Automatische segmentatie van corticale grijze stof van MRI T1-gewogen beelden

Summary

Dit protocol beschrijft het proces van zeven verschillende automatische segmentatie tools op structurele T1-gewogen MRI-scans om af te bakenen grijze stof-regio's die kunnen worden gebruikt voor de kwantificering van grijze stof volume toe te passen.

Abstract

In onderzoek neuroimaging, een aantal recente studies hebben gesproken over het effect van tussen-studie verschillen in volumetrische bevindingen die voortvloeien uit het gebruik van verschillende segmentatie tools voor het genereren van hersenen volumes worden gedacht. Hier, worden verwerking pijpleidingen voor zeven geautomatiseerde hulpmiddelen die kunnen worden gebruikt om het segment van de grijze stof in de hersenen gepresenteerd. Het protocol biedt een eerste stap voor onderzoekers gericht op het vinden van de meest nauwkeurige methode voor het genereren van grijze stof volumes van T1-gewogen MRI-scans. Stappen te ondernemen gedetailleerde visuele kwaliteitscontrole zijn ook opgenomen in het manuscript. Dit protocol bestrijkt een scala van potentiële segmentatie tools en moedigt gebruikers aan om te vergelijken van de prestaties van deze hulpmiddelen binnen een subset van de gegevens voordat een toe te passen op een volledige cohort te selecteren. Bovendien, het protocol kan verder worden veralgemeend naar de segmentatie van andere hersengebieden.

Introduction

Neuroimaging wordt veel gebruikt in zowel klinische en onderzoek instellingen. Er is een huidige zet om de reproduceerbaarheid van studies die hersenvolume van magnetische resonantie beeldvorming (MRI) scans kwantificeren; het is dus belangrijk dat onderzoekers ervaringen met het gebruik van beschikbare MRI hulpmiddelen delen voor het segmenteren van MRI-scans in regionale volumes, de normalisatie en de optimalisering van de methoden¹te verbeteren. Dit protocol biedt een stapsgewijze gids voor het gebruik van zeven verschillende hulpmiddelen om te segmenteren van de corticale grijze stof (CGM; grijze stof die uitsluit van subcorticale regio's) van T1-gewogen MRI-scans. Voorheen werden deze hulpprogramma's gebruikt in een methodologische vergelijking van segmentatie methoden², die aangetoond variabele prestaties tussen tools op een cohort van de ziekte van Huntington. Aangezien de prestaties van deze tools is gedacht om te variëren tussen verschillende datasets, is het belangrijk voor onderzoekers om te testen een aantal hulpmiddelen voor het selecteren van slechts één toe te passen op hun dataset.

Volume van de grijze stof (GM) wordt regelmatig gebruikt als een maatregel van de morfologie van de hersenen. Volumetrische maatregelen zijn over het algemeen betrouwbaar en kunnen onderscheid maken tussen gezonde controles en klinische groepen³. De hoeveelheid verschillende weefseltypes (HLA) van hersengebieden wordt meestal berekend met behulp van geautomatiseerde softwaretools waarmee deze weefseltypes (HLA). Zo is maken hoge kwaliteit afbakeningen (segmentaties) van de GM, nauwkeurige afbakening van de witte stof (WM) en de cerebrospinale vloeistof (CSF) kritisch in het bereiken van de nauwkeurigheid van de GM-regio. Er zijn een aantal geautomatiseerde hulpmiddelen die kunnen worden gebruikt voor het uitvoeren van GM segmentatie, en elk zijn er verschillende stappen nodig en resulteert in een verschillende output. Een aantal studies de hulpprogramma's hebt toegepast op verschillende datasets te vergelijken met elkaar, en sommige hebben geoptimaliseerd specifieke hulpmiddelen^{1,4,5,6,7,8 ,9,10,11}. Vorige werk heeft aangetoond dat de variabiliteit tussen de volumetrische tools leiden inconsistenties binnen de literatuur tot kan bij de studie van de hersenvolume, en deze verschillen hebben gesuggereerd als drijvende factoren voor valse conclusies over neurologische aandoeningen¹.

Onlangs, een vergelijking voor verschillende segmentatie tools in een cohort dat zowel de gezonde controle deelnemers en de deelnemers met de ziekte van Huntington opgenomen werd uitgevoerd. De ziekte van Huntington is een genetische neurodegeneratieve ziekte met een typische begin in volwassenheid. Geleidelijke atrofie van subcorticale en CGM is een prominente en goed bestudeerde neuropathologische kenmerk van de ziekte. De resultaten aangetoond variabele prestaties voor zeven segmentatie tools die zijn toegepast op de cohort, ondersteuning van eerdere werk dat aangetoond variabiliteit in bevindingen afhankelijk van de software die wordt gebruikt voor het berekenen van de hersenen volumes van MRI-scans. Dit protocol biedt informatie over de verwerking gebruikt in Johnson et al. (2017) ² dat zorgvuldige methodologische selectie van de meest geschikte instrumenten voor gebruik in neuroimaging moedigt. Deze handleiding heeft betrekking op de segmentatie van GM volume maar heeft geen betrekking op de segmentatie van letsels, zoals gezien bij multiple sclerose.

