2 stycznia 2012
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.
Ogólnym celem niniejszej procedury jest ilościowe określenie fałdowania kory mózgowej (gyrifikacji) z bardzo wysoką rozdzielczością na podstawie obrazowania MRI mózgu. Jest to realizowane poprzez stworzenie w pierwszej kolejności dokładnych trójwymiarowych reprezentacji powierzchni kory z wykorzystaniem oprogramowania FreeSurfer. Drugim krokiem jest skonstruowanie powierzchni zewnętrznej ściśle dopasowanej do powierzchni pieszczykowatej przy użyciu algorytmu domykania morfologicznego.
Następnie na powierzchni zewnętrznej tworzonych jest kilkaset nakładających się regionów kolistych, które są dopasowywane do odpowiadających im fragmentów kory mózgowej. Następnie w każdym punkcie oblicza się stosunek obu odpowiadających sobie regionów, co pozwala na uzyskanie indywidualnych map lokalizacji, które mogą być w dalszej kolejności wykorzystane do porównań statystycznych między różnymi grupami diagnostycznymi. Ostatecznie pomiar struktury kory u dzieci w wieku szkolnym, młodzieży lub dorosłych może ujawnić nieprawidłowy rozwój kory, który miał miejsce w pierwszych miesiącach życia.
Główną zaletą tej metody w porównaniu do istniejących technik, takich jak te oparte na krzywiźnie czy geometrii morfologicznej komórek, jest to, że zapewnia ona łatwo interpretowalny pomiar pofałdowania, który nie jest ograniczony przez ściany kręgu i oferuje ponadto wyjątkową rozdzielczość. Metoda ta może pomóc w udzieleniu odpowiedzi na kluczowe pytania dotyczące rozwoju schorzeń psychiatrycznych lub zaburzeń neurorozwojowych. Innymi słowy, możemy zrozumieć, w jaki sposób bardzo wczesne zdarzenia neurorozwojowe, takie jak pofałdowanie kory, mogą w późniejszym czasie wpływać na rozwój patogenezy w wieku dorosłym.
Pomysł na tę technikę pojawił się, gdy zdaliśmy sobie sprawę, że wskaźnik gyryfikacji, stosowany w neuroanatomii porównawczej od dziesięcioleci, mógłby stać się bardzo potężnym wskaźnikiem rozwoju mózgu, gdyby udało się rozwiązać problemy związane ze sposobem jego implementacji. Metoda zostanie zaprezentowana przez Mari, starszą badaczkę w naszej grupie, oraz Mari Ra, starszą badaczkę w laboratorium Jeana Philipa Trana. Ta pierwsza część protokołu wykorzystuje standardowy potok przetwarzania FreeSurfer.
Polecenia opisane w niniejszym fragmencie przedstawiają jeden ze sposobów uzyskania rekonstrukcji powierzchni kory, jednak do importu surowych danych MRI w formacie DICOM do programu FreeSurfer można użyć również równoważnych komend. Należy rozpocząć od utworzenia struktury folderów. Następnie, przejdź do folderu MRI danego badanego i przekonwertuj surowe dane MRI na format FreeSurfer.
Następnie zwizualizuj przekonwertowaną objętość. Zweryfikuj jakość obrazu, sprawdzając, czy orientacja jest poprawna, kontrast jest wystarczający, a obraz nie jest przesunięty. Następnie, używając oprogramowania FreeSurfer, stwórz trójwymiarowe modele siatek korowych.
Proces ten trwa kilka godzin. Aby rozwiązać problem Barretta, program Cellie free surfer najpierw tworzy jednolity wolumen białej istoty, który jest później wykorzystywany jako punkt wyjścia dla powierzchni granicy istoty szarej i białej. W pierwszej kolejności proces rekonstrukcji optymalizuje powierzchnię granicy istoty szarej i białej zgodnie z lokalnym gradientem intensywności.
