Name: Ustandaryzowany rurociąg do badania morfometrii istoty szarej móżdżku człowieka za pomocą strukturalnego rezonansu magnetycznego (Wideo) | JoVE Journal
Uploaded: 2022-02-04T14:00:00.000+00:00
Duration: 11 min 50 s
Description: Poznaj zautomatyzowany potok do analizy morfometrii istoty szarej móżdżku człowieka za pomocą strukturalnego rezonansu magnetycznego. Ta metoda umożliwia precyzyjną parcelację i kwantyfikację objętościową w badaniach neurologicznych.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Praca przedstawiona w tym manuskrypcie została sfinansowana przez Australian National Health and Medical Research Council (NHMRC) Ideas Grant: APP1184403.

UWAGA: Dane użyte w tym badaniu były częścią projektu zatwierdzonego przez Komitet Etyki Badań Naukowych Uniwersytetu Monash (projekt 7810). Uczestnicy wyrazili pisemną świadomą zgodę. Podczas gdy potok może być uruchamiany w systemach operacyjnych Mac, Windows lub Linux, potoki ACAPULCO, SUIT i QC zostały wyraźnie przetestowane w systemach operacyjnych Linux (Ubuntu) i Mac (Catalina, Big Sur v11.0.1).
1. Moduł 1: ACAPULCO (parcelacja anatomiczna)
<ol>
	<li>Gromadzenie danych
	<ol>
		<li>Zbierz obrazy 3D T1-zależne MRI całego mózgu w rozdzielczości 1mm3 lub mniejszej. Zalecane są izotropowe wymiary wokseli (zwykle 1 mm x 1 mm x 1 mm) i skaner 3-Telsa (lub większy). Skonsultuj się ze specjalistą ds. obrazowania w jego centrum radiografii, aby skonfigurować i uzyskać dane zgodne z tymi specyfikacjami. 
		UWAGA: Obrazy T2-ważone są czasami przydatne do analiz wolumetrycznych; jednak przedstawiony tutaj potok opiera się tylko na danych ważonych T1, a niektóre z używanych narzędzi są wyłączne dla tego typu danych. W związku z tym nie można używać obrazów ważonych T2.</li>
		<li>Dokonaj wizualnej oceny jakości obrazów, aby wykluczyć poważne wady rozwojowe móżdżku (np. duże zmiany) lub znaczne artefakty ruchowe, które uniemożliwiają identyfikację głównych punktów orientacyjnych móżdżku (np. głównych szczelin anatomicznych). Nie należy automatycznie wykluczać atrofii móżdżki, nawet jeśli jest ona znaczna.</li>
		<li>W przypadku badań grupowych należy również rozważyć ilościowe oceny jakości przy użyciu ogólnodostępnych, ustandaryzowanych narzędzi, takich jak MRIQC46, aby dokładniej zidentyfikować problematyczne dane.</li>
		<li>Przekonwertuj wszystkie dane do formatu NIFTI-GZ za pomocą narzędzia takiego jak dcm2niix47.</li>
	</ol>
	</li>
	<li>Zalecana organizacja danych
	<ol>
		<li>Zaopatrz się w całe niezbędne oprogramowanie wymienione w Tabeli materiałów. Upewnij się, że Docker48 lub Singularity49, Matlab50 i SPM1251 są zainstalowane przed uruchomieniem potoku. 
		UWAGA: Dostępne są również obszerne filmy instruktażowe i wideo opisujące rurociąg (patrz Tabela materiałów).</li>
		<li>Po zainstalowaniu całego niezbędnego oprogramowania utwórz foldery w katalogu roboczym i oznacz je jako "acapulco", "suit" i "freesurfer". Zrób to za pomocą polecenia mkdir z wiersza poleceń.</li>
		<li>W katalogu 'acapulco' utwórz folder wyjściowy. W folderze wyjściowym utwórz katalog dla każdego tematu w badaniu, zawierający obraz ważony T1 w formacie NIFTI-GZ. 
		UWAGA: Zaleca się przechowywanie kopii oryginalnych danych w innym miejscu.</li>
	</ol>
	</li>
	<li>Anatomiczna parcellacja móżdżku za pomocą ACAPULCO
	<ol>
		<li>Przejdź do Tabeli Materiałów i pobierz odpowiednie skrypty i kontenery wymagane do uruchomienia ACAPULCO (w sekcji Pliki potoków ACAPULCO). W katalogu 'acapulco' umieść (i) kontener ACAPULCO Docker OR Singularity (odpowiednio 'acapulco_0.2.1.tar.gz' lub '.sif'), (ii) zawartość archiwum QC_scripts (3 pliki: 'QC_Master.R', 'QC_Plots.Rmd' i 'QC_Image_Merge.Rmd') oraz (iii) plik 'R.sif' (osobliwość) OR 'calculate_icv.tar' (docker).</li>
		<li>Otwórz terminal i z wiersza poleceń uruchom kontener ACAPULCO na pojedynczym obrazie (zastąp <<subject>> poniżej). Poczekaj ~5 minut na zakończenie przetwarzania.
		<ol>
			<li>Korzystając z platformy Docker, wpisz polecenie: 
			docker load --input acapulco_0.2.1.tar.gz 
			docker run -v $PWD:$PWD -w $PWD -t --user $(id -u):$(id -g) --rm acapulco:latest -i wyjście/<<temat>>/<<temat>>.nii.gz -o wyjście/<<temat>></li>
			<li>Korzystając z Osobliwości, wpisz polecenie: 
			osobliwość run --cleanenv -B $PWD:$PWD acapulco-0.2.1.sif -i wyjście/<<temat>>/<<temat>>.nii.gz -o wyjście/<<temat>></li>
