Name: Um pipeline padronizado para examinar morfometria de matéria cinzenta cerebelar humana usando ressonância magnética estrutural (Vídeo) | JoVE Journal
Uploaded: 2022-02-04T14:00:00.000+00:00
Duration: 11 min 50 s
Description: Aprenda a quantificar volumes de subunidades cerebelares em humanos usando ressonância magnética estrutural. Este pipeline automatizado inclui parcelação anatômica, morfometria voxel e controle de qualidade para estudos neurológicos.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

O trabalho apresentado neste manuscrito foi financiado por um Subsídio de Ideias do Conselho Nacional de Saúde e Pesquisa Médica australiana (NHMRC): APP1184403.

NOTA: Os dados utilizados neste estudo fizeram parte de um projeto aprovado pelo Comitê de Ética em Pesquisa Humana da Universidade monash (projeto 7810). Os participantes forneceram consentimento por escrito informado. Enquanto o pipeline pode ser executado em sistemas operacionais Mac, Windows ou Linux, os gasodutos ACAPULCO, SUIT e os gasodutos QC foram explicitamente testados nos sistemas operacionais Linux (Ubuntu) e Mac (Catalina, Big Sur v11.0.1).
1. Módulo 1: ACAPULCO (parcelamento anatômico)
<ol><li>Recolha de dados<ol>
<li>Colete imagens de ressonância magnética ponderadas em T1 3D de todo o cérebro com uma resolução de 1 mm3 ou menos. São recomendadas dimensões de voxel isotrópico (tipicamente 1 mm x 1 mm x 1 mm) e um scanner 3-Telsa (ou superior). Consulte um especialista em imagem em seu centro de radiografia para configurar e adquirir dados que atendam a essas especificações. NOTA: Imagens ponderadas com T2 às vezes são úteis para análises volumosas; no entanto, o pipeline aqui apresentado depende apenas de dados ponderados pelo T1, e algumas das ferramentas utilizadas são exclusivas para esse tipo de dados. Como tal, imagens com peso T2 não podem ser usadas.</li>
		<li>Faça uma avaliação de qualidade visual das imagens para excluir malformações cerebelares brutas (por exemplo, lesões grandes) ou artefatos de movimento substanciais que impedem a identificação de grandes marcos cerebelares (por exemplo, as principais fissuras anatômicas). Não exclua automaticamente cerebella atrofiada, mesmo que substancial.</li>
		<li>Para estudos em grupo, considere também avaliações quantitativas de qualidade utilizando ferramentas padronizadas e disponíveis livremente, como o MRIQC46, para identificar ainda mais dados problemáticos.</li>
		<li>Converta todos os dados para o formato NIFTI-GZ usando uma ferramenta como dcm2niix47.</li>
	</ol></li>
	<li>Organização de dados recomendada<ol>
<li>Obtenha todos os softwares necessários conforme listado na Tabela de Materiais. Certifique-se de que o Docker48 ou Singularity49, Matlab50 e SPM1251 sejam instalados antes de executar o pipeline. NOTA: Extensos tutoriais escritos e em vídeo que descrevem o pipeline também estão disponíveis (veja a Tabela de Materiais).</li>
		<li>Uma vez instalados todos os softwares necessários, crie pastas no diretório de trabalho e rotule-as como 'acapulco', 'terno' e 'freesurfer'. Faça isso usando o comando mkdir da linha de comando.</li>
		<li>No diretório 'acapulco', crie uma pasta de saída . Na pasta de saída , crie um diretório para cada assunto no estudo contendo a imagem ponderada T1 no formato NIFTI-GZ. NOTA: Recomenda-se manter uma cópia dos dados originais em outro lugar.</li>
	</ol></li>
	<li>Parcelamento cerebelar anatômico usando ACAPULCO<ol>
<li>Vá até a Tabela de Materiais e baixe os scripts e contêineres relevantes necessários para executar o ACAPULCO (sob arquivos de pipeline acapulco). No diretório 'acapulco', coloque o (i) contêiner ACAPULCO Docker OU Singularity ('acapulco_0.2.1.tar.gz' ou '.sif', respectivamente), (ii) conteúdo do arquivo QC_scripts (3 arquivos: 'QC_Master.R', 'QC_Plots.Rmd', e 'QC_Image_Merge.Rmd') e (iii) arquivo 'R.sif' (singularidade) OU 'calculate_icv.tar' (docker).</li>
		<li>Abra um terminal e, a partir da linha de comando, execute o contêiner ACAPULCO em uma única imagem (substitua <<subjeto>> a seguir). Aguarde ~5 min para que o processamento seja concluído.<ol>
<li>Usando Docker, digite o comando: carga de docker --entrada acapulco_0.2.1.tar.gz docker run -v $PWD:$PWD -w $PWD -t --user $(id -u):$(id -g) --rm acapulco:latest -i output/<<subject>>/<<subject>>.nii.gz -o output/<<subsub>>
</li>
			<li>Usando singularidade, digite o comando: singularidade run --cleanenv -B $PWD:$PWD acapulco-0.2.1.sif -i output/<<subject>>/<<subject>>.nii.gz -o output/<<subject>>
</li>
		</ol>
</li>
		<li>Loop em todos os assuntos/varreduras na coorte. Consulte a Tabela de Materiais para obter um link para o site da ENIGMA Imaging Protocols para baixar o pipeline (sob o ENIGMA Cerebellum Volumetrics Pipeline) e o manual tutorial contendo exemplos de como criar um loop para o processamento de vários assuntos em série.</li>
		<li>Após o processamento, procure os seguintes arquivos gerados nas pastas específicas do assunto:<ol>
<li>Identificar "<subjeto>_n4_mni_seg_post_inverse.nii.gz": máscara de cerebelo parcelado no original (espaço do sujeito).</li>
			<li>Identificar "<subjeto>_n4_mni_seg_post_volumes.csv": volumes (em mm3) para cada uma das 28 subunidades geradas por acapulco;</li>
			<li>Identificar imagens representativas (no diretório 'pics'): sagital, axial e coronal.</li>
		</ol>
</li>
	</ol></li>
	<li>Detecção e controle de qualidade de outlier estatístico (QC)<ol>
<li>Do terminal e do diretório 'acapulco', garantem que o conteúdo de QC_scripts esteja no diretório 'acapulco'. Para executar os scripts QC:<ol>
<li>Usando Docker, digite o comando: carga docker calculate_icv.tar docker run -v $PWD:$PWD -w $PWD --rm -it luhancheng/calculate_icv:latest Rscript saída QC_Master.R/