Protocol

Opmerking: Zorg ervoor dat alle beelden in NifTI-indeling zijn. Conversie naar NifTI is hier niet behandeld.

1. segmentatie via SPM 8: Unified Segment

Opmerking: Deze procedure wordt uitgevoerd via de SPM8 GUI die binnen Matlab werkt. De gids van de SPM8 biedt verder detail en kan worden gevonden op: http://www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf.

1. Zorg ervoor dat SPM8 is geïnstalleerd en ingesteld in het pad van de software.
2. SPM segmentatie wordt uitgevoerd met behulp van een GUI. U opent SPM, opent u een opdrachtvenster en typ 'spm' naar de opdrachtregel.
3. Druk op 'PET & VBM' te openen van de structurele MRI-werkset.
4. Druk op de "Partij" om de Batch Editor te openen. Hierdoor segmentatie op meerdere scans tegelijk worden uitgevoerd.
5. Selecteer ' SPM | Ruimtelijke | Segment'.
6. Klik op ' gegevens | Selecteer bestanden. Kies de T1-gewogen scans als input.
   Opmerking: Moeten de bestanden zijn uitgepakt NifTi-bestanden, met de extensie '.nii' wordt.
7. Klik op ' uitvoerbestanden | Grijze kwestie ' en controleer of 'Native ruimte' is geselecteerd, hetzelfde doen voor de witte stof. Als de CSF-segmentatie niet vereist is laat dit als 'Geen'.
8. Als de scans zijn al bias-gecorrigeerd, de 'Bias gecorrigeerd' optie 'Niet opslaan gecorrigeerd' wijzigen. Voor de optie 'Schoon alle partities' test van de drie verschillende opties en gebruik van visuele kwaliteitscontrole (QC, sectie 8) om te bepalen welke werkt het beste voor de gegevens.
9. Laat de andere instellingen als standaardwaarden. Klik op de groene vlag te voeren van de segmentatie.
   Opmerking: Dit duurt ongeveer 5 minuten per deelnemer, en de opdrachtregel zal zeggen, 'Segment Running'. Wanneer u klaar bent, verschijnt het opdrachtvenster 'Done'.
10. Uitvoeren visuele QC op de GM (C1*.nii-bestand), zoals beschreven in sectie 8.

2. segmentatie via SPM 8: nieuw Segment

Opmerking: Deze procedure wordt uitgevoerd via de GUI SPM8. De gids van de SPM8 biedt verder detail en kan worden gevonden op: http://www.fil.ion.ucl.ac.uk/spm/doc/spm8_manual.pdf. Zorg ervoor dat SPM8 is geïnstalleerd en ingesteld in het pad van de software. Open de SPM software, doorgaans uitgevoerd door "spm" in een opdrachtregel te typen. Hiermee opent u een venster van grafische user interface (GUI) met een aantal opties die kunnen worden geselecteerd om analyses uit te voeren.

1. Druk op 'PET & VBM'.
2. Druk op de "Partij" om de Batch Editor te openen.
3. Selecteer ' SPM | Tools | Nieuw Segment' in het batchvenster. Selecteer de T1-afbeeldingsbestanden (met de extensie '.nii').
4. 'Native weefseltype' ingesteld op 'Native ruimte'. Desgewenst, uitschakelen van de verschillende weefsel klassen (zoals CSF) - zoniet vereist - door hen te stellen op 'Geen'. Instellen 'Warped weefsel' op 'Geen'.
   Opmerking: Alle andere opties kunnen worden overgelaten als de standaardinstelling.
5. Klik op de groene vlag voor het uitvoeren van de segmentatie.
   Opmerking: De opdrachtregel zal zeggen, 'Nieuw Segment Running'. Zodra het klaar is met de MATLAB opdrachtregel wil zeggen, 'gedaan nieuwe Segment' uitgevoerd.
6. Uitvoeren visuele QC op de GM (C1*.nii-bestand), zoals beschreven in sectie 8.

3. segmentatie via SPM 12: Segment

Opmerking: Deze procedure is uitgevoerd via de GUI SPM12. De gids van de SPM12 biedt verder detail en kan worden gevonden op: http://www.fil.ion.ucl.ac.uk/spm/doc/manual.pdf.

1. De SPM software niet openen door te typen 'spm' in het opdrachtvenster. Hiermee opent u een venster van grafische user interface (GUI) met een aantal opties die kunnen worden geselecteerd om analyses uit te voeren.
2. Druk op 'PET & VBM'. Druk op de "Partij" om de Batch Editor te openen.
3. Klik op ' SPM | Ruimtelijke | Segment'. Klik vervolgens op ' gegevens | Volumes'.
4. 'Native weefseltype' ingesteld op 'Native ruimte'. Uitschakelen van de weefsel-klassen die niet nodig zijn (zoals CSF) door hen te stellen op 'Geen'. Instellen 'Warped weefsel' op 'Geen'.
   Opmerking: Alle andere opties kunnen worden overgelaten als standaardinstelling.
5. Klik op de groene vlag voor het uitvoeren van de segmentatie.
   Opmerking: Het opdrachtvenster wordt weergegeven: 'Running Segment'. Zodra de run voltooid is, zal het tonen: 'Done Segment'.
6. Uitvoeren visuele QC op de GM (C1*.nii-bestand), zoals beschreven in sectie 8.