		</ol>
		</li>
		<li>Zapętl wszystkie obiekty/skany w kohorcie. Zapoznaj się z Tabelą materiałów, aby uzyskać link do strony internetowej ENIGMA Imaging Protocols w celu pobrania potoku (w sekcji ENIGMA Cerebellum Volumetrics Pipeline) oraz podręcznika instruktażowego zawierającego przykłady tworzenia pętli for do szeregowego przetwarzania wielu obiektów.</li>
		<li>Po przetworzeniu poszukaj następujących plików wygenerowanych w folderach tematycznych:
		<ol>
			<li>Zidentyfikuj "<temat>_n4_mni_seg_post_inverse.nii.gz": rozparcelowana maska móżdżku w oryginale (przestrzeń tematu).</li>
			<li>Zidentyfikuj "<subject>_n4_mni_seg_post_volumes.csv": objętość (w mm3) dla każdej z 28 podjednostek generowanych przez acapulco;</li>
			<li>Zidentyfikuj reprezentatywne obrazy (w katalogu 'pics'): strzałkowe, osiowe i czołowe.</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>Statystyczne wykrywanie wartości odstających i kontrola jakości (QC)
	<ol>
		<li>Z terminala i w katalogu 'acapulco' upewnij się, że zawartość QC_scripts znajduje się w katalogu 'acapulco'. Aby uruchomić skrypty kontroli jakości:
		<ol>
			<li>Korzystając z platformy Docker, wpisz polecenie: 
			docker load calculate_icv.tar 
			docker run -v $PWD:$PWD -w $PWD --rm -it luhancheng/calculate_icv:latest Rscript 
			Wyjście QC_Master.R/</li>
			<li>Korzystając z Osobliwości, wpisz polecenie: 
			osobliwość exec -B $PWD:$PWD R.sif Rscript /ścieżka/do/QC_Master.R /ścieżka/do/acapulco/output</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>Badanie obrazów kontroli jakości generowanych przez ACAPULCO 
	UWAGA: Istnieje 3-etapowy proces sprawdzania jakości obrazów paczkowanych ACAPULCO.
	<ol>
		<li>Otwórz "QC_Images.html" w przeglądarce internetowej i szybko (~10 s na temat) przewijaj obrazy, aby zidentyfikować oczywiste awarie lub problemy systemowe. Zanotuj identyfikatory tematów nieudanych lub podejrzanych zdjęć parcelowanych w celu podjęcia dalszych działań. 
		UWAGA: Zobacz Rysunek 3 zawiera przewodnik po neuroanatomii zrazików móżdżku i Rysunek 4, Rysunek 5 i Rysunek 6 w sekcji wyników reprezentatywnych poniżej, aby zapoznać się z przykładami "dobrych" parcelacji, "subtelnych błędnych parcelacji" i "globalnych niepowodzeń".</li>
		<li>Otwórz "Plots_for_Outliers.html", aby sprawdzić wykresy skrzynkowe dla ilościowych statystycznych wartości odstających. Poszukaj wartości odstających (2,698 s.d powyżej lub poniżej średniej) powyżej lub poniżej wąsów wykresów pudełkowych. Najedź kursorem na punkty danych, aby wyświetlić identyfikator podmiotu. Zidentyfikuj wartości odstające oznaczone literą "1" w odpowiedniej kolumnie w pliku "Outliers.csv" i zanotuj łączną liczbę segmentów zidentyfikowanych jako wartości odstające dla każdego tematu w ostatniej kolumnie w Outliers.csv.</li>
		<li>Ręcznie sprawdź każdy obraz z co najmniej jednym elementem odstającym. KRYTYCZNE: Korzystając ze standardowej przeglądarki obrazów NIFTI (np. FSLEyes lub MRICron), nałóż maskę ACAPULCO na oryginalny obraz T1w, aby sprawdzić jakość parcelacji kawałek po plasterku.
		<ol>
			<li>Aby wygenerować nakładki dla szczegółowej kontroli jakości z wiersza poleceń za pomocą FSLEtak, i) zmień katalog na katalog 'acapulco', ii) określ temat do wyświetlenia (zastąp <subject>): 
			subj=<subject_name></li>
			<li>Skopiuj/wklej następujący kod do terminala (bez ręcznej zmiany {subj}, ponieważ zostało to ustawione w poprzednim wierszu: 
			t1_image=wyjście/${subj}/${subj}.nii.gz 
			acapulco_image=wyjście/${subj}/${subj}_n4_mni_seg_post_inverse.nii.gz 
			fsleyes ${t1_image} ${acapulco_image} --overlayType label --lut random_big --outline --outlineWidth 3 ${acapulco_image} --overlayType volume --alpha 50 --cmap random 
			UWAGA: Konieczne będzie ustalenie, czy należy uwzględnić nieprawidłowy segment, czy nie, tj. czy występuje błąd parcelacji, czy jest to tylko normalna zmienność w anatomii osobnika? Każdy region parcelowany jest rozpatrywany indywidualnie, więc kilka regionów można wykluczyć z obrazu, a pozostałe można zachować, jeśli są poprawne.</li>
			<li>Czy co najmniej jeden region parcelowany musi zostać wyłączony z końcowego zbioru danych? 
			Jeśli odpowiedź brzmi "tak" (wartość odstająca została potwierdzona), należy wykluczyć tę działkę (parcelacje) z analizy, zastępując szacunkową wielkość wartością NA w odpowiedniej komórce pliku "Cerebel_vols.csv" dla tego tematu.</li>
