Współanaliza struktury i funkcji mózgu z wykorzystaniem fMRI oraz obrazowania dyfuzyjnego

Ogólnym celem poniższego eksperymentu jest jednoczesna analiza struktury i funkcji mózgu przy użyciu obrazowania rezonansem magnetycznym. Osiąga się to poprzez zastosowanie MRI wysokiego pola do obrazowania struktury białej materii mózgu za pomocą obrazowania widma dyfuzji (DSI) oraz pomiaru funkcji mózgu za pomocą funkcjonalnego rezonansu magnetycznego w trybie BOLD (bold fMRI). Następnie dane DSI są przetwarzane w celu uzyskania wielokierunkowych szacunków dyfuzji w każdym punkcie mózgu.

Dodatkowo dane fMRI są analizowane w celu wyznaczenia obszarów zainteresowania (ROI) służących do generowania lub wyboru wirtualnych włókien istoty białej. Następnie obszary zainteresowania są dopasowywane do danych DSI, tak aby dane funkcjonalne i strukturalne znajdowały się we wspólnej przestrzeni obrazowania. Na koniec, na danych dyfuzyjnych przeprowadza się traktografię w celu oszacowania szlaków istoty białej łączących funkcjonalne obszary zainteresowania. Wyniki pozwalają określić stopień łączności anatomicznej pomiędzy obszarami mózgu, których funkcjonalne powiązanie zostało postawione jako hipoteza.

Na podstawie danych z fMRI wykonanych podczas zadania. Niedawne zbieżne dowody sugerują, że złożone operacje poznawcze są realizowane przez sieci wielu obszarów mózgu współpracujących ze sobą, a nie przez pojedynczy, jednolity obszar. Aby w pełni zdefiniować te systemy obliczeniowe, konieczne jest zrozumienie związku między ich właściwościami funkcjonalnymi a strukturalnymi poprzez połączenie funkcjonalnego rezonansu magnetycznego.

Dzięki obrazowaniu MR z dyfuzją ważoną można badać łączność sieciową oraz sposób, w jaki wpływa ona na złożone ludzkie zachowania. Główną zaletą tego potoku przetwarzania obrazów MRI dyfuzyjnych w stosunku do standardowych metod, takich jak obrazowanie tensora dyfuzji, jest to, że połączenie obrazowania dyfuzyjnego o wysokiej rozdzielczości kątowej i rekonstrukcji bezmodelowej pozwala na lepsze rozdzielenie złożonych konfiguracji włókien w mózgu. Zastosowania tej techniki obejmują charakteryzację stanów neuropsychologicznych.

Przykładem jest wrodzona prozopagnozja, w której osoby wykazują zaburzenia w rozpoznawaniu twarzy. Z wykorzystaniem standardowego obrazowania dyfuzyjnego MRI wykazano, że przebiegi włókien istoty białej w pobliżu obszarów przetwarzania twarzy są zdegradowane w porównaniu z grupą kontrolną. Poprzez połączenie strukturalnego i funkcjonalnego MRI można zidentyfikować deficyty strukturalne włókien, a konkretnie węzłów łączących w sieci przetwarzania twarzy.

Metodę tę można zastosować również w kontekście klinicznym, na przykład podczas planowania neurochirurgicznego. Chirurdzy wykorzystują mapowanie funkcjonalne do identyfikacji tkanek istoty szarej związanych z istotnymi funkcjami poznawczymi, aby zminimalizować ryzyko przypadkowych uszkodzeń podczas operacji. Dzięki dodatkowym informacjom strukturalnym, takim jak obrazowanie dyfuzyjne, mogą oni również ograniczyć uszkodzenia krytycznych struktur istoty białej łączących te obszary funkcjonalne.

Zazwyczaj osoby rozpoczynające pracę z tą metodą napotykają trudności wynikające z braku jednego pakietu oprogramowania, który umożliwiałby wykonanie wszystkich niezbędnych etapów procedury. W związku z tym użytkownicy muszą korzystać z wielu programów, dbając jednocześnie o zachowanie wspólnego formatu obrazów oraz spójnej orientacji i wyrównania. Nasz protokół zawiera szczegółowe instrukcje, które przeprowadzą użytkowników przez tę procedurę.