4. segmentatie via FSL snel

Opmerking: Deze procedure wordt gedaan op de opdrachtregel. De gids van de FSL biedt verder detail en kan worden gevonden op: https://fsl.fmrib.ox.ac.uk/fsl/fslwiki.

1. BET hersenen extractie worden uitgevoerd. Dit moet mogelijk worden geoptimaliseerd voor verschillende datasets, maar de fundamentele opdracht is:
   inzet van T1_ID.nii bet_T1_ID.nii
2. FSL snel segmentatie uitvoeren:
   snelle bet_T1_ID.nii
   Opmerking: Dit zal uitvoer gedeeltelijke volume kaarten en binaire gebieden voor GM, CB, en WM.
3. Uitvoeren visuele QC op de GM-regio (het einde van het bestand * _pve_1.nii.gz) zoals beschreven in sectie 8.

5. segmentatie via FreeSurfer

Opmerking: Deze procedure wordt gedaan op de opdrachtregel. De gids van de FreeSurfer biedt verder detail en kan worden gevonden op: https://surfer.nmr.mgh.harvard.edu/.

1. Stel de map waar de gegevens is door te typen:
   SUBJECTS_DIR = / pad/naar/nii/bestanden exporteren
2. Voer de segmentatie door de opdrachten uit te voeren:
   Recon-all - i T1_ID.nii - subjid T1_ID-autorecon1-cw256
   Recon-all - subjid T1_ID-autorecon2-autorecon3
   Opmerking: De opdrachten duren > 10u per deelnemer. De - cw256 vlag nodig is om te snijden scans met gezichtsveld groter is dan 256 tot deze grootte voor verwerking.
3. Controleer dat de verwerking correct door te kijken naar het script is voltooid bevindt zich de ' uitgang van de map | scripts | Recon-all.log'. Controleer dat de laatste regel zegt 'recon-all - s T1_ID afgewerkt zonder fouten'.
4. Uitvoeren visuele QC op de GM-regio zoals beschreven in sectie 8.

6. segmentatie via mieren

Opmerking: Deze procedure wordt gedaan op de opdrachtregel. Mieren is een meer complexe software dan de andere hulpprogramma's, en het moeten worden opgemerkt dat de procedure hier uitgelegd kon worden verder geoptimaliseerd voor elk cohort om de resultaten te verbeteren. Mieren documentatie is te vinden op: http://stnava.github.io/ANTsDoc/. Er zijn twee manieren om het segmenteren van de beelden in weefsel klassen, zoals hieronder beschreven.

