Waiting
Processando Login

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

تجزئة الآلي للمادة الرمادية القشرية من صور الرنين المغناطيسي T1 المرجحة

Published: January 7, 2019 doi: 10.3791/58198
Automatic Translation
1, 1, 1
1Huntington's Disease Research Centre, UCL Institute of Neurology

Summary

ويصف هذا البروتوكول عملية تطبيق أدوات مختلفة تجزئة الآلي السبعة للهيكلية T1 المرجحة الرنين لتحديد مناطق المادة الرمادية التي يمكن استخدامها للتقدير الكمي لحجم المادة الرمادية.

Abstract

داخل البحث نيورويماجينج، قد ناقش عدد من الدراسات التي أجريت مؤخرا أثر الفروق بين الدراسات في النتائج الحجمي التي يعتقد أن تنجم عن استخدام أدوات تجزئة مختلفة لإنشاء وحدات تخزين الدماغ. وترد هنا، تجهيز خط الأنابيب لسبعة من الأدوات الآلية التي يمكن استخدامها لتقسيم المادة الرمادية في الدماغ. ويوفر البروتوكول خطوة أولية للباحثين بهدف إيجاد الطريقة الأكثر دقة لتوليد كميات المادة الرمادية من T1 المرجحة الرنين. خطوات إجراء مراقبة الجودة البصرية مفصلة مدرجة أيضا في المخطوطة. تغطي مجموعة واسعة من الأدوات الممكنة لتجزئة هذا البروتوكول ويشجع المستخدمين لمقارنة أداء هذه الأدوات ضمن مجموعة فرعية البيانات الخاصة بهم قبل اختيار واحد لتطبيق مجموعة كاملة. وعلاوة على ذلك، قد يمكن تعميمها كذلك البروتوكول إلى تجزئة مناطق الدماغ الأخرى.

Introduction

نيورويماجينج يستخدم على نطاق واسع في كل السريرية والبحوث الإعدادات. وهناك تحرك الحالية لتحسين إمكانية تكرار نتائج الدراسات أن التحديد الكمي لحجم الدماغ من فحص التصوير بالرنين المغناطيسي (التصوير بالرنين المغناطيسي)؛ وبالتالي، من المهم أن المحققين تبادل الخبرات في استخدام المتاح من أدوات التصوير بالرنين المغناطيسي لتجزئة الرنين إلى وحدات إقليمية، لتحسين توحيد وتعظيم الاستفادة من أساليب1. يوفر هذا البروتوكول دليل خطوة بخطوة لاستخدام سبع أدوات مختلفة لتقسيم المادة الرمادية القشرية (CGM؛ المادة الرمادية التي تستثني مناطق subcortical) من T1 المرجحة الرنين. هذه الأدوات كانت تستخدم سابقا في مقارنة منهجية لتجزئة أساليب2، الذي أظهر أداء متغير بين الأدوات المتعلقة فوج مرض هنتنغتون. منذ أداء هذه الأدوات يعتقد أن تختلف فيما بين مجموعات مختلفة من البيانات، من المهم للباحثين لاختبار عدد من الأدوات قبل اختيار واحد فقط لتطبيق مجموعة البيانات هذه.

حجم المادة الرمادية (جنرال موتورز) بانتظام كمقياس مورفولوجية الدماغ. التدابير الحجمي عموما موثوقة وقادرة على التمييز بين ضوابط صحية ومجموعات السريرية3. ويحسب حجم أنواع الأنسجة المختلفة من مناطق الدماغ في أغلب الأحيان باستخدام أدوات البرمجيات الآلي التي تقوم بتعريف أنواع الأنسجة هذه. وهكذا، لخلق حدوداً عالية الجودة (الانقسامات) الآلية العالمية، ترسيم دقيق للمسألة الأبيض (WM) والسائل الدماغي النخاعي (CSF) أمر حاسم في تحقيق دقة منطقة الآلية العالمية. وهناك عدد من الأدوات الآلية التي يمكن استخدامها للقيام بتجزئة الآلية العالمية، وبعضها يتطلب خطوات المعالجة مختلفة ويؤدي إخراج مختلفة. عدد من الدراسات بتطبيق الأدوات إلى مجموعات مختلفة لمقارنتها مع بعضها البعض، وبعض الأمثل أدوات محددة1،،من45،،من67،8 9، ،،من1011. العمل السابقة قد أثبتت أن تقلب بين أدوات الحجمي يمكن أن ينتج أوجه التضارب داخل الأدب عند دراسة حجم الدماغ، وقد اقترحت هذه الاختلافات كعوامل لاستنتاجات خاطئة حول القيادة 1من شروط العصبية.

في الآونة الأخيرة، تم إجراء مقارنة بين أدوات تجزئة مختلفة في مجموعة تشمل كلا من المشاركين مراقبة صحية والمشاركين مع مرض هنتنغتون. مرض هنتنغتون مرض الأعصاب وراثية مع بداية نموذجية في مرحلة البلوغ. ضمور تدريجي سوبكورتيكال والجمعية العمومية ميزة لاثيل بارزة ومدروسة للمرض. وأظهرت النتائج الأداء متغير من أدوات تجزئة السبعة التي تم تطبيقها للفوج، دعم الأعمال السابقة التي تبين التفاوت في النتائج اعتماداً على البرمجيات المستخدمة لحساب حجم الدماغ من الرنين. هذا البروتوكول يوفر معلومات حول المعالجة المستخدمة في جونسون et al. (2017) 2 أن تشجع الاختيار المنهجي الدقيق للأدوات الأكثر ملائمة للاستخدام في نيورويماجينج. هذا الدليل يشمل تجزئة وحدة التخزين الآلية العالمية، لكنه لا يشمل التجزئة الآفات، مثل تلك التي ظهرت في التصلب المتعدد.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

ملاحظة: تأكد من أن كافة الصور الموجودة في تنسيق نيفتي. لا يشمل التحويل إلى نيفتي هنا.

1-تجزئة عبر SPM 8: الموحدة الجزء

ملاحظة: يتم تنفيذ هذا الإجراء عن طريق واجهة المستخدم الرسومية SPM8 الذي يعمل في Matlab. ويقدم الدليل SPM8 مزيد من التفصيل ويمكن الاطلاع على: http://www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf.