			<li>Czy błędy przy parcelacji skutkują wyłączeniem części móżdżku z maski? 
			Jeśli tak (na przykład, jeśli w masce brakuje określonych zrazików móżdżku lub wydają się one "odcięte"), natychmiast wyklucz osobę badaną z dalszych analiz (tj. nie przystępuj do uruchamiania modułu SUIT na tych obiektach).</li>
		</ol>
		</li>
	</ol>
	</li>
</ol>
2. Moduł 2: morfometria wokselowa zoptymalizowana pod kątem móżdżku
<ol>
	<li>Analizy morfometryczne oparte na wokselach przy użyciu SUIT 
	KRYTYCZNE: Ten potok wymaga, aby moduł ACAPULCO został już uruchomiony, ponieważ opiera się na generowaniu specyficznej dla tematu maski móżdżku w celu optymalizacji rejestracji i normalizacji móżdżku do szablonu SUIT. Jeśli maska specyficzna dla danego tematu wygenerowana przez ACAPULCO nie obejmuje całego móżdżku, uzasadnia to wykluczenie z modułu SUIT. Aby uzyskać instrukcje dotyczące uruchamiania samodzielnego SUIT, zobacz52.
	<ol>
		<li>Zaopatrz się w całe niezbędne oprogramowanie wymienione w Tabeli Materiałów. Upewnij się, że folder SPM12 i wszystkie podfoldery znajdują się w ścieżce MATLAB. Upewnij się, że skrypty enigma_suit są zapisane w katalogu "spm12/toolbox" i dodane do ścieżki MATLAB. Aby sprawdzić ścieżkę MATLAB, wpisz pathtool w oknie poleceń MATLAB, a następnie kliknij Dodaj z podfolderami, aby dodać odpowiednie foldery.</li>
		<li>Uruchom potok SUIT dla co najmniej jednego tematu. Poczekaj ~15-20 minut (w przypadku korzystania z graficznego interfejsu użytkownika [GUI]) i ~5-7 minut w przypadku uruchamiania z terminala (bash/shell) na zakończenie przetwarzania.
		<ol>
			<li>Aby użyć graficznego interfejsu użytkownika (tematy będą uruchamiane szeregowo), w oknie poleceń MATLAB wpisz polecenie: 
			suit_enigma_all</li>
			<li>W pierwszym wyskakującym oknie wybierz foldery tematyczne z katalogu "acapulco/output", które mają zostać uwzględnione w analizie. Kliknij poszczególne foldery po prawej stronie okna lub kliknij prawym przyciskiem myszy i zaznacz wszystko. Naciśnij Gotowe. W drugim oknie pop-up wybierz katalog SUIT, w którym będą zapisywane analizy.</li>
			<li>LUB Wywołaj funkcję z wiersza poleceń MATLAB dla pojedynczego tematu, wpisz polecenie: 
			suit_enigma_all('/ścieżka/do/acapulco/output/subjdir','/ścieżka/do/suitoutputdir')</li>
			<li>LUB Wywołaj funkcję z okna terminala, poza programem MATLAB, dla pojedynczego tematu, wpisując polecenie: 
			matlab -nodisplay -nosplash -r "suit_enigma_all('/ścieżka/do/acapulco/output/subjdir','/ścieżka/do/suitoutputdir'), wyjdź"</li>
		</ol>
		</li>
		<li>Zapoznaj się z Tabelą materiałów, aby uzyskać link do strony internetowej ENIGMA Imaging Protocols w celu pobrania potoku (w sekcji ENIGMA Cerebellum Volumetrics Pipeline) oraz podręcznika instruktażowego zawierającego przykłady tworzenia pętli for do szeregowego przetwarzania wielu obiektów.</li>
		<li>Zwróć uwagę na następujące punkty dotyczące skryptu.
		<ol>
			<li>Upewnij się, że skrypt kopiuje obraz T1 z korekcją odchylenia N4, wyrównany MNI (sztywny korpus) i maskę móżdżku ACAPULCO do katalogu wyjściowego.</li>
			<li>Upewnij się, że skrypt dzieli na segmenty istotę szarą i białą móżdżku.</li>
			<li>Upewnij się, że skrypt koryguje błędy nadmiernego uwzględnienia w parcelacji za pomocą maski ACAPULCO.</li>
			<li>Upewnij się, że skrypt DARTEL normalizuje i ponownie tnie dane do przestrzeni SUIT z modulacją jakobianową, tak aby wartość każdego woksela była proporcjonalna do jego oryginalnej objętości.</li>
			<li>Sprawdź folder każdego tematu, aby uzyskać następujące końcowe wyniki: "wd<subject>_seg1.nii" (szara materia) i "wd<subject>_seg2.nii" (biała materia).</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>Statystyczne wykrywanie wartości odstających i kontrola jakości
	<ol>
		<li>Sprawdź wzrokowo znormalizowane, modulowane obrazy (wd*) pod kątem poważnych awarii. W programie MATLAB wpisz polecenie: 
		spm_display_4D</li>
		<li>Ręcznie wybierz obrazy 'wd*seg1' z podfolderów garnituru lub przejdź do katalogu 'suit'; wstaw '^wd.*seg1' w polu Filtr (bez cudzysłowów) i naciśnij przycisk Rec. Naciśnij Gotowe.</li>
		<li>Przewiń obrazy, aby upewnić się, że wszystkie są dobrze wyrównane. Zobacz Rysunek 7 dla poprawnie znormalizowanych obrazów ze zdrowych osób z grupy kontrolnej (A,B) oraz osoby z silnie zanikowym móżdżkiem (D). 