1. Voor het gebruik van de eerste methode, de opdracht 'antsAtropos.sh' met standaardinstellingen en uitvoeren zonder het met inbegrip van weefsel priors.
   Opmerking: Dit voert vaak goed vooral wanneer slechts 3 weefsel klassen zijn vereist: GM, WM, andere.
   1. Het pad naar mieren software instellen door de opdracht te typen:
      exporteren van ANTSPATH = / pad/naar/mieren/bin /
   2. De segmentatie pijpleiding worden uitgevoerd door de opdracht te typen:
      antsAtroposN4.sh -d < image_dimension > - een < t1.nii.gz > -c < aantal weefsel klassen > -o < uitvoer >
      1. Optionele argumenten voor deze opdracht zijn:
         Hersenen masker: - x < mask.nii.gz >;
         Weefsel priors: -p < segmentationPriors%d.nii.gz >.
   3. Dit wordt een map gemaakt met de output, met inbegrip van gedeeltelijke volume kaarten en een uitgepakte hersenen. Uitvoeren visuele QC op de GM-regio zoals beschreven in sectie 8.
2. Voor het genereren van meer weefsel klassen (GM subcorticale GM, WM, CB, andere, etc.) of uitvoeren van de segmentatie op een cohort tonen neurale pathologie, gebruik van specifieke weefsel priors. Download weefsel priors van verschillende websites. Als alternatief, een studie-specifieke sjabloon gebruiken om priors - dit is veel complexer maar kan zinvol zijn, vooral in cohorten met pathologische hersenen veranderingen.
   1. Als u wilt maken van een studie-specifieke sjabloon/priors, eerst een studie-specifieke-sjabloon te maken:
      antsMultivariateTemplateConstruction.sh -d < image_dimension > -o sjabloon < andere opties >< images.nii.gz >
      1. Optionele argumenten voor deze opdracht zijn:
         -c: controle voor parallelle berekening.
         Als uitgevoerd in seriële, gebruik een 0; -j: aantal kernen; -r: doen vastlichaam registratie van ingangen voor het maken van de sjabloon (standaard 0)--0 uit 1 == == op. Dit is alleen handig wanneer een oorspronkelijke sjabloon niet beschikbaar is.
   2. Een brainmask en priors downloaden vanaf de website van de mieren.
      Opmerking: Dit masker moet mogelijk worden bewerkt om ervoor te zorgen dat er een goede benadering van de hersenen van de sjabloon. De brainmask is een van de belangrijkste onderdelen van de pijpleiding; Als het slecht is, dan hersenen extractie/Atropos slecht uitgevoerd. Enkele van de downloadopties zijn:
      https://figshare.com/articles/ANTs_ANTsR_Brain_Templates?915436.
      Het gedownloade sjabloon moet vervolgens worden geregistreerd aan de studie-sjabloon.
   3. De registratie, die zal de uitgang van een reeks van morphen die vervolgens kunnen worden toegepast op het gedownloade sjabloon om te transformeren naar studie-specifieke sjabloon ruimte te berekenen. Voor de berekening van de registratie, gebruik van de opdracht:
      antsRegistrationSyNQuick.sh -d 3 -f template.nii.gz -m downloaded_template.nii.gz -o downloaded_to_template - n 6
      1. De opties in deze opdracht zijn:
         -d: dimensie (dat wil zeggen, 3D scans zou '3'); -f: vaste afbeelding (dat wil zeggen, de ruimte waar de beelden moeten eindigen); -m: bewegend beeld (dat wil zeggen, de afbeelding die moet worden verplaatst); -o: output naam (zonder extensie nodig); -n: aantal threads.
   4. De registratie van toepassing op de gegevens:
      antsApplyTransforms -d 3 -i downloaded_template.nii.gz - o template.nii.gz -o downloaded_to_template.nii.gz -t downloaded_to_template1Warp.nii.gz -t downloaded_to_template0GenericAffine.mat.
      1. De opties in deze opdracht zijn:
         -d: dimensie (dat wil zeggen, 3D scans zou '3'); -i: invoerafbeelding (dat wil zeggen, de afbeelding die moet worden verplaatst); -r: referentiebeeld (dat wil zeggen, het referentiebeeld definieert de afstand, de oorsprong, de grootte en de richting van het verwrongen beeld van uitvoer); -o output naam, dit is het gedownloade sjabloon in de studie-specifieke sjabloon ruimte (extensie nodig in dit geval); -t transformatie bestandsnaam, de output file van de registratie-berekening.
   5. Visueel controleren de registratie voor correspondentie tussen de studie-specifieke sjabloon en gedownloade sjabloon (dit moet doen, de studie-specifieke sjabloon op de top van het gedownloade sjabloon openen).
   6. Als de registratie heeft gewerkt, de transformatie van toepassing op de gedownloade priors en sjabloon hersenen, herhaal stap 6.2.5 geëxtraheerd.
      Opmerking: Na deze stappen, zal er een studie-specifieke sjabloon, een gedownloade sjabloon uitgelijnd met de studie-specifieke sjabloon, samen met een gedownloade hersenen extractie masker en weefsel priors ook afgestemd op de studie-specifieke sjabloon.
   7. De studie specifieke sjabloon doorlopen antsCorticalThickness.sh; Dit biedt GM, WM, en CB regio's die kunnen worden gebruikt voor studie-specifieke priors:
      antsCorticalThickness.sh -d 3 - een template.nii.gz -e downloaded_to_template.nii.gz -m downloaded_binarised_template_extracted_brain_in_studyspace.nii.gz -p downloaded_labelsPriors%d.nii.gz -o CT_template
      1. De opties in deze opdracht zijn:
         -d: dimensie (dat wil zeggen, 3D scans zou '3'); -a: afbeelding worden gesegmenteerd (in dit geval, de studie-specifieke sjabloon); -e: hersenen sjabloon (niet schedel ontdaan; in dit geval, het gedownloade sjabloon die is ingeschreven aan de studie-specifieke sjabloon); -m: gedownloade hersenen extractie masker (in dit geval, de uitgepakte hersenen van de gedownloade sjabloon die is ingeschreven aan de studie-specifieke sjabloon); -p: priors opgegeven met behulp van de c-stijl opmaak (bijvoorbeeld -p labelsPriors%02d.nii.gz).
         Opmerking: De opdracht wordt ervan uitgegaan dat de eerste vier priors worden gerangschikt als volgt: 1: CB, 2: corticale GM, 3: WM, en 4: subcorticale GM (in dit geval, de priors van het gedownloade sjabloon die is ingeschreven aan de studie-specifieke sjabloon).
   8. Deze opdracht uit te voeren zal resulteren in de gegenereerde priors voor de sjabloon, maar zij moeten vloeiend maken vóór gebruik in Atropos segmentatie. De smoothing opdracht is onderdeel van de software van de mieren. Glad alle priors met behulp van de opdracht:
      SmoothImage 3 CT_template_BrainSegmentationPosteriors2.nii.gz CT_template_BrainSegmentationPosteriors_smoothed.nii.gz
   9. Voordat u Atropos, hersenen extractie op alle inheemse ruimte scans worden uitgevoerd. De studie-specifieke sjabloon kan worden gebruikt, en geëxtraheerd hersenen gegenereerd op basis van de antsCorticalThickness.sh waarop de sjabloon (stap 6.2.1):
      antsBrainExtraction.sh -d 3 - een T1.nii.gz -e template.nii.gz -m template_BrainExtractionBrain.nii.gz -o T1_brain.nii.gz
      1. De opties in deze opdracht zijn:
         -d: afmetingen; -a: anatomische afbeelding; -e: hersenen extractie sjabloon (bijvoorbeeld sjabloon gemaakt, zonder het strippen van de schedel); -m: studeren specifieke brainmask gebruikt voor de extractie van de hersenen; -o: output voorvoegsel.
   10. Voer Atropos:
       antsAtroposN4.sh -d 3 - een T1.nii.gz - x T1_brain.nii.gz -c 3 -o Atropos_specific_template
       1. De opties in deze opdracht zijn:
          -d = afmetingen; -a: anatomische afbeelding; -x: hersenen extractie masker gegenereerd op basis van de hersenen-extractie; -c: aantal weefsel klassen in segmenten; -o: output voorvoegsel; -p: studie-specifieke segmentatie priors < segmentationPriors%d.nii.gz >
   11. Uitvoeren visuele QC op de GM-regio zoals beschreven in sectie 8.