  1. تأكد من أن SPM8 تثبيت وتعيين في مسار البرنامج.
  2. تتم تجزئة الجسيمات باستخدام واجهة المستخدم الرسومية. لفتح SPM، افتح نافذة موجه أوامر واكتب 'spm' في سطر الأوامر.
  3. اضغط 'الحيوانات الأليفة & VBM' لفتح مربع الأدوات الهيكلية التصوير بالرنين المغناطيسي.
  4. اضغط 'المجموعة' لفتح محرر الدفعي. وهذا ما يسمح تجزئة المراد تنفيذها في مسح متعددة في وقت واحد.
  5. حدد ' SPM | المكانية | الجزء '.
  6. انقر فوق ' البيانات | حدد الملفات. اختر مسح T1 المرجحة كإدخال.
    ملاحظة: يجب أن تكون الملفات ملفات نيفتي محلول، مع تمديد يجري '.nii'.
  7. انقر على ' ملفات الإخراج | المسألة الرمادي 'وتأكد من تحديد' "الفضاء الأصلي" '، وتفعل نفس الشيء للمسألة الأبيض. إذا كان غير مطلوب تجزئة السائل الدماغي النخاعي ترك هذا ك 'بلا'.
  8. إذا كانت عمليات التفحص قد تم بالفعل تصحيح التحيز، تغيير الخيار '"تصحيح التحيز"' إلى '"لا حفظ تصحيحه"'. الخيار 'تنظيف أي أقسام' اختبار ثلاثة خيارات مختلفة واستخدام visual مراقبة الجودة (مراقبة الجودة، القسم 8) لتحديد الذي يعمل بشكل أفضل للبيانات.
  9. ترك الإعدادات الأخرى إعداداتها الافتراضية. ثم انقر على علامة خضراء لتشغيل التجزئة.
    ملاحظة: وهذا يأخذ حوالي 5 دقائق لكل مشارك، وسطر الأوامر سوف أقول، '"تشغيل الجزء"'. عند الانتهاء، سيتم عرض إطار الأوامر 'عمله'.
  10. تنفيذ مراقبة الجودة البصرية على الآلية العالمية (ملف C1*.nii) كما هو موضح في القسم 8.

2-تجزئة عبر SPM 8: الجزء الجديد

ملاحظة: يتم تنفيذ هذا الإجراء عن طريق واجهة المستخدم الرسومية SPM8. ويقدم الدليل SPM8 مزيد من التفصيل ويمكن الاطلاع على: http://www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf. تأكد من أن SPM8 تثبيت وتعيين في مسار البرنامج. فتح برنامج الحركة الوطنية الصومالية، تقوم عادة بكتابة "الحركة الوطنية الصومالية" في سطر الأوامر. وهذا يفتح نافذة واجهة (GUI) مستخدم رسومية مع مجموعة من الخيارات التي يمكن تحديدها لإجراء التحليل.

  1. اضغط 'الحيوانات الأليفة & VBM'.
  2. اضغط 'المجموعة' لفتح محرر الدفعي.
  3. حدد ' SPM | أدوات | شريحة جديدة ' في إطار المجموعة. حدد ملفات الصور T1 (مع ملحق '.nii').
  4. تعيين 'نوع"النسيج الأصلي"' إلى '"المساحة الأصلية"'. حسب الحاجة، إيقاف أنسجة مختلفة الفئات (مثل الخدمات القطرية)-إذا لم يكن المطلوبة-بإعداد منهم إلى 'بلا'. تعيين 'الأنسجة مشوه' إلى 'بلا'.
    ملاحظة: يمكن ترك جميع الخيارات الأخرى كإعداد افتراضي.
  5. انقر فوق العلامة الخضراء لتشغيل التجزئة.
    ملاحظة: سطر الأوامر سيقول '"تشغيل الجزء الجديد"'. مجرد الانتهاء من تشغيل سطر الأوامر MATLAB إرادة القول، '"القيام بجزء جديد"'.
  6. تنفيذ مراقبة الجودة البصرية على الآلية العالمية (ملف C1*.nii) كما هو موضح في القسم 8.

3-تجزئة عبر SPM 12: الجزء

ملاحظة: هذا الإجراء المؤداة عن طريق واجهة المستخدم الرسومية SPM12. ويقدم الدليل SPM12 مزيد من التفصيل ويمكن الاطلاع على: http://www.fil.ion.ucl.ac.uk/spm/doc/manual.pdf.

  1. فتح برنامج الحركة الوطنية الصومالية عن طريق كتابة 'spm' في إطار الأوامر. وهذا يفتح نافذة واجهة (GUI) مستخدم رسومية مع مجموعة من الخيارات التي يمكن تحديدها لإجراء التحليل.
  2. اضغط 'الحيوانات الأليفة & VBM'. اضغط 'المجموعة' لفتح محرر الدفعي.
  3. انقر فوق ' SPM | المكانية | الجزء '. ثم انقر على ' البيانات | وحدات التخزين.
  4. تعيين 'نوع"النسيج الأصلي"' إلى '"المساحة الأصلية"'. إيقاف تشغيل الفئات الأنسجة التي غير مطلوبة (مثل CSF) بإعداد منهم إلى 'بلا'. تعيين 'الأنسجة مشوه' إلى 'بلا'.
    ملاحظة: يمكن ترك جميع الخيارات الأخرى كإعداد افتراضي.
  5. انقر فوق العلامة الخضراء لتشغيل التجزئة.
    ملاحظة: سيتم عرض إطار الأوامر: 'تشغيل الجزء'. بمجرد اكتمال التشغيل، فإنه سيتم عرض: 'القيام بالجزء'.
  6. تنفيذ مراقبة الجودة البصرية على الآلية العالمية (ملف C1*.nii) كما هو موضح في القسم 8.

4-تجزئة عبر خدمة ميدانية محلية سريعة

ملاحظة: يتم هذا الإجراء في سطر الأوامر. ويقدم الدليل FSL مزيد من التفصيل ويمكن الاطلاع على: https://fsl.fmrib.ox.ac.uk/fsl/fslwiki.

  1. تشغيل استخراج الدماغ الرهان. وهذا قد تحتاج إلى أن يكون الأمثل لمجموعات مختلفة من البيانات، ولكن الأمر الأساسي:
    الرهان T1_ID.nii bet_T1_ID.nii
  2. قم بتشغيل "خدمة ميدانية محلية سريعة" تجزئة:
    bet_T1_ID.nii بسرعة
    ملاحظة: هذا سيتم إخراج الخرائط حجم جزئية وثنائية المناطق للآلية العالمية والخدمات القطرية وم
  3. أداء مراقبة الجودة البصرية في منطقة جنرال موتورز (إنهاء ملف * _pve_1.nii.gz) كما هو موضح في القسم 8.

5-تجزئة عبر فريسورفير

ملاحظة: يتم هذا الإجراء في سطر الأوامر. ويقدم الدليل فريسورفير مزيد من التفصيل ويمكن الاطلاع على: https://surfer.nmr.mgh.harvard.edu/.