		UWAGA: Na tym etapie anatomia między obiektami jest bardzo podobna (ponieważ zostały one zarejestrowane w tym samym szablonie), a różnice głośności są zamiast tego kodowane przez różne intensywności wokseli. Poważne awarie będą oczywiste, np. puste obrazy, duże obszary brakującej tkanki, nietypowe gradienty intensywności (tj. jasne woksele na górze, ciemne woksele na dole). Obrazy te powinny zostać wyłączone z kolejnych kroków.</li>
		<li>Sprawdzanie kowariancji przestrzennej dla wartości odstających. W programie MATLAB wpisz polecenie: 
		check_spatial_cov
		<ol>
			<li>Wybierz obrazy "wd*seg1" zgodnie z poprzednim krokiem. Po wyświetleniu monitu wybierz następujące opcje: Skalowanie rekwizytów: Tak; Zmienna do przemienności out: Nie; Plasterek (mm): - 48 , Przerwa: 1.</li>
			<li>Spójrz na wykres skrzynkowy przedstawiający średnią kowariancję przestrzenną każdego obrazu względem wszystkich innych w próbce. Zidentyfikuj punkty danych, które są >2s.d. poniżej średniej w oknie poleceń MATLAB. W tym celu należy sprawdzić obraz "<subj>_n4_mni.nii.gz" w folderze SUIT pod kątem artefaktów (ruchu, nieprawidłowości anatomicznych), problemów z jakością obrazu lub błędów wstępnego przetwarzania.</li>
			<li>Jeśli jakość obrazu i przetwarzanie wstępne są akceptowalne, a kontrola wzrokowa zmodulowanych obrazów w poprzednim kroku nie wskazuje na problem z segmentacją i normalizacją, zachowaj te dane w próbce. W przeciwnym razie wyklucz te dane.</li>
		</ol>
		</li>
	</ol>
	</li>
</ol>
3. MODUŁ 3 (opcjonalnie): Szacowanie objętości wewnątrzczaszkowej (ICV) za pomocą FreeSurfer
UWAGA: Ten moduł użyje potoku FreeSurfer do obliczenia ICV. Nie trzeba go ponownie uruchamiać, jeśli istnieją dane wyjściowe Freesurfer dla kohorty (dowolna wersja).
<ol>
	<li>Konfiguracja FreeSurfer
	<ol>
		<li>Upewnij się, że FreeSurfer jest pobrany i zainstalowany53. Przejdź do Tabeli Materiałów i pobierz odpowiednie skrypty, aby uruchomić ten moduł (w sekcji Pliki potoku ICV). Podczas pracy z FreeSurfer ustaw następujące zmienne: 
		export FREESURFER_HOME=<freesurfer_installation_ katalog> 
		źródło: $FREESURFER_HOME/SetUpFreeSurfer.sh</li>
		<li>Zastąp <path> następującym: 
		export SUBJECTS_DIR=<ścieżka>/enigma/Freesurfer</li>
	</ol>
	</li>
	<li>Uruchamianie autorecon Freesurfer1
	<ol>
		<li>Dla pojedynczego tematu, z poziomu katalogu 'freesurfer' (czas przetwarzania ~20 min), wpisz polecenie: 
		cd <path>/enigma/freesurfer 
		recon-all -i .. /input/<subject>.nii.gz -s <subject> -autorecon1</li>
		<li>Zapoznaj się z podręcznikiem samouczka, aby zapoznać się z przykładami tworzenia pętli for do szeregowego przetwarzania wielu tematów.</li>
	</ol>
	</li>
	<li>Obliczanie ICV
	<ol>
		<li>Organizacja danych
		<ol>
			<li>W katalogu 'freesurfer' umieść (i) kontener Docker OR Singularity używany w Module 1 (odpowiednio 'calculate_icv.tar' lub 'R.sif') oraz (ii) skrypcie xfm2det (patrz Tabela Materiałów). Następnie wykonaj polecenie git clone, aby sklonować wymagany skrypt ICV: 
			git clone https://github.com/Characterisation-Virtual-Laboratory/calculate_icv</li>
		</ol>
		</li>
		<li>Uruchomiona ekstrakcja ICV (czas przetwarzania ~5 min)
		<ol>
			<li>W katalogu 'freesurfer', z kontenerem osobliwości ('R.sif'), wpisz: 
			osobliwość exec --cleanenv -B $PWD:$PWD R.sif calculate_icv/calculate_icv.py --freesurfer_dir=/ścieżka/do/freesurfer --acapulco_dir=/ścieżka/do/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv calculate_icv</li>
			<li>W katalogu 'freesurfer', z kontenerem docker, wpisz: 
			docker run -v $PWD:$PWD -w $PWD -rm -it luhancheng/calculate_icv:latest 
			calculate_icv/calculate_icv.py --freesurfer_dir=/ścieżka/do/Freesurfer -- 
			acapulco_dir=/ścieżka/do/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv 
			calculate_icv</li>
			<li>Uruchamianie skryptu bez kontenera - zobacz Tabelę materiałów, aby uzyskać dodatkowe wymagane oprogramowanie i zależności. W katalogu 'freesurfer' wpisz: 
			./calculate_icv/ calculate_icv.py ---freesurfer_dir=/ścieżka/do/freesurfer -- 
			acapulco_dir=/ścieżka/do/acapulco/QC/Cerebelvolsfile -- 
			output_csv_name=Cerebel_vols.csv calculate_icv 
			UWAGA: Spowoduje to obliczenie ICV dla każdego tematu i dołączenie kolumny z ICV na końcu pliku "Cerebel_vols.csv".</li>
		</ol>
		</li>
	</ol>
	</li>
</ol>