7. segmentatie via MALP-EM

1. Uitvoeren van MALP-EM, open een terminal venster, wijzig de map in de MALP-EM-installatiemap en het type:
   . / malpem-proot - i T1_scan.nii -o. / -m optional_brain_mask_final.nii.gz -f 3T -t 6 - c
2. Zodra de opdracht is voltooid, controleren of er een uitgang van de map met weefsel klassen en regionale segmentaties is.
3. Uitvoeren visuele QC op de GM zoals beschreven in sectie 8.

8. visuele kwaliteitscontrole

Opmerking: Visuele kwaliteitscontrole moet worden uitgevoerd op alle gesegmenteerde regio's moet worden gebruikt bij de analyse. Kwaliteitscontrole zorgt ervoor dat de segmentaties van hoge kwaliteit zijn en betrouwbare segmentatie van de CGM vertegenwoordigen. Voor het uitvoeren van kwaliteitscontrole, wordt elke scan geopend en overlay op de oorspronkelijke T1 te vergelijken van de gegenereerde regio aan de CGM zichtbaar op de scan.

1. SPM, FSL, mieren en MALP-EM segmentaties
   1. Uitvoeren visuele QC met behulp van FSLeyes:
      https://users.fmrib.Ox.ac.uk/~PaulMc/fsleyes_userdoc/
      Nota: FSLview (een oudere viewer) kan ook worden gebruikt op dezelfde manier.
   2. Open een terminal venster en open de T1 en de GM-regio's die op de T1 bedekt. Om dit te doen, typt u:
      fsleyes T1.nii Region1.nii Region2.nii.
   3. Zodra FSLeyes opent, gebruikt u de knevel van de dekking op het bovenste deelvenster te passen/vermindering van de dekking en visualisatie van de T1-afbeelding onder de GM-regio. De kleur van de segmentatie overlay via de 'dropdown tabblad kleur' in het bovenste deelvenster te wijzigen.
   4. Blader door elk segment in de hersenen.
      Opmerking: Hier wordt dit gedaan met behulp van de coronale weergave, maar gebruikers moet het gebruik van de weergave die ze de meeste ervaring met hebben.
   5. Controleer elk segment voor regio's van onder - of over - estimation van de regio wordt geïnspecteerd.
      Opmerking: Zie de sectie van de representatieve resultaten voor voorbeelden van goede en slechte segmentaties.
2. FreeSurfer QC
   1. Peform visuele QC met behulp van FreeView.
      Opmerking: Raadpleeg de documentatie hier:
      https://surfer.NMR.MGH.Harvard.edu/fswiki/FreeviewGuide/FreeviewGeneralUsage/FreeviewQuickStart.
   2. Open een terminal venster. Als u wilt weergeven van de volumetrische GM regio overlay op de T1, wisseling woninggids voor naar de map van het onderwerp en het type:
      DTT./mri/T1.mgz./mri/aparc+aseg.mgz:colormap=lut:opacity:.3
   3. Blader door elk segment in de hersenen.
      Opmerking: Hier wordt dit gedaan met behulp van de coronale weergave, maar gebruikers moet het gebruik van de weergave die ze de meeste ervaring met hebben.
   4. Controleer elk segment voor regio's van onder - of over - estimation van de regio wordt geïnspecteerd.
      Opmerking: Zie de sectie van de representatieve resultaten voor voorbeelden van de segmentaties.

Representative Results

Gemiddelde hersenen volumes voor 20 deelnemers van de controle, samen met de demografische informatie wordt weergegeven in tabel 1. Dit fungeert als een gids voor verwachte waarden bij het gebruik van deze hulpprogramma's. Resultaten moeten worden gezien in de context van de oorspronkelijke afbeelding van de T1.nii. Alle GM-regio's moeten worden geïnspecteerd volgens de stappen die worden beschreven in sectie 8. Bij het uitvoeren van visuele QC, is het belangrijk om te vergelijken direct de GM-regio's aan de T1-scan door hen overlay op de T1 te bekijken.

