Medição Conectividade no Visual principal via de albinismo humano utilizando tensor de difusão e tractography

Summary

Este manuscrito descreve algoritmos determinísticos e probabilísticos para a matéria branca (WM) reconstrução, usado para examinar as diferenças na radiação óptica (OR) conectividade entre albinismo e controles. Embora tractography probabilística segue o verdadeiro curso de fibras nervosas mais de perto, tractography determinista foi executado para comparar a confiabilidade e reprodutibilidade de ambas as técnicas.

Abstract

Em albinismo, o número de ipsilateralmente projectam células ganglionares da retina (RGCs) é significativamente reduzido. A retina e quiasma têm sido propostos como locais candidatos para misrouting. Desde uma correlação entre o número de lateral do núcleo geniculado (LGN) retransmitir neurônios e tamanho LGN foi mostrado, e com base em reduções previamente relatados em volumes LGN em albinismo humano, sugerimos que as projeções de fibra de LGN para o córtex visual primário (V1) também são reduzidos. Estudando as diferenças estruturais no sistema visual de albinismo pode melhorar a compreensão do mecanismo de misrouting e aplicações clínicas subsequentes. dados de difusão e tractography são úteis para mapear o OR (radiação óptica). Este manuscrito descreve dois algoritmos para ou reconstrução, a fim de comparar a conectividade cerebral em albinismo e scanner de ressonância magnética controls.An com uma bobina de cabeça de 32 canais foi usado para adquirir varreduras estruturais. A sequência de MPRAGE 3D ponderadas em T1 com 1 mm³ tamanho do voxel isotrópico foi usado para gerar imagens de alta resolução para a segmentação V1. Multiple densidade de prótons (PD) imagens ponderadas foram adquiridos coronariamente para direita e esquerda LGN localização. Tensor de difusão de imagem (DTI) scans foram adquiridos com 64 indicações de difusão. Ambos métodos de rastreamento determinísticos e probabilísticos foram executados e comparados, com LGN como a máscara de sementes e V1 como a máscara alvo. Embora DTI fornece relativamente pobre resolução espacial, e o delineamento preciso do ou pode ser difícil, devido à sua baixa densidade da fibra, tractography foi demonstrado ser vantajoso tanto na pesquisa como clinicamente. Trato estatísticas espaciais baseados (TBSS) revelou áreas de reduzida significativamente integridade da substância branca dentro da OR em pacientes com albinismo em relação aos controles. Comparações pareadas revelou uma redução significativa na LGN à conectividade V1 em albinismo relação aos controles. Comparando ambos os algoritmos de rastreamento revelou achados comuns, fortalecendo a confiabilidadeda técnica.

Introduction

O albinismo é uma condição genética caracterizada principalmente por hipopigmentação ostensiva observada em indivíduos afetados. É causada por mutações hereditárias de genes envolvidos na síntese de melanina ^1. Albinismo aparece em duas formas principais: albinismo óculo-cutâneo (OCA), autossómica recessiva que apresenta características tanto oculares e cutâneas; e albinismo ocular (OA), uma característica ligada ao cromossoma X mais prevalente nos homens e principalmente caracterizada pelos sintomas oculares ^2. A melanina no epitélio pigmentado da retina (RPE) é crucial para o desenvolvimento adequado da via visual central. Sua ausência em albinismo, portanto, resulta em deficiência visual, incluindo fotofobia, nistagmo, redução da acuidade visual e perda da visão binocular ^2-3. A acuidade visual tem sido associada a morfologia da fóvea, o que é alterado em ^quatro albinismo. Nos seres humanos, uma linha de retina de decussação encontra-se ao longo da fronteira nasotemporal através da fóvea, com fibras a partir de retina nasalatravessar para o outro hemisfério e os da retina temporal, estendendo-se ipsilateralmente. O grau de redução da função visual em albinismo tem sido associada ao nível de hipopigmentação. Especificamente, a pigmentação é inversamente proporcional à mudança para a retina temporal da linha de decussação ^5. Como resultado da mudança de linha de decussação na retina temporal passagem das fibras do nervo óptico é aumentada - uma característica comum entre todas as espécies ^3.

Exames de ressonância magnética estrutural em seres humanos demonstraram chiasms óptica mais estreitos em albinismo comparados aos controles, o que é provável que o resultado do aumento da passagem de RGCs observados em albinismo ^6-8. A retina e óptica chiasm expressar pistas de orientação axonal como receptores da família Ef e seus ligantes ⁹ e, portanto, são locais candidatos para misrouting ^10.