Autorzy nie mają do ujawnienia żadnych konfliktów interesów.

Móżdżek ma kluczowe znaczenie dla szerokiego zakresu funkcji motorycznychczłowieka 3, poznawczych58, afektywnych10 i językowych 7,59 i jest zaangażowany w wiele chorób neurologicznych i psychiatrycznych. Dostępność ustandaryzowanego i łatwego do wdrożenia podejścia do kwantyfikacji regionalnych objętości móżdżku przyczyni się do coraz bardziej szczegółowego mapowania struktury i funkcji całeg...

Móżdżek jest częścią mózgu historycznie związaną z kontrolą motoryczną1,2,3 i uważa się, że jest integralnie zaangażowany tylko w niewielką grupę rzadkich chorób, takich jak dziedziczne ataksje4. Jednak zbieżne linie badań z badań anatomicznych na naczelnych, a także badań nad zmianami chorobowymi u ludzi i badań neuroobrazowania, dostarczają przekonujących dowodów na rolę móżdżku w szerokim wachlarzu poznawczych5,6,7, affective8,9,10,11i inne funkcje niemotoryczne7,12 (zobacz6 do przeglądu). Co więcej, nieprawidłowości móżdżku są coraz częściej związane z szerokim zakresem zaburzeń neurologicznych i psychiatrycznych, w tym z chorobą Parkinsona13, chorobą Alzheimera14,15, epilepsja16,17, schizofrenia18 i zaburzenie ze spektrum autyzmu19. Dlatego niezbędne stało się włączenie móżdżku do funkcjonalnych i strukturalnych modeli chorób ludzkiego mózgu i normatywnej zmienności behawioralnej.
Anatomicznie, móżdżek można podzielić wzdłuż osi górnej do dolnej na trzy płaty: przedni, tylny i kłaczkowato-kolanko-dularny. Płaty są dalej podzielone na 10 płatów oznaczonych cyframi rzymskimi I-X20,21 (Rysunek 1). Móżdżek można również podzielić na strefy linii środkowej (robak) i bocznej (półkula), które odpowiednio otrzymują dane wejściowe z rdzenia kręgowego i kory mózgowej. Płat przedni, składający się z zrazików I-V, był tradycyjnie związany z procesami motorycznymi i ma wzajemne połączenia z korą ruchową mózgu22. Tylny płat, składający się z zrazików VI-IX, jest przede wszystkim związany z procesami niemotorycznymi11 i ma wzajemne połączenia z korą przedczołową, tylną ciemieniową i górną skroniową korą mózgową8,23. Wreszcie, płat kłaczkowo-guzkowy, składający się z zrazika X, ma wzajemne połączenia z jądrami przedsionkowymi, które regulują ruchy gałek ocznych i równowagę ciała podczas postawy i chodu21.
Rosnąca liczba najnowszych prac wykorzystujących funkcjonalne neuroobrazowanie jeszcze bardziej udoskonaliła zrozumienie funkcjonalnej neuroanatomii móżdżku poza jego anatomiczne podziały. Na przykład techniki funkcjonalnego rezonansu magnetycznego w stanie spoczynku (fMRI) zostały wykorzystane do odwzorowania wzorca funkcjonalnych interakcji między móżdżkiem a mózgiem24. Dodatkowo, stosując podejście parcelacji oparte na zadaniach, King i współpracownicy7 wykazali, że móżdżek wykazuje bogaty i złożony wzorzec specjalizacji funkcjonalnej w całej swojej szerokości, o czym świadczą wyraźne granice funkcjonalne związane z różnorodnymi zadaniami motorycznymi, afektywnymi, społecznymi i poznawczymi. Podsumowując, badania te podkreślają znaczenie badania poszczególnych podjednostek móżdżku w celu opracowania pełnej biologicznej charakterystyki udziału móżdżku zarówno w zdrowej zmienności, jak i chorobach neurologicznych charakteryzujących się zmianami w strukturze i/lub funkcji móżdżku.
Obecna praca skupia się na metodach ilościowego określania lokalnych zmian objętości móżdżku za pomocą strukturalnego MRI u ludzi. Ogólnie rzecz biorąc, istnieją dwa podstawowe podejścia do kwantyfikacji regionalnej objętości mózgu przy użyciu danych MRI: segmentacja oparta na cechach i rejestracja oparta na wokselach. Podejścia do segmentacji oparte na cechach wykorzystują anatomiczne punkty orientacyjne i ustandaryzowane atlasy do automatycznego identyfikowania granic między podregionami. Popularne pakiety oprogramowania do segmentacji to FreeSurfer25, BrainSuite26 i FSL-FIRST27. Jednak pakiety te zapewniają tylko grube rozparcelowanie móżdżku (np. znakowanie całej istoty szarej i całej istoty białej w każdej półkuli), pomijając w ten sposób poszczególne zraziki móżdżku. Podejścia te są również podatne na błędną segmentację, w szczególności nadmierne włączenie otaczającego naczynia krwionośnego.
Nowe algorytmy uczenia maszynowego i etykietowania w wielu atlasach zostały opracowane, które zapewniają dokładniejsze i bardziej szczegółowe parcelowanie móżdżku, w tym Algorytm Automatycznej Klasyfikacji Zrazików Móżdżku przy użyciu Niejawnej Ewolucji Wielogranicznej (ACCLAIM28,29), Zestaw narzędzi do analizy móżdżku (CATK30), Wiele automatycznie generowanych szablonów (MAGeT31), szybka automatyczna segmentacja ludzkiego móżdżku i jego zrazików (RASCAL32), segmentacja z wyciętym wykresem33, oraz segmentacja CEREbellum (CERES34). W niedawnym artykule porównującym najnowocześniejsze, w pełni zautomatyzowane metody parcelacji móżdżku, stwierdzono, że CERES2 przewyższa inne podejścia w stosunku do złotego standardu ręcznej segmentacji zrazików móżdżku35. Niedawno Han i jego współpracownicy36 opracowali algorytm głębokiego uczenia o nazwie ACAPULCO (Automatic Cerebellum Anatomical Parcellation using U-Net with locally constrained optimization), który działa na równi z CERES2, ma szerokie zastosowanie zarówno w zdrowych, jak i zanikowych móżdżkach, jest dostępny w formacie kontenera Docker i Singularity o otwartym kodzie źródłowym do implementacji "z półki" i jest bardziej efektywny czasowo niż inne podejścia. ACAPULCO automatycznie rozdziela móżdżek na 28 obszarów anatomicznych.
W przeciwieństwie do segmentacji opartej na cechach, metody rejestracji oparte na wokselach działają poprzez precyzyjne odwzorowanie MRI na obraz szablonu. Aby osiągnąć to odwzorowanie, woksele na oryginalnym obrazie muszą być zniekształcone pod względem rozmiaru i kształtu. Wielkość tego zniekształcenia skutecznie zapewnia miarę głośności każdego woksela w stosunku do szablonu standardu złota. Ta forma oceny wolumetrycznej jest znana jako 'morfometria oparta na wokselach'37. Podejścia do rejestracji oparte na wokselach całego mózgu, takie jak FSL-FLIRT38/FNIRT39, SPM unified segmentation40 i CAT1241, są powszechnie używane do morfometrii opartej na wokselach. Jednak te podejścia nie uwzględniają dobrze móżdżku, co skutkuje słabą wiarygodnością i trafnością w regionach podnamiotowych (móżdżek, pień mózgu42). Aby uwzględnić te ograniczenia, opracowano algorytm SUIT (Spatially Unbiased Infra-tentorial Template) w celu optymalizacji rejestracji móżdżku i poprawy dokładności morfometrii opartej na wokselach42,43.
Segmentacja oparta na cechach i oparte na wokselach metody rejestracji do szacowania regionalnej objętości móżdżku mają fundamentalne mocne i słabe strony. Metody segmentacji są znacznie dokładniejsze w przypadku ilościowego określania objętości anatomicznie zdefiniowanych obszarów (np. zraziki35). Jednak granice między odrębnymi modułami funkcjonalnymi móżdżku nie są odwzorowywane na jego anatomicznych liściach i szczelinach (odpowiednik zakrętów i bruzd mózgu 7). Ponieważ podejścia oparte na rejestracji nie są ograniczone anatomicznymi punktami orientacyjnymi, możliwe jest bardziej szczegółowe wnioskowanie przestrzenne i wysokowymiarowe mapowanie struktura-funkcja móżdżku44. Podsumowując, podejścia do segmentacji i rejestracji wzajemnie się uzupełniają i mogą być wykorzystywane do udzielania odpowiedzi na różne pytania badawcze.
Tutaj prezentowany jest nowy ustandaryzowany potok, który integruje te istniejące, sprawdzone podejścia w celu zapewnienia zoptymalizowanej i zautomatyzowanej parcelacji (ACAPULCO) oraz opartej na wokselach rejestracji móżdżku (SUIT) do kwantyfikacji objętościowej (<silna klasa="xfig">Rysunek 2). Linia produkcyjna opiera się na ustalonych podejściach, obejmujących protokoły kontroli jakości, wykorzystujące jakościową wizualizację i ilościowe wykrywanie wartości odstających, a także szybką metodę uzyskiwania szacunku objętości wewnątrzczaszkowej (ICV) za pomocą Freesurfer. Potok jest w pełni zautomatyzowany, a ręczna interwencja jest wymagana tylko do sprawdzenia wyników kontroli jakości i może być uruchamiany w systemach operacyjnych Mac, Windows i Linux. Rurociąg jest swobodnie dostępny, bez żadnych ograniczeń co do jego wykorzystania do celów niekomercyjnych, a dostęp do niego można uzyskać ze strony internetowej ENIGMA Consortium Imaging Protocols (pod adresem "ENIGMA Cerebellum Volumetrics Pipeline"), po wypełnieniu krótkiego formularza rejestracyjnego45.
Wszystkie wymagane oprogramowanie jest wymienione w Tabeli Materiałów, a szczegółowe samouczki, w tym demonstracja na żywo, są dostępne po pobraniu potoku, oprócz protokołu opisanego poniżej. Na koniec przedstawiono reprezentatywne wyniki z wdrożenia procesu produkcyjnego w kohorcie osób z ataksją Friedreicha (FRDA) oraz zdrowych osób z grupą kontrolną dopasowaną pod względem wieku i płci, a także zalecenia dotyczące statystycznych analiz wnioskowanych na poziomie grupy.