Następnie powierzchnia ta zostaje rozszerzona do interfejsu istoty szarej i płynu mózgowo-rdzeniowego (CSF), aby utworzyć model siatki zewnętrznej. Proces rekonstrukcji generuje dwa trójwymiarowe modele siatek składające się z około 150 000 punktów na półkulę. Biały model reprezentuje interfejs istoty szarej i białej, natomiast model zewnętrzny reprezentuje interfejs istoty szarej i CSF.
Wszystkie powierzchnie i objętości znajdują się w swojej natywnej przestrzeni, co umożliwia pomiary bez deformacji. Teraz należy sprawdzić dokładność tych zrekonstruowanych powierzchni poprzez nałożenie obu powierzchni na siebie. Przykład przedstawia dopasowanie dla obiektu dostarczonego w pakiecie FreeSurfer.
Upewnij się, że biała powierzchnia dokładnie podąża za interfejsem szaro-białym oraz że naczynia i błona nie są zawarte w powierzchni stosu, aby ręcznie skorygować wynik procesu rekonstrukcji. Zapoznaj się z tutorialami na wiki FreeSurfer. Po uzyskaniu satysfakcjonujących wyników dla powierzchni, oblicz lokalny indeks glikacji (LGI).
To polecenie zazwyczaj wykonuje się przez około trzy godziny dla dwóch półkul jednego uczestnika badania. W zależności od mocy stacji roboczej, proces LGI rozpoczyna się od stworzenia powierzchni zewnętrznej przy użyciu operacji domykania morfologicznego. Następnie na powierzchni zewnętrznej tworzonych jest około 800 nakładających się, okrągłych obszarów zainteresowania.
Dla każdego z tych obszarów na powierzchni stosu definiowany jest odpowiadający mu obszar zainteresowania. Cały proces obliczeń kończy się utworzeniem indywidualnej mapy zawierającej jedną wartość LGI dla każdego punktu powierzchni kory. W rezultacie, po zakończeniu obliczeń LGI, otrzymuje się około 150 000 wartości na półkulę.
Obie półkule każdego badanego mogą zostać zweryfikowane w programie FreeSurfer jako prawidłowe. Wartości LGI zazwyczaj mieszczą się w przedziale od jednego do pięciu. W celu szybkiej weryfikacji próg minimalny można ustawić na jeden.
Celem statystycznego porównania grup jest ilościowe określenie wpływu grupy w każdym wierzchołku na powierzchni kory mózgowej, przy jednoczesnej kontroli wpływu płci i wieku. Rozpocznij od stworzenia szablonu specyficznego dla badania, podając wszystkich badanych oraz dane wejściowe. Ta komenda tworzy obiekt o nazwie average.
Następnie, aby wykorzystać klasyczne polecenia do porównania wyników LGI pomiędzy grupami, należy utworzyć plik tekstowy zawierający opis badanych osób biorących udział w badaniu. Jest to tzw. plik deskryptora grup FreeSurfer. Następnie należy ponownie próbkować dane LGI w przestrzeni średniego badanego dla każdej półkuli.
Wygładź dane na powierzchni kory, aby zmniejszyć poziom szumu. Następnie przeprowadź porównanie grupowe na poziomie każdego wierzchołka. Wymaga to utworzenia pliku tekstowego z kontrastem.
Na przykład w przypadku tekstu FSG D plik tekstowy kontrastu powinien zawierać wartości jeden minus jeden zero, aby obliczyć różnicę między grupą kontrolną a pacjentami, kontrolując wiek i płeć. Na koniec uruchom porównanie. Następnie zwizualizuj wyniki na średnim badanym, korzystając z TK surfer poprzez załadowanie nowo wygenerowanego pliku danych.
Analiza wierzchołkowa (vertex-wise) generuje mapę statystyczną z nałożonymi wartościami P zakodowanymi kolorami w każdym punkcie. Niniejszy przykład przedstawia istotnie zmniejszoną aktywację, występującą głównie w przyśrodkowych obszarach mózgu. Korzystając z opcji konfiguracji nakładki (configure overlay), można dodatkowo zmodyfikować próg P oraz zastosować korektę dla wielokrotnych porównań z wykorzystaniem poziomu fałszywych odkryć (false discovery rate).