Um estudo sobre macacos com glaucoma induzido revelou uma significativa dezembroRease no número de neurônios LGN relé parvalbumina-imunorreativa e volume de LGN ^11. Isto sugere uma correlação entre o tamanho do LGN e do número de substância branca (WM) trajetórias que viajam através do OR para V1. Um estudo post mortem em albinismo humano também revelou menor LGN com fundidos M e P camadas ^12. De alta resolução de ressonância magnética estrutural confirmou redução significativa no volume de LGN no albinismo ^8. Tomados em conjunto, estes resultados sugerem que a diminuição do volume LGN pode resultar em um número reduzido de neurônios no LGN, e por sua vez em diminuição da conectividade entre LGN e V1.

padrões examinando de conectividade anatômica em seres humanos tem sido limitada. Dissecção, a injeção do radiofármaco e indução da lesão são as técnicas invasivas que só podem ser utilizados post mortem e, normalmente, envolvem um número muito pequeno de pacientes. Estudos anteriores, usando carbocianina tingir injeções DII demonstrado conectividade neuronal entre V1 e V2 (visual c secundárioortex) ^13, bem como dentro do complexo do hipocampo no cérebro humano post-mortem fixa-aldeído ^14. Fibras de rotulagem dessa forma é restrito a distâncias de apenas dezenas de milímetros a partir do ponto de injecção ^14. Difusão de imagens tensor, DTI, é uma modalidade de ressonância magnética desenvolvido no início de meados dos anos 1990 para identificar direção do trato fibra e organização. É um método não-invasivo que permite o mapeamento de grandes vias WM no cérebro vivo. DTI é sensível para a difusão de moléculas de água no tecido biológico ^15. No cérebro, a difusão da água é anisotrópica (irregular) devido a obstáculos, tais como membranas e mielina. WM tem alta anisotropia de difusão, o que significa que a difusão é maior do que paralelamente à perpendicular à orientação das fibras ^16. anisotropia fracionada (FA) é uma quantidade escalar que descreve a preferência de moléculas para se difundir de forma anisotrópica. valores de FA variam de 0-1, de baixo a alto anisotropy (líquido cefalorraquidiano (LCR) 16.

Dinamize (determinístico) e rastreamento de fibra probabilística são dois algoritmos diferentes para a reconstrução caminho 3D. tractography determinístico utiliza um método de propagação de linha, ligando voxels vizinhos em uma região de sementes definida. Dois critérios de paragem utilizados neste algoritmo é o ângulo de rotação e o valor FA. Portanto, trato rastreamento entre voxels vizinhos é improvável a grandes ângulos de viragem. O algoritmo seria, portanto, também progride apenas se a FA em um voxel exceder um limite específico, limitando a sua eficácia no que definem com precisão as vias próximas massa cinzenta, onde a anisotropia cai. Tractography probabilística, por outro lado, produz um mapa de conectividade que descrevem a probabilidade de um voxel de fazer parte de um intervalo entre duas regiões de interesse (ROI) e, portanto, avança para a matéria cinzenta, tal como V1 ^17. Usando esta aplicação MRI, estruturas fundamentais como a WMOU pode ser delineada, como demonstrado em estudos anteriores ^18-20.

Este estudo utiliza, portanto, dados de difusão e tractography para explorar o efeito da misrouting axonal na conectividade de retino-geniculo cortical. Com base em reduções previamente relatados em volumes LGN em albinismo humano ^8, prevemos que as projeções de fibra de LGN para V1 também são reduzidos (Figura 1).

Protocol

Declaração de Ética: A pesquisa atual foi aprovada pelos Participantes Humanos Comitê de Revisão (HPRC) da Universidade de York, Toronto. Todos os participantes deram consentimento informado por escrito.

1. Sob Preparação

Nota: os participantes Onze com OCA, com idades entre 36 ± 4 anos (6 fêmeas) foram comparados com dez controles pareados por idade, com idades entre 32 ± 4 anos (6 fêmeas). História participante está registado na Tabela 1.

1. Peça a cada participante para preencher e assinar um formulário de consentimento que lista as diretrizes de segurança MRI e protocolo de imagem.
2. Para cada participante, fornecer tampões para os ouvidos. participante posição supina ea cabeça em primeiro lugar no ímã, e marco acima dos olhos, no nível sobrancelha. cabeça segura do participante com almofadas para reduzir cabeça movimento. Dê o participante um aperto bulbo para alerta de paciente.

