Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Pomiar łączności w pierwszorzędowej ścieżce wzrokowej w ludzkim albinizmie za pomocą obrazowania tensora dyfuzji i traktografii

11.4K wyświetleń

⸱

DOI:

10.3791/53759

⸱

11 sierpnia 2016

 ,  , 
1Department of Biology, Centre for Vision Research, York University

W tym artykule

Podsumowanie

Ten manuskrypt opisuje deterministyczne i probabilistyczne algorytmy rekonstrukcji istoty białej (WM), używane do badania różnic w łączności promieniowania wzrokowego (OR) między albinizmem a kontrolą. Chociaż traktografia probabilistyczna bardziej podąża za prawdziwym przebiegiem włókien nerwowych, przeprowadzono traktografię deterministyczną w celu porównania niezawodności i odtwarzalności obu technik.

Streszczenie

W albinizmie liczba komórek zwojowych siatkówki (RGC) wystających ipsilateralnie jest znacznie zmniejszona. Siatkówka i skrzyżowanie wzrokowe zostały zaproponowane jako miejsca kandydujące do nieprawidłowego kierowania. Ponieważ wykazano korelację między liczbą neuronów przekaźnikowych jądra kolankowatego bocznego (LGN) a rozmiarem LGN oraz na podstawie wcześniej zgłoszonych zmniejszenia objętości LGN w ludzkim albinizmie, sugerujemy, że projekcje włókien z LGN do pierwszorzędowej kory wzrokowej (V1) są również zmniejszone. Badanie różnic strukturalnych w układzie wzrokowym albinizmu może poprawić zrozumienie mechanizmu błędnego kierowania i późniejszych zastosowań klinicznych. Dane dyfuzyjne i traktografia są przydatne do mapowania OR (promieniowania optycznego). W tym manuskrypcie opisano dwa algorytmy rekonstrukcji sali operacyjnej w celu porównania połączeń mózgowych w albinizmie i grupie kontrolnej. Do uzyskania skanów strukturalnych użyto skanera MRI z 32-kanałową cewką głowicy. Sekwencja 3D-MPRAGE z izotropowym rozmiarem woksela 1 mm3 została wykorzystana do wygenerowania obrazów o wysokiej rozdzielczości do segmentacji V1 metodą T1. Obrazy ważone gęstością wielu protonów (PD) uzyskano koronalnie dla prawej i lewej lokalizacji LGN. Skany obrazowania tensora dyfuzji (DTI) uzyskano z 64 kierunkami dyfuzji. Uruchomiono i porównano zarówno deterministyczne, jak i probabilistyczne metody śledzenia, przy czym LGN jako maska początkowa i V1 jako maska docelowa. Chociaż DTI zapewnia stosunkowo niską rozdzielczość przestrzenną, a dokładne wytyczenie sali operacyjnej może być trudne ze względu na niską gęstość włókien, wykazano, że traktografia jest korzystna zarówno w badaniach, jak i klinicznie. Statystyki przestrzenne oparte na traktach (TBSS) ujawniły obszary znacznie zmniejszonej integralności istoty białej na sali operacyjnej u pacjentów z bielactwem w porównaniu z grupą kontrolną. Porównania parami wykazały znaczne zmniejszenie łączności LGN z V1 w albinizmie w porównaniu z grupą kontrolną. Porównanie obu algorytmów śledzenia ujawniło wspólne wyniki, co wzmocniło wiarygodność tej techniki.

Wprowadzenie

Albinizm to choroba genetyczna charakteryzująca się przede wszystkim jawną hipopigmentacją obserwowaną u osób dotkniętych chorobą. Jest to spowodowane dziedzicznymi mutacjami genów biorących udział w syntezie melaniny1. Albinizm występuje w dwóch głównych formach: albinizm oczno-skórny (OCA), cecha dziedziczona autosomalnie recesywnie, objawiająca się zarówno cechami ocznymi, jak i skórnymi; i albinizm oczny (OA), cecha sprzężona z chromosomem X, bardziej rozpowszechniona u mężczyzn i charakteryzująca się przede wszystkim objawami ocznymi2. Melanina w nabłonku barwnikowym siatkówki (RPE) jest kluczowa dla prawidłowego rozwoju centralnego szlaku wzrokowego. Jego brak w bielaczu skutkuje zatem upośledzeniem wzroku, w tym światłowstrętem, oczopląsem, obniżoną ostrością wzroku i utratą widzenia obuocznego2-3. Ostrość wzroku została powiązana z morfologią dołka centralnego, która jest zmieniona w albinizmie4. U ludzi linia odcięcia siatkówki leży wzdłuż granicy nosowo-skroniowej przez dołek centralny, z włóknami z siatkówki nosowej przechodzącymi do drugiej półkuli, a włókna z siatkówki skroniowej rozciągają się ipsilateralnie. Stopień obniżonej funkcji wzrokowej w bielacjonizmie został powiązany z poziomem hipopigmentacji. W szczególności pigmentacja jest odwrotnie proporcjonalna do przesunięcia linii decussacji do siatkówki skroniowej5. W wyniku przesunięcia linii dekusacji do siatkówki skroniowej zwiększa się krzyżowanie się włókien nerwu wzrokowego – cecha wspólna dla wszystkich gatunków3.

Badania strukturalnego MRI na ludziach wykazały węższe skrzyżowania wzrokowe w albinizmie w porównaniu do grupy kontrolnej, co jest prawdopodobnie wynikiem zwiększonego krzyżowania RGC obserwowanego w albinizmie6-8. Siatkówka i skrzyżowanie wzrokowe wyrażają aksonalne wskazówki naprowadzające, takie jak receptory rodziny Eph i ich ligandy9, a zatem są miejscami kandydującymi do nieprawidłowego kierowania10.