</li>
			<li>Usando singularidade, digite o comando: executivo de singularidade -B $PWD:$PWD R.sif Rscript /path/to/QC_Master.R /path/to/acapulco/output
</li>
		</ol>
</li>
	</ol></li>
	<li>Examinando as imagens do QC geradas pela ACAPULCO NOTA: Há um processo de 3 etapas para verificação de qualidade das imagens parceladas ACAPULCO.<ol>
<li>Abra o 'QC_Images.html' em um navegador da Web e role rapidamente (~10 s por assunto) role as imagens para identificar falhas óbvias ou problemas sistemáticos. Observe os IDs do assunto de imagens com falhas ou suspeitas parceladas para acompanhamento. NOTA: Consulte a Figura 3 para um guia sobre a neuronatomia dos lobulos cerebelares e figura 4, Figura 5 e Figura 6 na seção de resultados representativos abaixo, por exemplo, de parcelamentos 'bons', "erros sutis" e parcelamentos de "falha global".</li>
		<li>Abra o 'Plots_for_Outliers.html' para verificar os boxplots para obter outliers estatísticos quantitativos. Procure por outliers (2.698 s.d acima ou abaixo da média) acima ou abaixo dos bigodes das parcelas da caixa. Passe o mouse sobre os pontos de dados para exibir o ID do assunto. Identifique os outliers denotados por um '1' na coluna relevante no arquivo 'Outliers.csv' e observe o número total de segmentos identificados como outliers para cada assunto na coluna final em 'Outliers.csv'.</li>
		<li>Inspecione manualmente cada imagem com um ou mais outliers. CRÍTICA: Usando um visualizador de imagem NIFTI padrão (por exemplo, FSLEyes ou MRICron), sobreponha a máscara ACAPULCO na imagem T1w original para verificar a qualidade da parcelação fatia por fatia.<ol>
<li>Para gerar sobreposições para QC detalhado a partir da linha de comando usando FSLEyes, i) alterar o diretório para o diretório 'acapulco', ii) especificar o assunto a ser visualizado (substituir <subjeto>): subj=<subject_name>
</li>
			<li>Copie/cole o seguinte código para o terminal (sem alterar manualmente {subj} como este foi definido pela linha anterior: t1_image=output/${subj}/${subj}.nii.gz acapulco_image=output/${subj}/${subj}_n4_mni_seg_post_inverse.nii.gz fsleyes ${t1_image} ${acapulco_image} --sobreposiçãoStosatossotos --lut random_big --contorno --outlineWidth 3 ${acapulco_image} --sobreposiçãoO volume do tipo --alfa 50 --cmap aleatório NOTA: Será necessário determinar se deve incluir ou não o segmento anormal, ou seja, há um erro de parcelamento ou é apenas uma variabilidade normal na anatomia do indivíduo? Cada região parcelada é considerada individualmente, de modo que algumas regiões podem ser excluídas para uma imagem, enquanto o restante pode ser retido se correto.</li>
			<li>
Uma ou mais regiões parceladas precisam ser excluídas do conjunto de dados final? Se sim (outlier for confirmado), exclua esta parcelação(s) da análise substituindo a estimativa de volume por NA na célula correspondente do arquivo 'Cerebel_vols.csv' para esse assunto.</li>
			<li>
Erros de parcelamento resultam na exclusão de parte do cerebelo da máscara? Se Sim, (por exemplo, se forem faltados lobules cerebelares particulares da máscara ou aparecerem 'cortados'), exclua imediatamente o assunto de novas análises (ou seja, não prossiga para executar o módulo SUIT sobre esses assuntos).</li>
		</ol>
</li>
	</ol></li>
</ol>2. Módulo 2: Morfometria baseada em voxel otimizada para cerebelo
<ol><li>Análises de morfometria baseada em Voxel usando SUIT CRÍTICA: Este pipeline requer que o módulo ACAPULCO já tenha sido executado, pois conta com a geração de uma máscara cerebelar específica para otimização do registro e normalização do cerebelo para o modelo SUIT. Se a máscara específica do assunto gerada pela ACAPULCO não incluir todo o cerebelo, isso garante a exclusão do módulo SUIT. Para obter instruções sobre como executar suit autônomo, consulte52.<ol>
<li>Obtenha todos os softwares necessários listados na Tabela de Materiais. Certifique-se de que a pasta SPM12 e todas as subpastas estão no caminho MATLAB. Certifique-se de enigma_suit os scripts sejam salvos no diretório 'spm12/toolbox' e adicionados ao caminho MATLAB. Para verificar o caminho MATLAB, digite pathtool na janela de comando MATLAB e clique em Adicionar com subpastas para adicionar as pastas relevantes.</li>
		<li>Execute o pipeline SUIT para um ou mais assuntos. Aguarde ~15-20 min (se usar a interface gráfica do usuário [GUI]) e ~5-7 min se correr do terminal (bash/shell) para o processamento ser concluído.<ol>
<li>Para usar a GUI (os sujeitos serão executados em série), a partir da janela de comando MATLAB, digite o comando: suit_enigma_all
</li>
			<li>Na primeira janela pop-up, selecione as pastas de assunto do diretório 'acapulco/output' para incluir na análise. Clique nas pastas individuais no lado direito da janela ou clique com o botão direito do mouse e selecione Tudo. Pressione feito. Na segunda janela pop-up, selecione o diretório SUIT, onde as análises serão escritas.</li>
			<li>OU Ligue para a função da linha de comando MATLAB para um único assunto, digite o comando: suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir')
</li>
			<li>OU Ligue para a função da janela do terminal, fora do MATLAB, para um único assunto digitando o comando: matlab -nodisplay -nosplash -r "suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir'), saída"
</li>
		</ol>
</li>
		<li>Consulte a Tabela de Materiais para obter um link para o site da ENIGMA Imaging Protocols para baixar o pipeline (sob o ENIGMA Cerebellum Volumetrics Pipeline) e o manual tutorial contendo exemplos de como criar um loop para o processamento de vários assuntos em série.</li>