Regio's moeten worden afgewezen voor de grove fouten, zoals afgebeeld in Figuur 1. Soms resulteren deze fouten als verwerking onjuist werd uitgevoerd, of als de hersenen was slecht gepositioneerd binnen het gezichtsveld. Deze om fouten te corrigeren, kan de inheemse T1-scans kunnen stijf opnieuw uitgelijnd aan standaard ruimte en segmentatie opnieuw geprobeerd. Het tempo van de mislukkingen zal variëren afhankelijk van de kwaliteit van de gegevens en hulpmiddelen gebruikt, alsmede de classificatie van mislukking. In de huidige studie, uitval van totale mislukkingen resulterend in afwijzing waren < 5% voor alle tools, maar minder belangrijke fouten werden consequent gezien over een aantal hulpmiddelen. FSL snel, SPM 8 nieuwe Segment en FreeSurfer had fouten (maar niet mislukkingen) in > 50% van scans voor dit cohort. Dit foutenpercentage werd gekwantificeerd door het onderzoek van de nota tijdens de QC visuele met fouten opgenomen als ze worden gezien als een redelijke vertrek uit de verwachte gebieden, zoals in de figuren 2-6. Het is belangrijk op te merken dat deze hulpprogramma's zijn gevalideerd op andere datasets en resultaat in veel lagere fout tarieven ^3,-⁸. Hoewel deze fouten kunnen eventueel worden verbeterd via handmatige tussenkomst of toevoeging voor een masker op hersenen extractie, aangezien SPM nieuw Segment en MALP-EM in een lager tarief van de fout voor deze dataset resulteerde, zou deze hulpmiddelen in plaats daarvan worden gebruikt. Maskers kunnen worden toegepast vóór de verwerking binnen de mieren en MALP-EM en na verwerking bij SPM (alle versies) en FSL eerste.

Meer kleine fouten worden weergegeven in de figuren 2-6. Door het testen van verschillende segmentatie tools op een dataset voor toepassing op de hele cohort, kan het hulpprogramma waarmee de beste wordt op deze dataset worden geselecteerd voor analyse. Bij het uitvoeren van QC, moet een procedure voor het kiezen van te verwerpen, te bewerken of te aanvaarden van segmentaties worden ontwikkeld. Veelvoorkomende fouten gezien voor de zeven tools zijn hier beschreven, met een voorbeeld in de figuren 2-6. Fouten in segmentatie zoals dit kunnen vaak gecorrigeerd worden met de toevoeging van een masker in de stream processing of bewerken van de regio's. Regio's met uitgebreide over - of onder - estimation van de cortex moet echter mogelijk worden verworpen, analyse. Strenge criteria moeten worden ontwikkeld en gevolgd bij het maken van dit besluit. Deze stappen worden niet behandeld in dit protocol en zal variëren van dataset naar dataset.

In het algemeen bij het uitvoeren van visuele QC, er moet bijzondere aandacht besteden aan temporele en occipital regio's, aangezien deze gebieden die het meest consistente fouten weergeven. Figuur 2 ziet u voorbeelden van goede en slechte temporele segmentaties en Figuur 3 ziet u voorbeelden van goede en slechte occipital segmentaties. Figuur 4 toont een andere gemeenschappelijke probleem dat zich voordoet in alle tools, waarin niet-hersenweefsel is ingedeeld als CGM in superieure segmenten van de hersenen. Figuur 5 geeft weer een ander probleem gezien in een aantal segmentaties waar regio's van de CGM zijn uitgesloten van de segmentatie. Dit gebeurt vaak in superieure segmenten van de hersenen, zoals te zien in Figuur 5.

SPM8 Unified Segment resulteerde vaak in slechte Temporele afbakening, met de gesegmenteerde GM regio morsen in niet-hersenen weefsel rondom de temporale kwabben. Morsen in de Occipitale kwab is gebruikelijk, terwijl onder schatting van de frontale kwabben ook gezien in een aantal regio's. SPM8 nieuw segment waren arme Temporele afbakening en occipital morsen ook gemeenschappelijk. Met deze versie van SPM resulteert ook in voxels binnen de schedel en dura wordt geclassificeerd als GM in bijna alle segmentaties. SPM12 is verbeterd ten opzichte van eerdere versies van SPM, met de temporale kwab segmentaties verbeterde en minder morsen in andere regio's. Mieren bleek zeer variabel prestaties op deze cohort, met de extractie van de eerste hersenen bepalen de kwaliteit van de segmentatie. Het is belangrijk om bijzondere aandacht schenken aan de externe grenzen, en als hersenen extractie slecht met behulp van mieren is, vervolgens het masker van de hersenen in de Atropos opdracht opgenomen kan worden verbeterd. Problemen met de overwaardering van de GM in de temporele en occipital lobben voorkwamen opnieuw. MALP-EM bleek minder problemen met overschatting van de temporele en occipital kwabben; Hoewel, er was weinig schatting van de cortex in een aantal gevallen. Dit kan worden verbeterd door toevoeging van een masker van de hersenen in de pijplijn. FSL snel segmentaties waren zeer variabel, door de variabele performance van BET extractie van de hersenen op de gegevens van dit cohort. Nogmaals, aangelegenheden occipitale temporale lobben voorkwamen zijn; Dit kunnen echter worden verbeterd met optimalisatie van extractie van de hersenen. Ten slotte, FreeSurfer volumetrische regio's zijn vaak strak langs de grens van GM/CB, meestal met uitzondering van bepaalde regio's van GM in de buitenste rand (Figuur 6). Net als bij andere tools, heerst morsen buiten de GM binnen de temporele en occipital lobben. Ten slotte, Figure 7 toont een voorbeeld van een goede segmentatie weergegeven in FSLview die had geen fouten in segmentatie. Handmatige bewerking van de regio's kan vaak worden uitgevoerd ter verbetering van de regio's, hoewel dit is hier niet behandeld.