2. Parâmetros de ressonância magnética estruturais

e_content "> Nota: Todos imaging é adquirido em um scanner 3T MRI utilizando uma bobina de cabeça de 32 canais Durante uma única sessão por assunto.:

1. Adquirir uma alta resolução anatômica T1 utilizando uma sequência-MPRAGE 3D cobrindo todo o cérebro com os seguintes parâmetros: tempo de aquisição de 4 min 26 seg, campo de visão de 256 mm, de 256 matrizes, 192 fatias com espessura de corte de 1 mm, com um resultando tamanho voxel isotrópico de 1,0 mm ^3, TR = 1900 ms, TE (tempo de eco) = 2,52 ms com um tempo de inversão de 900 ms e flip ângulo de 9 °, 1 média, imagens paralelas (IPAT Grappa, fator de aceleração de 2) .
2. Adquirir uma sequência DTI cobrindo o córtex, com fatias na orientação transversal seguintes comissura / comissura posterior anterior (AC-PC) de linha, utilizando os seguintes parâmetros: tempo de aquisição 8 min 5 seg, campo de visão 192 milímetros, 128 de matriz, voxels 1,5 1,5 mm de plano, 56 contíguos (sem folga) fatias com 2 mm de espessura, TR = 6900 ms, TE = 86 ms, 64 direções, b-valor de 1000 s / mm (imagem de referência com baixo b-valor de 0 seg / mm ^{2) 2,} 1 média, imagens paralelas (IPAT GRAPPA) com um fator de aceleração de 3.
3. 30-40 adquirir imagens ponderadas-PD em uma orientação coronal, paralelo ao tronco cerebral, que cobre a partir do ponto anterior da ponte para a parte posterior do colículo inferior.
   1. Use o eco Turbo rotação (FAST spin echo) sequência de impulsos e os seguintes parâmetros: tempo de aquisição de 1 min 29 segundos por digitalização, campo de visão 192 milímetros, 256 de matriz, 30-40 fatias com espessura de 1 mm, resultando tamanho voxel 0,75 0,75 1 ^mm3, TR = 3.000 ms, TE = 22 ms, fator de turbo de 5, reorientando flip ângulo de 120 °, 1 média, imagens paralelas (IPAT GRAPPA) com um fator de aceleração de 2.
      Nota: S12 foi digitalizado utilizando os seguintes parâmetros: campo de visão 180 mm, 512 de matriz, 30 fatias com 1 mm de espessura, resultando tamanho voxel de 0,4 x 0,4 x 1,0 ^mm3. Todos os outros parâmetros permaneceram os mesmos. Acquisitião tempo de 2 min 47 seg.
4. Pré-processo de todas as varreduras através da conversão de DICOM em bruto para o formato NIfTI usando o dcm2nii programa.

3. LGN Delineamento

Nota: O LGN é uma pequena estrutura subcortical localizada nas profundezas do cérebro, portanto, imagens DP de alta resolução são necessários para determinar seus limites anatômicos. Nestes exames, o LGN aparece como uma área de alto sinal em relação aos tratos WM circundantes, facilitando a sua detecção ^21. O LGN anatómica identificada é, então, usado como uma semente para a região tractography.

1. Enquanto cego para associação de grupo, traçar manualmente direita e esquerda máscaras LGN três vezes cada em imagens de PD em média interpolada para o dobro da resolução e metade do tamanho do voxel (original matriz de 256 x 256, tamanho 0,75 x 0,75 x 1 ^mm3 voxel).
   1. Para obter imagens de alta resolução PD usar a função FLIRT livremente disponível e outras ferramentas de software dentro de Software de FMRIBBiblioteca (FSL, http://www.fmrib.ox.ac.uk/fsl/). Upsample, concatenar, movimento imagens PD corretas e médias para cada participante, como descrito anteriormente em outro lugar ^22.
   2. Carregar a imagem PD alta resolução em FSLView e clique na guia Ferramentas para selecionar a opção Single (ou pressione ) Para ampliar a imagem.
   3. Clique na guia Arquivo para selecionar a opção Criar máscara, e use a barra de ferramentas na parte superior esquerda da tela para rastrear a LGN em cada fatia. Se desejar, altere o contraste da imagem arrastando ao longo do min / max na barra de ferramentas para facilitar a detecção LGN.
2. Mesclar essas regiões de interesse (ROI) em uma máscara mediana usando o comando fslmerge.
3. Combine máscaras mediana de todos os avaliadores em uma única máscara mediana usando o mesmo comando.

4. V1 Segmentação

1. Execute "-all Recon" no comando FreeSurfer23 (v5.3.0) no cérebros no espaço anatômico nativa (imagens ponderadas em T1) para o processamento automático.
2. Converter as saídas apropriadas na pasta mri recém-criado (orig.mgz, brain.mgz, rawavg.mgz, T1.mgz) para NIfTI usando "mri_convert".
3. Use a extração cerebral BET na GUI FSL para corrigir o cérebro saída despojado-crânio (brain.nii.gz) no espaço FreeSurfer se necessário. Escolha a extração cerebral padrão Run usando a opção bet2 (padrão). Baixar o limiar se a imagem está faltando tecido cerebral, ou aumentar se o tecido não-cérebro é capturado (limite padrão de 0,5). Selecione a imagem máscara cérebro binário de saída (o último pode ser usado para correções manuais) imagem extraída do cérebro de saída e nas opções avançadas.
4. Converter a saída V1 divisão em parcelas a uma máscara volumétrica usando "label2surf" e comandos "surf2volume".

5. As inscrições pré-tracking

Nota: Para as próximas etapas, chame o FSL GUI para abrir cada um dos followinferramentas de g.

1. Use a extração cerebral BET e selecione o campo de polarização e opção de limpeza do pescoço ao crânio-strip rawavg.nii.gz, localizado na pasta mri criado por "Recon-all". Ajuste o limiar conforme necessário.
2. Registro linear FLIRT correr para trazer cérebros em FreeSurfer e espaço anatômico nativa para o espaço de difusão.
   1. Select brain.nii.gz, saída do reconhecimento-all (espaço FreeSurfer), ou o cérebro de um sujeito extraído T1 (espaço anatômico nativa) como a imagem de entrada e Eddy corrigidos e imagem ponderada em difusão (DWI) como referência cérebro extraído imagem. Em seguida, clique em "Go".
      Nota: Este passo cria duas saídas, o cérebro de entrada registrado para a imagem de referência (.nii.gz) e uma matriz de transformação (.mat). Além de registo, o último arquivo é necessário para tractography quando o espaço semente não é a difusão. Use as matrizes de transformação de saída (.mat) criadas nesta etapa para tractography conforme explicado em 7.4.2.
3. Semelhantepara 5,2, o registro FLIRT linear correr para trazer cérebros PD dos participantes para o espaço FreeSurfer e espaço anatômico nativa.
4. Prepare máscaras de semente para tractography:
   1. Aplicar transformação FLIRT de Utils na caixa de ferramentas de registro FLIRT linear. Utilize a saída .mat como a matriz de transformação, a LGN originais mascarar como a entrada e brain.nii.gz (espaço FreeSurfer) ou T1_brain.nii.gz (espaço anatômico nativo) (ver 5.2) como o volume de referência. Selecione o mais próximo método Neighbor interpolação entre as opções avançadas.
5. Usando apenas os arquivos brain.nii.gz, preparar máscaras alvo para tractography:
   1. Registre cérebros FreeSurfer para espaço anatômico nativa e criar máscaras alvo através da aplicação de transformação para máscaras V1 (ver 5.2, 5.4.1) usando interpolação Tri-Linear. Clique em "Go".

6. LGN Normalização

1. Use o registro não-linear FNIRT como descrito anteriormente em http: //fsl.fmrib.ox.ac.uk / FSL / fslwiki / FNIRT para trazer cérebros não extraídos dos participantes no espaço anatômico nativa ao espaço MNI, usando o modelo do cérebro inteiro Montreal Neurological Institute (MNI152).
   Nota: Registro de não-linear de imagens anatômicas originais é recomendado para esta etapa, como inscrições foram mais precisos quando FNIRT foi aplicada a T1s não extraído em comparação a flertar em cérebros extraídos.
2. Aplicar transformação para máscaras LGN no espaço anatômico (original LGN previamente transformado em espaço anatômico nativa em 5.4) usando interpolação por vizinho mais próximo, conforme descrito no ponto 5.4.1 para trazer máscaras para o espaço MNI.
3. Média de todas as máscaras LGN no espaço MNI em ambos os grupos usando o comando "3dMean" do Afni.
4. Use "fslmaths Thr" para aplicar um limite para a máscara média no espaço MNI.
5. Calcular o raio da máscara significativo no espaço MNI utilizando V = 4/3 πr ³ (assumir uma esfera).
6. Grave centro de coor massanates de cada máscara LGN individual no espaço anatômico nativa usando o comando "fslstats -C".
7. Criar ROIs esféricas de volumes idênticos entre os participantes:
   1. Use "fslmaths" para criar um ponto de ROI com as coordenadas da máscara LGN pessoa adequada no espaço anatômico nativa como registrado em 6,6
   2. Usando "fslmaths", aplicar o raio da máscara significativo no espaço MNI para criar uma esfera em torno do ponto de ROI no espaço anatómico nativa.
8. Use essas máscaras padronizados como sementes para tractography.

7. probabilística tractography (FSL 5.0.4)

Nota: Para as próximas etapas, chame o Fdt_gui para acessar cada uma das seguintes ferramentas.

1. Corrigir distorções na DWIs com correção de corrente Eddy. Selecione a opção de correcção de corrente Eddy a partir do menu na parte superior da janela de Difusão caixa de ferramentas e fazer o upload do DWI como a entrada, deixando o defaulvolume de referência t (0).
2. extrair cérebro as imagens com BET, conforme descrito no item 4.3.
3. Selecione a opção de tensores de difusão DTIFIT Reconstrução do menu. Especifique um diretório de entrada que contém os seguintes arquivos: dados de difusão ponderada, nodif_brain_mask (saída de BET), bvec e bval (deve ser renomeado para bvecs e bvals; arquivos de texto contendo informações sobre os parâmetros de aquisição de imagens de difusão, produção de DICOM à conversão NIfTI de difusão dados). Clique em "Go" para executar dtifit, que se encaixa um modelo de tensor de difusão em cada voxel, a criação de arquivos para pós-processamento.
4. Em seguida, selecione a opção do menu BedpostX (estimativa de parâmetros de difusão). Use o mesmo diretório de entrada como para DTIFIT. Clique em 'Go' para gerar todos os arquivos necessários para tractography.
5. No mesmo menu, escolha ProbtrackX para rastreamento probabilística e executá-lo, para cada hemisfério separadamente. Mantenha padrão opções básicas (5.000 amostras, 0,2 curvatura e applie loopcheckd) e selecione modificado Euler para calcular linhas de corrente probabilísticos de opções avançadas para maior precisão.
   1. Selecione a saída de BedpostX contendo arquivos .merged como o diretório BEDPOSTX.
   2. Escolha única máscara como espaço de sementes e carregar a máscara LGN transformada (no espaço anatômico nativa) como a imagem da semente, T1 (cérebro no espaço anatômico nativa) a matriz de transformação de difusão como a semente à difusão transformar e V1 (no espaço anatômico nativo) em "alvos opcionais" (todos, mas máscaras de exclusão) como o alvo.
   3. Use convenção malha padrão (circunflexo) e carregar o cérebro no espaço anatômico nativa (imagem T1) como imagem de referência da superfície.
6. Repita ProbtrackX para rastreamento probabilística usando o ROI esférica padrão (criado na etapa 6) como regiões de sementes para tractography como descrito em 7.5.2. Carregar ROIs da mesma forma transformada LGN (espaço anatômico) foram carregados no 7.5.2.
7. Volte a executar tractography (7,5), desta vezcom semente (não normalizado) e máscaras de destino no espaço FreeSurfer com a adição de máscara contralateral fronteira matéria branca do FreeSurfer como uma máscara de exclusão, para evitar qualquer cruzamento por cima e asseguram ligações directas ipsilaterais. Marque a opção de superfície da caixa de ferramentas e selecione ProbtrackX FreeSurfer como convenção de malha.
   Nota: É importante enfatizar que tractography é sempre executado a partir do espaço de difusão, mas Probtrackx para o rastreamento probabilística permite a entrada de sementes e de destino máscaras num espaço diferente, juntamente com uma matriz de transformação para o espaço de difusão. Neste estudo, tractography probabilística foi executado com máscaras, tanto anatômica nativa e espaço FreeSurfer (Figura 2).