  1. تعيين الدليل حيث يتم البيانات بكتابة:
    SUBJECTS_DIR =/المسار/إلى/المؤسسة/ملفات التصدير
  2. تشغيل التجزئة عن طريق تشغيل الأوامر:
    ريكون للجميع-i T1_ID.nii-سوبجيد T1_ID-autorecon1-cw256
    ريكون للجميع--سوبجيد T1_ID-autorecon2-autorecon3
    ملاحظة: الأوامر تأخذ > 10 ح كل مشارك. Cw256-العلم المسبق للمحاصيل بمسح مع الحقول لعرض أكبر من 256 وصولاً إلى هذا الحجم لمعالجة.
  3. تحقق أن إكمال المعالجة بشكل صحيح بالنظر إلى البرنامج النصي الموجود في ' مجلد الإخراج | البرامج النصية | ريكون--all.log '. تحقق من أن السطر الأخير يقول 'كل ركن-s T1_ID الانتهاء من دون خطأ'.
  4. أداء مراقبة الجودة البصرية في منطقة الآلية العالمية كما هو موضح في القسم 8.

6-تجزئة عبر النمل

ملاحظة: يتم هذا الإجراء في سطر الأوامر. النمل هو برمجيات أكثر تعقيداً من الأدوات الأخرى، وأنه ينبغي ملاحظة أن هذا الإجراء هو موضح هنا يمكن أن يكون كذلك الأمثل لكل الفئات لتحسين النتائج. ويمكن الاطلاع على الوثائق النمل في: http://stnava.github.io/ANTsDoc/. هناك طريقتان لتقسيم الصور إلى فئات الأنسجة كما هو موضح أدناه.

  1. لاستخدام الطريقة الأولى، قم بتشغيل الأمر 'antsAtropos.sh' مع الإعدادات الافتراضية ودون بما في ذلك بريورس الأنسجة.
    ملاحظة: وهذا كثيرا ما يؤدي جيدا خاصة عندما تكون فقط 3 الأنسجة الفئات المطلوبة: جنرال موتورز، WM، الأخرى.
    1. تعيين المسار للبرمجيات النمل بكتابة الأمر:
      تصدير أنتسباث =/المسار/إلى/النمل/بن/
    2. تشغيل خط أنابيب تجزئة بكتابة الأمر:
      antsAtroposN4.sh-د < image_dimension >-< t1.nii.gz >-ج < عدد من فئات الأنسجة >-o < الإخراج >
      1. وسيطات اختيارية لهذا الأمر:
        قناع الدماغ:-x < mask.nii.gz >؛
        بريورس الأنسجة:-p < segmentationPriors%d.nii.gz >.
    3. هذا سيتم إنشاء مجلد مع الإخراج بما في ذلك الخرائط حجم الجزئي والدماغ المستخرجة. أداء مراقبة الجودة البصرية في منطقة الآلية العالمية كما هو موضح في القسم 8.
  2. لإنشاء مزيد من فئات الأنسجة (جنرال موتورز، وجنرال موتورز subcortical، WM، السائل الدماغي النخاعي، الأخرى، إلخ) أو إجراء التجزئة على الأتراب عرض علم الأمراض العصبية، واستخدام بريورس الأنسجة محددة. تحميل بريورس الأنسجة من مواقع مختلفة. بدلاً من ذلك، استخدم قالب الخاصة بالدراسة لجعل بريورس--وهذا هو أكثر تعقيداً بكثير ولكن يمكن أن تكون مفيدة، لا سيما في الأفواج مع التغيرات المرضية في الدماغ.
    1. لإنشاء قالب الخاصة بدراسة/بريورس, أولاً إنشاء قالب الخاصة بالدراسة:
      antsMultivariateTemplateConstruction.sh قالب--س--د < image_dimension > < خيارات أخرى >< images.nii.gz >
      1. وسيطات اختيارية لهذا الأمر:
        -جيم: مراقبة لعملية حسابية موازية.
        إذا كان قيد التشغيل في استخدام المسلسل، 0؛ --ياء: عدد النوى؛ -r: القيام بتسجيل هيئة جامدة من المدخلات قبل إنشاء قالب (الافتراضي 0)-0 = = إيقاف 1 = = على. وهذا مفيد فقط عندما لا يتوفر قالب أولية.
    2. تحميل براينماسك وبريورس من موقع النمل.
      ملاحظة: قد تحتاج هذا القناع بحيث يتم تحريرها للتأكد من أنها تقريب جيد للدماغ القالب. برينماسك واحد من أهم أجزاء من خط الأنابيب؛ إذا كان الفقراء، ثم استخراج الدماغ/أتروبوس سيتم تشغيل سيئة. فيما يلي بعض من خيارات التنزيل:
      https://figshare.com/articles/ANTs_ANTsR_Brain_Templates?915436.
      ثم ينبغي أن يسجل تحميل القالب إلى قالب الدراسة.
    3. حساب عملية التسجيل، التي ستقوم بإخراج سلسلة من اﻻعوجاج يمكن ثم تطبيقها على القالب الذي تم تنزيله لتحويله إلى قالب الخاصة بدراسة الفضاء. لحساب التسجيل, استخدم الأمر:
      antsRegistrationSyNQuick.sh-د 3-و template.nii.gz-م downloaded_template.nii.gz-س downloaded_to_template-n 6
      1. الخيارات في هذا الأمر:
        -d: البعد (أي مسح 3D سيكون '3')؛ --واو: ثابت للصورة (أي المسافة التي يلزم فيها الصور في نهاية المطاف)؛ -الصورة المتحركة م: (أي الصورة التي تحتاج إلى نقلها)؛ -إخراج o: اسم (لا التمديد المطلوبة)؛ -n: عدد مؤشرات الترابط.