		<li>Procure os seguintes pontos em relação ao roteiro.<ol>
<li>Certifique-se de que o script copia a imagem T1 alinhada ao viés N4, alinhada ao MNI (corpo rígido) e a máscara de cerebelo ACAPULCO no diretório de saída.</li>
			<li>Certifique-se de que o script segmenta a matéria cinza e branca do cerebelo.</li>
			<li>Certifique-se de que o script corrige para erros de inclusão excessiva na parcelamento usando a máscara ACAPULCO.</li>
			<li>Certifique-se de que o script DARTEL normalize e recoxe os dados no espaço SUIT com modulação jacobiana para que o valor de cada voxel seja proporcional ao seu volume original.</li>
			<li>Verifique a pasta de cada assunto para as seguintes saídas finais: 'wd<subjeto>_seg1.nii' (matéria cinzenta) e 'wd<subjeto>_seg2.nii' (matéria branca).</li>
		</ol>
</li>
	</ol></li>
	<li>Detecção e controle de qualidade de outlier estatístico<ol>
<li>Inspecione visualmente as imagens normalizadas e moduladas (wd*) para grandes falhas. No MATLAB, digite o comando: spm_display_4D
</li>
		<li>Selecione manualmente as imagens 'wd*seg1' das subpastas do traje ou navegue até o diretório 'terno'; inserir '^wd.*seg1' na caixa Filtro (sem cotações) e pressione o botão Rec . Pressione feito.</li>
		<li>Role as imagens para garantir que todas estejam bem alinhadas. Consulte a Figura 7 para obter imagens corretamente normalizadas a partir de controles saudáveis (A,B) e um indivíduo com um cerebelo fortemente atroférico (D). NOTA: Nesta fase, a anatomia entre os sujeitos é muito semelhante (como foram registradas no mesmo modelo), e as diferenças de volume são codificadas por diferentes intensidades de voxel. Grandes falhas serão óbvias, por exemplo, imagens em branco, grandes áreas de tecido ausente, gradientes de intensidade incomuns (ou seja, voxels brilhantes todos no topo, voxels escuros todos na parte inferior). Essas imagens devem ser excluídas das etapas subsequentes.</li>
		<li>Verifique a covariância espacial para obter outliers. No MATLAB, digite o comando: check_spatial_cov
		<ol>
<li>Selecione as imagens 'wd*seg1' de acordo com a etapa anterior. Quando solicitado, selecione as seguintes opções: Dimensionamento de prop: Sim; Variável para covary out: Não; Fatia (mm): - 48 , Gap: 1.</li>
			<li>Olhe para a caixa exibindo a covariância espacial média de cada imagem em relação a todas as outras na amostra. Identifique pontos de dados >2s.d. abaixo da média na janela de comando MATLAB. Para estes, inspecione a imagem "<subj>_n4_mni.nii.gz" na pasta SUIT para artefatos (movimento, anormalidades anatômicas), problemas de qualidade de imagem ou erros de pré-processamento.</li>
			<li>Se a qualidade da imagem e o pré-processamento forem aceitáveis e a inspeção visual das imagens moduladas na etapa anterior não indicar um problema com segmentação e normalização, retenha esses dados na amostra. Caso contrário, exclua esses dados.</li>
		</ol>
</li>
	</ol></li>
</ol>3. MÓDULO 3 (opcional): Estimativa de volume intracraniano (ICV) utilizando FreeSurfer
NOTA: Este módulo usará o pipeline FreeSurfer para calcular o ICV. Ele não precisa ser re-executado se houver saídas Freesurfer existentes para a coorte (qualquer versão).
<ol><li>Configuração do FreeSurfer<ol>
<li>Certifique-se de que o FreeSurfer seja baixado e instalado53. Vá até a Tabela de Materiais e baixe os scripts relevantes para executar este Módulo (em arquivos de pipeline ICV). Ao trabalhar com o FreeSurfer, defina as seguintes variáveis: FREESURFER_HOME de exportação=diretório <freesurfer_installation_> fonte $FREESURFER_HOME/SetUpFreeSurfer.sh
</li>
		<li>Substitua <path> no seguinte: exportar SUBJECTS_DIR=<path>/enigma/Freesurfer
</li>
	</ol>
</li>
	<li>Executando freesurferecon1<ol>
<li>Para um único assunto, de dentro do diretório 'freesurfer' (tempo de processamento ~20 min), digite o comando: cd <path>/enigma/freesurfer recon-all -i .. /input/<subjeto>.nii.gz -s <subjeto> -autorecon1
</li>
		<li>Consulte o manual do tutorial para exemplos de como criar um loop para processar vários assuntos serialmente.</li>
	</ol>
</li>
	<li>Cálculo do ICV<ol>
<li>Organização de dados<ol>
<li>No diretório 'freesurfer', coloque o (i) contêiner Docker OU Singularity usado no Módulo 1 ('calculate_icv.tar' ou 'R.sif', respectivamente) e (ii) xfm2det script (ver a Tabela de Materiais). Em seguida, faça um clone de git para clonar o script ICV necessário: https://github.com/Characterisation-Virtual-Laboratory/calculate_icv do clone git
</li>
		</ol>
</li>
		<li>Executando extração de ICV (tempo de processamento ~5 min)<ol>
<li>Do diretório 'freesurfer', com recipiente de singularidade ('R.sif'), tipo: executivo da singularidade --cleanenv -B $PWD:$PWD R.sif calculate_icv/calculate_icv.py --freesurfer_dir=/path/to/freesurfer --acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile -output_csv_name=Cerebel_vols.csv calculate_icv
</li>
			<li>Do diretório 'freesurfer', com contêiner docker, digite: docker run -v $PWD:$PWD -w $PWD -rm -it luhancheng/calculate_icv:latest calculate_icv/calculate_icv.py --freesurfer_dir=/path/to/Freesurfer -- acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv calculate_icv
</li>
			<li>Executando o script sem contêiner-ver a Tabela de Materiais para software e dependências adicionais necessários. Do diretório 'freesurfer', digite: ./calculate_icv/ calculate_icv.py ---freesurfer_dir=/path/to/freesurfer -- acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile -- output_csv_name=Cerebel_vols.csv calculate_icv NOTA: Isso calculará o ICV para cada assunto e anexará uma coluna com ICV até o final do arquivo 'Cerebel_vols.csv'.</li>
		</ol>
</li>
	</ol>
</li>
</ol>