8. determinística tractography (DSI Studio)

1. Abrir Eddy corrigido imagens ponderadas em difusão na DSI Estúdio ^24, clicando em Passo 1: Open Source Images. Carga bvec e arquivos bval para uma janela de b-tabela que é automaticamente opeNED para criar um arquivo de origem (.src).
2. Carregar os arquivos-fonte gerado para a janela de reconstrução para modificar o padrão reconstruída máscaras cerebrais, se necessário.
3. Em seguida, selecione DTI como o método de reconstrução ^{de 25} e executá-lo sobre os arquivos de origem para produzir arquivos de informação de fibra (.fib).
4. Traga cérebros PD dos participantes para o espaço de difusão usando o registro linear FLIRT.
5. Aplicar transformação para máscaras LGN usando interpolação vizinho mais próximo, conforme descrito no ponto 5.4.1.
6. Abra .fib arquivos na janela de monitoramento do programa.
7. Executar rastreamento para cada hemisfério separadamente, usando LGN no espaço de difusão como a semente e Região 17 (V1) de Brodmann atlas disponíveis a partir DSI estúdio como a região terminativa. Coloque a máscara LGN clicando na guia Regiões e Open Região. Selecione a opção de sementes sob tipo na lista Região do lado esquerdo da tela. Para carregar a máscara V1 do atlas, clique no Atlas da barra de ferramentas na lista de Região eselecionar os atlas apropriadas.
8. Em cada corrida, defina o WM contralateral (nomeado esquerda / direita-cerebral-branco-matéria) máscara do atlas de segmentação FreeSurfer (ver caixa Lista Região na janela de rastreamento) como uma região de evasão (ROA).
9. Repetir o acompanhamento (8,7-8,8) usando ROIs esférica no espaço de difusão em vez de LGN indivíduo como regiões de sementes para tractography.
   Nota: Os ROIs esféricas têm o mesmo volume em todas as disciplinas e são centrado no centro de massa de cada LGN.
10. Repita a normalização LGN, secção 6, só que desta vez registrar cérebros no espaço de difusão para o espaço padrão de MNI, e aplicar transformações a LGN no espaço de difusão (original LGN previamente transformado em espaço de difusão em 8,4-8,5) para trazer máscaras para o espaço padrão MNI. Calcular o volume do ROI esférica como o volume médio de todos os LGN entre os indivíduos no espaço MNI.
    Nota: Os parâmetros de monitoramento pode ser modificado pelo usuário. Para a maioria das corridas, foram aplicados os parâmetros de acompanhamento padrão. Para alguns indivíduos (A5, A7, S12), o limiar de anisotropia (default 0,14-0,15) foi reduzido (0,10-0,12) e do limiar angular (padrão 60) foi aumentada (65-85) para visualização mais agradável. Um esquema da técnica é mostrado na Figura 3.

9. Análise estatística - TBSS (FSL)

Nota: As estatísticas espaciais baseados em Trato é uma análise estatística voxelwise da FA dos participantes maps16 obtida com dtifit26. É amplamente utilizado para as estatísticas de dados de difusão. Esta abordagem supera voxelwise potenciais problemas de alinhamento e alisamento visto em VBM-style análise FA e fornece investigação do cérebro inteiro, inatingível através approaches16 baseada tractography.

1. Execute "tbss_1_preproc" nos dados FA localizados em um diretório TBSS recém-criado.
2. Execute "tbss_2_reg" - T para aplicar o registro não-linear, trazendo dados FA de cada participante para o espaço comum (FMRIB58_FA,imagem de destino em TBSS).
3. Criar um esqueleto FA média com os centros de todas as extensões comuns entre os participantes usando "tbss_3_postreg -S".
4. Corre "Tbss_4_prestats 0,2" para projetar alinhado mapa FA de cada participante sobre o esqueleto média de todos os mapas de FA alinhados.
5. Criar ficheiros design.con e design.mat, assegurando que a ordem da matriz é consistente com a ordem na qual TBSS pré-processados ​​os dados Fa.
6. Execute "randomise", usando a opção de T2, o que é recomendado para TBSS como ele age sobre um esqueleto (um subconjunto reduzido de dados 3D), e 5.000 pré-mutações, o que dá p-valores mais precisos.

10. Análise Estatística - SPSS

1. Extraindo valores de FA de determinística de dados
   Nota: os valores de FA baseados em determinística foram obtidos a partir de arquivos de texto estatísticas saída DSI Studio. Estes valores representam a FA média dentro dos intervalos gerados, which, neste caso, corresponde à região do OU.
   1. Executar rastreamento de fibra na DSI estúdio.
   2. Salvar os arquivos de texto "Estatísticas" criados por DSI Estúdio para cada conjunto gerado de panfletos e registrar os valores de 'FA significa' a partir deles.
2. Extraindo valores de FA de probabilístico de dados
   Nota: Os valores com base probabilística FA são derivados de ProbtrackX2 arquivos fdt_paths saída. Estas são imagens 3D densidade trato que, neste estudo cobrem a área correspondente ao OR.
   1. Use o registro linear FLIRT para trazer arquivos fdt_paths de cada participante para o espaço de difusão.
   2. Binarize as máscaras de saída usando "fslmaths - bin".
   3. Para cada participante, multiplicar a máscara pelo seu mapa FA de dtifit usando "fslmaths -mul".
   4. Executar comando "fslmeants" para encontrar a FA média de cada máscara trato.
3. Executando análises com SPSS (Usando determinística e probabilística
   Dados)
   NOTA: A análise estatística é realizada usando SPSS 20 para Mac. Desde hemisfério é uma variável dentro-sujeito, um modelo linear generalizado (GENLIN) com o qual os efeitos em cada lado do cérebro pode ser vista separadamente, é aplicado. Especificamente, a equação estimar generalizada (GEE) é usado.
   1. Em testes separados, definir cada uma média FA e agilizar count (waytotal ou a percentagem gerado linhas de corrente, PGSL) como a variável dependente.
      Nota: Neste estudo, agilizar a contagem é baseada em valores maneira total. Waytotal descreve o número total de linhas de corrente gerados que não tenham sido rejeitados por critérios de inclusão / exclusão ^27. O número de linhas de corrente gerada (NGSL), que se refere ao número total de linhas de corrente enviados, é igual ao número de voxeis na máscara de semente multiplicado pelo número de amostras colhidas a partir de cada voxel (5000 neste caso). Percentuais linhas de corrente gerados (PGSL), waytotal dividido por NGSL vezes 100, é uma medida de conne sucessoctivity entre a semente e o alvo.
   2. Estudar a influência do grupo e do sexo sobre LGN à conectividade V1, definindo-as como variáveis ​​independentes em todos os testes.
      Nota: foram estudados os efeitos principal, bem como de dois e três vias interações. É importante notar que estes testes não são condicionados individuais uns com os outros, de modo que o significado de um efeito principal da interacção é independente da outra.
   3. Use a idade como um co-variável para todos os testes. Além disso, use o volume LGN como covariável para testes com média de FA e waytotal como as variáveis ​​dependentes, mas omiti-lo a partir de testes com PGSL como a variável dependente.
      Nota: O volume total do cérebro foi encontrado para ser um covariável insignificante e, por conseguinte, foi omitida a partir de estatísticas.
   4. Seleccionar o método de correcção de Bonferroni para ajustar para comparações múltiplas ²⁸ (nível de significância p <0,05).

Results

Esta seção fornece um resumo dos resultados obtidos utilizando dois algoritmos diferentes de tractography, determinista e probabilística. LGN volumes de espaço em DP em que mascara foram originalmente desenhada, bem como em todos os outros espaços usados ​​neste estudo, estão registados na Tabela 2, e LGN rastreio é ilustrado na Figura 4. Os resultados aqui apresentados são baseados em corridas que usaram uma esfera padrão como o ROI LGN...

Discussion

WM alterada e, mais especificamente, diminuiu a conectividade em albinismo comparação com os controlos eram esperados. Assim, a FA reduzida no hemisfério direito do albinismo em relação aos controles, bem como a conectividade diminuiu em pacientes do sexo masculino com albinismo aqui relatados estão em linha com a nossa previsão. Gênero e hemisfério efeitos não são totalmente claras, embora a pesquisa sobre o cérebro saudável, que sugere diminuição da complexidade WM no hemisfério esquerdo de machos em relação às fêmeas...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Magnetom Tim Trio 3T MRI	Siemens (Erlangen, Alemanha)
FMRIB' Biblioteca de Software (FSL)			http://www.fmrib.ox.ac.uk/fsl/
FreeSurfer			http://surfer.nmr.mgh.harvard.edu
DSI Studio			http://dsi-studio.labsolver.org
SPSS