    4. تطبيق التسجيل البيانات:
      أنتسابليترانسفورمس-د 3-i downloaded_template.nii.gz-r template.nii.gz-س downloaded_to_template.nii.gz-t downloaded_to_template1Warp.nii.gz-تي downloaded_to_template0GenericAffine.mat.
      1. الخيارات في هذا الأمر:
        -d: البعد (أي مسح 3D سيكون '3')؛ -الصورة الأولى: إدخال (أي الصورة التي تحتاج إلى نقلها)؛ -المرجع r: صورة (أي صورة مرجعية تحدد التباعد، والمنشأ، والحجم والاتجاه لإخراج الصورة مشوه)؛ -o الإخراج اسم، هذا هو القالب الذي تم تنزيله في الفضاء القالب الخاصة بالدراسة (ملحق بحاجة في هذه الحالة)؛ -t تحويل اسم الملف، ملف الإخراج من تسجيل الحساب.
    5. التحقق من تسجيل المراسلات بين الدراسة-الخاصة بالقالب والقالب الذي تم تنزيله (للقيام بذلك، قم بفتح قالب الخاصة بالدراسة على رأس القالب الذي تم تنزيله) بصريا.
    6. إذا عملت التسجيل، تطبيق التحويل إلى بريورس التي تم تنزيلها واستخراج الدماغ القالب، تكرار الخطوة 6.2.5.
      ملاحظة: اتباع الخطوات التالية، سوف يكون هناك قالب الخاصة بالدراسة، قالب تم تنزيله تتماشى مع القالب الخاصة بالدراسة، جنبا إلى جنب مع قناع استخراج الدماغ التي تم تنزيلها والأنسجة بريورس تتماشى أيضا مع القالب الخاصة بالدراسة.
    7. تشغيل القالب دراسة محددة عن طريق antsCorticalThickness.sh؛ وهذا يوفر مناطق جنرال موتورز، وات والخدمات القطرية التي يمكن استخدامها في بريورس الخاصة بالدراسة:
      antsCorticalThickness.sh-د 3-template.nii.gz-ه downloaded_to_template.nii.gz-م downloaded_binarised_template_extracted_brain_in_studyspace.nii.gz-ف downloaded_labelsPriors%d.nii.gz--يا CT_template
      1. الخيارات في هذا الأمر:
        -d: البعد (أي مسح 3D سيكون '3')؛ -ج: الصورة لتكون مجزأة (في هذه الحالة، القالب الخاصة بالدراسة)؛ -قالب الدماغ e: (لا جمجمة جردت؛ في هذه الحالة، تحميل القالب الذي تم تسجيله على قالب الخاصة بالدراسة)؛ -الدماغ التحميل m: استخراج قناع (في هذه الحالة، الدماغ المستخرجة من تحميل القالب الذي تم تسجيله على قالب الخاصة بالدراسة)؛ -p: بريورس المحدد باستخدام ج-نمط التنسيق (مثل، labelsPriors%02d.nii.gz-p).
        ملاحظة: يقوم الأمر يفترض أن يتم ترتيب بريورس الأربعة الأولى على النحو التالي: 1: السائل الدماغي النخاعي، 2: القشرية الآلية العالمية، 3: وات، و 4: جنرال موتورز سوبكورتيكال (في هذه الحالة، بريورس من تحميل القالب الذي تم تسجيله على قالب الخاصة بالدراسة).
    8. تشغيل هذا الأمر سيؤدي إلى بريورس التي تم إنشاؤها للقالب، ولكن أنهم بحاجة إلى تجانس قبل استخدامها في تجزئة أتروبوس. تجانس الأمر جزء من البرمجيات النمل. تجانس جميع بريورس باستخدام الأمر:
      CT_template_BrainSegmentationPosteriors_smoothed.nii.gz CT_template_BrainSegmentationPosteriors2.nii.gz سموثيماجي 3
    9. قبل أن يعمل أتروبوس، تشغيل استخراج الدماغ على جميع بمسح الفضاء الأصلي. قالب الخاصة بالدراسة يمكن استخدامها، واستخراج المخ الناتجة من تشغيل antsCorticalThickness.sh على القالب (الخطوة 6.2.1):
      antsBrainExtraction.sh-د 3-T1.nii.gz-ه template.nii.gz-م template_BrainExtractionBrain.nii.gz--يا T1_brain.nii.gz
      1. الخيارات في هذا الأمر:
        -d: الأبعاد؛ --صورة تشريحية ج:؛ -الدماغ هاء: استخراج قالب (أي قالب تم إنشاؤه، دون تجريد الجمجمة)؛ -m: دراسة برينماسك محددة تستخدم لاستخراج المخ؛ -o: الإخراج البادئة.
    10. ثم قم بتشغيل أتروبوس:
      antsAtroposN4.sh-د 3-T1.nii.gz-x T1_brain.nii.gz-ج 3-o Atropos_specific_template
      1. الخيارات في هذا الأمر:
        -d = الأبعاد؛ --صورة تشريحية ج:؛ -الدماغ العاشر: استخراج قناع المتولدة من استخراج المخ؛ -جيم: عدد من فئات الأنسجة للجزء؛ -سين: الإخراج البادئة؛ -p: الدراسة الخاصة بتجزئة بريورس < segmentationPriors%d.nii.gz >
    11. أداء مراقبة الجودة البصرية في منطقة الآلية العالمية كما هو موضح في القسم 8.