Os autores não têm conflitos de interesse para divulgar.

O cerebelo é fundamental para uma ampla gama de funçõesmotoras 3,cognitivas 58,afetivas 10 elinguagem 7,59 e está implicado em muitas doenças neurológicas e psiquiátricas. A disponibilidade de uma abordagem padronizada e facilmente implementável para a quantificação dos volumes cerebelares regionais contribuirá para um mapeamento estrutura-função estruturais cada vez mais detalhado, modelagem...

O cerebelo é uma parte do cérebro historicamente associada ao controle motor 1,2,3 e acredita-se estar integralmente envolvido em apenas um pequeno conjunto de doenças raras, como ataxiasherdadas 4. No entanto, linhas convergentes de pesquisas de estudos de rastreamento anatômicos em primatas não humanos, bem como estudos de lesão humana e neuroimagem, fornecem evidências convincentes para um papel do cerebelo em uma ampla gama de 5,6,7 cognitivos, afetivos 8,9,10,11, e outras funções não motoras 7,12 (ver6  para revisão). Além disso, anormalidades do cerebelo estão cada vez mais implicadas em uma ampla gama de distúrbios neurológicos e psiquiátricos, incluindo doença de Parkinson13, doença de Alzheimer14,15, epilepsia16,17, esquizofrenia18 e transtorno do espectro autista19 . Por isso, tornou-se essencial incorporar o cerebelo em modelos funcionais e estruturais de doenças cerebrais humanas e variabilidade comportamental normativa.
Anatomicamente, o cerebelo pode ser dividido ao longo de seu eixo superior ao inferior em três lóbulos: anterior, posterior e flocculonodular. Os lobos são ainda subdivididos em 10 lobulas denotadas pelos numerais romanos I-X20,21 (Figura 1). O cerebelo também pode ser agrupado em zonas de linha média (vermis) e laterais (hemisfério), que respectivamente recebem entradas da medula espinhal e córtex cerebral. O lobo anterior, composto por lobules I-V, tem sido tradicionalmente associado a processos motores e tem conexões recíprocas com cortices motoras cerebrais22. O lobo posterior, composto por lobules VI-IX, está principalmente associado aos processos não motor11 e possui conexões recíprocas com o córtex pré-frontal, parietal posterior e cortices cerebrais temporais superiores 8,23. Por fim, o lobo flocculonodular, composto por lobule X, possui conexões recíprocas com núcleos vestibulares que regem os movimentos oculares e o equilíbrio corporal durante a postura e a marcha21.
Um corpo crescente de trabalhos recentes usando neuroimagem funcional tem ainda mais refinado a compreensão da neuronatomia funcional do cerebelo além de suas divisões anatômicas. Por exemplo, técnicas de ressonância magnética funcional (fMRI) de estado de repouso têm sido usadas para mapear o padrão de interações funcionais entre o cerebelo e o cerebrum24. Além disso, usando uma abordagem de parcelamento baseada em tarefas, King e seus colegas7 demonstraram que o cerebelo mostra um rico e complexo padrão de especialização funcional em toda a sua amplitude, evidenciado por diferentes limites funcionais associados a uma variedade de tarefas motoras, afetivas, sociais e cognitivas. Coletivamente, esses estudos destacam a importância de examinar subunidades cerebelares individuais para desenvolver caracterizações biológicas completas do envolvimento do cerebelo tanto na variabilidade saudável quanto nas doenças neurológicas caracterizadas por alterações na estrutura e/ou função cerebelar.
O presente trabalho se concentra em métodos para quantificar mudanças locais no volume cerebelar utilizando ressonância magnética estrutural em humanos. Em geral, existem duas abordagens fundamentais para a quantificação do volume cerebral regional usando dados de ressonância magnética: segmentação baseada em recursos e registro baseado em voxel. As abordagens de segmentação baseadas em recursos usam marcos anatômicos e atlas padronizados para identificar automaticamente limites entre sub-regiões. Os principais pacotes de software para segmentação incluem FreeSurfer25, BrainSuite26 e FSL-FIRST27. No entanto, esses pacotes fornecem apenas parcelas grosseiras do cerebelo (por exemplo, rotulando toda a matéria cinzenta e toda a matéria branca em cada hemisfério), ignorando assim os lobulos cerebelares individuais. Essas abordagens também são propensas à má segmentação, particularmente a superaclusão da vasculatura circundante.
Novos algoritmos de rotulagem de aprendizado de máquina e multi-atlas foram desenvolvidos, que fornecem parcelação mais precisa e mais fina do cerebelo, incluindo classificação automática do algoritmo de lobules cerebelar usando evolução implícita multi-fronteira (ACCLAIM28,29), Kit de Ferramentas de Análise Cerebelar (CATK30), Múltiplos Modelos Gerados Automaticamente (MAGeT31), Segmentação automática rápida do cerebelo humano e seus lobules (RASCAL32 ), segmentação de corte gráfico33 e Segmentação cerebellum (CERES34). Em um artigo recente comparando abordagens de parcelamento de cerebelo totalmente automatizados, o CERES2 superou outras abordagens relativas à segmentação manual padrão-ouro dos lobulos cerebelares35. Mais recentemente, Han e seus colegas36 desenvolveram um algoritmo de aprendizagem profunda chamado ACAPULCO (Automatic Cerebellum Anatomical Parcellation using U-Net com otimização localmente restrita), que funciona em comparação com o CERES2, tem ampla aplicabilidade para cerebelos saudáveis e atrofiados, está disponível em formato de contêiner Docker e Singularity de código aberto para implementação 'off-the-shelf', e é mais eficiente do que outras abordagens. A ACAPULCO parcela automaticamente o cerebelo em 28 regiões anatômicas.
Em contraste com a segmentação baseada em recursos, as abordagens de registro baseadas em voxel operam mapeando precisamente uma ressonância magnética para uma imagem de modelo. Para alcançar esse mapeamento, os voxels na imagem original devem ser distorcidos em tamanho e forma. A magnitude dessa distorção fornece efetivamente uma medida de volume em cada voxel em relação ao modelo padrão-ouro. Esta forma de avaliação volumosa é conhecida como "morfometria baseada em voxel"37. Abordagens de registro baseadas em voxel de cérebro inteiro, como FSL-FLIRT38/FNIRT39, segmentação unificada SPM40 e CAT1241, são comumente usadas para morfometria baseada em voxel. No entanto, essas abordagens não explicam bem o cerebelo, resultando em baixa confiabilidade e validade em regiões infratentoriais (cerebelo, troncocerebral 42). Para explicar essas limitações, o algoritmo SUIT (Spatially Unbiased Infra-tentorial Template) foi desenvolvido para otimizar o registro de cerebelo e melhorar a precisão da morfometriabaseada em voxel 42,43.
As abordagens de segmentação baseadas em recursos e de registro baseadas em voxel para a estimativa do volume cerebelar regional têm pontos fortes e fracos fundamentais. As abordagens de segmentação são substancialmente mais precisas para quantificar o volume de áreas anatomicamente definidas (por exemplo, lobulos35). No entanto, os limites entre módulos funcionais distintos do cerebelo não mapeiam em suas folias anatômicas e fissuras (equivalentes a gyri e sulci do cerebrum7). Como as abordagens baseadas no registro não são restritas por marcos anatômicos, é possível44 inferência espacial de grãos finos e mapeamento de alta função de estrutura dimensional do cerebelo. Em conjunto, as abordagens de segmentação e registro são complementares entre si e podem ser utilizadas para responder a diferentes questões de pesquisa.
Aqui, é apresentado um novo pipeline padronizado, que integra essas abordagens existentes e validadas para fornecer parcelamento otimizado e automatizado (ACAPULCO) e registro baseado em voxel do cerebelo (SUIT) para quantificação volumosa (Figura 2). O pipeline baseia-se nas abordagens estabelecidas para incluir protocolos de controle de qualidade, utilizando visualização qualitativa e detecção quantitativa de outlier, e um método rápido para obter uma estimativa de volume intracraniano (ICV) usando Freesurfer. O pipeline é totalmente automatizado, com intervenção manual necessária apenas para verificar as saídas de controle de qualidade, e pode ser executado em sistemas operacionais Mac, Windows e Linux. O gasoduto está livremente disponível sem restrições de seu uso para fins não comerciais e pode ser acessado a partir da página web do ENIGMA Consortium Imaging Protocols (sob "ENIGMA Cerebellum Volumetrics Pipeline"), após a conclusão de um breve formulário de registro45.
Todos os softwares necessários estão listados na Tabela de Materiais, e tutoriais detalhados, incluindo uma demonstração ao vivo, estão disponíveis no download do pipeline, além do protocolo descrito abaixo. Finalmente, são fornecidos resultados representativos, a partir da implementação do gasoduto em uma coorte de pessoas com ataxia friedreich (FRDA) e controles saudáveis compatíveis com idade e sexo, juntamente com recomendações para análises estatísticas inferenciais de nível de grupo.

