyciu operacji domykania morfologicznego. Ta powierzchnia zewnętrzna, oznaczona jako ?h.pial_outer_smoothed, jest dalej zilustrowana w Fig. 3. Następnie na powierzchni zewnętrznej tworzonych jest około 800 nakładających się okrągłych obszarów zainteresowania. Dla każdego z tych obszarów definiowany jest odpowiadający obszar zainteresowania na powierzchni pialnej. Cały proces obliczeniowy kończy się utworzeniem indywidualnej mapy zawierającej jedną wartość lGI dla każdego punktu powierzchni kory (tj. ~150 000 wartości na półkulę).

3. Sprawdzenie wyniku obliczeń lGI dla każdej półkuli

tksurfer ?h pial -overlay /surf/?h.pial_lgi -fthresh 1

Wartości lGI są nałożone na powierzchnię kory. Ponieważ prawidłowe wartości lGI zazwyczaj mieszczą się w przedziale od 1 do 5, ustawienie minimalnego progu na 1 (za pomocą opcji fthresh) umożliwia szybką weryfikację: nie powinno być widocznych żadnych szarych obszarów kory. Przykład prawidłowego wyniku indywidualnego przedstawiono na Rys. 4.

4. Statystyczne porównania grup

Celem jest ilościowe określenie wpływu grupy w każdym wierzchołku na powierzchni kory przy jednoczesnej kontroli wpływu płci oraz wieku. Należy postępować zgodnie z tą samą procedurą, która byłaby zastosowana do porównania grubości kory w każdym wierzchołku, lecz podając ?h.pial_lgi zamiast ?h.thickness. Do obliczenia statystycznych porównań grupowych dostępne są dwie opcje: w pierwszej kolejności wymienione zostały klasyczne polecenia, a następnie krótko wspomniano o interfejsie graficznym (Qdec).

  1. Pierwsza opcja do porównania lWyniki istotności grupowej (GI) pomiędzy grupami uzyskuje się za pomocą wymienionych poniżej poleceń; dalsze szczegóły można znaleźć w Analiza grupowa W analizie grupowej dąży się do wyciągnięcia wniosków na temat całej populacji na podstawie danych uzyskanych z grupy próbek. Jest to proces statystyczny, który pozwala na uśrednienie wyników z wielu osób w celu zidentyfikowania efektów, które są spójne dla całej grupy, przy jednoczesnym odfiltrowaniu indywidualnych różnic (szumu). Podstawowe koncepcje Przeciętna grupa Najprostszą formą analizy grupowej jest obliczenie średniej z map statystycznych wszystkich uczestników w danej grupie. Jeśli każdy uczestnik posiada mapę obrazującą np. różnicę w aktywacji między warunkiem A a warunkiem B, średnia z tych map wskaże obszary, w których efekt ten występuje najsilniej w całej grupie. Testy statystyczne (t-testy) Sama średnia nie wystarcza do wyciągnięcia wniosków naukowych, ponieważ nie mówi nam ona, czy zaobserwowany efekt jest istotny statystycznie. W tym celu stosuje się testy statystyczne, takie jak test t-Studenta. Test ten porównuje średnią różnicę między grupami (lub warunkami) do zmienności wewnątrz tych grup. Wynikiem jest mapa wartości t, gdzie wysokie wartości wskazują na obszary, w których różnica jest znacznie większa niż oczekiwany szum. Korekta na wielokrotne porównania Ponieważ analizy obrazowe obejmują tysiące pojedynczych wokseli, istnieje wysokie prawdopodobieństwo znalezienia „istotnych” wyników przez czysty przypadek (błędy pierwszego rodzaju). Aby temu zapobiec, stosuje się metody korekty, takie jak: - Korekcja Bonferroniego: Bardzo rygorystyczna metoda dzieląca poziom istotności przez liczbę testów. - Kontrola FDR (False Discovery Rate): Mniej rygorystyczna metoda, kontrolująca proporcję fałszywie pozytywnych wyników wśród wszystkich istotnych wyników. - Korekcja klastrowa: Zakłada, że prawdziwe efekty biologiczne obejmują grupy sąsiadujących wokseli, a nie pojedyncze, izolowane punkty. Modelowanie liniowe (GLM) W bardziej złożonych badaniach stosuje się General Linear Model (GLM). Pozwala on na analizę wpływu wielu zmiennych jednocześnie, np. porównanie dwóch grup przy jednoczesnej kontroli wieku lub płci uczestników jako zmiennych towarzyszących (covariates). Procedura analizy grupowej w FreeSurfer 1. Generowanie map indywidualnych: Dla każdego uczestnika oblicza się mapy statystyczne (np. różnice w grubości kory lub intensywności sygnału). 2. Agregacja danych: Mapy te są łączone w jedną strukturę danych grupowych. 3. Wykonanie testu statystycznego: Obliczanie wartości p lub t dla każdego woksela/wierzchołka powierzchni. 4. Zastosowanie progu istotności: Nałożenie korekty na wielokrotne porównania, aby wyodrębnić obszary istotne statystycznie. 5. Wizualizacja: Nałożenie wyników statystycznych na standardowy mózg (atlas), aby zidentyfikować anatomiczną lokalizację efektów..
    1. Najpierw należy stworzyć szablon specyficzny dla badania, wprowadzając wszystkich uczestników:

      make_average_subject --subjects ...

      Powyższe polecenie utworzy obiekt o nazwie „average”. Alternatywnie można użyć obiektu „fsaverage”, który jest dystrybuowany jako część FreeSurfer rozkład
    2. Następnie utwórz plik tekstowy zawierający opis podmiotów biorących udział w badaniu (the "Plik deskryptora grupy FreeSurfer"). Plik FSGD.txt powinien wyglądać następująco:

      PlikOpisuGrupy 1
      Grupa kontrolna_samce
      Grupa kontrolna_samice
      Grupa Pacjent_Mężczyzna
      Grupa Pacjentki_Kobieta
      Zmienne Wiek
      Proszę podać tekst źródłowy do tłumaczenia. Pacjent_Mężczyzna 20
      Proszę podać tekst źródłowy do tłumaczenia. Kontrolna_Samica 23
      <…>
    3. Ponownie pobierz próbki z ldane GI w przestrzeni średniego badanego, używając następującego polecenia dla każdej półkuli:

      mris_preproc --fsgd FSGD.txt --target average --hemi ?h --meas pial_lgi --out ?h.lgi.mgh
    4. Wygładź dane na powierzchni kory w celu zmniejszenia poziomu szumu:

      mri_surf2surf --hemi ?h --s average --sval ?h.lgi.mgh --fwhm 10 --tval ?h.10.lgi.mgh
    5. Oblicz porównanie grup na poziomie każdego wierzchołka. W tym celu należy utworzyć plik tekstowy z kontrastem (np. w przypadku opisanego powyżej pliku FSGD.txt, plik „contrast.txt” będzie zawierał wartości „1 1 -1 -1 0”, aby obliczyć różnicę między grupą kontrolną a pacjentami, kontrolując wiek i płeć). Na koniec uruchom porównanie:

      mri_glmfit --y ?h.10.lgi.mgh --fsgd FSGD.txt doss --glmdir ?h.lgi.glmdir --surf average ?h --C contrast.txt
    6. Wizualizacja wyników dla przeciętnego badanego za pomocą tksurfer:

      średnia tksurfer ?h nadmuchiwany

      Następnie załaduj jako nakładkę plik sig.mgh znajdujący się w folderze ?h.lgi.glmdir/contrast.txt/sig.mgh. Korzystając z opcji „configure overlay”, możesz dodatkowo zmodyfikować p próg, a także korekta dla wielokrotnych porównań z wykorzystaniem stopy fałszywych odkryć10.
  2. Alternatywną opcją porównywania grup jest zastosowanie Qdec, graficznego interfejsu użytkownika zaimplementowanego w FreeSurferZastosowanie wskaźnika Qdec wraz z lokalnym wskaźnikiem gyryfikacji (Gyrification Index) wymaga wcześniejszego wygładzenia ldane GZ:

    recon-all -qcache -measure pial_lgi -average -s

    W przypadku Qdec plik Deskryptora Grup FreeSurfera (FreeSurfer Group Descriptor File) zostaje zastąpiony nieco inną wersją, czyli Tabelą Danych (qdec.table.dat), która zawiera opisy poszczególnych grup oraz inne zmienne zakłócające, takie jak wiek. Szczegółowy opis wykorzystania Qdec znajduje się w http://surfer.nmr.mgh.harvard.edu/fswiki/FsTutorial/QdecGroupAnalysis.
    Należy zauważyć, że jeśli lWskaźnik GI nie jest dostępny na liście zmiennych zależnych w programie Qdec; należy dodać poniższą linię do pliku .Qdecrc znajdującego się w katalogu domowym:

    MEASURE1 = pial_lgi

5. Analiza

Alternatywnie, analizy statystyczne można w końcowej fazie obliczyć na poziomie parcellacji kory zintegrowanej z FreeSurfer11. W tym celu można wyodrębnić średnie wartości lGI dla 34 obszarów zainteresowania w zakrętach dla każdej półkuli, a następnie porównać te pomiary pomiędzy różnymi grupami. Taka analiza cząstkowa (w przeciwieństwie do opisanej powyżej analizy wierzchołkowej) może być korzystna, ponieważ ogranicza liczbę porównań statystycznych. Jednakże lGI w każdym punkcie kwantyfikuje girusację w otaczającym obszarze kołowym, zatem średnia wartość lGI w danym obszarze zainteresowania w zakręcie odzwierciedla również w pewnym stopniu girusację w sąsiednich obszarach zainteresowania.

Na koniec, choć w niniejszym protokole opisano najważniejsze kwestie, rozwiązania innych problemów, które mogą wystąpić podczas przetwarzania w programach FreeSurfer lub lGI, można znaleźć w archiwach listy mailingowej FreeSurfer (http://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferSupport).

6. Reprezentatywne wyniki

Zgodnie z opisem w sekcji 1c protokołu, przed obliczeniem lGI należy zawsze starannie sprawdzić dokładność rekonstrukcji powierzchni kory. Podczas przewijania obrazu między płatem czołowym a potylicznym należy zwrócić szczególną uwagę, aby naczynia i błony nie zostały włączone do powierzchni pialnej. Należy również sprawdzić, czy powierzchnia białej substancji dokładnie odwzorowuje granicę między substancją szarą a białą. Przykład poprawnej rekonstrukcji przedstawiono na rysunku 2 (całą objętość można zobaczyć na animowanym obrazie gif).

Po zakończeniu obliczeń lGI należy sprawdzić wyniki dla obu półkul każdego badanego. Żaden obszar kory nie powinien wykazywać wyniku lGI mniejszego niż 1. W sekcji 3 protokołu oraz na rysunku 4 przedstawiono, jak poprawnie zweryfikować, czy wynik obliczeń lGI jest prawidłowy.

figure-protocol-1
Rysunek 1. Przegląd obliczeń lGI. Najpierw, trójwymiarowe modele siatki kory są rekonstruowane z surowych obrazów przy użyciu standardowego potoku FreeSurfer. Algorytmy rekonstrukcyjne te wykorzystują binarną objętość istoty białej jako punkt wyjścia, aby rozwiązać problem ukrytych bruzd. Modele siatki kory zazwyczaj obejmują około 150 000 wierzchołków i są klasycznie wykorzystywane do obliczania grubości kory w każdym punkcie. Podobnie, lokalny indeks gyryfikacji (lGI) będzie obliczany dla każdego wierzchołka. W tym celu tworzona jest powierzchnia zewnętrzna. Następnie, za pomocą algorytmu dopasowania, identyfikowane są odpowiadające sobie okrągłe obszary zainteresowania na powierzchni zewnętrznej i korowej. Po wygenerowaniu około 800 nakładających się obszarów zainteresowania, proces ten skutkuje stworzeniem indywidualnych map lGI. Mapy te można łatwo zinterpretować: indeks 5 oznacza, że w obszarze otaczającym powierzchnia kory wewnątrz bruzd jest 5 razy większa niż widoczna powierzchnia kory; indeks 1 oznacza, że kora w obszarze otaczającym jest płaska. Na koniec, podobnie jak w przypadku porównań grubości kory, oblicza się statystyczne porównania grupowe na poziomie każdego wierzchołka.

