Ustandaryzowany rurociąg do badania morfometrii istoty szarej móżdżku człowieka za pomocą strukturalnego rezonansu magnetycznego

Nasza linia produkcyjna wykorzystuje najnowocześniejsze podejścia do ilościowego określania objętości podjednostek móżdżku za pomocą obrazów strukturalnego rezonansu magnetycznego człowieka. Proces obejmuje parcelację anatomiczną, morfometrię opartą na wokselach i procesy kontroli jakości. Nasz ustandaryzowany potok jest w większości zautomatyzowany, dostępny w formacie Docker i Singularity i ma szerokie zastosowanie w wielu chorobach neurologicznych.

Aby rozpocząć, upewnij się, że zainstalowano platformy Docker lub Singularity, MATLAB i SPM12. Następnie, używając polecenia make directory w wierszu poleceń, utwórz foldery w katalogu roboczym i oznacz je jako acapulco, suit i freesurfer. Następnie w katalogu acapulco utwórz folder wyjściowy.

W folderze wyjściowym utwórz katalog dla każdego tematu w badaniu, zawierający obraz ważony t1 w formacie NIFTI gz. W przypadku anatomicznej parcelacji móżdżku pobierz kontener acapulco, a następnie pobierz odpowiednie skrypty i kontenery wymagane do uruchomienia acapulco. Następnie umieść kontener acapulco Docker lub Singularity, zawartość archiwum QCs_scripts oraz kontener RCIF lub calculate_dicv.

tar w katalogu Acapulco. Następnie otwórz terminal i za pomocą Singularity wpisz wskazane polecenie, aby uruchomić kontener acapulco na jednym obrazie. Poczekaj pięć minut na zakończenie przetwarzania.

Następnie zapętl wszystkie obiekty lub skany w kohorcie. Po przetworzeniu poszukaj wygenerowanych plików w folderach tematycznych. Zidentyfikuj rozparcelowaną maskę móżdżku w oryginale i objętości dla każdej z 28 podjednostek wygenerowanych przez acapulco.

Następnie z katalogu zdjęć zidentyfikuj reprezentatywne obrazy strzałkowe, osiowe i koronalne. W celu statystycznego wykrywania wartości odstających i kontroli jakości upewnij się, że zawartość skryptów kontroli jakości znajduje się w katalogu acapulco. Następnie, korzystając z Singularity, wpisz wskazane polecenie.

Aby sprawdzić obrazy kontroli jakości wygenerowane przez acapulco, otwórz QC_Images. html w przeglądarce internetowej i szybko przewijaj obrazy, aby zidentyfikować oczywiste awarie lub problemy systemowe. Zanotuj identyfikatory tematów nieudanych lub podejrzanych zdjęć z parcelacją, aby móc podjąć dalsze działania.

Następnie otwórz Plots_for_Outliers. html, aby sprawdzić wykresy pudełkowe dla ilościowych statystycznych wartości odstających. Zidentyfikuj wartości odstające oznaczone cyfrą 1 w odpowiedniej kolumnie w polu Wartości odstające.

Plik CSV. i zanotuj łączną liczbę segmentów zidentyfikowanych jako wartości odstające dla każdego tematu w ostatniej kolumnie w Outliers.csv. Ręcznie sprawdź każdy obraz z co najmniej jednym elementem odstającym.

Jeśli używasz standardowej przeglądarki obrazów NIFTI, nałóż maskę acapulco na oryginalny obraz ważony t1, aby sprawdzić jakość parcelacji kawałek po plasterku. Jeżeli co najmniej jeden region parcelowany musi zostać wyłączony z końcowego zbioru danych, należy wyłączyć tę parcelację z analizy, zastępując oszacowaną wielkość działowania wartością NA w odpowiedniej komórce tego przedmiotu. Jeśli błędy parcelacji spowodują, że część móżdżku zostanie usunięta z maski, natychmiast wyklucz badanego z dalszych analiz.

W przypadku analiz morfometrycznych opartych na wokselach przy użyciu SUIT upewnij się, że folder SPM12 i wszystkie podfoldery znajdują się w ścieżce MATLAB. Ponadto upewnij się, że skrypty enigma_suit są zapisane w katalogu przybornika SPM12 i dodane do ścieżki MATLAB. Aby sprawdzić ścieżkę MATLAB, wpisz pathtool w oknie poleceń MATLAB i kliknij Dodaj z podfolderami, aby dodać odpowiednie foldery.

Następnie, korzystając z graficznego interfejsu użytkownika, wpisz suit_enigma_all w oknie poleceń MATLAB, aby uruchomić potok SUIT dla jednego lub więcej tematów. W pierwszym wyskakującym oknie wybierz foldery tematyczne z katalogu wyjściowego acapulco, które mają zostać uwzględnione w analizie. Kliknij poszczególne foldery po prawej stronie okna lub kliknij prawym przyciskiem myszy i zaznacz wszystkie.

Następnie naciśnij Gotowe. W drugim wyskakującym okienku wybierz katalog SUIT. Aby wywołać funkcję z wiersza poleceń programu MATLAB dla pojedynczego tematu, wpisz wskazane polecenie.