<table><tbody><tr><td>Arquivos de pipeline ACAPULCO </td><td>0.2.1</td><td>http://enigma.ini.usc.edu/protocols/imaging-protocols/</td> <td>Certifique-se de usar acapulco versão 0.2.1</td></tr><tr><td>Docker para Mac</td><td></td><td>https://docs.docker.com/desktop/mac/install/</td> <td>macOS deve ser a versão 10.14 ou mais recente O Docker requer sudo priviledges O Docker impõe uma restrição de memória (RAM) no Mac OS. Para aumentar a RAM, abra o Docker Desktop, vá para Preferências e clique em recursos. Aumente a memória para o máximo</td></tr><tr><td>Docker para Windows</td><td></td><td>https://docs.docker.com/docker-for-windows/install/</td><td></td></tr> <tr><td>ENIGMA SUIT scripts</td><td></td><td>http://enigma.ini.usc.edu/protocols/imaging-protocols/</td><td></td></tr> <tr><td>FreeSurfer</td><td>7</td><td>https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall</td><td>As seguintes variáveis precisam ser definidas toda vez que você trabalhar com o Freesurfer: export FREESURFER_HOME=<img alt="equation" src="/files/ftp_upload/63340/lesser.png">freesurfer _installation_directory<img alt="equation" src="/files/ftp_upload/63340/greater.png"> source $FREESURFER_HOME/SetUpFreeSurfer.sh</td></tr><tr><td colspan="4">export SUBJECTS_DIR=<img alt="equation" src="/files/ftp_upload/63340/lesser.png">path<img alt="equation" src="/files/ftp_upload/63340/greater.png">/enigma/Freesurfer</td></tr><tr><td>FSL (para FSLeyes). Arquivos de pipeline ICV opcionais</td><td>de 6</td><td>https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation</td><td></td></tr><tr><td></td><td>http://enigma.ini.usc.edu/protocols/imaging-protocols/</td> pipeline ICV podem ser executados de duas maneiras: 1) com docker/singularity.<td></td><td> Você não precisará de software adicional; 2) sem docker / singularity- isso envolve a execução do script ICV (calculate_icv.py) manualmente. Você precisará do seguinte software adicional: Versão Python <img alt="equation" src="/files/ftp_upload/63340/greater.png">=3.5 Módulo Python pandas Módulo Python fire Módulo Python tabulate Módulo Python Colorama</td></tr><tr><td></td><td></td><td>https://github.com/Characterisation-Virtual-Laboratory/calculate_icv</td><td></td></tr><tr><td>MATLAB*</td><td>2019 ou mais recente</td><td>https://au.mathworks.com/</td> <td>É necessária uma licença acadêmica</td></tr><tr><td>Singularity</td><td>3.7 ou mais recente</td><td>https://www.sylabs.io/docs/</td> <td>Preferencial para clusters de computação de alto desempenho (HPC)</td></tr><tr><td>SPM</td><td>12</td><td>http://www.fil.ion.ucl.ac.uk/spm/software/spm12/</td> <td>Certifique-se de que spm12 e todas as subpastas estejam no caminho do MATLAB</td></tr><tr><td>SUIT Toolbox</td><td>3.4</td><td>http://www.diedrichsenlab.org/imaging/suit_download.htm</td><td>Certifique-se de colocar a caixa de ferramentas SUIT no diretório spm12/toolbox</td></tr><tr><td>Manual de solução de problemas e exemplos</td><td></td> de saída de segmentação <td>http://enigma.ini.usc.edu/protocols/imaging-protocols/</td><td></td></tr> <tr><td>Manual do tutorial e vídeo</td><td></td><td>http://enigma.ini.usc.edu/protocols/imaging-protocols/</td><td>O manual e a demonstração ao vivo que o acompanha fornecem instruções detalhadas passo a passo sobre como executar o pipeline do início ao fim.</td></tr><tr><td>*Não disponível gratuitamente; é necessária</td><td></td><td></td><td></td> uma licença acadêmica</tr></tbody></table>