Figuur 1 : Voorbeeld van een mislukte segmentatie op een T1-scan weergegeven. Deze segmentatie moet worden opnieuw verwerkt en uitgesloten van analyse, als het niet kan worden verbeterd. Klik hier voor een grotere versie van dit cijfer.

Figuur 2 : Voorbeelden van de prestaties van de verschillende instrumenten op de temporale kwab op een T1-scan. (A) de T1 scan zonder een segmentatie. (B) de T1-scan met een voorbeeld van een goede regionale afbakening (MALP-EM). (C) de T1-scan met een voorbeeld van een goede regionale afbakening (FreeSurfer). (D) de T1 scannen met een voorbeeld van een slechte regionale afbakening, morsen in de links en rechts temporale lobben (SPM 8 nieuwe Segment) tonen. (E) de T1 scannen met een voorbeeld van een slechte regionale afbakening, morsen in de links en rechts temporale lobben (FSL snel) tonen. De scans worden bekeken in FSLeyes met het scannen van de T1 als een basisafbeelding en de GM-regio als een overlay. In deze afbeelding zijn de GM regio's zo rood-gele met een dekking van 0.4 bekeken. Het kleurverloop vertegenwoordigt gedeeltelijke volume van voxels, met voxels die meer geel met een hogere schatting van PVE (meer kans zijn om GM) en die zijn rood met een lagere PVE schatting (minder waarschijnlijk worden van GM). Klik hier voor een grotere versie van dit cijfer.

Figuur 3 : Voorbeelden van de prestaties van de verschillende instrumenten op de Occipitale kwab op een T1-scan. (A) de T1 scan zonder een segmentatie. (B) de T1-scan met een voorbeeld van een goede regionale afbakening (MALP-EM). (C) de T1 scannen met een voorbeeld van een slechte Occipitale kwab afbakening met morsen in de dura in het mediale gedeelte van de regio (SPM 8 Unified Segment). (D) de T1 scannen met een voorbeeld van een slechte Occipitale kwab afbakening met morsen in de dura in de secties van het mediale en superieure van de regio (SPM 8 nieuwe Segment). (E) de T1 scannen met een voorbeeld van een slechte Occipitale kwab afbakening met morsen in de dura in de secties van het mediale en superieure van de regio (FSL snel). De scans worden bekeken in FSLeyes met het scannen van de T1 als een basisafbeelding en de GM-regio als een overlay. In deze afbeelding zijn de GM regio's zo rood-gele met een dekking van 0.4 bekeken. Het kleurverloop vertegenwoordigt gedeeltelijke volume van voxels, met voxels die meer geel met een hogere schatting van PVE (meer kans zijn om GM) en die zijn rood met een lagere PVE schatting (minder waarschijnlijk worden van GM). Klik hier voor een grotere versie van dit cijfer.

Figuur 4 : Voorbeeld van een GM-regio gemorst in de dura, weergegeven in een venster van de FSLview (in Sagittaal, coronale en axiale meningen). De blauwe regio hoogtepunten morsen in de dura. Klik hier voor een grotere versie van dit cijfer.

Figuur 5 : Voorbeeld van een GM-regio die regio's van de CGM heeft uitgesloten van segmentatie. Deze regio wordt weergegeven in een venster FSLview in Sagittaal, coronale en axiale weergaven. De axiale weergave het beste toont de regio's die zijn uitgesloten van segmentatie. Klik hier voor een grotere versie van dit cijfer.

Figuur 6 : Voorbeeld van een FreeSurfer-GM-regio die zeer strak langs de grens van GM/CB, weergegeven in FreeView. De coronale venster in het bovenste linker beste bevat de lage schatting in de CGM in deze regio. Klik hier voor een grotere versie van dit cijfer.

Figuur 7 : Voorbeeld van een goed afgebakende MALP-EM-gebied op een hersenscan T1. De regio toont geen problemen met over - of onder - estimation van de CGM in elke regio. Klik hier voor een grotere versie van dit cijfer.

Tabel 1: Demografische informatie en gemiddelde GM volumes (mL) voor 20 controle deelnemers uit de studie van de TRACK-HD, gesegmenteerd met de zeven hulpmiddelen beschreven hier.

Discussion

Recent heeft onderzoek aangetoond dat het gebruik van verschillende methoden van de volumetrische kan belangrijke gevolgen hebben voor neuroimaging studies^1,2. Door protocollen voor webpublicaties die gids beginnende gebruikers in het toepassen van verschillende neuroimaging tools, evenals het uitvoeren van QC op de output van de resultaten door deze hulpprogramma's helpen, kunnen onderzoekers de beste methode toe te passen op hun dataset selecteren.

