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.
Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.
Artykuł metodologiczny
Jak mierzyć fałdowanie kory na obrazach MR: samouczek krok po kroku dotyczący obliczania lokalnego wskaźnika gyryfikacji
W tym artykule
Podsumowanie
Streszczenie
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
1. Rekonstrukcja trójwymiarowych powierzchni kory mózgowej
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 przedstawiają jeden ze sposobów uzyskania rekonstrukcji powierzchni kory, jednak można zastosować również równoważne polecenia.
- Zaimportuj surowe dane MRI DICOM do programu FreeSurfer i zweryfikuj jakość obrazu (np. czy orientacja jest poprawna, kontrast wystarczający, a obrazy nie są przesunięte). W tym procesie wykorzystuje się następujące polecenia (tekst między <...> (włącznie) należy zastąpić wartościami odpowiednimi dla konkretnego przypadku, a znak "#" oznacza komentarze):
mksubjdirs # tworzy architekturę folderów używaną przez FreeSurfer
cd /mri # przechodzi do folderu mri danego obiektu
mri_convert -cm 001.mgz # konwertuje surowe MRI na format # FreeSurfer
tkmedit 001.mgz # wizualizuje skonwertowaną objętość
- Utwórz trójwymiarowe modele siatki kory mózgowej8,9. Aby poradzić sobie z problemem ukrytych bruzd, FreeSurfer najpierw tworzy jednolity wolumen istoty białej, który 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 interfejsu istoty szarej i płynu mózgowo-rdzeniowego (CSF).
recon-all -s # uruchamia rekonstrukcję powierzchni kory mózgowej
Na koniec procesu rekonstrukcji otrzymasz dwa modele siatek składające się z około 150 000 punktów dla każdej półkuli: powierzchnię białą (interfejs istoty szarej i białej) oraz powierzchnię opony miękkiej (interfejs istoty szarej i CSF). Należy zauważyć, że wszystkie powierzchnie i wolumeny pozostają w przestrzeni natywnej, co pozwala na pomiary takie jak objętość, pole powierzchni, grubość lub indeks gyryfikacji bez deformacji.
- Sprawdź dokładność tych zrekonstruowanych powierzchni:
tkmedit T1.mgz ?h.pial # powierzchnia biała jest nałożona na zielono, a powierzchnia opony miękkiej na czerwono
gdzie ?h oznacza półkulę: lh.pial dla półkuli lewej i rh.pial dla półkuli prawej. Rysunek 2 (w 2 wersjach: jako animowany obraz gif do filmu oraz obraz statyczny na stronę internetową) przedstawia przykład poprawnej rekonstrukcji powierzchni białej i opony miękkiej dla obiektu „bert” dostarczonego wraz z pakietem FreeSurfer. Jeśli musisz ręcznie skorygować wynik procesu rekonstrukcji, znajdziesz samouczek w Wiki FreeSurfer (http://surfer.nmr.mgh.harvard.edu/fswiki/FsTutorial/WhiteMatterEdits , http://surfer.nmr.mgh.harvard.edu/fswiki/FsTutorial/PialEdits).