7-تجزئة عبر مالب-م

  1. لتشغيل مالب م، فتح إطار المحطة طرفية، تغيير الدليل إلى الدليل تثبيت م مالب ونوع:
    ./مالبيم-بروت-i T1_scan.nii-س./-م optional_brain_mask_final.nii.gz--و 3T--تي 6-c
  2. بمجرد اكتمال الأمر، تحقق من وجود مجلد إخراج مع فئات الأنسجة والانقسامات الإقليمية.
  3. تنفيذ مراقبة الجودة البصرية على الآلية العالمية كما هو موضح في القسم 8.

8-البصرية مراقبة الجودة

ملاحظة: ينبغي إجراء مراقبة الجودة البصرية في جميع المناطق المقسمة لاستخدامها في التحليل. مراقبة الجودة يضمن أن الانقسامات ذات مستوى عال وتمثل تجزئة موثوق بها للجمعية العمومية. لإجراء مراقبة الجودة، فتحت كل عملية مسح ومضافين على T1 الأصلي لمقارنة المنطقة الذي تم إنشاؤه للجمعية العمومية مرئية على الفحص.

  1. الحركة الوطنية الصومالية وخدمة ميدانية محلية والنمل والانقسامات مالب-م
    1. تنفيذ مراقبة الجودة المرئية باستخدام فسليييس:
      https://users.fmrib.ox.ac.uk/~paulmc/fsleyes_userdoc/
      ملاحظة: فسلفييو (عارض كبار السن) يمكن أيضا استخدام بنفس الطريقة.
    2. فتح إطار المحطة طرفية وفتح T1 ومنطقة جنرال موتورز مضافين على T1. للقيام بذلك، اكتب:
      فسليييس T1.nii Region1.nii Region2.nii.
    3. مرة يفتح فسليييس، استخدام تبديل التعتيم على الجزء العلوي لضبط/الحد من التعتيم والسماح التخيل للصورة T1 تحت منطقة الآلية العالمية. تغيير لون تراكب تجزئة عبر التبويب المنسدلة 'اللون' في الجزء العلوي.
    4. قم بالتمرير خلال كل شريحة في الدماغ.
      ملاحظة: هنا يتم ذلك باستخدام عرض الاكليلية، لكن المستخدمين يجب استخدام الرأي القائل بأن لديهم خبرة معظم.
    5. تحقق من كل شريحة للمناطق من تحت-أو أكثر-استيميشن للمنطقة التي يجري تفتيشها.
      ملاحظة: راجع المقطع نتائج تمثيلية لأمثلة من الانقسامات الجيدة والسيئة.
  2. فريسورفير مراقبة الجودة
    1. Peform مراقبة الجودة المرئية باستخدام آكسس.
      ملاحظة: تشير إلى وثائق هنا:
      https://surfer.nmr.mgh.harvard.edu/fswiki/FreeviewGuide/FreeviewGeneralUsage/FreeviewQuickStart.
    2. فتح إطار المحطة طرفية. لعرض منطقة جنرال موتورز الحجمي مضافين على T1، تغيير الدليل إلى المجلد الموضوع والنوع:
      آكسس./mri/T1.mgz./mri/aparc+aseg.mgz:colormap=lut:opacity:.3
    3. قم بالتمرير خلال كل شريحة في الدماغ.
      ملاحظة: هنا يتم ذلك باستخدام عرض الاكليلية، لكن المستخدمين يجب استخدام الرأي القائل بأن لديهم خبرة معظم.
    4. تحقق من كل شريحة للمناطق من تحت-أو أكثر-استيميشن للمنطقة التي يجري تفتيشها.
      ملاحظة: راجع المقطع نتائج تمثيلية للحصول على أمثلة للانقسامات.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

حجم الدماغ متوسط 20 مراقبة المشاركين، جنبا إلى جنب مع المعلومات الديموغرافية، يرد في الجدول 1. وهذا بمثابة دليل للقيم المتوقعة عند استخدام هذه الأدوات. ينبغي النظر إلى النتائج في سياق الصورة الأصلية T1.nii. جميع المناطق الآلية العالمية ينبغي تفتيشها وفقا للخطوات المبينة في المادة 8. عند القيام بمراقبة الجودة البصرية، من المهم أن مقارنة المناطق المعدلة وراثيا للتفحص T1 مباشرة عن طريق عرض لهم مضافين على T1.

وينبغي رفض مناطق لأخطاء جسيمة كما هو مبين في الشكل 1. في بعض الأحيان تؤدي هذه الأخطاء إذا تم تشغيل معالجة البيانات بشكل غير صحيح، أو إذا كان ضعيف المتمركزة في الدماغ داخل مجال الرؤية. لتصحيح هذه الأخطاء، بمسح T1 الأصلي يمكن أن يكون جامد إعادة محاذاة إلى الفضاء القياسية ويمكن إعادة محاولة تجزئة. معدل فشل عمليات ستختلف تبعاً لنوعية البيانات والأدوات المستخدمة، فضلا عن التصنيف للفشل. في الدراسة الحالية، ومعدلات الفشل للفشل الكلي أدى إلى رفض < 5% لكافة الأدوات ولكن أخطاء أقل أهمية واعتبرت دائماً عبر عدد من الأدوات. FSL السريع، SPM 8 قطعة جديدة وفريسورفير قد أخطاء (ولكن ليس من الفشل) > 50 في المائة من عمليات المسح لهذا الفوج. وكان كمياً معدل خطأ هذا بدراسة اتخذت خلال عملية مراقبة الجودة البصرية، مع الأخطاء التي شملت إذا أنها اعتبرت خروجاً معقولاً من المناطق المتوقعة، كما هو مبين في الأرقام 2-6وتلاحظ. من المهم أن نلاحظ أن هذه الأدوات قد تم التحقق من صحة في مجموعات البيانات والنتيجة في كثير أقل خطأ 3،أسعار8آخرين. في حين يمكن تحسين هذه الأخطاء ربما عن طريق التدخل اليدوي أو إدراج قناع في استخراج الدماغ، منذ الجزء الجديد SPM ومالب م أسفر عن معدل خطأ أقل dataset هذه، وسوف تستخدم هذه الأدوات بدلاً من ذلك. ويمكن تطبيق أقنعة قبل المعالجة داخل النمل ومالب م، وبعد التجهيز للجسيمات العالقة (كافة الإصدارات) وأول خدمة ميدانية محلية.

وتظهر المزيد من الأخطاء البسيطة في الأرقام 2-6. عن طريق اختبار أدوات تجزئة مختلفة في مجموعة بيانات قبل تطبيق للفوج كله، يمكن تحديد الأداة التي ينفذ أفضل على ذلك dataset للتحليل. عند القيام بمراقبة الجودة، وينبغي وضع إجراء لاختيار لرفض أو تحريرها، أو قبول الانقسامات. الأخطاء الشائعة لسبع أدوات موضحة هنا، مع أمثلة تظهر في الأرقام 2-6. يمكن تصحيح الأخطاء في تقسيم مثل هذه غالباً بإضافة قناع في تيار تجهيز أو تحرير المناطق. لكن، قد تحتاج المناطق مع نطاق واسع أكثر-أو وكيل-استيميشن للقشرة برفض من التحليل. وينبغي وضع معايير صارمة واتباعها عند اتخاذ هذا القرار. هذه الخطوات ليست مشمولة في هذا البروتوكول، وسوف تختلف من dataset إلى dataset.

عموما، عند إجراء مراقبة الجودة البصرية، من المهم إيلاء اهتمام خاص للمناطق الزمنية ووالقفويه، أن هذه هي المجالات التي تظهر الأخطاء الأكثر اتساقا. ويبين الشكل 2 أمثلة للانقسامات الزمانية جيدة وسيئة، ويبين الشكل 3 أمثلة للانقسامات والقفويه الجيدة والسيئة. ويبين الشكل 4 آخر المشكلة الشائعة التي تحدث في جميع الأدوات، الذي يصنف أنسجة المخ غير CGM في الشرائح العليا من الدماغ. يعرض الرقم 5 مسألة أخرى ينظر في عدد من الانقسامات حيث يستثني مناطق CGM التجزئة. وهذا غالباً ما يحدث في الشرائح العليا من الدماغ، كما هو مبين في الشكل 5.