Terwijl de meeste stappen in dit SOP kunnen worden aangepast aan de eisen inzake gegevens en onderzoeker, een van de meest kritische processen die hier zijn de stappen beschrijven gedetailleerde visuele kwaliteitscontrole. Visuele QC moet worden uitgevoerd op alle segmentaties uitvoer door deze hulpmiddelen en is essentieel voor de nauwkeurige meting van CGM. De QC-stappen genomen om ervoor te zorgen dat kwalitatief hoogwaardige segmentaties zijn ontwikkeld na het onderzoek van duizenden CGM regio's. Door het vergelijken van verschillende hulpmiddelen via visueel onderzoek, kan de meest nauwkeurige methode worden gevonden voor elke dataset.

Voor elke tool zijn er verschillende opties die kunnen worden gebruikt voor het optimaliseren van de segmentatie op elke dataset. Is het handiger om het uitlijnen van alle scans inheemse ruimte vóór segmentatie, zoals dit van fouten in segmentatie verminderen kan; Dit is echter niet essentieel. Bovendien, de regio's uitvoeren door elk hulpprogramma verschillen, met sommigen waaronder alleen corticale GM en enkele ook met inbegrip van subcorticale regio's. Bovendien, sommige regio's output gedeeltelijke volume schat (PVE) en sommige output discrete weefsel kaarten. Hoewel volume extractie is hier niet behandeld, en de bespreking van het verschil tussen PVE en discrete weefsel kaarten buiten het toepassingsgebied van deze standaard gebruiksprocedure (SOP valt), zijn PVE kaarten algemeen aanvaard als een betrouwbaarder maatregel¹². Deze SOP biedt informatie over de verwerking gebruikt in Johnson et al. (2017) ² segment en QC de scans; echter kunnen er geschikter selecties voor andere gebruikers naargelang de kwaliteit van hun beelden en verdere verwerking zoals de toepassing van de maskers te beperken van de regio's bij corticale GM kan worden verlangd. Alle segmentaties kunnen worden uitgevoerd in eigen ruimte.

Dit protocol voorziet voorbeeld pijpleidingen in zeven verschillende methoden die kunnen worden gebruikt om het segment van de CGM van T1 MRI-scans. Deze voorbeelden volgen grotendeels de standaard-leidingen die worden aanbevolen voor elke software, en het is belangrijk op te merken dat verdere optimalisatie van deze pijpleidingen nodig kunnen zijn voor de succesvolle segmentatie van een regio op verschillende scans. Met sommige hulpmiddelen, zoals MALP-EM, hebben beperkte opties en zijn waarschijnlijk beter voor gebruikers die nieuw op neuroimaging zijn. Andere instrumenten, met inbegrip van mieren, gedetailleerde optimalisatie kunnen ondergaan, en het protocol hier gepresenteerd een mogelijke toepassing van deze software vertegenwoordigt. Extra opties, zoals het gebruik van maskers te beperken van de berekening van de volumes, zijn ook mogelijk voor de meeste tools.

Het is belangrijk op te merken dat niet alle hulpmiddelen kunnen worden gebruikt op ieder besturingssysteem. SPM en mieren zijn compatibel met Windows, Mac en Linux systemen, FSL is compatibel met Mac en Linux systemen, en MALP-EM en FreeSurfer zijn compatibel met Linux systemen (of een Linux virtuele machine draait op een Windows/Mac PC).

Dit protocol omvat de stappen die kunnen worden gebruikt voor het uitvoeren van segmentatie en kwaliteitscontrole (QC) op 3D T1-gewogen MRI-scans voor het genereren van CGM regio's. Echter het protocol wordt ervan uitgegaan dat beelden 3D-beelden van de T1 in NifTI indeling (met de extensie .nii zijn). In de analyse uitgevoerd door Johnson et al. ², beelden waren al bias-gecorrigeerd met behulp van de N3 procedure¹³. Dit protocol wordt ook verondersteld dat de software heeft gedownload en geïnstalleerd op een linux machine volgens de instructies van elk hulpprogramma. De software hier vergeleken bevatten SPM8¹⁴, SPM12, FSL¹⁵, FreeSurfer^16,17, mieren,¹⁸en¹⁹van de MALP-EM.

Deze SOP bestrijkt een scala van segmentatie technieken; Er zijn echter andere opties beschikbaar voor het uitvoeren van de segmentactie structurele T1 scans. Deze methoden werden geselecteerd voor de vorige vergelijking door Johnson et al. ² op basis van hun frequentie van gebruik binnen het onderzoek van de ziekte van Huntington. Echter, elk instrument wordt afwijkend uitgevoerd in elke dataset en segmentatie tools hier niet behandeld kunnen in aanmerking komen voor andere groepen datasets en onderzoek.

Deze hulpprogramma's worden veel gebruikt in onderzoek neuroimaging. Als software-updates voor deze hulpprogramma's worden gemaakt, is het waarschijnlijk dat de uitvoer van elke segmentatie methode na verloop van tijd ingrijpende veranderingen zal ondergaan. De nadruk moet echter blijven op het proces van visuele QC om ervoor te zorgen dat kwalitatief hoogwaardige segmentaties neuroimaging onderzoeken worden gebruikt.