<table><tbody><tr><td>Pliki rurociągów ACAPULCO </td><td>0.2.1</td><td>http://enigma.ini.usc.edu/protocols/imaging-protocols/</td> <td>Upewnij się, że używasz acapulco w wersji 0.2.1</td></tr><tr><td>Docker dla komputerów Mac</td><td></td><td>https://docs.docker.com/desktop/mac/install/</td> <td>macOS musi być w wersji 10.14 lub nowszej Docker wymaga sudo priviledges Docker nakłada ograniczenie pamięci (RAM) na system Mac OS. Aby zwiększyć pamięć RAM, otwórz Docker Desktop, przejdź do Preferencji i kliknij zasoby. Zwiększ pamięć do maksimum</td></tr><tr><td>Docker dla Windows</td><td></td><td>https://docs.docker.com/docker-for-windows/install/</td><td></td></tr> <tr><td>skrypty</td><td></td> ENIGMA SUIT <td>http://enigma.ini.usc.edu/protocols/imaging-protocols/</td><td></td></tr> <tr><td>FreeSurfer</td><td>7</td><td>https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall</td><td>Za każdym razem, gdy pracujesz z Freesurferem, musisz ustawić następujące zmienne: export FREESURFER_HOME=<img alt="równanie" src="/files/ftp_upload/63340/lesser.png">freesurfer _installation_directory<img alt="równanie" src="/files/ftp_upload/63340/greater.png"> source $FREESURFER_HOME/SetUpFreeSurfer.sh</td></tr><tr><td colspan="4">export SUBJECTS_DIR=<img alt="równanie" src="/files/ftp_upload/63340/lesser.png">path<img alt="równanie" src="/files/ftp_upload/63340/greater.png">/enigma/Freesurfer</td></tr><tr><td>FSL (dla FSLeyes). Opcjonalne</td><td>6</td><td>https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation</td><td></td></tr><tr><td>pliki</td><td></td> potoku ICV <td>http://enigma.ini.usc.edu/protocols/imaging-protocols/</td> <td>Potok ICV można uruchomić na dwa sposoby: 1) z dockerem/osobliwością. Nie będziesz potrzebować dodatkowego oprogramowania; 2) bez dockera/osobliwości - polega to na ręcznym uruchomieniu skryptu ICV (calculate_icv.py). Będziesz potrzebował następującego dodatkowego oprogramowania: wersja Pythona <img alt="równanie" src="/files/ftp_upload/63340/greater.png">=3.5 Moduł Pythona pandas Moduł Pythona fire Moduł Pythona tabulate Moduł Pythona Colorama</td></tr><tr><td></td><td></td><td>https://github.com/Characterisation-Virtual-Laboratory/calculate_icv</td><td></td></tr><tr><td>MATLAB*</td><td>2019 lub nowszy</td><td>https://au.mathworks.com/</td> <td>Wymagana jest licencja akademicka</td></tr><tr><td>Singularity</td><td>3.7 lub nowsza</td><td>https://www.sylabs.io/docs/</td> <td>preferowana dla klastrów obliczeń o wysokiej wydajności (HPC)</td></tr><tr><td>SPM</td><td>12</td><td>http://www.fil.ion.ucl.ac.uk/spm/software/spm12/</td> <td>Upewnij się, że spm12 i wszystkie podfoldery znajdują się w ścieżce MATLAB</td></tr><tr><td>SUIT Toolbox</td><td>3.4</td><td>http://www.diedrichsenlab.org/imaging/suit_download.htm</td><td>Upewnij się, że umieściłeś przybornik SUIT w katalogu spm12/toolbox</td></tr><tr><td>Rozwiązywanie problemów z instrukcją obsługi i segmentacją Przykłady</td><td></td> danych wyjściowych <td>http://enigma.ini.usc.edu/protocols/imaging-protocols/</td><td></td></tr> <tr><td>Samouczek i http://enigma.ini.usc.edu/protocols/imaging-protocols/ wideo</td><td></td><td></td><td>Instrukcja obsługi i towarzysząca jej demonstracja na żywo zawierają szczegółowe instrukcje krok po kroku dotyczące uruchamiania potoku od początku do końca.</td></tr><tr><td>*Niedostępne bezpłatnie; wymagana</td><td></td><td></td><td></td> jest licencja akademicka</tr></tbody></table>