وأسفر SPM8 الموحدة للجزء عادة ترسيم الزمانية الفقراء، مع منطقة جنرال موتورز مجزأة إراقة غير الدماغ الأنسجة المحيطة بالفصوص الصدغي. الانسكاب في الفص القفوية الشائع، بينما بخس تقدير الفصوص أمامي وينظر أيضا في عدد من المناطق. الجزء الجديد SPM8، ترسيم الزمني الفقراء وانسكاب والقفويه كانت أيضا مشتركة. باستخدام هذا الإصدار من SPM النتائج أيضا في فوكسيلس داخل الجمجمة ودورا تصنيفه كجنرال موتورز في ما يقرب من جميع الانقسامات. SPM12 وقد تحسن مقارنة بالإصدارات السابقة من الجسيمات العالقة، مع الانقسامات الفص الصدغي انسكاب محسنة وأقل في مناطق أخرى. النمل أظهر المتغير عالية الأداء على هذا الفوج، مع استخراج الدماغ الأولية تحديد نوعية تجزئة. من المهم أن تولي اهتماما خاصا للحدود الخارجية، وفي حالة سوء استخدام النمل استخراج الدماغ، ثم يمكن تحسين القناع الدماغ المدرجة في الأمر أتروبوس. وكانت القضايا مع التقدير المفرط للآلية العالمية في الفصوص الزمانية ووالقفويه مرة أخرى شيوعاً. مالب-م أظهر عدد أقل من القضايا مع تقدير المفرط من الفصوص الزمانية ووالقفويه؛ على الرغم من ذلك، كان هناك تقدير وكيل للقشرة في عدد من الحالات. ويمكن تحسين هذا بإدراج قناع الدماغ في خط الأنابيب. وكانت "خدمة ميدانية محلية سريعة" الانقسامات اختلافاً كبيرا، بسبب أداء متغير لاستخراج المخ الرهان على البيانات من هذا الفوج. مرة أخرى، كانت القضايا داخل القفوية والفصوص الصدغي مشتركة؛ ومع ذلك، يمكن تحسين هذه مع الاستغلال الأمثل لاستخراج المخ. وأخيراً، مناطق الحجمي فريسورفير غالباً ما تكون ضيقة على طول الحدود جنرال موتورز/CSF، عادة باستثناء بعض المناطق للآلية العالمية في خط الحدود الخارجي (الشكل 6). كما الحال مع أدوات أخرى، الانسكاب خارج الآلية العالمية السائدة داخل الفصوص الزمانية ووالقفويه. وأخيراً، يبين الشكل 7 مثالاً لعرضها في فسلفييو أنه لا توجد أخطاء في تجزئة تجزئة جيدة. التحرير اليدوي للمناطق يمكن غالباً يتم تنفيذها لتحسين المناطق، على الرغم من أن هذه ليست مشمولة هنا.

Figure 1
الشكل 1 : مثال لتجزئة فشل عرض على تفحص T1. وينبغي إعادة معالجة هذا الانقسام واستبعادها من التحليل إذا كان لا يمكن تحسينها. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

Figure 2
الشكل 2 : أمثلة للأداء لمختلف الأدوات في الفص الصدغي على تفحص T1. (أ) T1 المسح الضوئي دون تجزئة. (ب) T1 مسح مع مثال لرسم الحدود الإقليمية الجيدة (مالب-م). (ج) T1 مسح مع مثال لرسم الحدود الإقليمية الجيدة (فريسورفير). مسح T1 (د) مع مثال ترسيم الإقليمية الفقيرة، عرض انسكاب في الفصوص الصدغي الأيمن والأيسر (SPM 8 قطعة جديدة). مسح T1 (ه) مع مثال ترسيم الإقليمية الفقيرة، عرض انسكاب في الفصوص الصدغي الأيمن والأيسر (FSL سريع). تعتبر عمليات التفحص في فسليييس مع الفحص T1 كصورة قاعدة ومنطقة الآلية العالمية كتراكب. في هذا الشكل، تعتبر المناطق المعدلة وراثيا الأحمر والأصفر مع عتامة 0.4. التدرج لون يمثل حجم جزئية من فوكسيلس، مع فوكسيلس التي أكثر الأصفر بعد على أعلى تقدير PVE (من المرجح أن تكون الآلية العالمية)، وتلك التي الأحمر بعد على أقل تقدير PVE (أقل احتمالاً أن تكون الآلية العالمية). الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

Figure 3
الشكل 3 : أمثلة للأداء لمختلف الأدوات في الفص القفوية على تفحص T1. (أ) T1 المسح الضوئي دون تجزئة. (ب) T1 مسح مع مثال لرسم الحدود الإقليمية الجيدة (مالب-م). مع مثال لتحديد الفقراء قذالي الفص مع الانسكاب في دوراً في القسم الآنسي المنطقة SPM (الموحدة الجزء 8) مسح T1 (ج). مسح T1 (د) مع مثال لتحديد الفقراء قذالي الفص مع انسكاب إلى دوراً في المقاطع الآنسي ومتفوقة في المنطقة (SPM 8 قطعة جديدة). T1 (ﻫ) المسح الضوئي مع مثال لتحديد الفقراء قذالي الفص مع انسكاب إلى دوراً في المقاطع الآنسي ومتفوقة في المنطقة (FSL سريع). تعتبر عمليات التفحص في فسليييس مع الفحص T1 كصورة قاعدة، ومنطقة الآلية العالمية كتراكب. في هذا الشكل، تعتبر المناطق المعدلة وراثيا الأحمر والأصفر مع عتامة 0.4. التدرج لون يمثل حجم جزئية من فوكسيلس، مع فوكسيلس التي أكثر الأصفر بعد على أعلى تقدير PVE (من المرجح أن تكون الآلية العالمية)، وتلك التي الأحمر بعد على أقل تقدير PVE (أقل احتمالاً أن تكون الآلية العالمية). الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

Figure 4
الشكل 4 : مثال منطقة جنرال موتورز انسكب في دوراً، عرض في إطار فسلفيو (في الآراء السهمي والاكليليه ومحوري)- ويسلط الضوء على منطقة الأزرق انسكاب في بلده دوراً. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

Figure 5
الشكل 5 : مثال منطقة الآلية العالمية التي تستبعد مناطق CGM تجزئة. يتم عرض هذه المنطقة في إطار فسلفيو، في آراء السهمي والاكليليه ومحورية. تظهر طريقة عرض محوري أفضل المناطق التي استبعدت من تجزئة. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

Figure 6
الرقم 6 : مثال لمنطقة "فريسورفير جنرال موتورز" ضيق جداً على طول الحدود جنرال موتورز/CSF، المعروضة في آكسس. يعرض الإطار الاكليلية في أعلى اليسار أفضل تقدير الأطفال دون سن الخامسة في CGM في هذه المنطقة. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

Figure 7
الشكل 7 : مثال لمنطقة مالب-م تحديداً جيدا على تفحص الدماغ T1. ويبين المنطقة أي قضايا مع أكثر من-أو وكيل-استيميشن للجمعية العمومية في أي منطقة. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم-

Table 1
الجدول 1: معلومات ديموغرافية ومتوسط أحجام الآلية العالمية (mL) للمشتركين التحكم 20 من الدراسة تتبع عالية الدقة، ومجزأة باستخدام الأدوات السبع المذكورة هنا.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

في الآونة الأخيرة، قد أثبتت البحوث أن استخدام أساليب الحجمي المختلفة قد آثار هامة بالنسبة نيورويماجينج الدراسات1،2. قبل نشر البروتوكولات التي تساعد المستخدمين دليل المبتدئين في كيفية تطبيق أدوات neuroimaging مختلفة، فضلا عن كيفية تنفيذ مراقبة الجودة على إخراج النتائج بواسطة هذه الأدوات، قد حدد الباحثون أفضل طريقة لتطبيق مجموعة البيانات هذه.