Q deck to graficzny interfejs użytkownika zaimplementowany w programie FreeSurfer, zgodnie z wcześniejszym opisem dotyczącym obsługi z poziomu wiersza poleceń. Do korzystania z Q deck z indeksem lokalizacji LGI niezbędny będzie również szablon specyficzny dla danego badania. Przede wszystkim należy wygładzić dane LGI; Q deck wymaga utworzenia tabeli danych.
Obejmuje to opis różnych grup oraz inne zmienne zakłócające, takie jak wiek. Jeśli LGI nie znajduje się na liście zmiennych zależnych w programie Q deck, należy dodać poniższą linię do pliku RC programu Q deck znajdującego się w katalogu domowym. Korzystając z Q deck, uzyskasz dokładnie takie same wyniki jak w przypadku wiersza poleceń, a ponadto będziesz mógł skorygować wyniki pod kątem wielokrotnych porównań, wykorzystując symulacje Monte Carlo.
Mimo że lokalny indeks zapłaszczenia (LGI) został opracowany dla analizy na poziomie wierzchołków, uśrednianie danych na grubszym poziomie może być pouczające. W analizach eksploracyjnych można wyodrębnić średnie wartości LGI dla 34 regionów zakręty zgodnie ze schematem parcelizacji kory zintegrowanym w programie FreeSurfer. Pomiary te można następnie porównać pomiędzy różnymi grupami, korzystając z klasycznego oprogramowania statystycznego.
Zatem analiza w obrębie poszczególnych działek może być atrakcyjnym sposobem na ograniczenie liczby porównań statystycznych. Jednakże wskaźnik LGI w każdym punkcie już kwantyfikuje stratyfikację w otaczających obszarach zainteresowania. W konsekwencji średnia wartość LGI w danych obszarach zainteresowania może również w pewnym stopniu odzwierciedlać stratyfikację w sąsiednich obszarach zainteresowania.
W celu znalezienia rozwiązań problemów, które mogą wystąpić podczas przetwarzania w programach free surfer lub LGI, należy zapoznać się z archiwum listy mailingowej free surfer. Z niniejszą procedurą można połączyć inne metody, takie jak pomiar grubości kory lub traktografia T. Pozwoli to zaobserwować, w jaki sposób wczesne zmiany w procesie ifikacji wiążą się z dalszym rozwojem kory mózgowej lub rozwojem szlaków istoty białej.
Oglądając ten film, zdobędą Państwo dokładną wiedzę na temat tego, jak tworzyć trójwymiarowe reprezentacje powierzchni kory mózgowej, jak generować indywidualne mapy gyryfikacji oraz jak porównywać je pomiędzy grupami w celu wykrycia statystycznie istotnych pogorszeń w zakresie fałdowania kory.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
Niniejsze badanie koncentruje się na ilościowej ocenie fałdowania kory mózgowej z wykorzystaniem zaawansowanych technik obrazowania. Dzięki zastosowaniu obrazowania MRI mózgu, celem badań jest stworzenie szczegółowych reprezentacji powierzchni kory w celu analizy rozwoju mózgu.
Ilościowy pomiar fałdowania kory z wykorzystaniem lokalnego wskaźnika gyracji (lGI) na podstawie obrazów MR umożliwia wysokorozdzielcze mapowanie wzorców neurorozwojowych, co wspiera wczesne odkrywanie biomarkerów strukturalnych. Podejście to zwiększa pewność prognostyczną w neuronauce translacyjnej, dostarczając interpretowalnych, rozdzielczych przestrzennie metryk do porównań grupowych. Integracja analizy lGI z procesami badawczo-rozwojowymi w sektorze biofarmaceutycznym wspomaga walidację celów terapeutycznych oraz decyzje dotyczące portfela projektów w programach dotyczących zaburzeń neurorozwojowych i psychiatrycznych, z uwzględnieniem analizy ryzyka.
Metoda lGI integruje procesy od wczesnego etapu odkrywania po badania przedkliniczne, wspierając testowanie hipotez, opracowywanie biomarkerów oraz analitykę na poziomie grupowym w portfolio badań nad OUN.