Badanie przeprowadzone na małpach z indukowaną jaskrą wykazało znaczny spadek liczby parwalbuminowo-immunoreaktywnych neuronów przekaźnikowych LGN i objętościLGN 11. Sugeruje to korelację między rozmiarem LGN a liczbą trajektorii istoty białej (WM) podróżujących przez OR do V1. Badanie pośmiertne ludzkiego albinizmu wykazało również mniejszy LGN ze stopionymi warstwami M i P12. Strukturalny rezonans magnetyczny o wysokiej rozdzielczości potwierdził znaczne zmniejszenie objętości LGN w albinizmie8. Podsumowując, odkrycia te sugerują, że zmniejszona objętość LGN może skutkować zmniejszeniem liczby neuronów w LGN, a co za tym idzie, zmniejszeniem łączności między LGN i V1.

Badanie wzorców połączeń anatomicznych u ludzi zostało ograniczone. Preparacja, wstrzyknięcie znacznika i indukcja zmian to techniki inwazyjne, które mogą być stosowane tylko post mortem i zwykle obejmują bardzo małą liczbę pacjentów. Wcześniejsze badania z użyciem zastrzyków DiI z barwnika karbocyjaninowego wykazały łączność neuronalną między V1 i V2 (drugorzędowa kora wzrokowa)13, a także w obrębie kompleksu hipokampa w pośmiertnych mózgach ludzkich utrwalonych aldehydami14. Znakowanie włókien w ten sposób jest ograniczone do odległości wynoszących zaledwie kilkadziesiąt milimetrów od punktu wtrysku14. Obrazowanie tensora dyfuzji, DTI, to metoda MRI opracowana na początku lat 90. XX wieku w celu identyfikacji kierunku i organizacji szlaku światłowodowego. Jest to nieinwazyjna metoda, która pozwala na mapowanie dużych ścieżek WM w żywym mózgu. DTI jest wrażliwy na dyfuzję cząsteczek wody w tkance biologicznej15. W mózgu dyfuzja wody jest anizotropowa (nierównomierna) ze względu na bariery, takie jak błony i mielina. WM ma wysoką anizotropię dyfuzji, co oznacza, że dyfuzja jest większa równolegle niż prostopadle do orientacji włókien16. Anizotropia frakcyjna (FA) to wielkość skalarna, która opisuje preferencję cząsteczek do dyfuzji w sposób anizotropowy. Wartości FA wahają się od 0-1, od niskiej do wysokiej anizotropii (płyn mózgowo-rdzeniowy (CSF) 16.

Streamline (deterministyczne) i probabilistyczne śledzenie światłowodów to dwa różne algorytmy do rekonstrukcji ścieżek 3D. Traktografia deterministyczna wykorzystuje metodę propagacji linii, łącząc sąsiednie woksele w zdefiniowanym regionie nasiennym. Dwa kryteria zatrzymania używane w tym algorytmie to kąt skrętu i wartość FA. W związku z tym śledzenie drogi między sąsiednimi wokselami jest mało prawdopodobne przy dużych kątach skrętu. Algorytm będzie zatem postępował również tylko wtedy, gdy FA w wokselu przekroczy określony próg, co ogranicza jego skuteczność w dokładnym definiowaniu ścieżek w pobliżu istoty szarej, gdzie anizotropia spada. Z drugiej strony, traktografia probabilistyczna daje mapę połączeń opisującą prawdopodobieństwo, że woksel jest częścią ciągu między dwoma obszarami zainteresowania (ROI), a tym samym przechodzi w istotę szarą, taką jak V117. Za pomocą tej aplikacji MRI można nakreślić kluczowe struktury WM, takie jak sala operacyjna, jak pokazano w poprzednich badaniach18-20.

To badanie wykorzystuje dane dyfuzyjne i traktografię do zbadania wpływu błędnego kierowania aksonów na połączenia siatkówkowo-genikulo-korowe. Opierając się na wcześniej zgłoszonych zmniejszeniach objętości LGN w ludzkim albinizmie8, przewidujemy, że projekcje włókien od LGN do V1 są również zmniejszone (ryc. 1).

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

Protokół

Oświadczenie etyczne: Niniejsze badanie zostało zatwierdzone przez Komitet Przeglądu Udziału Ludzi (HPRC) na Uniwersytecie w Yorku w Toronto. Wszyscy uczestnicy wyrazili pisemną świadomą zgodę.

1. Przygotowanie obiektu

Uwaga: Jedenastu uczestników z OCA w wieku 36 ± 4 lat (6 kobiet) porównano z dziesięciu dobieranych wiekiem osób z grupy kontrolnej w wieku 32 ± 4 lat (6 kobiet). Historia uczestników została zapisana w Tabeli 1.

  1. Poproś każdego uczestnika o wypełnienie i podpisanie formularza świadomej zgody, w którym wyszczególniono wytyczne dotyczące bezpieczeństwa MRI oraz protokół obrazowania.
  2. Każdemu uczestnikowi dostarcz zatyczki do uszu. Umieść uczestnika w pozycji leżącej na plecach, głową w stronę wnętrza magnesu, wyznaczając punkt orientacyjny nad oczami na poziomie brwi. Unieruchom głowę uczestnika za pomocą poduszek, aby ograniczyć jej ruchy. Przekaż uczestnikowi gruszkę alarmową do sygnalizacji potrzeby przerwania badania.

2. Parametry strukturalnego MRI

Uwaga: Wszystkie obrazy są pozyskiwane za pomocą skanera MRI 3T z wykorzystaniem 32-kanałowej cewki głowowej. Podczas jednej sesji dla każdego badanego:

  1. Należy wykonać anatomiczne obrazowanie T1 o wysokiej rozdzielczości przy użyciu sekwencji 3D-MPRAGE obejmującej cały mózg z następującymi parametrami: czas akwizycji 4 min 26 s, pole widzenia (FOV) 256 mm, macierz 256, 192 warstwy o grubości 1 mm, co daje izotropową wielkość woksela 1.0 mm3, TR = 190 ms, TE (czas echa) = 2.52 ms, czas inwersji 90 ms i kąt nachylenia 9°, 1 uśrednienie, obrazowanie równoległe (iPat GRAPPA, czynnik przyspieszenia 2).
  2. Należy wykonać sekwencję DTI obejmującą korę mózgową, z warstwami w orientacji poprzecznej zgodnie z linią przedniej i tylnej komisury (AC-PC), stosując następujące parametry: czas akwizycji 8 min 5 s, pole widzenia 192 mm, macierz 128, woksele w płaszczyźnie 1.5 1.5 mm, 56 przylegających (bez przerwy) warstw o grubości 2 mm, TR = 690 ms, TE = 86 ms, 64 kierunki, wartość b wynosząca 10 s/mm2 (obraz referencyjny z niską wartością b wynoszącą 0 sec/mm2), 1 uśrednienie, obrazowanie równoległe (iPat GRAPPA) z czynnikiem przyspieszenia 3.
  3. Należy wykonać od 30 do 40 obrazów PD-weighted w orientacji wieńcowej, równolegle do pnia mózgu, obejmując obszar od przedniej części mostu do tylnej części kolcolca dolnego.
    1. Należy zastosować sekwencję impulsową Turbo spin echo (FAST spin echo) oraz następujące parametry: czas akwizycji 1 min 29 s na skan, pole widzenia 192 mm, macierz 256, 30-40 warstw o grubości 1 mm, wynikowa wielkość woksela 0.75 0.75 1 mm3, TR = 3,00 msec, TE = 2 msec, czynnik turbo 5, kąt nachylenia refokusującego 120°, 1 uśrednienie, obrazowanie równoległe (iPat GRAPPA) z czynnikiem przyspieszenia 2.
      Uwaga: S12 został zeskanowany przy użyciu następujących parametrów: pole widzenia 180 mm, macierz 512, 30 warstw o grubości 1 mm, wynikowa wielkość woksela 0.4 x 0.4 x 1.0 mm3. Wszystkie pozostałe parametry pozostały bez zmian. Czas akwizycji 2 min 47 s.
  4. Wszystkie skany należy poddać wstępnej obróbce poprzez konwersję surowego formatu DICOM na format NIfTI przy użyciu programu dcm2nii.

3. Wyznaczanie granic LGN

Uwaga: LGN jest niewielką strukturą podkorową położoną głęboko w mózgu, dlatego do wyznaczenia jej granic anatomicznych wymagane są obrazy PD o wysokiej rozdzielczości. Na tych skanach LGN pojawia się jako obszar o wysokiej intensywności sygnału w stosunku do otaczających go pęczków WM, co ułatwia jego wykrycie21. Zidentyfikowany anatomicznie LGN służy następnie jako region ziarna dla traktografii.

  1. W warunkach zaślepienia co do przynależności do grupy, należy ręcznie obrysować maski prawego i lewego LGN po trzy razy każdą na uśrednionych obrazach PD, interpolowanych do dwukrotnej rozdzielczości i połowy wielkości woksela (oryginalna macierz 256 x 256, 0,75 x 0,75 x 1 mm).3 rozmiar woksela).
    1. Aby uzyskać obrazy PD o wysokiej rozdzielczości, należy wykorzystać bezpłatnie dostępną funkcję FLIRT oraz inne narzędzia programowe z biblioteki oprogramowania FMRIB (FSL, http://www.fmrib.ox.ac.uk/fsl/). Obrazy PD dla każdego uczestnika należy poddać nadpróbkowaniu, konkatenacji, korekcji ruchu oraz uśrednieniu, zgodnie z wcześniej opisaną w innym miejscu procedurą.22.
    2. Wczytaj obraz PD o wysokiej rozdzielczości w programie FSLView, a następnie kliknij kartę Tools i wybierz opcję Single (lub naciśnij Równanie stanu równowagi statycznej ΣFx=0 na schemacie; przedstawia zrównoważone siły, edukacyjny koncept z zakresu fizyki. ) aby powiększyć obraz.
    3. Kliknij kartę Plik, aby wybrać opcję Utwórz maskę, a następnie użyj paska narzędzi w lewym górnym rogu ekranu, aby obrysować LGN w każdym przekroju. W razie potrzeby można zmienić kontrast obrazu, przesuwając suwaki min/max na pasku narzędzi, aby ułatwić detekcję LGN.
  2. Połącz te obszary zainteresowania (ROI) w maskę medianową, używając polecenia fslmerge.
  3. Połącz wszystkie maski medianowe oceniających w jedną maskę medianową, używając tej samej komendy.

4. Segmentacja V1

  1. Uruchom polecenie „recon-all” w programie FreeSurfer23 (v5.3.0) dla obrazów mózgu w natywnej przestrzeni anatomicznej (obrazy T1-zależne) w celu zautomatyzowanego przetwarzania.
  2. Konwertuj odpowiednie pliki wyjściowe w nowo utworzonym folderze mri (orig.mgz, brain.mgz, rawavg.mgz, T1.mgz) na format NIfTI za pomocą narzędzia „mri_convert”.
  3. Jeśli to konieczne, użyj funkcji ekstrakcji mózgu BET w interfejsie FSL GUI, aby skorygować obraz po usunięciu czaszki (brain.nii.gz) w przestrzeni FreeSurfer. Wybierz opcję Run standard brain extraction using bet2 (domyślna). Obniż wartość progu, jeśli na obrazie brakuje tkanki mózgowej, lub zwiększ go, jeśli uchwycono tkankę pozamózgową (domyślny próg wynosi 0.5). W opcjach zaawansowanych zaznacz Output brain-extracted image oraz Output binary brain mask image (z tego drugiego można skorzystać do ręcznych korekt).
  4. Konwertuj wynikową parcelację V1 na maskę wolumetryczną za pomocą poleceń „label2surf” i „surf2volume”.

5. Rejestracje przed śledzeniem

Uwaga: W kolejnych krokach należy uruchomić interfejs graficzny (GUI) FSL, aby otworzyć każde z poniższych narzędzi.

  1. Użyj narzędzia BET do ekstrakcji mózgu i wybierz opcję Bias field & neck cleanup, aby usunąć czaszkę z pliku rawavg.nii.gz, znajdującego się w folderze mri utworzonym przez "recon-all". Dostosuj próg w razie potrzeby.
  2. Uruchom liniową rejestrację FLIRT, aby dopasować obrazy mózgu w przestrzeni FreeSurfer i natywnej przestrzeni anatomicznej do przestrzeni dyfuzyjnej.
    1. Wybierz plik brain.nii.gz, wynik działania recon-all (przestrzeń FreeSurfer), lub obraz T1 z wyekstrahowanym mózgiem badanego osobnika (natywna przestrzeń anatomiczna) jako obraz wejściowy, a obraz dyfuzyjny (DWI) z korekcją Eddy i wyekstrahowanym mózgiem jako obraz referencyjny. Następnie kliknij „Go”.
      Uwaga: Ten krok generuje dwa pliki wyjściowe: obraz wejściowy mózgu zarejestrowany do obrazu referencyjnego (.nii.gz) oraz macierz transformacji (.mat). Poza samą rejestracją, ten drugi plik jest niezbędny do traktografii, gdy przestrzeń ziarna (seed space) nie jest przestrzenią dyfuzyjną. Wygenerowane w tym kroku macierze transformacji (.mat) należy wykorzystać do traktografii, zgodnie z opisem w punkcie 7.4.2.
  3. Analogicznie do punktu 5.2, uruchom liniową rejestrację FLIRT, aby dopasować obrazy mózgów uczestników z PD do przestrzeni FreeSurfer i natywnej przestrzeni anatomicznej.
  4. Przygotuj maski ziaren (seed masks) do traktografii:
    1. Zastosuj transformację FLIRT z sekcji Utils w narzędziach liniowej rejestracji FLIRT. Jako macierz transformacji użyj pliku .mat, jako wejście oryginalnej maski LGN, a jako wolumen referencyjny pliku brain.nii.gz (przestrzeń FreeSurfer) lub T1_brain.nii.gz (natywna przestrzeń anatomiczna) (patrz 5.2). W opcjach zaawansowanych wybierz metodę interpolacji Nearest Neighbor.
  5. Korzystając wyłącznie z plików brain.nii.gz, przygotuj maski docelowe do traktografii:
    1. Zarejestruj obrazy mózgów z FreeSurfer w natywnej przestrzeni anatomicznej i utwórz maski docelowe poprzez zastosowanie transformacji do masek V1 (patrz 5.2, 5.4.1) przy użyciu interpolacji Tri-Linear. Kliknij „Go”.

6. Normalizacja LGN

  1. Użyj nieliniowej rejestracji FNIRT, zgodnie z wcześniejszym opisem dostępnym pod adresem http://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FNIRT, aby przekształcić nieekstrahowane obrazy mózgów uczestników z natywnej przestrzeni anatomicznej do przestrzeni MNI, wykorzystując szablon całego mózgu Montreal Neurological Institute (MNI152).
    Uwaga: Na tym etapie zaleca się nieliniową rejestrację oryginalnych obrazów anatomicznych, ponieważ rejestracja z zastosowaniem FNIRT dla obrazów T1 bez ekstrakcji mózgu była dokładniejsza w porównaniu z zastosowaniem FLIRT dla obrazów z wyekstrahowanym mózgiem.
  2. Zastosuj transformację masek LGN w przestrzeni anatomicznej (oryginalne LGN zostało wcześniej przekształcone do natywnej przestrzeni anatomicznej w punkcie 5.4), używając interpolacji najbliższego sąsiedztwa opisanej w punkcie 5.4.1, aby przenieść maski do przestrzeni MNI.
  3. Oblicz średnią wszystkich masek LGN w przestrzeni MNI dla obu grup, używając polecenia „3dMean” z pakietu AFNI.
  4. Użyj polecenia „fslmaths -thr”, aby zastosować próg do maski średniej w przestrzeni MNI.
  5. Oblicz promień średniej maski w przestrzeni MNI, korzystając z V = 4/3πr3 (przyjmijmy kształt sfery).
  6. Zapisz współrzędne środka masy każdej poszczególnej maski LGN w natywnej przestrzeni anatomicznej, używając polecenia „fslstats -C”.
  7. Utwórz sferyczne obszary zainteresowania (ROI) o identycznych objętościach dla wszystkich uczestników:
    1. Zastosowanie "narzędzia „fslmaths”, aby utworzyć punkt ROI z współrzędnymi odpowiedniej indywidualnej maski LGN w natywnej przestrzeni anatomicznej, zapisanej w punkcie 6.6
    2. Używając narzędzia „fslmaths”, należy zastosować promień maski średniej w przestrzeni MNI, aby utworzyć sferę wokół punktu ROI w natywnej przestrzeni anatomicznej.
  8. Należy wykorzystać te zestandaryzowane maski jako punkty startowe (seeds) dla traktografii.

7. Probabilistyczna traktografia (FSL 5.0.4)

Uwaga: W kolejnych krokach wywołaj Fdt_gui, aby uzyskać dostęp do każdego z poniższych narzędzi.

  1. Skoryguj zniekształcenia w obrazach DWI za pomocą korekcji prądów wirowych (Eddy current correction). Wybierz opcję Eddy current correction z menu na górze okna Diffusion Toolbox, prześlij obraz DWI jako dane wejściowe, pozostawiając domyślną objętość referencyjną (0).
  2. Wykonaj ekstrakcję mózgu z obrazów za pomocą narzędzia BET, zgodnie z opisem w punkcie 4.3.
  3. Z menu wybierz opcję DTIFIT Reconstruction diffusion tensors. Określ katalog wejściowy zawierający następujące pliki: dane z obrazowania dyfuzyjnego, nodif_brain_mask (wynik BET), bvec oraz bval (muszą zostać zmienione na bvecs i bvals; są to pliki tekstowe zawierające informacje o parametrach akwizycji obrazów dyfuzyjnych, wynik konwersji danych dyfuzyjnych z formatu DICOM na NIfTI). Kliknij „Go”, aby uruchomić dtifit, który dopasowuje model tensora dyfuzji dla każdego woksla, tworząc pliki do dalszego przetwarzania.
  4. Następnie wybierz z menu opcję BedpostX (estimation of diffusion parameters). Użyj tego samego katalogu wejściowego, co w przypadku DTIFIT. Kliknij „Go”, aby wygenerować wszystkie pliki niezbędne do traktografii.
  5. Z tego samego menu wybierz ProbtrackX do śledzenia probabilistycznego i uruchom go oddzielnie dla każdej półkuli. Pozostaw domyślne opcje podstawowe (5,0 próbek, krzywizna 0.2 oraz zastosowany loopcheck), a z opcji zaawansowanych wybierz zmodyfikowaną metodę Eulera (modified Euler) do obliczania probabilistycznych linii strumienia w celu zwiększenia dokładności.
    1. Wybierz wynik programu BedpostX zawierający pliki .merged jako katalog BEDPOSTX.
    2. Wybierz single mask jako przestrzeń ziarna (seed space), a następnie załaduj przekształconą maskę LGN (w natywnej przestrzeni anatomicznej) jako obraz ziarna (seed image), macierz transformacji obrazu T1 (mózg w natywnej przestrzeni anatomicznej) na obrazy dyfuzyjne jako transformację z ziarna na dyfuzję (seed to diffusion transform) oraz V1 (w natywnej przestrzeni anatomicznej) w sekcji „optional targets” (wszystkie poza maskami wykluczającymi) jako cel.
    3. Użyj domyślnej konwencji siatki (Caret) i załaduj obraz mózgu w natywnej przestrzeni anatomicznej (obraz T1) jako referencyjny obraz powierzchni.
  6. Powtórz procedurę ProbtrackX dla śledzenia probabilistycznego, używając standardowych sferycznych obszarów ROI (stworzonych w kroku 6) jako obszarów ziarna dla traktografii, zgodnie z opisem w punkcie 7.5.2. Prześlij ROI w ten sam sposób, w jaki przesłano przekształcone LGN (przestrzeń anatomiczna) w punkcie 7.5.2.
  7. Ponownie uruchom traktografię (7.5), tym razem z maskami ziarna (nienormalizowanymi) i maskami celu w przestrzeni FreeSurfer, dodając maskę granicy białej materii przeciwległej strony z programu FreeSurfer jako maskę wykluczającą, aby uniknąć krzyżowania się i zapewnić bezpośrednie połączenia ipsilateralne. Zaznacz opcję Surface w narzędziu ProbtrackX i wybierz FreeSurfer jako konwencję siatki.
    Uwaga: Należy podkreślić, że traktografia jest zawsze uruchamiana w przestrzeni dyfuzyjnej, jednak ProbtrackX do śledzenia probabilistycznego umożliwia wprowadzenie masek ziarna i celu w innej przestrzeni, wraz z macierzą transformacji do przestrzeni dyfuzyjnej. W niniejszym badaniu probabilistyczną traktografię przeprowadzono z maskami zarówno w natywnej przestrzeni anatomicznej, jak i w przestrzeni FreeSurfer (Rysunek 2).

8. Deterministyczna traktografia (DSI Studio)

  1. Otwórz obrazy ważone dyfuzją skorygowane metodą Eddy w programie DSI Studio24, klikając Step 1: Open Source Images. Załaduj pliki bvec i bval do okna b-table, które zostanie otwarte automatycznie, aby utworzyć plik źródłowy (.src).
  2. Załaduj wygenerowane pliki źródłowe do okna rekonstrukcji, aby w razie potrzeby zmodyfikować domyślne maski rekonstrukcji mózgu.
  3. Następnie wybierz DTI jako metodę rekonstrukcji25 i uruchom ją na plikach źródłowych, aby uzyskać pliki informacji o włóknach (.fib).
  4. Przenieś obrazy PD uczestników do przestrzeni dyfuzyjnej, korzystając z liniowej rejestracji FLIRT.
  5. Zastosuj transformację do masek LGN, używając interpolacji najbliższego sąsiedztwa, zgodnie z opisem w sekcji 5.4.1.
  6. Otwórz pliki .fib w oknie śledzenia (tracking window) programu.
  7. Uruchom śledzenie dla każdej półkuli osobno, używając LGN w przestrzeni dyfuzyjnej jako obszaru startowego (seed) oraz obszaru 17 (V1) z atlasu Brodmanna dostępnego w DSI Studio jako obszaru końcowego. Załaduj maskę LGN, klikając kartę Regions i Open Region. W liście Region List po lewej stronie ekranu wybierz opcję Seed w polu Type. Aby załadować maskę V1 z atlasu, kliknij Atlas na pasku narzędzi w Region List i wybierz odpowiedni atlas.
  8. W każdym przebiegu ustaw maskę przeciwległej białej materii (WM) (nazwaną left/right-cerebral-white-matter) z atlasu segmentacji FreeSurfer (patrz pole Region List w oknie śledzenia) jako obszar unikania (ROA).
  9. Powtórz śledzenie (8.7-8.8), używając sferycznych ROI w przestrzeni dyfuzyjnej zamiast poszczególnych LGN jako obszarów startowych dla traktografii.
    Uwaga: Sferyczne ROI mają taką samą objętość dla wszystkich badanych i są wycentrowane na środku masy każdego LGN.
  10. Powtórz normalizację LGN opisaną w sekcji 6, jednak tym razem rejestrując mózgi w przestrzeni dyfuzyjnej do standardowej przestrzeni MNI i stosując transformacje do LGN w przestrzeni dyfuzyjnej (oryginalne LGN wcześniej przekształcone do przestrzeni dyfuzyjnej w 8.4-8.5), aby przenieść maski do standardowej przestrzeni MNI. Oblicz objętość sferycznego ROI jako średnią objętość wszystkich LGN u wszystkich badanych w przestrzeni MNI.
    Uwaga: Parametry śledzenia mogą być modyfikowane przez użytkownika. W większości przebiegów zastosowano domyślne parametry śledzenia. Dla niektórych osób (A5, A7, S12) próg anizotropii (domyślnie 0.14-0.15) został obniżony (0.10-0.12), a próg kątowy (domyślnie 60) zwiększony (65-85) w celu uzyskania lepszej wizualizacji. Schemat techniki przedstawiono na Rysunku 3.

9. Analiza statystyczna – TBSS (FSL)

Uwaga: Przestrzenna statystyka oparta na traktach (Tract-based spatial statistics) to analiza statystyczna map FA uczestników16 w ujęciu wokselowym, uzyskana za pomocą dtifit26. Jest ona powszechnie stosowana w analizie statystycznej danych dyfuzyjnych. To podejście wokselowe pozwala uniknąć potencjalnych problemów z dopasowaniem i wygładzaniem, które występują w analizie FA w stylu VBM, oraz umożliwia badanie całego mózgu, co jest nieosiągalne przy zastosowaniu metod opartych na traktografii16.

  1. Uruchom skrypt „tbss_1_preproc” na danych FA znajdujących się w nowo utworzonym katalogu TBSS.
  2. Uruchom polecenie „tbss_2_reg” – T, aby zastosować rejestrację nieliniową, przenosząc dane FA każdego uczestnika do wspólnej przestrzeni (FMRIB58_FA, obraz docelowy w TBSS).
  3. Utwórz szkielet średniej frakcyjnej anizotropii (FA) z centrami wszystkich wspólnych traktów u uczestników, używając "tbss_3_postreg -S".
  4. Uruchom Użyj polecenia „tbss_4_prestats 0.2”, aby zrzutować dopasowane mapy FA każdego uczestnika na średni szkielet wszystkich dopasowanych map FA.
  5. Utwórz pliki design.con oraz design.mat, upewniając się, że kolejność macierzy jest zgodna z kolejnością, w jakiej TBSS przetworzył wstępnie dane FA.
  6. Uruchom funkcję „randomise”, korzystając z opcji T2, która jest zalecana dla TBSS, ponieważ działa ona na szkielecie (zredukowanym podzbiorze danych 3D), oraz z 5 0 przedmutacji, co pozwala na uzyskanie dokładniejszych wartości p.

10. Analiza statystyczna – SPSS

  1. Wyodrębnianie wartości FA z danych deterministycznych
    Uwaga: Wartości FA oparte na metodzie deterministycznej zostały wyznaczone z plików tekstowych ze statystykami wyjściowymi programu DSI Studio. Wartości te reprezentują średnią FA w obrębie wygenerowanych traktów, które w tym przypadku odpowiadają obszarowi OR.
    1. Przeprowadź śledzenie włókien (fiber tracking) w programie DSI Studio.
    2. Zapisz pliki tekstowe „statistics” utworzone przez program DSI Studio dla każdego wygenerowanego zestawu pęczków włókien i odnotuj z nich wartości „FA mean”.
  2. Wyodrębnianie wartości FA z danych probabilistycznych
    Uwaga: Wartości FA oparte na metodzie probabilistycznej są pochodne z plików fdt_paths wygenerowanych przez program ProbtrackX2. Są to trójwymiarowe obrazy gęstości włókien, które w niniejszym badaniu obejmują obszar odpowiadający obrębiej OR.
    1. Użyj liniowej rejestracji FLIRT, aby przenieść pliki fdt_paths każdego uczestnika do przestrzeni dyfuzyjnej.
    2. Zbinaryzuj maski wyjściowe za pomocą polecenia „fslmaths -bin”.
    3. Dla każdego uczestnika pomnóż maskę przez odpowiadającą jej mapę FA uzyskaną z programu dtifit, używając polecenia „fslmaths -mul”.
    4. Uruchom polecenie „fslmeants”, aby wyznaczyć średnią wartość FA dla każdej maski traktu.
  3. Przeprowadzanie analiz w programie SPSS (z wykorzystaniem metod deterministycznych i probabilistycznych)
    Dane
    Uwaga: Analiza statystyczna została przeprowadzona przy użyciu programu SPSS 20 for Mac. Ponieważ półkula jest zmienną wewnątrzobiektową, zastosowano uogólniony model liniowy (GENLIN), który pozwala na oddzielną analizę efektów w każdej z półkul mózgu. W szczególności wykorzystano uogólnioną równanie estymujące (GEE).
    1. W osobnych testach przyjmij odpowiednio średnią FA oraz liczbę linii przepływu (waytotal lub procent wygenerowanych linii przepływu, PGSL) jako zmienną zależną.
      Uwaga: W niniejszym badaniu liczba linii strumieni (streamline count) opiera się na wartościach całkowitych dla każdej drogi (way-total). Wartość way-total opisuje całkowitą liczbę wygenerowanych linii strumieni, które nie zostały odrzucone na podstawie kryteriów włączenia/wykluczenia.27Liczba wygenerowanych linii prądu (NGSL), odnosząca się do całkowitej liczby wysłanych linii prądu, jest równa liczbie wokseli w masce ziarna pomnożonej przez liczbę próbek pobranych z każdego woksela (w tym przypadku 5 00). Procent wygenerowanych linii prądu (PGSL), obliczany jako liczba linii dotarcia podzielona przez NGSL i pomnożona przez 10, jest miarą skuteczności połączenia między ziarnem a celem.
    2. Zbadaj wpływ grupy i płci na łączność między LGN a V1, przyjmując je jako zmienne niezależne we wszystkich testach.
      Uwaga: Badano efekty główne, a także interakcje dwu- i trójdrożne. Należy zauważyć, że poszczególne testy te nie są od siebie zależne, zatem istotność jednego efektu głównego lub interakcji jest niezależna od pozostałych.
    3. W wszystkich testach należy zastosować wiek jako współzmienną. Ponadto, w testach, w których zmiennymi zależnymi są średnia wartość FA oraz waytotal, należy zastosować objętość LGN jako współzmienną, natomiast pominąć ją w testach, w których zmienną zależną jest PGSL.
      Uwaga: Stwierdzono, że całkowita objętość mózgu jest nieistotną współzmienną, w związku z czym została ona pominięta w analizie statystycznej.
    4. Wybierz metodę poprawki Bonferroniego w celu skorygowania wielokrotnych porównań28 (poziom istotności p <0.05).

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

Wyniki

W tej sekcji przedstawiono podsumowanie wyników uzyskanych przy użyciu dwóch różnych algorytmów traktografii: deterministycznego i probabilistycznego. Objętości LGN w przestrzeni PD, w której pierwotnie wyznaczono maski, a także we wszystkich pozostałych przestrzeniach wykorzystanych w tej badaniu, zapisano w Tabeli 2, a śledzenie LGN zilustrowano na Rysunku 4. Przedstawione tutaj wyniki opierają się na analizach, w których jako ROI LGN z...

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

Dyskusja

Spodziewano się zmienionego WM, a dokładniej zmniejszonej łączności w albinizmie w porównaniu z grupą kontrolną. Tak więc zmniejszone FA w prawej półkuli albinizmu w porównaniu z grupą kontrolną, a także zmniejszona łączność u mężczyzn z albinizmem zgłoszone tutaj są zgodne z naszymi przewidywaniami. Wpływ płci i półkuli nie jest do końca jasny, chociaż badania na zdrowym mózgu, które sugerują zmniejszoną złożoność WM w lewej półkuli mężczyzn w porównaniu z kobietami wwieku 30-31 lat, mogą wyjaśnić niektóre ró...

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

Oświadczenia

Autorzy deklarują brak konfliktu interesów.

Podziękowania

Praca jest częściowo wspierana przez Kanadyjską Radę ds. Badań Przyrodniczych i Inżynieryjnych (NSERC). Autorzy dziękują uczestnikom, dr Rickowi Thompsonowi za pomoc w rekrutacji pacjentów z albinizmem, Denisowi Romanovsky'emu za pomoc w przeprowadzaniu niektórych analiz i modyfikowaniu figury, Mónice Giraldo Chica za jej wiedzę i porady dotyczące traktografii, Joy Williams za pomoc w pozyskiwaniu MRI oraz Amanowi Goyalowi za jego doświadczenie w analizie MRI.

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

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Magnetom Tim Trio 3T MRISiemens (Erlangen, Niemcy)
FMRIB' s Biblioteka oprogramowania (FSL)http://www.fmrib.ox.ac.uk/fsl/
FreeSurferhttp://surfer.nmr.mgh.harvard.edu
DSI Studiohttp://dsi-studio.labsolver.org
SPSS

Bibliografia

  1. Montoliu, L., et al. Increasing the complexity: new genes and new types of albinism. Pigment Cell Melanoma Res. 27, 11-18 (2013).
  2. Martinez-Garcia, M., Montoliu, L. Albinism in Europe. J. Dermatol. 40 (5), 319-324 (2013).
  3. Gottlob, I. Albinism: a model of adaptation of the brain in congenital visual disorders. Br. J. Opthalmol. 91 (4), 411-412 (2007).
  4. Wilk, M. A., et al. Relationship between foveal cone specialization and pit morphology in albinism. Invest. Ophthalmol. Vis. Sci. 55 (7), 4186-4198 (2014).
  5. Von dem Hagen, E. A. H., Houston, G. C., Hoffman, M. B., Morland, B. A. Pigmentation predicts the shift in the line of decussation in humans with albinism. Eur. J. Neurosci. 25, 503-511 (2007).
  6. Rice, D. S., Williams, R. W., Goldowitz, D. Genetic control of retinal projections in inbred strains of albino mice. J comp neurol. 354 (3), 459-469 (1995).
  7. Schmitz, B., Schaefer, T., Krick, C. M., Reith, W., Backens, M., Kasmann-Kellner, B. Configuration of the optic chiasm in humans with albinism as revealed by magnetic resonance imaging. Invest. Ophthalmol. Vis. Sci. 44 (1), 16-21 (2003).
  8. Mcketton, L., Kelly, K. R., Schneider, K. A. Abnormal lateral geniculate nucleus and optic chiasm in human albinism. J. Comp. Neurol. 522 (11), 2680-2687 (2014).
  9. Williams, S. E., et al. Ephrin-B2 and EphB1 mediate retinal axon divergence at the optic chiasm. Neuron. 39 (6), 919-935 (2003).
  10. van Genderen, M. M., Riemslag, F. C., Schuil, J., Hoeben, F. P., Stilma, J. S., Meire, F. M. Chiasmal misrouting and foveal hypoplasia without albinism. J. Opthalmol. 90 (9), 1098-1102 (2006).
  11. Yücel, Y. H., Zhang, Q., Gupta, N., Kaufman, P. L., Weinreb, R. N. Loss of neurons in magnocellular and parvocellular layers of the lateral geniculate nucleus in Glaucoma. Arch. Ophthalmol. 118 (3), 378-384 (2000).
  12. von dem Hagen, E. A., Hoffman, M. B., Morland, A. B. Identifying human albinism: a comparison of VEP and fMRI. Invest. Ophthalmol. Vis. Sci. 49 (1), 238-249 (2008).
  13. Burkhalter, A., Bernardo, K. L. Organization of cortico-cortical connections in human visual cortex. Proc. Natl. Acad. Sci. USA. 86 (3), 1071-1075 (1989).
  14. Mufson, E. J., Brady, D. R., Kordower, J. H. Tracing neuronal connections in postmortem human hippocampal complex with the carbocyanine Dye DiI. Neurobiol. Aging. 11 (6), 649-653 (1990).
  15. Wedeen, V. J., et al. Diffusion spectrum magnetic resonance imaging (DSI) tractography of crossing fibers. Neuroimage. 41 (4), 1267-1277 (2008).
  16. Smith, S. M., et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. NeuroImage. 31 (4), 1487-1505 (2006).
  17. Newcombe, V. F., Das, T., Cross, J. J. Diffusion imaging in neurological disease. J. Neurol. 260 (1), 335-342 (2013).
  18. Behrens, T. E. J., et al. Non-invasive mapping of connections between human thalamus and cortex using diffusion imaging. Nat. Neurosci. 6 (7), 750-757 (2003).
  19. Bassi, L., et al. Probabilistic diffusion tractography of the optic radiations and visual function in preterm infants at term equivalent age. Brain. 131 (2), 573-582 (2008).
  20. Hofer, S., Karaus, A., Frahm, J. Reconstruction and dissection of the entire human visual pathway using diffusion tensor MRI. Front Neuroanat. 4, 1-7 (2010).
  21. Fujita, N., et al. Lateral Geniculate Nucleus: Anatomic and Functional Identification by Use of MR Imaging. Am. J. Neuroradiol. 22 (9), 1719-1726 (2001).
  22. McKetton, L., Joy, W., Viviano, J. D., Yücel, Y. H., Gupta, N., Schneider, K. A. High resolution structural magnetic resonance imaging of the human subcortex in vivo and postmortem. J. Vis. Exp. , (2015).
  23. Fischl, B. FreeSurfer. NeuroImage. 62 (2), 774-781 (2012).
  24. Yeh, F. C., Verstynen, T. D., Wang, Y., Fernández-Miranda, J. C., Tseng, W. Y. Deterministic Diffusion Fiber Tracking Improved by Quantitative Anisotropy. PLoS One. 8 (11), 807-813 (2013).
  25. Jiang, H., van Zijl, P. C., Kim, J., Pearlson, G. D., Mori, S. DtiStudio: resource program for diffusion tensor computation and fiber bundle tracking. Comput. Methods. Programs. Biomed. 81 (2), 106-116 (2006).
  26. Smith, S. M., et al. Advances in functional and structural MR image analysis and implementation as FSL. NeuroImage. 23 (1), 208-219 (2004).
  27. Galantucci, S., et al. White matter damage in primary progressive aphasias: a diffusion tensor tractography study. J. Neurol. 134, 3011-3029 (2011).
  28. Cabin, R. J., Mitchell, R. J. To Bonferroni or not to Bonferroni: when and how are the questions. Bull. Ecol. Soc. Am. 81 (3), 246-248 (2000).
  29. Kaiser, P. K. Prospective evaluation of visual acuity assessment: a comparison of snellen versus ETDRS charts in clinical practice (An AOS Thesis). Trans. Am. Ophthalmol. Soc. 107, 311-324 (2009).
  30. Farahibozorg, S., Hashemi-Golpayegani, S. M., Ashburner, J. Age and sex-related variations in the brain white matter fractal dimension throughout adulthood: An MRI study. Clin. Neuroradiol. 25 (1), 19-32 (2014).
  31. Tian, L., Wang, J., Yan, C., He, Y. Hemisphere and gender-related differences in small world brain networks: a resting state functional MRI study. NeuroImage. 54 (1), 191-202 (2011).
  32. Ge, Y., Grossman, R. I., Babb, J. S., Rabin, M. L., Mannon, L. J., Kolson, D. L. Age-related total gray matter and white matter changes in normal adult brain. Part 1: volumetric MR imaging analysis. Am. J. Neuroradiol. 23 (8), 1327-1333 (2002).
  33. Zhang, L., Dean, D., Liu, J. Z., Sahgal, V., Wang, X., Yue, G. H. Quantifying degeneration of white matter in normal aging using fractal dimension. Neurobiol. Aging. 28 (10), 1543-1555 (2007).
  34. Jones, D. K., Knosche, T. R., Turner, R. White matter integrity, fiber count, and other fallacies: The do's and don'ts of diffusion MRI. NeuroImage. 73, 239-254 (2013).
  35. Coenen, V. A., Huber, K. K., Krings, T., Weidemann, J., Gilsbach, J. M., Rohde, V. Diffusion-weighted imaging-guided resection of intracerebral lesions involving the optic radiation. Neurosurg. Rev. 28 (3), 188-195 (2005).
  36. Andrews, T. J., Halperm, S. D., Purves, D. Correlated size variations in human visual cortex, lateral geniculate nucleus, and optic tract. J. Neurosci. 17 (8), 2859-2865 (1997).
  37. Bridge, H., Thomas, O., Jbabdi, S., Cowey, A. Changes in connectivity after visual cortical brain damage underlie altered visual function. Brain. 131, 1433-1444 (2008).
  38. Asman, A. J., Landman, B. A. Non-local statistical label fusion for multi-atlas segmentation. Med. Image. Anal. 17 (2), 194-208 (2013).

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

Przedruki i uprawnienia

Tagi

promieniowanie wzrokoweczno LGN V1ledzenie deterministyczneledzenie probabilistycznestatystyka przestrzenna oparta na traktachintegralno istoty bia ej
Pomiar łączności w pierwszorzędowej ścieżce wzrokowej w ludzkim albinizmie za pomocą obrazowania tensora dyfuzji i traktografii
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.