Analizy tego typu, które łączą strukturę i funkcję, stanowią naturalne rozwinięcie eksperymentów obrazowania funkcjonalnego, które zidentyfikowały obszary mózgu zaangażowane w zadania. W badanych zadaniach większość poprzednich podejść nie była w stanie dostarczyć informacji o łączności strukturalnej, co zostaje uzupełnione w prezentowanym tutaj protokole. Do wykonania obrazowania spektralnego dyfuzji (DSI) w 257 kierunkach wykorzystuje się skaner Siemens 3 Tesla z 32-kanałową cewką głowicową; wysoka natężenie pola i 32-kanałowa cewka są niezbędne do uzyskania sygnału wymaganego dla tego skanu o wysokiej rozdzielczości kątowej.

Najczęściej stosowaną metodą obrazowania z dyfuzją jest obrazowanie tensora dyfuzji (DTI), wykorzystująca skanowanie trwające od 5 do 10 minut i zazwyczaj mierzące 64 lub mniej kierunków. Ograniczeniem DTI jest trudność w rozróżnianiu włókien krzyżujących się i stykających (crossing and kissing fibers), które są lepiej wykrywane dzięki połączeniu akwizycji o wysokiej rozdzielczości i metod rekonstrukcji, takich jak DSI. Należy zauważyć, że protokół DSI wymaga około 45 do 50 minut obrazowania, a do danych DSI nie można zastosować korekcji ruchu. Dlatego zaleca się minimalizowanie ruchów poprzez stosowanie rynien zgryzowych, piankowych podkładek lub innych technik stabilizacji oraz angażowanie wysoko przeszkolonych uczestników; do fMRI opartego na zadaniach wymagany jest dodatkowy sprzęt, taki jak kompatybilny z MR wyświetlacz i system przycisków odpowiedzi.

Przed rozpoczęciem skanowania należy uzyskać świadomą zgodę oraz sprawdzić obecność przeciwwskazań do badania MR. Następnie należy poinformować uczestnika o charakterze wykonywanych skanów, podkreślając konieczność pozostania w bezruchu podczas skanowania DSI. Gdy uczestnik będzie gotowy, należy komfortowo ustabilizować jego głowę, a następnie wsunąć stół do skanera, przeprowadzić wstępne skany lokalizacyjne (scout scans) oraz kalibrację.

Następnie dopasuj warstwy skanowania DSI do komisury przedniej i tylnej, upewniając się, że warstwy skanowania DSI obejmują cały zakres mózgu. Wykonaj skan DSI podczas gdy badany odpoczywa w skanerze lub ogląda film w systemie prezentacyjnym. Po skanowaniu DSI wykonaj anatomiczny skan T1-zależny do późniejszego wykorzystania w koregistracji danych DSI z innymi danymi anatomicznymi lub funkcjonalnymi w tej samej lub oddzielnej sesji skanowania.

Należy również pozyskać dane fMRI oparte na zadaniach do funkcjonalnego skanowania zadań behawioralnych. Poleć badanym monitorowanie ekranu w celu wykrycia bodźców związanych z zadaniem i reagowanie zgodnie z wymogami. Jeśli badanie fMRI jest przeprowadzane w inny dzień, należy wykonać kolejny anatomiczny skan T1-zależny.

Ta metoda przetwarzania wykorzystuje analizę danych fMRI opartą na powierzchniach do generowania ROI dla traktografii, co pozwala na lepszą wizualizację korelacji między punktami końcowymi traktografii a funkcjonalnymi ROI. Aby rozpocząć przetwarzanie, najpierw należy przekazać pozyskany obraz T1-zależny do zautomatyzowanego algorytmu FreeSurfer, który wykonuje anatomiczną segmentację istoty szarej i białej oraz rekonstrukcję powierzchni kory. Wynikiem jest również przetworzona wersja wolumenu anatomicznego, z którego utworzono powierzchnie, określana jako wolumen powierzchniowy.

Następnie przeprowadź wstępne przetwarzanie danych fMRI w programie AFNI. Potem zaimportuj wyniki z programu FreeSurfer do oprogramowania SUMMA w ramach AFNI i zmapuj wstępnie przetworzone dane funkcjonalne na powstałe powierzchnie. Przeanalizuj dane fMRI w celu wygenerowania map statystycznych, na podstawie których można stworzyć funkcjonalnie zdefiniowane obszary zainteresowania (ROI) dla traktografii T.

Następnie rozszerz te funkcjonalne ROI oparte na powierzchni na istotę białą poprzez dylatację, aby zmaksymalizować kontakt z liniami przepływu (streamlines) podczas traktografii. Na koniec przekształć rozszerzone ROI z współrzędnych powierzchniowych na objętościowe i wyeksportuj je jako pliki nifty w celu przetworzenia danych dyfuzyjnych. Najpierw zidentyfikuj, które obrazy DICOM w zbiorze danych są obrazami b zero lub obrazami bazowymi, a następnie przekonwertuj je do formatu nifty.

Następnie w programie DSI studio otwórz obrazy DSI DICOM i połącz je, aby utworzyć plik źródłowy, oraz wprowadź tabelę gradientów. Następnie zastosuj domyślną maskę rekonstrukcyjną do obrazu bazowego i upewnij się, że obejmuje ona całą istotę szarą, nie uwzględniając pustej przestrzeni, czaszki ani tkanek pozamózgowych. W razie potrzeby zmodyfikuj maskę.

Wybierz model rekonstrukcji o wysokiej rozdzielczości, korzystając z A-D-S-I-G-Q-I lub wariancji GQI. W tym przypadku zastosowano opcję GQI. Następnie utwórz plik informacji o włóknach, aby przedstawić główne kierunki dyfuzji w każdym voxelu.

Następnie funkcjonalne obszary zainteresowania (ROI) muszą zostać przekształcone do przestrzeni DSI. Użyj programu apni, aby dopasować obraz zerowy DSIB do anatomicznej objętości powierzchni w formacie nifty. Odwróć wynikową 12-punktową macierz transformacji ALINE, korzystając z programu a acne cat mat.

Następnie zastosuj odwróconą macierz do funkcjonalnych ROI, aby przekształcić je do przestrzeni DSI. Śledzenie włókien z użyciem ziarna obejmującego cały mózg jest szybkim i skutecznym sposobem oceny ogólnej jakości danych. Stanowi ono również okazję do określenia wartości parametrów globalnych, takich jak próg śledzenia; aby rozpocząć, utwórz region ziarna obejmujący cały mózg.

Następnie ustaw początkową wartość progu śledzenia w celu zamaskowania wokseli o niskim sygnale, a także próg kąta. Ustal również wielkość kroku śledzenia w milimetrach oraz pożądaną liczbę włókien lub punktów startowych. Teraz przeprowadź traktografię całego mózgu, aby sprawdzić ogólną jakość rekonstrukcji ODF.

Następnie należy wyznaczyć optymalny próg śledzenia, iteracyjnie wykonując śledzenie całego mózgu i korygując wartość progu. Należy znaleźć taki próg, który maksymalizuje proporcję włókien docierających do istoty szarej, wizualizując nakładanie się traktografii całego mózgu i maski istoty szarej w programie track; szumy włókien są zminimalizowane, gdy od 90 do 100% włókien dociera do istoty szarej. Ponadto należy sprawdzić, czy próg śledzenia maskuje woksels i pustą przestrzeń. Na przykład szczelina podłużna bez usuwania woksels, które ewidentnie znajdują się w istocie białej; w ramach weryfikacji należy w programie track prześledzić zestaw włókien kontrolnych z anatomicznego ROI w biegunie potylicznym z dużą liczbą punktów startowych, na przykład 500 000.

Upewnij się, że procedura ta generuje w przybliżeniu taką samą liczbę włókien w różnych zestawach danych, teraz gdy wybrano optymalne parametry traktografii. Następnie przeprowadź traktografię z ograniczeniem ROI T, aby przetestować hipotezy dotyczące łączności między funkcjonalnie zdefiniowanymi obszarami mózgu. Rozpocznij od załadowania pliku fib i utwórz region ziarna obejmujący cały mózg w programie DSI Studio. Następnie załaduj jeden lub więcej plików nifty z funkcjonalnie zdefiniowanymi obszarami zainteresowania i ustaw je jako ROI w ustawieniach regionów (region setters) programu DSI Studio.

ROI będą wymagały przejścia przez nie linii strumieniowych (streamlines); należy ustawić parametry śledzenia oraz próg kąta, korzystając z wcześniej zoptymalizowanych parametrów, a następnie przeprowadzić śledzenie. Na koniec zapisz wynik traktografii w formacie plików TRK. Następnie wykonaj analizę gęstości punktów końcowych, która pozwala zmierzyć odpowiedniości łączności strukturalnej w precyzyjnych lokalizacjach przestrzennych funkcjonalnej aktywacji związanej z zadaniem.

Aby rozpocząć, załaduj pliki NifTI ROI oraz pliki TRK do oprogramowania TrackViz, wykonaj operacje Boole'a pomiędzy obszarami i zapisz wyniki każdej operacji jako nowy plik TRK. Użyj funkcji Diffusion Toolkit, aby przekształcić przestrzennie pliki TRK z przestrzeni DSI do przestrzeni wolumetrycznej powierzchni (surface volume space), w celu wyświetlenia danych o włóknach na wysokorozdzielczej anatomicznej podkładce; załaduj przekształcony plik TRK oraz wolumen powierzchni w programie TrackViz, aby ocenić wyniki jako jedną z miar łączności. Oblicz całkowitą liczbę końców włókien w ROI, znormalizowaną przez objętość ROI.

Tutaj przedstawiono ilustrację wyników optymalnych i suboptymalnych z zastosowaniem traktografii całego mózgu. Wszystkie trzy obrazy opierają się na tym samym zbiorze danych DWI z 257 kierunkami, pozyskanym od jednego uczestnika. Tutaj zaprezentowano wyniki optymalne.

W przeciwieństwie do tego, przedstawione tutaj wyniki pokazują efekt zbyt liberalnych parametrów traktografii. Widoczny jest tutaj spadek jakości wynikający z zastosowania pojedynczego modelu tensora do rekonstrukcji danych DWI. Na tej rysunku widzimy przykład obszarów aktywowanych podczas zadania z percepcją twarzy, w którym wyświetlano zdjęcia twarzy oraz przedmiotów codziennego użytku.

Podczas skanowania fMRI dwa brzuszne obszary skroniowe w części środkowej, zakręt wrzecionowaty oraz zakręt potyliczny dolny, wykazały istotnie silniejsze odpowiedzi BOLD w przypadku twarzy niż w przypadku obiektów. Przedstawiona scena pokazuje połączenia między korą wzrokową, obszarami sensorycznymi a obszarem kontroli uwagi w tylnej korze ciemieniowej. Ten panel pokazuje przybliżone lokalizacje regionów seed V1, V2 i V3 odpowiednio w kolorze czerwonym, zielonym i niebieskim.

Region ziarna PPC oznaczony jako IPS 1 oraz ścieżki włókien łączące te obszary; włókna są pokolorowane zgodnie z ROI potylicznym, z którego się wywodzą. Panel B przedstawia zdefiniowane funkcjonalnie regiony na powierzchni kory: IPS w kolorze brązowym, V1 w czerwonym, V2 w zielonym i V3 w niebieskim, wraz z punktami końcowymi włókien w każdym regionie. Po opanowaniu metody, akwizycja danych dla jednego uczestnika może zostać zrealizowana w czasie od 30 do 90 minut.

Zautomatyzowana rekonstrukcja powierzchni anatomicznej zajmuje zazwyczaj 16 godzin, podczas gdy dane z obrazowania dyfuzyjnego mogą zostać przetworzone w mniej niż godzinę. Czas przetwarzania i analizy danych fMRI różni się w zależności od zadania behawioralnego oraz procedur eksperymentalnych. Wymagania czasowe dla traktografii również wahają się od kilku minut do kilku godzin, w zależności od parametrów śledzenia i ograniczeń obszaru zainteresowania.

Podczas wykonywania tej procedury należy pamiętać, że wyniki traktografii mogą być podatne zarówno na wyniki fałszywie dodatnie, jak i fałszywie ujemne. Zawsze należy oceniać wyniki śledzenia włókien w kontekście wcześniejszych odkryć neuroanatomicznych lub stosować metody zbieżne, takie jak analiza łączności funkcjonalnej po zakończeniu tej procedury. W celu dalszego zbadania związku ze strukturą i funkcją mózgu można zastosować inne metody, takie jak klasyfikacja wzorców lokalizacji włókien, szczegółowa analiza przestrzenna rozkładu punktów końcowych oraz podłużne skanowanie integralności istoty białej.

Technika ta utorowała drogę badaczom z dziedziny neuronauki poznawczej do nieinwazyjnego badania zależności między strukturą a funkcją u zdrowych ludzi oraz w populacjach klinicznych. Połączenia strukturalne między regionami mózgu mogą służyć do ograniczania hipotez dotyczących przepływu informacji w sieciach mózgowych kontrolujących złożone ludzkie zachowania. Po obejrzeniu tego filmu powinni Państwo rozumieć kluczowe etapy rekonstrukcji danych obrazowania tensora dyfuzji oraz przeprowadzania traktografii włókien.

Należy również zrozumieć znaczenie przeprowadzania kontroli jakości oraz iteracyjnych testów parametrów w celu optymalizacji wyników śledzenia włókien. Wreszcie, po obejrzeniu tego filmu, powinni Państwo lepiej rozumieć, w jaki sposób powiązać łączność anatomiczną z właściwościami funkcjonalnymi sieci mózgowych.