في حين أن معظم الخطوات في هذا سوب يمكن تعديلها لتناسب متطلبات البيانات وباحث، واحدة من أهم العمليات المعروضة هنا هي الخطوات وصف مفصل مراقبة الجودة البصرية. ينبغي أن يؤديها هذه الأدوات في جميع الانقسامات الإخراج مراقبة الجودة البصرية وضروري للقياس الدقيق للجمعية العمومية. خطوات مراقبة الجودة لضمان الانقسامات عالية الجودة وقد وضعت بعد دراسة الآلاف من مناطق CGM. بمقارنة مختلف الأدوات عن طريق الفحص البصري، ويمكن الاطلاع على الأسلوب الأكثر دقة لكل مجموعة من البيانات.

لكل أداة، وهناك الخيارات المختلفة التي يمكن استخدامها لتحسين تجزئة في كل مجموعة بيانات. أنه من الأفضل لإعادة تنظيم جميع عمليات التفحص للمساحة الأصلية قبل تجزئة، وغالباً كهذا يمكن أن تقلل من أخطاء في تجزئة؛ ومع ذلك، هذا ليس أساسيا. وعلاوة على ذلك، تختلف مناطق الإنتاج من خلال كل أداة، مع بعض منها فقط جنرال موتورز القشرية وبعض أيضا، بما في ذلك المناطق سوبكورتيكال. وعلاوة على ذلك، إخراج بعض المناطق تقديرات حجم الجزئي (PVE) وإخراج بعض خرائط نسيج منفصلة. في حين لا تغطي حجم استخراج هنا، ومناقشة الفرق بين PVE وخرائط الأنسجة المنفصلة خارج نطاق هذا إجراءات التشغيل القياسية (SOP)، خرائط PVE مقبولة بوجه عام ك تدبير أكثر موثوقية12. هذا سوب يوفر معلومات حول المعالجة المستخدمة في جونسون et al. (2017) 2 قطعة ومراقبة الجودة بالأشعة؛ ومع ذلك، قد يكون هناك تحديدات أكثر ملاءمة للمستخدمين الآخرين اعتماداً على نوعية الصور الخاصة بهم، ومزيد من المعالجة مثل تطبيق أقنعة لتحديد مناطق للآلية العالمية القشرية قد يكون مطلوباً. يمكن أن يؤديها كل الانقسامات في الفضاء الأصلي.

يوفر هذا البروتوكول أنابيب مثال لسبعة من الطرق المختلفة التي يمكن استخدامها للجزء CGM من T1 الرنين. اتبع هذه الأمثلة إلى حد كبير أنابيب الافتراضية الموصى بها لكل برنامج، وأنه من الأهمية بمكان ملاحظة أن التحسين مزيدا من هذه الأنابيب قد تكون ضرورية لتجزئة ناجحة من منطقة على مسح مختلفة. بعض الأدوات، مثل مالب-م، لديها خيارات محدودة ومن المحتمل أفضل للمستخدمين الذين جديدة إلى نيورويماجينج. غيرها من الأدوات، بما في ذلك النمل، يمكن أن تخضع للتحسين مفصلة، ويمثل البروتوكول المعروضة هنا من إمكانية تطبيق هذا البرنامج. خيارات إضافية، مثل استخدام أقنعة للحد من حساب الكميات، من الممكن لمعظم الأدوات أيضا.

من المهم أن نلاحظ أن ليس جميع أدوات يمكن استخدامها على كل نظام التشغيل. الحركة الوطنية الصومالية والنمل متوافقة مع ويندوز، ماك، وأنظمة لينكس، FSL متوافق مع أنظمة لينكس وماك مالب م وفريسورفير المتوافقة مع أنظمة لينكس (أو آلة افتراضية لينكس قيد التشغيل على جهاز "كمبيوتر" Windows/Mac).

ويغطي هذا البروتوكول الخطوات التي يمكن استخدامها للقيام بتجزئة ومراقبة الجودة (مراقبة الجودة) في 3D T1 المرجحة الرنين لإنشاء مناطق CGM. بيد أن البروتوكول يفترض أن الصور صور T1 3D في تنسيق نيفتي (ملحق.nii). وفي التحليل يؤديها جونسون et al. 2من الصور بالفعل استخدام الإجراء N313لتصحيح التحيز. ويفترض هذا البروتوكول أيضا أن البرنامج قد تم تحميلها وتثبيتها على جهاز لينكس وفقا للإرشادات التي يوفرها كل أداة. وتشمل البرمجيات مقارنة هنا SPM814، SPM12، FSL15،16،فريسورفير17والنمل18ومالب-م19.

هذا سوب تغطي مجموعة واسعة من تقنيات التجزئة؛ ومع ذلك، هناك خيارات أخرى متاحة لتجزئة هيكلية T1 مسح. واختيرت هذه الأساليب للمقارنة السابقة قبل جونسون et al. 2 استناداً إلى تواتر استخدامها في بحوث مرض هنتنغتون. ومع ذلك، تقوم كل أداة بشكل مختلف في كل مجموعة من البيانات، وأدوات تجزئة غير المشمولة هنا قد يكون من المناسب لمجموعات أخرى مجموعات البيانات والبحوث.

هذه الأدوات تستخدم على نطاق واسع داخل البحث neuroimaging. كما يتم إنشاء تحديثات البرامج لهذه الأدوات، فمن المحتمل أن إخراج كل أسلوب تجزئة ستخضع لتغييرات هامة على مر الزمن. ومع ذلك، ينبغي أن يظل التركيز على عملية مراقبة الجودة البصرية لضمان أن الانقسامات عالية الجودة المستخدمة في الدراسات نيورويماجينج.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

الكتاب ليس لها علاقة بالكشف عن.