Podczas uruchamiania SUIT z wiersza polecenia, jeśli katalogi SPM12 lub enigma_suit nie są trwale zapisane w ścieżce MATLAB, ten krok należy dodać do wiersza polecenia. Aby wywołać funkcję z okna terminala poza programem MATLAB dla pojedynczego tematu, wpisz pokazane polecenie. Sprawdź folder każdego tematu, aby uzyskać ostateczne wyniki.

Aby wizualnie sprawdzić znormalizowane obrazy modulowane pod kątem poważnych awarii, wpisz spm_display_4d w programie MATLAB. Następnie, aby wybrać wymagane obrazy, przejdź do katalogu SUIT i wpisz wskazane polecenie w polu filtra. Następnie naciśnij przycisk Rekurencja, a następnie Gotowe.

Przewiń obrazy, aby upewnić się, że wszystkie są dobrze wyrównane. Następnie, aby sprawdzić kowariancję przestrzenną dla wartości odstających, wpisz check_spatial_cov w programie MATLAB. Następnie wybierz zmodulowane obrazy z wcześniejszych i po wyświetleniu monitu ustaw Prop.

skalowanie do tak, zmienna do kowariancji w dół do nie, wycinek do 48 i odstęp do 1. Na koniec spójrz na wykres pudełkowy przedstawiający średnią kowariancję przestrzenną każdego obrazu względem wszystkich innych w próbce. Zidentyfikuj punkty danych, które są więcej niż dwa odchylenia standardowe poniżej średniej w oknie poleceń MATLAB.

W przypadku tych punktów danych sprawdź odpowiednie obrazy w folderze SUIT pod kątem artefaktów, problemów z jakością obrazu lub błędów przetwarzania wstępnego. Pokazany tutaj jest silnie zanikowy móżdżek u pacjenta z ataksją rdzeniowo-móżdżkową 2.

Pomimo ubytku tkanki widocznego na krawędziach, SUIT dość dobrze zniekształcił ten obraz do szablonu. Nie uzasadniałoby to wyłączenia. W tym przypadku występuje wyraźny gradient od góry do dołu móżdżku, a obraz jest dość nierówny, co uzasadnia wykluczenie.

Wreszcie, w tym przykładzie, maskowanie nie zadziałało dobrze. Krawędzie nie są czyste, a obraz jest gładszy niż te, które zwykle wychodzą z potoku SUIT. Uzasadniałoby to wykluczenie.

Przykłady dobrych parcelacji, w tym zdrowej i silnie zanikłej móżdżku, są pokazane tutaj, natomiast przykłady błędnych parcelacji z subtelnymi nadmiernymi i niedostatecznymi inkluzjami poszczególnych zrazików móżdżku można zobaczyć tutaj. Tego typu błędy na ogół wymagają wykluczenia poszczególnych zrazików, które są dotknięte chorobą, podczas gdy pozostała część rozparcelowanego móżdżku może zostać zachowana. W przeciwieństwie do tego, globalne awarie wymagają całkowitego wykluczenia tematu.

Kiedy acapulco przeprowadzono na próbie 31 osób z ataksją Friedreicha i 37 zdrowych osób z grupy kontrolnej, lewy płatek IX i prawy płatek Crus I miały najwyższe wskaźniki wykluczenia. Porównanie objętości 28 anatomicznych zrazików móżdżku w ataksji Friedreicha i zdrowych osobach kontrolnych wykazało znacznie zmniejszoną istotę białą w rdzeniu rdzenia w ataksji Friedreicha. Nie stwierdzono innych istotnych różnic między grupami.

Przykłady dobrze wyrównanych obrazów zarówno z grupy kontrolnej zdrowej, jak i ataksji Friedreicha są pokazane tutaj, podczas gdy przykłady wykluczeń można zobaczyć tutaj. Po przetestowaniu kowariancji przestrzennej wszystkich znormalizowanych obrazów, dwa skany zostały wykryte jako statystyczne wartości odstające na podstawie ich średniej kowariancji przestrzennej z resztą próby. W SNPM przeprowadzono nieparametryczne testy permutacji w celu zbadania istotnych różnic między grupami w objętości istoty szarej móżdżku.

Wyniki analizy SUIT wykazały, że pacjenci z ataksją Friedreicha mieli znacznie zmniejszoną objętość istoty szarej w obustronnym przednim płatku od I do V oraz w przyśrodkowych obszarach tylnego płata, w tym Vermis VI i Vermis, IX.It kluczowe jest ręczne sprawdzenie masek móżdżku, aby upewnić się, że osiągnięto pełne pokrycie móżdżku, a także sprawdzenie masek pod kątem nadmiernych i niedostatecznych wtrąceń zrazików móżdżku. Rurociąg ten ułatwia przeprowadzanie wieloośrodkowych analiz statystycznych na poziomie grupy, które są zainteresowane przyjrzeniem się strukturze istoty szarej móżdżku. Inne techniki, takie jak łączność funkcjonalna, mogą być również wykorzystywane do badania połączeń między poszczególnymi zrazikami móżdżku a mózgiem.