Rezonans magnetyczny tensora dyfuzji w analizie chorób neurodegeneracyjnych

Ogólnym celem poniższego eksperymentu jest wykorzystanie analizy obrazowania tensora dyfuzji do zdefiniowania odrębnej patoanatomii istoty białej różnych chorób mózgu poprzez połączenie statystyk atropii frakcyjnej antropii całego mózgu i przewodu pokarmowego. Osiąga się to poprzez odpowiednie obrazowanie tensora dyfuzji lub wstępne przetwarzanie danych DTI, w tym kontrolę jakości i normalizację stereotaktyczną. Drugim krokiem jest statystyka przestrzenna oparta na całym mózgu lub WBSS, która pozwala na łatwe porównanie map ułamkowych lub FA różnych grup badanych w celu wykrycia różnic patologicznych.

Następnie, ułamkowy TrackWise. Statystyka ATROPY lub TFAS jest wykonywana w celu uzupełnienia wyników porównania wokseli poprzez porównanie struktur mózgu, które zostały zdefiniowane przez procedurę śledzenia włókien. Uzyskano wyniki, które pokazują różnice między grupami chorymi a grupami kontrolnymi na podstawie analizy opartej na DTI.

Główną zaletą tej techniki w porównaniu z innymi metodami jest to, że śledzenie światłowodów na średnich zbiorach danych grupy staje się wykonalne. Metoda ta może pomóc odpowiedzieć na kluczowe pytania w dziedzinie neuroobrazowania, takie jak identyfikacja struktur mózgu, które są dotknięte chorobami neurodegeneracyjnymi. Implikacje tej techniki rozciągają się w kierunku zastosowania jako markera zastępczego opartego na neuroobrazowaniu, ponieważ może ona potencjalnie wykazywać efekty podłużne zarówno na poziomie indywidualnym, jak i grupowym.

Demonstracja tej metody ma kluczowe znaczenie, ponieważ etapy przetwarzania danych są trudne do nauczenia, ponieważ analiza danych została przeprowadzona na niestandardowym pakiecie oprogramowania, jakim jest T, a kilka kroków w przetwarzaniu i analizie danych jest bardzo czasochłonnych Aby wykonać korektę artefaktu. Niestandardowe oprogramowanie opracowane przez nasze laboratorium służy do wykrywania GD z co najmniej jednym wycinkiem wykazującym artefakty ruchu o zmniejszonej intensywności spowodowane spontanicznym ruchem obiektu. Używane oprogramowanie to obrazowanie tensorowe i śledzenie światłowodów i jest tworzone na zamówienie przez nasze laboratorium dla dowolnej objętości ważonej dyfuzją.

Oblicz średnią intensywność dla każdego wycinka, a następnie porównaj jego intensywność z tym samym wycinkiem we wszystkich innych objętościach, stosując metodę średniej ważonej. Współczynnikiem wagowym jest iloczyn skalarny wektorów dwóch gd. Jeśli Q jest poniżej pewnego progu, progu 0,8 w tym przypadku jako example, wyeliminuj cały ten wolumin lub gd.

Próg 0,8 jest uważany za stabilne rozwiązanie. Pokazano tutaj artefakty ruchu widoczne w rekonstrukcjach strzałkowych i wykryte przez algorytm kontroli jakości. W tym przykładzie, z całkowitej liczby GD 17, znajdowały się poniżej czerwonej linii, która odpowiada Q równa się 0,8 i powinny zostać wyeliminowane.

Przykład statystyki eliminacji objętości dla całego badania jest pokazany tutaj, w tym przykładzie dane DTI 29 przedobjawowych pacjentów HD zostały porównane z danymi DTI 30 kontrolnych w celu normalizacji stereotaktycznej, tworząc specyficzny dla badania szablon B równa się zero i szablon FA. Kompletna nieliniowa normalizacja stereotaktyczna składa się z trzech składowych deformacji. W związku z tym wynikowy tensor dyfuzji każdego oka woksela musi zostać obrócony zgodnie ze wszystkimi obrotami uważanymi za pokazane wcześniej.

Oto sztywna transformacja mózgu w celu wyrównania podstawowych układów współrzędnych. Ten rysunek pokazuje odkształcenie liniowe zgodnie z punktami orientacyjnymi. Składowe wektorów iGen muszą być dostosowane zgodnie z sześcioma parametrami normalizacji S deformacji liniowej, a oto normalizacja nieliniowa, wyrównująca nieliniowe różnice kształtu mózgu.

Przesunięcia wektorów 3D są różne dla każdego woksela, co prowadzi do oddzielnej transformacji dla każdego vle tablicy wokseli 3D. Po tej indywidualnej procedurze normalizacji należy użyć wszystkich indywidualnych zestawów danych DTI do utworzenia specyficznego dla badania szablonu B równa się zero i szablonu FA. Ponieważ rejestracja bez PHE w szablonie FA ma tę zaletę, że zapewnia większy kontrast w porównaniu do obrazów B równa się zero, zdefiniuj szablon FA, uśredniając wszystkie indywidualnie uzyskane mapy FA pacjentów i grupy kontrolnej.