Rysunek 1B. Indywidualna mapa korowa lGI. Ten krótki film przedstawia obrót o 360 stopni indywidualnej mapy korowej lGI, ukazanej na ryc. 1. Uderzające jest to, że obszary korowe o wyższych wartościach lGI odpowiadają pierwszym fałdom powstającym w życiu płodowym: szczelinie Sylwiusza, górnej bruździe skroniowej i bruździe wewnątrzciemieniowej w widoku bocznym mózgu oraz bruździe ciemieniowo-potylicznej w widoku przyśrodkowym mózgu. Wyświetl film

figure-protocol-2
Rycina 2. Przykład prawidłowej rekonstrukcji powierzchni kory (jeden przekrój wieńcowy). Po zakończeniu procesu rekonstrukcji należy dokładnie zweryfikować powierzchnie kory w całej objętości mózgowia. Wewnętrzna powierzchnia kory (oznaczona jako powierzchnia białej istoty, na obrazie zaznaczona na zielono) powinna precyzyjnie podążać wzdłuż granicy między istocią szarą a białą. Zewnętrzna powierzchnia kory (tj. granica między istocią szarą a płynem mózgowo-rdzeniowym, oznaczona jako powierzchnia oponowa, tutaj na czerwono) nie powinna obejmować żadnych fragmentów naczyń ani błon. Należy zauważyć, że przedstawiony tutaj przykład wykorzystuje obiekt „bert” dołączony do pakietu FreeSurfer.

Rysunek 2B. Przykład prawidłowej rekonstrukcji powierzchni kory (pełna objętość). Ten animowany obraz GIF przedstawia powierzchnię kory lewej półkuli badanego „bert” na każdym przekroju wieńcowym, widoczną podczas przewijania od najbardziej przednich do najbardziej potylicznych przekrojów wieńcowych w programie FreeSurfer. Wyświetl film

figure-protocol-3
Rysunek 3. Przykład zewnętrznej powierzchni obliczonej w ramach procesu lGI (jeden przekrój wieńcowy). Pierwszym krokiem w obliczeniach lGI jest utworzenie zewnętrznej powierzchni otaczającej półkulę. Powierzchnię tę (oznaczoną jako ?h.pial_outer_smoothed w programie FreeSurfer) można sprawdzić za pomocą tkmedit. W tym przypadku jako przykład wykorzystano obiekt „bert” dostarczony z programem FreeSurfer.

Rycina 3B. Przykład powierzchni zewnętrznej obliczonej w ramach procesu lGI (pełna objętość). Ten animowany obraz GIF przedstawia powierzchnię zewnętrzną lewej półkuli na każdym przekroju wieńcowym, uzyskaną poprzez przewijanie od najbardziej przednich do najbardziej potylicznych przekrojów wieńcowych w programie tkmedit w pakiecie FreeSurfer. Wyświetl film

figure-protocol-4
Rycina 4. Przykład poprawnego wyniku lGI wyświetlonego w programie FreeSurfer. Różne orientacje powierzchni kory mózgu badanego obiektu „bert” z nałożonymi wartościami lGI. Kod kolorystyczny to domyślna nakładka „heat” widoczna w tksurfer w programie FreeSurfer. Przy zastosowaniu minimalnego progu wynoszącego 1 wszystkie wierzchołki muszą być pokolorowane i żaden obszar kory nie powinien być szary. Należy zauważyć, że nakładka kolorystyczna może zostać zmodyfikowana za pomocą opcji „Configure Overlay” w tksurfer, gdzie można również sprawdzić wartości minimalne i maksymalne, a także histogram ogólnego rozkładu lGI.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Powyższy protokół opisuje sposób pomiaru lokalnego wskaźnika gyryfikacji (Gyrification Index) na podstawie obrazowania MRI mózgu w sekwencji T1 oraz przeprowadzanie statystycznych porównań grupowych. Nasza metoda została zaprojektowana specjalnie w celu lokalizacji wczesnych zaburzeń w procesie ekspansji kory mózgowej i w związku z tym jest szczególnie istotna w wielu schorzeniach neurorozwojowych lub psychiatrycznych. Przykłady porównań grupowych w próbkach klinicznych można znaleźć w publikacjach naszej grupy1,12<...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie zgłaszają żadnych konfliktów interesów.

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Badania te były wspierane przez Narodowe Centrum Kompetencji w Badaniach (NCCR) „SYNAPSY - Synaptyczne Podstawy Chorób Psychicznych”, finansowane przez Szwajcarski Narodowy Fundusz Naukowy (n° 51AU40_125759). Opracowanie lokalnego wskaźnika gyryfikacji (Gyrification Index) zostało wsparte grantami ze Szwajcarskiego Narodowego Funduszu Badań przyznanymi dr Marie Schaer (323500-111165) oraz dr Stephanowi Eliezowi (3200-063135.00/1, 3232-063134.00/1, PP0033-102864 oraz 32473B-121996), a także przez Centrum Obrazowania Biomedycznego (CIBM) Uniwersytetów Genewskiego i Lausanne oraz EPFL, jak również przez fundacje Leenaards i Louis-Jeantet. Wsparcie dla rozwoju oprogramowania FreeSurfer zostało zapewnione w części przez National Center for Research Resources (P41-RR14075 oraz NCRR BIRN Morphometric Project BIRN002, U24 RR021382), National Institute for Biomedical Imaging and Bioengineering (R01 EB001550, R01EB006758), National Institute for Neurological Disorders and Stroke (R01 NS052585-01), a także Mental Illness and Neuroscience Discovery (MIND) Institute i stanowi część National Alliance for Medical Image Computing (NAMIC), finansowanej przez National Institutes of Health w ramach NIH Roadmap for Medical Research, Grant U54 EB005149. Dodatkowe wsparcie zapewnił The Autism & Dyslexia Project finansowany przez Ellison Medical Foundation.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Materiały: stacja robocza Unix lub Mac z procesorem 2GHz lub szybszym i minimum 4GB pamięci RAM, z zainstalowanym oprogramowaniem FreeSurfer (http://surfer.nmr.mgh.harvard.edu/fswiki, najlepiej w najnowszej wersji, lecz nie starszej niż 4.0.3). W celu obliczenia lokalnego wskaźnika gyryfikacji (Gyrification Index) wymagany jest również program MATLAB (http://www.mathworks.com/) wraz z Image Processing Toolbox.
Dane: Próbka wysokiej jakości (wysokiej rozdzielczości, o wysokim kontraście) zestawu danych MRI mózgu w obrazowaniu T1-zależnym. Grupy badawcze powinny być najlepiej dopasowane pod względem wieku i płci. Biorąc pod uwagę normalną zmienność morfologii mózgu między osobnikami, liczba badanych w każdej grupie powinna być wystarczająca, aby zidentyfikować istniejące różnice grupowe (im więcej, tym lepiej). Rozsądna minimalna liczebność próby to około 20 osób na grupę (choć można zastosować mniejszą liczbę, jeśli intensywność zmian jest duża, a grupy są ściśle dopasowane pod względem płci i wieku).
FreeSurfer Martinos Center for Biomedical Imaging, MGHWersja nowsza niż 4.0.3
MatlabMathworksImage Processing Toolbox