2. Obliczenie lokalnego wskaźnika gyryfikacji
Po upewnieniu się, że powierzchnie są poprawne, oblicz lokalny wskaźnik gyryfikacji (lGI) za pomocą polecenia:
recon-all -lgi -s
Ta komenda zazwyczaj wykonuje się przez około 3 godziny dla obu półkul jednego uczestnika badania, w zależności od wydajności stacji roboczej. poszczególne etapy procesu lGI przedstawiono w schemacie na Rys. 1. Obliczenia rozpoczynają się od utworzenia powierzchni zewnętrznej za pomocą operacji domykania morfologicznego. Powierzchnia zewnętrzna ta, oznaczona jako ?h.pial_outer_smoothed, została dodatkowo zilustrowana na Rys. 3. Następnie na powierzchni zewnętrznej tworzonych jest około 800 nakładających się okrągłych obszarów zainteresowania. Dla każdego z tych obszarów definiowany jest odpowiadający mu obszar zainteresowania na powierzchni pialnej. Cały proces obliczeniowy kończy się utworzeniem indywidualnej mapy zawierającej jedną wartość lGI dla każdego punktu powierzchni kory (tzn. ~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 naniesione na powierzchnię kory mózgowej. Ponieważ prawidłowe wartości lGI zazwyczaj mieszczą się w zakresie od 1 do 5, ustawienie progu minimalnego na 1 (za pomocą opcji fthresh) pozwala na szybką weryfikację: nie powinno być widocznych żadnych szarych obszarów kory. Przykład prawidłowego wyniku indywidualnego przedstawiono na Ryc. 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 tak samo, jak w przypadku porównywania grubości kory w każdym wierzchołku, ale podając
- Pierwsza opcja do porównania lWyniki GI pomiędzy grupami uzyskano za pomocą poniższych poleceń; dalsze szczegóły można znaleźć w Analiza grupowa
Analiza grupowa w FreeSurfer umożliwia badaczom porównanie średnich wartości z wielu podmiotów w różnych grupach. Proces ten obejmuje zazwyczaj dwa etapy: tworzenie map średnich dla każdej grupy oraz przeprowadzanie testów statystycznych w celu zidentyfikowania obszarów, w których różnice między grupami są istotne statystycznie.
Tworzenie map średnich
Kluczowym krokiem w analizie grupowej jest obliczenie średniej mapy dla każdej grupy. Mapy te reprezentują średnią wartość dla każdego wierzchołka (vertex) na powierzchni kory mózgu w obrębie danej grupy.
Aby utworzyć mapę średnią, należy użyć narzędzia `mri_avg`. Narzędzie to uśrednia mapy wejściowe z wielu podmiotów, generując jedną mapę reprezentatywną dla całej grupy.
Statystyczne porównywanie grup
Po wygenerowaniu map średnich dla grup można przeprowadzić testy statystyczne, aby sprawdzić, czy różnice między nimi są istotne. Najbardziej powszechnym podejściem jest zastosowanie testu t-studenta dla prób niezależnych.
W FreeSurfer do tego celu służy narzędzie `mri_glm`, które pozwala na dopasowanie modelu liniowego generalizowanego do danych. Model ten może uwzględniać nie tylko przynależność do grupy, ale także współzmienne (covariates), takie jak wiek lub płeć, w celu skorygowania potencjalnych czynników zakłócających.
Korekcja dla wielu porównań
Ponieważ analiza grupowa obejmuje tysiące poszczególnych testów (po jednym dla każdego wierzchołka), istnieje wysokie ryzyko wystąpienia błędów pierwszego rodzaju (wyników fałszywie dodatnich). Aby temu zapobiec, niezbędne jest zastosowanie procedur korekcji dla wielu porównań.
FreeSurfer oferuje kilka metod kontroli odsetka fałszywych odkryć (FDR - False Discovery Rate) oraz korekcję Bonferroniego, które pomagają w rzetelnym wyznaczeniu statystycznie istotnych klastrów.
Wizualizacja wyników
Wyniki analizy grupowej są zazwyczaj prezentowane w formie map statystycznych nałożonych na standardowy mózg (template). Pozwala to na anatomiczną lokalizację obszarów, w których zaobserwowano istotne różnice w grubości kory, powierzchni lub innych parametrach morfometrycznych.
Kluczowe kroki procesu:
1. Przygotowanie danych: Upewnienie się, że wszystkie podmioty przeszły standardowy proces przetwarzania FreeSurfer.
2. Grupowanie: Podział podmiotów na grupy badawcze i kontrolne.
3. Uśrednianie: Generowanie map średnich dla każdej grupy za pomocą `mri_avg`.
4. Modelowanie statystyczne: Wykonanie testów statystycznych przy użyciu `mri_glm`.
5. Korekcja: Zastosowanie odpowiedniej metody korekcji dla wielu porównań.
6. Interpretacja: Wizualizacja i analiza statystycznie istotnych obszarów..
- Najpierw należy utworzyć szablon specyficzny dla badania, wprowadzając do niego wszystkich badanych:
oblicz_średnią_podmiotu --podmioty ...
Powyższe polecenie utworzy obiekt o nazwie „average”. Alternatywnie można użyć obiektu „fsaverage”, który jest dystrybuowany jako część FreeSurfer rozkład. - Następnie utwórz plik tekstowy zawierający opis podmiotów biorących udział w badaniu (tzw. „Plik deskryptora grupy FreeSurfer"). Plik FSGD.txt powinien wyglądać następująco:
PlikOpisuGrupy 1
Grupa kontrolna_samce
Grupa kontrolna_samice
Grupa Pacjent_Mężczyzna
Grupa Pacjentka_Kobieta
Zmienne: wiek
Proszę podać tekst źródłowy do tłumaczenia. Pacjent_Mężczyzna 20
Proszę podać tekst źródłowy do tłumaczenia. Kontrola_Samiczka 23
<…> - Przeprowadź ponowne próbkowanie To jest jedyny tekst do przetłumaczenia.dane 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
- Wygładź dane na powierzchni kory w celu zmniejszenia stosunku sygnału do szumu:
mri_surf2surf --hemi ?h --s average --sval ?h.lgi.mgh --fwhm 10 --tval ?h.10.lgi.mgh
- Oblicz porównanie grup na poziomie każdego wierzchołka. W tym celu należy utworzyć tekstowy plik kontrastu (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 wpływ wieku i płci). Na koniec wykonaj porównanie:
mri_glmfit --y ?h.10.lgi.mgh --fsgd FSGD.txt doss --glmdir ?h.lgi.glmdir --surf average ?h --C contrast.txt
- Wizualizacja wyników dla średniego badanego przy użyciu oprogramowania tksurfer:
średnia tksurfer ?h nadmuchiwany
Następnie załaduj jako nakładkę plik sig.mgh znajdujący się w folderze ?h.lgi.glmdir/contrast.txt/sig.mgh. Używając opcji „configure overlay”, możesz dodatkowo zmodyfikować p próg, a także korekta dla wielokrotnych porównań z wykorzystaniem stopy fałszywych odkryć (false discovery rate)10.
- Najpierw należy utworzyć szablon specyficzny dla badania, wprowadzając do niego wszystkich badanych:
- Alternatywną opcją porównywania grup jest zastosowanie Qdec, graficznego interfejsu użytkownika zaimplementowanego w FreeSurferZastosowanie Qdec wraz z lokalnym wskaźnikiem gyryfikacji (Gyrification Index) wymaga wstępnego wygładzenia lDane GI:
recon-all -qcache -measure pial_lgi -average -s
W przypadku programu Qdec plik deskryptora grup FreeSurfera (FreeSurfer Group Descriptor File) zostaje zastąpiony nieco inną wersją – tabelą danych (qdec.table.dat), która zawiera opis poszczególnych grup oraz inne zmienne zakłócające, takie jak wiek. Szczegółowy opis wykorzystania programu Qdec znajduje się w http://surfer.nmr.mgh.harvard.edu/fswiki/FsTutorial/QdecGroupAnalysis.
Warto 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 by ostatecznie przeprowadzić na poziomie parcellacji korowej zintegrowanej w programie FreeSurfer11. W tym celu dla 34 obszarów zainteresowania (ROI) zakręty w każdej półkuli można wyodrębnić średnie wartości lGI, a następnie porównać te pomiary pomiędzy różnymi grupami. Taka analiza na poziomie parcell (w przeciwieństwie do opisanej powyżej analizy na poziomie wierzchołków) może być korzystna, ponieważ ogranicza liczbę porównań statystycznych. Należy jednak pamiętać, że lGI w każdym punkcie określa stopień gyrifikacji w otaczającym obszarze kołowym, zatem średnia wartość lGI w danym obszarze zainteresowania zakrętu w pewnym stopniu odzwierciedla również gyrifikację w sąsiednich obszarach zainteresowania.
Na koniec, choć w niniejszym protokole opisano najważniejsze kwestie, rozwiązanie innych problemów, które mogą wystąpić podczas przetwarzania w 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 dokładnie sprawdzić poprawność rekonstrukcji powierzchni korowych. Przewijając obraz pomiędzy płatem czołowym a potylicznym, należy zwrócić szczególną uwagę na to, aby naczynia i błony nie były włączone do powierzchni oponowej. Należy również sprawdzić, czy powierzchnia białej substancji dokładnie odpowiada granicy między substancją szarą a białą. Przykład poprawnej rekonstrukcji przedstawiono na Rysunku 2 (całą objętość można zobaczyć na animowanym obrazie gif).
Na koniec lobliczanie GI, należy również sprawdzić wynik dla obu półkul każdego badanego. Nie powinno być żadnego obszaru kory z lWynik GI mniejszy niż 1. Sekcja 3 protokołu oraz rycina 4 pokazują, jak prawidłowo sprawdzić, czy wynik końcowy lObliczenia GI są poprawne.
Rysunek 1. Przegląd obliczeń lGI. W pierwszej kolejności, z surowych obrazów rekonstruowane są trójwymiarowe modele siatek korowych przy użyciu standardowego potoku FreeSurfer. Algorytmy rekonstrukcyjne te wykorzystują binarną objętość istoty białej jako punkt wyjścia, aby rozwiązać problem zakrytych bruzd. Modele siatek korowych zazwyczaj składają się z około 150 000 wierzchołków i są klasycznie używane do obliczania grubości kory w każdym punkcie. Podobnie, lokalny wskaźnik gyryfikacji (lGI) będzie obliczany dla każdego wierzchołka. W tym celu tworzona jest powierzchnia zewnętrzna. Następnie, przy użyciu algorytmu dopasowania, identyfikowane są odpowiadające sobie koliste obszary zainteresowania na powierzchni zewnętrznej i korowej. Po wygenerowaniu około 800 nakładających się obszarów zainteresowania, proces kończy się stworzeniem indywidualnych map lGI. Mapy te można łatwo interpretować: wskaźnik wynoszący 5 oznacza, że w obszarze otaczającym powierzchnia kory wywinięta do wewnątrz w obrębie bruzd jest 5 razy większa niż widoczna powierzchnia kory; wskaźnik 1 oznacza, że kora w obszarze otaczającym jest płaska. Na koniec, na poziomie każdego wierzchołka obliczane są statystyczne porównania grupowe, analogicznie do porównań grubości kory.
Rysunek 1B. Indywidualna mapa korowa lGI. Ten krótki film przedstawia obrót o 360 stopni indywidualnej mapy korowej lGI, takiej jak pokazano na Rys. 1. Uderzające jest to, że obszary kory o wyższych wartościach lGI odpowiadają pierwszym fałdom powstałym podczas życia płodowego: szczelinie Sylwiusza, bruździe skroniowej górnej oraz bruździe wewnątrzciemieniowej w widoku bocznym mózgu, a także bruździe ciemieniowo-potylicznej w widoku przyśrodkowym mózgu. Obejrzyj film
Rysunek 2. Przykład prawidłowej rekonstrukcji powierzchni kory (jeden przekrój czołowy). Po zakończeniu procesu rekonstrukcji powierzchnie kory powinny zostać dokładnie zweryfikowane w całej objętości mózgowia. Wewnętrzna powierzchnia kory (oznaczona jako powierzchnia biała, na obrazie w kolorze zielonym) powinna precyzyjnie mengikutić granicę między istotą szarą a białą. Zewnętrzna powierzchnia kory (tj. granica między istotą szarą a płynem mózgowo-rdzeniowym, oznaczona jako powierzchnia oponowa, tutaj w kolorze czerwonym) nie powinna obejmować żadnego fragmentu naczynia ani błony. Należy zauważyć, że zaprezentowany tutaj przykład wykorzystuje obiekt „bert” dostarczony wraz z pakietem 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. Obejrzyj film
Rycina 3. Przykład powierzchni zewnętrznej obliczonej w ramach procesu lGI (jeden przekrój czołowy). Pierwszym krokiem w obliczeniach lGI jest utworzenie powierzchni zewnętrznej otaczającej półkulę. Powierzchnia ta (oznaczona jako ?h.pial_outer_smoothed w programie FreeSurfer) może zostać zweryfikowana za pomocą narzędzia tkmedit. W tym przypadku jako przykład wykorzystano obiekt „bert” dostarczony z oprogramowaniem FreeSurfer.
Rysunek 3B. Przykład zewnętrznej powierzchni obliczonej w ramach procesu lGI (pełna objętość). Ten animowany plik GIF przedstawia zewnętrzną powierzchnię lewej półkuli na każdym przekroju czołowym, widoczną podczas przewijania od najbardziej przednich do najbardziej potylicznych przekrojów czołowych za pomocą programu tkmedit w FreeSurfer. Wyświetl film
Rysunek 4. Przykład poprawnego wyniku lGI w widoku programu FreeSurfer. Różne orientacje powierzchni kory mózgowej badanego osobnika „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, a żadna część kory nie powinna pozostać szara. Należy zauważyć, że nakładka kolorystyczna może zostać zmodyfikowana za pomocą opcji „Configure Overlay” w tksurfer, gdzie można również sprawdzić wartości minimalne i maksymalne oraz histogram całkowitego rozkładu lGI.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Dyskusja
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
Autorzy nie zgłaszają żadnych konfliktów interesów.
Podziękowania
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
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| 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, MGH | Wersja nowsza niż 4.0.3 | |
| Matlab | Mathworks | Image Processing Toolbox |
Bibliografia
- Schaer, M. A surface-based approach to quantify local cortical gyrification. IEEE. Trans. Med. Imaging. 27, 161-170 (2008).
- Mangin, J. F., Jouvent, E., Cachia, A. In-vivo measurement of cortical morphology: means and meanings. Curr. Opin. Neurol. 23, 359-367 (2010).
- Mangin, J. F. A framework to study the cortical folding patterns. Neuroimage. 23, Suppl 1. S129-S138 (2004).
- Luders, E. A curvature-based approach to estimate local gyrification on the cortical surface. Neuroimage. 29, 1224-1230 (2006).
- 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).
- Rakic, P. Specification of cerebral cortical areas. Science. 241, 170-176 (1988).
- Toro, R. Brain size and folding of the human cerebral cortex. Cereb. Cortex. 18, 2352-2357 (2008).
- 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).
- Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. Neuroimage. 9, 179-194 (1999).
- 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).
- 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).
- Schaer, M. Congenital heart disease affects local gyrification in 22q11.2 deletion syndrome. Dev. Med. Child. Neurol. 51, 746-753 (2009).
- 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).
- Zhang, Y. Decreased gyrification in major depressive disorder. Neuroreport. 20, 378-380 (2009).
- Juranek, J., Salman, M. S. Anomalous development of brain structure and function in spina bifida myelomeningocele. Dev. Disabil. Res. Rev. 16, 23-30 (2010).
- Zhang, Y. Reduced cortical folding in mental retardation. AJNR. Am. J. Neuroradiol. 31, 1063-1067 (2010).
- Kuperberg, G. R. Regionally localized thinning of the cerebral cortex in schizophrenia. Archives of general psychiatry. 60, 878-888 (2003).
- 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).
- Rauch, S. L. A magnetic resonance imaging study of cortical thickness in animal phobia. Biol. Psychiatry. 55, 946-952 (2004).
- Fjell, A. M. Selective increase of cortical thickness in high-performing elderly--structural indices of optimal cognitive aging. Neuroimage. 29, 984-994 (2006).
- Walhovd, K. B. Regional cortical thickness matters in recall after months more than minutes. Neuroimage. 31, 1343-1351 (2006).
- 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).
- Salat, D. H. Thinning of the cerebral cortex in aging. Cereb. Cortex. 14, 721-730 (2004).
- Schaer, M., Eliez, S. Contribution of structural brain imaging to our understanding of cortical development process. European Psychiatry Reviews. 2, 13-16 (2009).
- 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