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

A Standardized Pipeline for Examining Human Cerebellar Grey Matter Morphometry using Structural Magnetic Resonance Imaging

Wiele linii badawczych dostarcza przekonujących dowodów na rolę móżdżku w szerokim zakresie funkcji poznawczych i afektywnych, wykraczając daleko poza jego historyczne powiązania z kontrolą motoryczną. Badania neuroobrazowania strukturalnego i funkcjonalnego przyczyniły się do dalszego pogłębienia wiedzy na temat funkcjonalnej neuroanatomii móżdżku poza jego anatomicznymi podziałami, podkreślając potrzebę badania poszczególnych podjednostek móżdżku w zdrowej zmienności i chorobach neurologicznych. W artykule przedstawiono ustandaryzowany proces badania morfometrii istoty szarej móżdżku, który łączy w sobie najnowocześniejsze podejścia o wysokiej rozdzielczości do zoptymalizowanej i zautomatyzowanej parcelacji móżdżku (Automatic Cerebellum Anatomical Parcellation using U-Net Locally Constrained Optimization; ACAPULCO) i oparta na wokselach rejestracja móżdżku (Spatially Unbiased Infra-tentorial Template; SUIT) do ilościowego oznaczania objętościowego. 
Potok ma szerokie zastosowanie w wielu chorobach neurologicznych i jest w pełni zautomatyzowany, z ręczną interwencją wymaganą tylko do kontroli jakości wyników. Potok jest dostępny bezpłatnie, wraz z obszerną dokumentacją towarzyszącą, i może być uruchamiany w systemach operacyjnych Mac, Windows i Linux. Potok jest stosowany w kohorcie osób z ataksją Friedreicha (FRDA) i dostarczane są reprezentatywne wyniki, a także zalecenia dotyczące wnioskowanych analiz statystycznych na poziomie grupy. Linia ta może zwiększyć niezawodność i odtwarzalność w całej dziedzinie, ostatecznie zapewniając skuteczne podejście metodologiczne do charakteryzowania i śledzenia zmian strukturalnych móżdżku w chorobach neurologicznych.

Parselacja móżdżku (ACAPULCO)
Kontrola jakości masek podziału móżdżku: 
Poniższe przykłady prezentują wyniki podziału ACAPULCO i służą jako wytyczne do podejmowania decyzji dotyczących a) jakości maski podziału na poziomie indywidualnym oraz b) późniejszego włączenia lub wykluczenia konkretnych guzków z analiz statystycznych. Ostatecznie decyzja o włączeniu lub wykluczeniu badanego jest subiektywna; tutaj przedstawiono przykłady „dobrych podziałów”, „subtel...

Przedstawiono standardowy rurociąg do badania morfometrii istoty szarej móżdżku. Rurociąg łączy w sobie najnowocześniejsze podejścia o wysokiej rozdzielczości do zoptymalizowanej i zautomatyzowanej parcelacji móżdżku oraz rejestracji móżdżku na podstawie wokseli w celu wolumetrycznej oceny ilościowej.

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

Multiple lines of research provide compelling evidence for a role of the cerebellum in a wide array of cognitive and affective functions, going far beyond ...