um pipeline padronizado para examinar morfometria de matéria cinzenta cerebelar humana usando ressonância magnética estrutural

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

Várias linhas de pesquisa fornecem evidências convincentes para um papel do cerebelo em uma ampla gama de funções cognitivas e afetivas, indo muito além de sua associação histórica com o controle motor. Estudos estruturais e funcionais de neuroimagem têm refinado ainda mais a compreensão da neuronatomia funcional do cerebelo além de suas divisões anatômicas, destacando a necessidade de exame de subunidades cerebelares individuais em variabilidade saudável e doenças neurológicas. Este artigo apresenta um pipeline padronizado para examinar a morfometria de matéria cinzenta de cerebelo que combina abordagens de alta resolução e última geração para parcelação otimizada e automatizada de cerebelo (Parcelamento Anatômico Automático de Cerebelo usando otimização localmente restrita da U-Net; ACAPULCO) e registro baseado em voxel do cerebelo (Modelo Infra-tentorial Espacialmente Imparcial; TERNO) para quantificação volumosa. 
O gasoduto possui ampla aplicabilidade a uma gama de doenças neurológicas e é totalmente automatizado, com intervenção manual necessária apenas para o controle de qualidade das saídas. O pipeline está livremente disponível, com documentação substancial, e pode ser executado em sistemas operacionais Mac, Windows e Linux. O gasoduto é aplicado em uma coorte de indivíduos com ataxia friedreich (FRDA), e são fornecidas recomendações sobre análises estatísticas inferenciais em nível de grupo. Este gasoduto poderia facilitar a confiabilidade e a reprodutibilidade em todo o campo, fornecendo, em última análise, uma abordagem metodológica poderosa para caracterizar e rastrear mudanças estruturais cerebelares em doenças neurológicas.

Parcelamento de cerebelo (ACAPULCO)
Controle de qualidade das máscaras parceladas de cerebelo: Os exemplos a seguir demonstram as saídas parceladas da ACAPULCO e orientam a tomada de decisão sobre a) a qualidade da máscara parcelada no nível individual e b) posterior inclusão ou exclusão de um lobule(s) específico das análises estatísticas. Em última análise, a decisão de incluir ou excluir um assunto é subjetiva; exemplos de "boas parcelas", "erros sutis d...

Um pipeline padronizado é apresentado para examinar a morfometria de matéria cinzenta de cerebelo. O pipeline combina abordagens de alta resolução e última geração para parcelamento otimizado e automatizado de cerebelo e registro baseado em voxel do cerebelo para quantificação volumosa.

Um pipeline padronizado para examinar morfometria de matéria cinzenta cerebelar humana usando ressonância magnética estrutural

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

Nosso oleoduto usa abordagens de última geração para quantificar o volume de subunidades cerebelares usando imagens de ressonância magnética estrutural humana. O processo inclui parcelamento anatômico, morfometria baseada em voxel e processos de controle de qualidade. Nosso pipeline padronizado é principalmente automatizado, disponível no formato Docker e Singularity, e tem ampla aplicabilidade a uma série de doenças neurológicas.Para começar, certifique-se de que Docker ou Singularity, MATLAB e SPM12 sejam instalados. Em seguida, usando o comando do diretório make na linha de comando, crie pastas no diretório de trabalho e rotule-as como acapulco, terno e freesurfer. Em seguida, no diretório acapulco, crie uma pasta de saída.Na pasta de saída, crie um diretório para cada assunto no estudo contendo a imagem ponderada t1 no formato NIFTI gz. Para parcelamento cerebelar anatômico, baixe o recipiente acapulco e baixe os scripts e recipientes necessários para executar acapulco. Em seguida, coloque o recipiente acapulco Docker ou Singularity, o conteúdo do arquivo QCs_scripts e o contêiner RCIF ou calculate_dicv.arquivo de piche no diretório acapulco. Em seguida, abra um terminal e, usando singularidade, digite o comando indicado para executar o recipiente acapulco em uma única imagem. Aguarde cinco minutos para que o processamento seja concluído.Em seguida, loop em todos os assuntos ou varreduras na coorte. Após o processamento, procure os arquivos gerados nas pastas específicas do assunto. Identifique a máscara de cerebelo parcelado em originais e volumes para cada uma das 28 subunidades geradas por acapulco.Em seguida, a partir do diretório de fotos, identificar imagens representativas sagiais, axiais e coronais. Para detecção estatística outlier e controle de qualidade, certifique-se de que o conteúdo dos scripts QC esteja no diretório acapulco. Em seguida, usando singularidade, digite o comando indicado.Para examinar as imagens qc geradas por acapulco, abra QC_Images. html em um navegador da Web e rapidamente percorrer as imagens para identificar falhas óbvias ou problemas sistemáticos. Observe os IDs de assunto de imagens com falhas ou suspeitas parceladas para acompanhamento.Em seguida, abra Plots_for_Outliers. html para verificar os gráficos da caixa para outliers estatísticos quantitativos. Identifique os outliers denotados por um 1 na coluna relevante nos Outliers.arquivo csv. e observe o número total de segmentos identificados como outliers para cada assunto na coluna final em Outliers.csv. Inspecione manualmente cada imagem com um ou mais outliers.Se usar um visualizador de imagem NIFTI padrão, sobreponha a máscara de acapulco na imagem original ponderada t1 para verificar a qualidade da fatia de parcelamento por fatia. Se uma ou mais regiões parceladas precisarem ser excluídas do conjunto de dados finais, exclua essa parcelação da análise substituindo a estimativa de volume por NA na célula correspondente desse sujeito. Se erros de parcelamento resultarem na exclusão de parte do cerebelo da máscara, exclua imediatamente o assunto de novas análises.Para análises de morfometria baseadas em voxel usando SUIT, certifique-se de que a pasta SPM12 e todas as subpastas estejam no caminho MATLAB. Além disso, certifique-se de que os scripts enigma_suit sejam salvos no diretório da caixa de ferramentas SPM12 e adicionados ao caminho MATLAB. Para verificar o caminho MATLAB, digite pathtool na janela de comando MATLAB e clique em Adicionar com Subpastas para adicionar as pastas relevantes.Em seguida, usando a interface gráfica do usuário, digite suit_enigma_all na janela de comando MATLAB para executar o pipeline SUIT para um ou mais assuntos. Na primeira janela pop-up, selecione as pastas de assunto do diretório de saída de acapulco para incluir na análise. Clique nas pastas individuais no lado direito da janela ou clique com o botão direito do mouse e selecione todas.Então, pressione Done. Na segunda janela pop-up, selecione o diretório SUIT. Para chamar a função da linha de comando MATLAB para um único assunto, digite o comando indicado.Ao executar o SUIT da linha de comando, se os diretórios SPM12 ou enigma_suit não forem permanentemente salvos no caminho MATLAB, esse passo deve ser adicionado à linha de comando. Para chamar a função da janela do terminal fora do MATLAB para um único assunto, digite o comando mostrado. Verifique a pasta de cada assunto para obter as saídas finais.Para inspecionar visualmente as imagens moduladas normalizadas para grandes falhas, digite spm_display_4d no MATLAB. Em seguida, para selecionar as imagens necessárias, navegue até o diretório SUIT e digite o comando indicado na caixa de filtro. Em seguida, pressione o botão Recursivo, seguido por Done.Role as imagens para garantir que todas estejam bem alinhadas. Em seguida, para verificar a covariância espacial para outliers, digite check_spatial_cov no MATLAB. Em seguida, selecione as imagens moduladas de anterior e quando solicitado, defina Prop.escalando para sim, Variável para covariância para não, Cortar para 48, e Gap para 1. Finalmente, olhe para o enredo da caixa exibindo a covariância espacial média de cada imagem em relação a todas as outras na amostra. Identifique os pontos de dados que são mais de dois desvios padrão abaixo da média na janela de comando MATLAB.Para esses pontos de dados, inspecione as imagens apropriadas na pasta SUIT em busca de artefatos, problemas de qualidade de imagem. ou erros de pré-processamento. Aqui é mostrado um cerebelo fortemente atrofiado de um paciente de ataxia spino-cerebelar 2.Apesar da perda de tecido vista ao redor das bordas, a SUIT distorceu essa imagem para o modelo muito bem. Isso não justificaria uma exclusão. Aqui, há um gradiente claro de cima para baixo do cerebelo e a imagem é bastante sucata, garantindo uma exclusão.Finalmente, neste exemplo, o mascaramento não funcionou bem. As bordas não estão limpas e a imagem é mais suave do que as que normalmente saem do pipeline SUIT. Isso justificaria uma exclusão.Exemplos de boas parcelas, incluindo cerebella saudável e fortemente atrofiada, são mostrados aqui, enquanto exemplos de misparcelações com sutis sobre-e sub-inclusões de lobulos individuais de cerebelo podem ser vistos aqui. Esses tipos de erros geralmente requerem a exclusão dos lobulos individuais afetados, enquanto o restante do cerebelo parcelado pode ser retido. Em contrapartida, as falhas globais requerem uma exclusão completa do assunto.Quando o acapulco foi executado em uma amostra de 31 pessoas com ataxia Friedreich e 37 controles saudáveis, o lobule IX esquerdo e lobule direito Crus eu tinha as maiores taxas de exclusão. A comparação dos volumes de 28 lobulos anatômicos cerebelares em Friedreich ataxia e indivíduos de controle saudável mostrou significativamente reduzida matéria branca no corpus medullare em Friedreich ataxia. Não houve outras diferenças significativas entre os grupos.Exemplos de imagens bem alinhadas tanto de controles saudáveis quanto de ataxia de Friedreich são mostrados aqui, enquanto exemplos de exclusões podem ser vistos aqui. Após o teste da covariância espacial de todas as imagens normalizadas, dois exames foram detectados como outliers estatísticos com base em sua covariância espacial média com o resto da amostra. Foram realizados testes de permutação não paramétricos no SNPM para testar diferenças significativas entre grupos nos volumes de matéria cinzenta do cerebelo.Os resultados da análise do SUIT mostraram que os pacientes com ataxia friedreich reduziram significativamente o volume de matéria cinzenta no lobule I para V anterior bilateral, e nas regiões de lobo posterior medial, incluindo Vermis VI e Vermis IX.It é crucial verificar manualmente as máscaras cerebelares para garantir que a cobertura cerebelar completa tenha sido alcançada, e também inspecionar as máscaras para excesso e sub-inclusões de lobules cerebelares. Este pipeline facilita análises estatísticas de nível de grupo multi-local a serem realizadas que estejam interessadas em olhar para a estrutura de matéria cinzenta do cerebelo. Outras técnicas, como conectividade funcional, também podem ser usadas para explorar a conectividade entre lobulos cerebelares individuais e o cerebrum.

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

Research

JoVE Journal

Neuroscience

Neurociência

Este artigo descreve as técnicas para realizar imagens de alta resolução por ressonância magnética funcional com 1,2 mm de amostragem mesencéfalo humana e estruturas subcorticais usando um scanner 3T. O uso de tais técnicas para resolver mapas topográficos de estimulação visual no colículo humano superior (SC) é dada como um exemplo.

De alta resolução funcionais Métodos ressonância magnética para Midbrain Humanos

Lesão Explorer (LE) é, de um gasoduto semi-automáticas de processamento de imagem desenvolvido para obter o tecido cerebral regional e volumetria das lesões hiperintensas subcorticais de ressonância magnética estrutural da doença de Alzheimer e idosos normal. Para garantir um alto nível de precisão e confiabilidade, o que se segue é, um protocolo padronizado guiada por vídeo para procedimentos manuais de LE.

Lesão Explorer: Um guiada por vídeo, protocolo padronizado para Volumetrics MRI derivados precisos e confiáveis ​​na doença de Alzheimer e idosos normais

Usando exames de ressonância magnética (humana), software de imagem 3D e análise imuno-histológica, documentamos alterações nos ventrículos laterais do cérebro. O mapeamento longitudinal 3D das alterações do volume do ventrículo lateral e a caracterização das alterações celulares periventriculares que ocorrem no cérebro humano devido ao envelhecimento ou doença são então modelados em camundongos.

Modelagem 3D do lateral ventrículos e histológica Caracterização do Tecido Periventricular em humanos e mouse

Este artigo descreve um modelo estatístico para análise de dados volumétrico MRI, que identifica o "ponto de mudança", quando começa a atrofia do cérebro em premanifest a doença de Huntington. Cérebro de todo o mapeamento dos pontos de mudança é alcançado com base nos volumes de cérebro obtidos usando um pipeline de segmentação baseados em atlas de imagens ponderadas em T1.

Todo cérebro-segmentação e análise de ponto de mudança de anatômico cérebro MRI — aplicação em Premanifest a doença de Huntington

Este protocolo descreve o processo de aplicação de sete ferramentas diferentes segmentação automatizada de varreduras de T1-weighted MRI estruturais para delinear as regiões de substância cinzenta que podem ser usadas para a quantificação do volume de matéria cinzenta.

Segmentação automática de matéria cinzenta Cortical de imagens de T1-Weighted MRI

A esclerose múltipla é uma doença desmielinante inflamatória sem cura. A análise do tecido cerebral fornece indícios importantes para a compreensão da patogênese da doença. Aqui nós discutimos a metodologia e a análise a jusante do tecido do cérebro do MS coletado através de um programa rápido original da autópsia na operação na clínica de Cleveland.

Programa de autópsia abrangente para indivíduos com esclerose múltipla

Trata-se de um estudo de ressonância magnética 3T com o objetivo de investigar diferenças de volume de matéria cinzenta entre pacientes com psicose induzida pela cannabis e usuários não psicóticos de cannabis crônica.

Morfologia cerebral de usuários de cannabis com ou sem psicose: um estudo piloto de ressonância magnética

Este protocolo mostra como adquirir dados de ressonância magnética sensíveis à neuromelanina da substância negra.

Aquisição de Dados Padronizados para Ressonância Magnética Sensível à Neuromelanina da Substância Negra

Este protocolo descreve métodos para a realização de ressonância magnética, limpeza e imunomarcação de cérebros de camundongos intactos usando iDISCO+, seguido por uma descrição detalhada de imagens usando microscopia de folha de luz e análises a jusante usando NuMorph.

Imagem de célula única de cérebro inteiro e análise de cérebros de camundongos neonatais intactos usando ressonância magnética, limpeza de tecidos e microscopia de folha de luz

Este estudo integrou imagens de ressonância magnética e marcação de spin arterial para derivar o atlas do fluxo sanguíneo cerebral (CBF) para regiões funcionais cerebrais. A comparação dos atlas típicos de FSC de isquemia cerebral saudável e crônica revelou diferenças significativas nas distribuições regionais do FSC, permitindo avaliações rápidas e não invasivas do FSC funcional para auxiliar no diagnóstico e avaliar a terapêutica.

Construção e Aplicação de Atlas de Fluxo Sanguíneo Cerebral Baseado na Região Funcional Cerebral Usando Imagem de Ressonância Magnética - Marcação de Spin Arterial

Aprenda a quantificar volumes de subunidades cerebelares em humanos usando ressonância magnética estrutural. Este pipeline automatizado inclui parcelação anatômica, morfometria voxel e controle de qualidade para estudos neurológicos.

Um pipeline padronizado para examinar morfometria de matéria cinzenta cerebelar humana usando ressonância magnética estrutural

Explorar mais vídeos