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Schaer, M. A surface-based approach to quantify local cortical gyrification. IEEE. Trans. Med. Imaging. 27, 161-170 (2008).
  2. Mangin, J. F., Jouvent, E., Cachia, A. In-vivo measurement of cortical morphology: means and meanings. Curr. Opin. Neurol. 23, 359-367 (2010).
  3. Mangin, J. F. A framework to study the cortical folding patterns. Neuroimage. 23, Suppl 1. S129-S138 (2004).
  4. Luders, E. A curvature-based approach to estimate local gyrification on the cortical surface. Neuroimage. 29, 1224-1230 (2006).
  5. Zilles, K., Armstrong, E., Schleicher, A., Kretschmann, H. J. The human pattern of gyrification in the cerebral cortex. Anat. Embryol. (Berl). 179, 173-179 (1988).
  6. Rakic, P. Specification of cerebral cortical areas. Science. 241, 170-176 (1988).
  7. Toro, R. Brain size and folding of the human cerebral cortex. Cereb. Cortex. 18, 2352-2357 (2008).
  8. Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. Neuroimage. 9, 195-207 (1999).
  9. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. Neuroimage. 9, 179-194 (1999).
  10. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimage. 15, 870-878 (2002).
  11. Desikan, R. S. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest. Neuroimage. 31, 968-980 (2006).
  12. Schaer, M. Congenital heart disease affects local gyrification in 22q11.2 deletion syndrome. Dev. Med. Child. Neurol. 51, 746-753 (2009).
  13. Palaniyappan, L., Mallikarjun, P., Joseph, V., White, T. P., Liddle, P. F. Folding of the Prefrontal Cortex in Schizophrenia: Regional Differences in Gyrification. Biol. Psychiatry. , (2011).
  14. Zhang, Y. Decreased gyrification in major depressive disorder. Neuroreport. 20, 378-380 (2009).
  15. Juranek, J., Salman, M. S. Anomalous development of brain structure and function in spina bifida myelomeningocele. Dev. Disabil. Res. Rev. 16, 23-30 (2010).
  16. Zhang, Y. Reduced cortical folding in mental retardation. AJNR. Am. J. Neuroradiol. 31, 1063-1067 (2010).
  17. Kuperberg, G. R. Regionally localized thinning of the cerebral cortex in schizophrenia. Archives of general psychiatry. 60, 878-888 (2003).
  18. Milad, M. R. Thickness of ventromedial prefrontal cortex in humans is correlated with extinction memory. Proc. Natl. Acad. Sci. U. S. A. 102, 10706-10711 (2005).
  19. Rauch, S. L. A magnetic resonance imaging study of cortical thickness in animal phobia. Biol. Psychiatry. 55, 946-952 (2004).
  20. Fjell, A. M. Selective increase of cortical thickness in high-performing elderly--structural indices of optimal cognitive aging. Neuroimage. 29, 984-994 (2006).
  21. Walhovd, K. B. Regional cortical thickness matters in recall after months more than minutes. Neuroimage. 31, 1343-1351 (2006).
  22. Gold, B. T. Differing neuropsychological and neuroanatomical correlates of abnormal reading in early-stage semantic dementia and dementia of the Alzheimer type. Neuropsychologia. 43, 833-846 (2005).
  23. Salat, D. H. Thinning of the cerebral cortex in aging. Cereb. Cortex. 14, 721-730 (2004).
  24. Schaer, M., Eliez, S. Contribution of structural brain imaging to our understanding of cortical development process. European Psychiatry Reviews. 2, 13-16 (2009).
  25. Shaw, P. Neurodevelopmental trajectories of the human cerebral cortex. J. Neurosci. 28, 3586-3594 (2008).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Oprogramowanie FreeSurferrekonstrukcja powierzchni kory m zgowejanaliza danych MRIalgorytm domykania morfologicznegokoliste obszary zainteresowaniaalgorytm geodezyjnyanaliza wierzcho kowastatystyczne por wnanie grup

Powiązane artykuły