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.

a-standardized-pipeline-for-examining-human-cerebellar-grey-matter

Research

JoVE Journal

Neuroscience

Neuronauka

W niniejszym artykule opisano techniki wykonywania funkcjonalnego obrazowania rezonansu magnetycznego o wysokiej rozdzielczości z próbkowaniem 1,2 mm w obrębie ludzkiego śródmózwia i struktur podkorowych przy użyciu skanera 3T. Jako przykład przedstawiono zastosowanie tych technik do opracowania map topograficznych stymulacji wzrokowej w ludzkim wzgórzu górnym (SC).

Metody funkcjonalnego obrazowania rezonansem magnetycznym o wysokiej rozdzielczości dla ludzkiego śródmózgowia

Lesion Explorer (LE) to półautomatyczny potok przetwarzania obrazów opracowany w celu uzyskania objętości regionalnej tkanki mózgowej i podkorowej hiperintensywności zmian ze strukturalnego rezonansu magnetycznego choroby Alzheimera i zdrowych osób starszych.  Aby zapewnić wysoki poziom dokładności i niezawodności, poniżej znajduje się prowadzony przez wideo, ustandaryzowany protokół dla ręcznych procedur LE.

Lesion Explorer: Ustandaryzowany protokół z przewodnikiem wideo do dokładnej i niezawodnej wolumetrii pochodzącej z MRI u osób z chorobą Alzheimera i zdrowymi osobami w podeszłym wieku

Korzystając z rezonansu magnetycznego (człowieka), oprogramowania do obrazowania 3D i analizy immunohistologicznej, dokumentujemy zmiany w bocznych komorach mózgu. Podłużne mapowanie 3D zmian objętości komór bocznych i charakterystyka okołokomorowych zmian komórkowych, które zachodzą w ludzkim mózgu z powodu starzenia się lub choroby, są następnie modelowane u myszy.

Modelowanie 3D komór bocznych i charakterystyka histologiczna tkanki okołokomorowej u ludzi i myszy

Ten artykuł opisuje model statystyczny do analizy danych z wolumetrycznego rezonansu magnetycznego, który identyfikuje "punkt zmiany", kiedy zaczyna się atrofia mózgu w przedmanifestacyjnej chorobie Huntingtona. Mapowanie punktów zmian w całym mózgu uzyskuje się na podstawie objętości mózgu uzyskanych za pomocą opartego na atlasie potoku segmentacji obrazów zależnych od T1.

Segmentacja całego mózgu i analiza punktów zmian w anatomicznym rezonansie magnetycznym mózgu — zastosowanie w przedmanifestacyjnej chorobie Huntingtona

Ten protokół opisuje proces stosowania siedmiu różnych narzędzi do automatycznej segmentacji do strukturalnych skanów MRI z wagą T1 w celu wyznaczenia obszarów istoty szarej, które mogą być użyte do ilościowego określenia objętości istoty szarej.

Automatyczna segmentacja istoty szarej kory mózgowej na podstawie obrazów MRI T1-zależnych

Stwardnienie rozsiane jest zapalną chorobą demielinizacyjną, na którą nie ma lekarstwa. Analiza tkanki mózgowej dostarcza ważnych wskazówek do zrozumienia patogenezy choroby. W tym miejscu omawiamy metodologię i dalszą analizę tkanki mózgowej stwardnienia rozsianego pobranej za pomocą unikalnego programu szybkiej autopsji działającego w Cleveland Clinic.

Kompleksowy program autopsji dla osób ze stwardnieniem rozsianym

To jest badanie rezonansu magnetycznego 3T, którego celem jest zbadanie różnic w objętości istoty szarej między pacjentami z psychozą wywołaną konopiami indyjskimi a niepsychotycznymi przewlekłymi użytkownikami marihuany.

Morfologia mózgu osób zażywających konopie indyjskie z psychozą lub bez: pilotażowe badanie MRI

Ten protokół pokazuje, jak pozyskać dane z rezonansu magnetycznego wrażliwego na neuromelaninę istoty czarnej.

Standaryzowane pozyskiwanie danych do obrazowania metodą rezonansu magnetycznego wrażliwego na neuromelaninę istoty czarnej

Ten protokół opisuje metody przeprowadzania rezonansu magnetycznego, oczyszczania i znakowania immunologicznego nienaruszonych mózgów myszy za pomocą iDISCO+, a następnie szczegółowy opis obrazowania za pomocą mikroskopii świetlnej i dalszych analiz za pomocą NuMorph.

Obrazowanie i analiza pojedynczych komórek całego mózgu nienaruszonych mózgów noworodków myszy za pomocą rezonansu magnetycznego, oczyszczania tkanek i mikroskopii świetlnej

To badanie zintegrowało obrazowanie metodą rezonansu magnetycznego i obrazy oznaczające wirowanie tętnic w celu uzyskania atlasu przepływu krwi w mózgu (CBF) dla obszarów funkcjonalnych mózgu. Porównanie typowych atlasów CBF dla zdrowego i przewlekłego niedokrwienia mózgu ujawniło znaczące różnice w regionalnym rozmieszczeniu CBF, umożliwiając szybką, nieinwazyjną ocenę funkcjonalnej CBF, aby pomóc w diagnozie i ocenie terapii.

Budowa i zastosowanie atlasu przepływu krwi w mózgu opartego na regionie funkcjonalnym mózgu z wykorzystaniem obrazowania metodą rezonansu magnetycznego i znakowania wirowania tętnic

Poznaj zautomatyzowany potok do analizy morfometrii istoty szarej móżdżku człowieka za pomocą strukturalnego rezonansu magnetycznego. Ta metoda umożliwia precyzyjną parcelację i kwantyfikację objętościową w badaniach neurologicznych.

Ustandaryzowany rurociąg do badania morfometrii istoty szarej móżdżku człowieka za pomocą strukturalnego rezonansu magnetycznego (Wideo) | JoVE Journal

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

Przeglądaj więcej filmów