W drugim kroku należy przeprowadzić nieliniową normalizację MNI zbiorów danych DTI, minimalizując niezgodność między regionalnymi intensywnościami mapy FA, która ma być dopasowana, a jeśli szablon FA jest zgodny z różnicami kwadratowymi na podstawie tych danych, wyprowadzane są nowe szablony T dwa. Powtarzaj ten iteracyjny proces, aż korelacja między poszczególnymi mapami FA a szablonem FA będzie większa niż 0,7. Zwykle osiąga się to po dwóch iteracjach.

Teraz pełne statystyki przestrzenne oparte na mózgu można wykonywać, obliczając mapy atropowe anankietów frakcyjnych na podstawie znormalizowanych danych DTI, wygładzając mapy frakcyjne i atropowe oraz oceniając statystycznie, w tym poprawkę na wielokrotne porównania w poniższym tekście. Różnice w frakcyjnych mapach antropowych pacjentów ze stwardnieniem zanikowym bocznym w porównaniu z grupą kontrolną są obliczane na podstawie statystyk przestrzennych opartych na całym mózgu. Oblicz mapy FA na podstawie znormalizowanych danych DTI, aby zachować informacje kierunkowe jako krok wstępnego przetwarzania przed porównaniem wokseli, zastosuj filtr wygładzający do poszczególnych znormalizowanych map FA w celu wygładzenia.

Fakt, że rozmiar filtra wpływa na wyniki analizy danych DTI, wymaga zastosowania twierdzenia o dopasowanym filtrze, które mówi, że szerokość filtra użytego do przetwarzania danych powinna być dostosowana do wielkości oczekiwanej różnicy. Porównaj grupy pacjentów i odpowiadającą im grupę kontrolną foxwell Y za pomocą testu T studenta. Odbywa się to poprzez porównanie wartości FA map FA pacjenta z wartościami FA kontrolnych map FA dla każdej nory osobno, a następnie skorygowanie wyników statystycznych dla wielokrotnych porównań przy użyciu algorytmu współczynnika fałszywych odkryć przy P mniejszym niż 0,05.

Dalsze zmniejszenie błędu alfa za pomocą algorytmu korelacji przestrzennej, który eliminuje izolowane woksele lub małe izolowane grupy wokseli w zakresie rozmiarów jądra wygładzającego, co prowadzi do minimalnego progowego rozmiaru klastra wynoszącego 512 lisich na następnej ścieżce dwukrotnie. Statystyki atropowe anestezji frakcyjnej są obliczane dla pacjentów ze stwardnieniem zanikowym bocznym w porównaniu z grupą kontrolną. W celu zastosowania algorytmów śledzenia włókien opartych na grupach, należy wygenerować średnie zestawy danych DTI na podstawie danych pacjenta i danych kontrolnych razem, a następnie wykonać zestawy danych traktograficznych i średnich DTI grup badanych, stosując uproszczoną technikę śledzenia.

Zidentyfikuj ręcznie zdefiniowane punkty zarodkowe przylegające do lokalnych maksimów za pomocą całej analizy FA opartej na mózgu, które są podstawą do dalszej analizy śledzenia włókien po identyfikacji nasion, wykonaj t traktografię i zdefiniuj woksele wyznaczonych włókien jako maskę specyficzną dla grupy dla następnego TFAS. W celu ilościowego określenia wyników traktografii T należy zastosować TFAS przy użyciu ścieżek światłowodowych, które zostały utworzone na średnich zestawach danych DTI wszystkich osób z każdej grupy w celu wyboru wokseli, które przyczyniają się do porównania między pacjentami a kontrolnymi mapami FA w celu uzyskania wyczerpujących informacji przez WBSS i TFAS rozważ wszystkie wynikowe woksele o wartości FA powyżej 0,2 do analizy statystycznej przez studentów T-test. Ta animacja pokazuje różnice grupowe na mapach FA wykrytych przez WBSS między próbką pacjentów z LS a dopasowanymi kontrolami w wizualizacji warstwowej.

Ten film pokazuje śledzenie włókien z punktami początkowymi w przewodzie korowo-rdzeniowym używanymi jako podstawa TFAS po opanowaniu. Ta technika może być wykonana prawie automatycznie w ciągu kilku godzin, jeśli jest wykonana prawidłowo. Po obejrzeniu tego filmu powinieneś dobrze zrozumieć, jak przeprowadzać analizę DTI na poziomie grupy przy użyciu statystyk przestrzennych opartych na całym mózgu i statystyk TrackWise FA.