Acknowledgments

ونود أن نشكر جميع الذين في مؤسسة Q يعقدها/العليا المسؤولة عن دراسة المسار عالية الدقة؛ على وجه الخصوص، بيث بوروسكي توبين ألن، دانيال فإن كامين، الموقع إيثان والمزمن شيري. الكتاب أيضا أود أن أتقدم عن امتنانهم للمشاركين دراسة المسار عالية الدقة وأسرهم. تم الاضطلاع بهذا العمل في UCLH/UCL، الذي تلقي نسبة من التمويل من وزارة الصحة للمعهد الوطني "البحوث الطبية الحيوية البحوث المراكز الصحية" تمويل الخطة. S.J.T. تعترف بدعم من المعهد الوطني "البحوث الصحية" من خلال ديمينتياس وشبكة بحوث الأعصاب، DeNDRoN.

المحققين مسار عالية الدقة:
جيم كامبل، كامبل م.، لابوشاني أولاً، وجيم ملكمان، J. ستاوت، جامعة موناش، ملبورن، فيك، أستراليا؛ ألف كولمان، R. دار سانتوس، J. ديكولونجون، ب. ر. ليفيت، ستارك ألف، جامعة كولومبيا البريطانية، فانكوفر، كولومبيا البريطانية، كندا؛ ألف الدر، جيم جوفريت، دال خوستو، معهد س. ليهيريسي، جيم ماريلي، ك. نجود، ر. Valabrègue، ICM، باريس، فرنسا؛ Bechtel نون، بولن س، ر. ريلمان، جامعة مونستر، مونستر، ألمانيا؛ ب لاندويهرمير، جامعة أولم، أولم، ألمانيا؛ ج. س. ج. أ فإن دن بوجارد، هاء-م. دوماس، فإن دير جروند، ص أ ' ر هارت، رووس أ. ر.، والمركز الطبي بجامعة ليدن، ليدن، هولندا؛ نون مدنت، كالاغان J.، كراوفورد دال، جيم ستويفورد، جامعة مانشستر، مانشستر، المملكة المتحدة؛ د. م. النقدية، إيكسيكو، لندن، المملكة المتحدة؛ حاء كراوفورد، فوكس جيم نون، س. غريغوري، أوين زاي، هوبز. ز. ن.، لاهيري أ.، مالون أولاً، القراءة J.، يقول ج. م.، وايتهيد دال-، البرية هاء، كلية جامعة لندن، لندن، المملكة المتحدة؛ فروست جيم، ر. جونز، ومدرسة لندن للصحة والطب المداري، لندن، المملكة المتحدة؛ هاء أكسيلسون، H. J. جونسون، لانجبيهن دال، جامعة آيوا، IA، الولايات المتحدة؛ وس. كلير، جامعة جيم كامبل بولاية إنديانا في الولايات المتحدة.

References

  1. Katuwal, G. J., et al. Inter-Method Discrepancies in Brain Volume Estimation May Drive Inconsistent Findings in Autism. Frontiers in Neuroscience. 10, 439 (2016).
  2. Johnson, E. B., et al. Recommendations for the Use of Automated Gray Matter Segmentation Tools: Evidence from Huntington's disease. Frontiers in Neurology. 8, 519 (2017).
  3. Schwarz, C. G., et al. A large-scale comparison of cortical thickness and volume methods for measuring Alzheimer's disease severity. NeuroImage: Clinical. 11, 802-812 (2016).
  4. Clarkson, M. J., et al. A comparison of voxel and surface based cortical thickness estimation methods. NeuroImage. 57 (3), 856-865 (2011).
  5. Eggert, L. D., Sommer, J., Jansen, A., Kircher, T., Konrad, C. Accuracy and reliability of automated gray matter segmentation pathways on real and simulated structural magnetic resonance images of the human brain. Public Library of Science One. 7 (9), 45081 (2012).
  6. Fellhauer, I., et al. Comparison of automated brain segmentation using a brain phantom and patients with early Alzheimer's dementia or mild cognitive impairment. Psychiatry Research. 233 (3), 299-305 (2015).
  7. Gronenschild, E. H. B. M., et al. The effects of FreeSurfer version, workstation type, and Macintosh operating system version on anatomical volume and cortical thickness measurements. Public Library of Science One. 7 (6), 38234 (2012).
  8. Iscan, Z., et al. Test-retest reliability of freesurfer measurements within and between sites: Effects of visual approval process. Human Brain Mapping. 36 (9), 3472-3485 (2015).
  9. Kazemi, K., Noorizadeh, N. Quantitative Comparison of SPM, FSL, and Brainsuite for Brain MR Image Segmentation. Journal of Biomedical Physics & Engineering. 4 (1), 13-26 (2014).
  10. Klauschen, F., Goldman, A., Barra, V., Meyer-Lindenberg, A., Lundervold, A. Evaluation of automated brain MR image segmentation and volumetry methods. Human Brain Mapping. 30 (4), 1310-1327 (2009).
  11. McCarthy, C. S., Ramprashad, A., Thompson, C., Botti, J. A., Coman, I. L., Kates, W. R. A comparison of FreeSurfer-generated data with and without manual intervention. Frontiers in Neuroscience. 9, (2015).
  12. Tohka, J. Partial volume effect modeling for segmentation and tissue classification of brain magnetic resonance images: A review. World Journal of Radiology. 6 (11), 855-864 (2014).
  13. Sled, J. G., Zijdenbos, A. P., Evans, A. C. A nonparametric method for automatic correction of intensity nonuniformity in MRI data. IEEE Transactions on Medical Imaging. 17, 87-97 (1998).
  14. Ashburner, J., Friston, K. J. Unified segmentation. NeuroImage. 26 (3), 839-851 (2005).
  15. Jenkinson, M., Beckmann, C., Behrens, T. E., Woolrich, M. W., Smith, S. M. FSL. NeuroImage. 62, 782-790 (2012).
  16. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. NeuroImage. 9, 179-194 (1999).
  17. Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. NeuroImage. 9, 195-207 (1999).
  18. Avants, B. B., Tustison, N. J., Wu, J., Cook, P. A., Gee, J. C. An open source multivariate framework for n-tissue segmentation with evaluation on public data. Neuroinformatics. 9 (4), 381-400 (2011).
  19. Ledig, C., et al. Robust whole-brain segmentation: application to traumatic brain injury. Medical Image Analysis. 21 (1), 40-58 (2015).

Tags

علم الأعصاب، العدد 143، والتصوير بالرنين المغناطيسي، الهيكلية، SPM، FSL، فريسورفير، النمل، مالب م، ومراقبة الجودة، والمادة الرمادية
تجزئة الآلي للمادة الرمادية القشرية من صور الرنين المغناطيسي T1 المرجحة
Play Video
PDF DOI

Cite this Article

Johnson, E. B., Scahill, R. I.,… More

Johnson, E. B., Scahill, R. I., Tabrizi, S. J. Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images. J. Vis. Exp. (143), e58198, doi:10.3791/58198 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter