Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Методическая статья

Стандартизированный конвейер для изучения морфометрии серого вещества мозжечка человека с использованием структурной магнитно-резонансной томографии

4.1K просмотров

⸱

DOI:

10.3791/63340

⸱

4 февраля 2022 г.

 ,  ,  ,  ,  ,  , 
1Department of Neuroscience, Central Clinical School, Monash University, 2Department of Biomedical Engineering, The Johns Hopkins University, 3Department of Psychiatry, National Institute of Mental Health & Neuro Sciences (NIMHANS), 4Faculty of Computer Science, Dalhousie University, 5Department of Electrical and Computer Engineering, The Johns Hopkins University, 6Department of Computer Science, The Johns Hopkins University, 7Brain and Mind Institute, Department for Statistical and Actuarial Sciences, Department for Computer Science, Western University, 8Monash Biomedical Imaging, Monash University

В этой статье

Краткое содержание

Представлен стандартизированный конвейер для изучения морфометрии серого вещества мозжечка. Трубопровод сочетает в себе современные подходы с высоким разрешением для оптимизированной и автоматизированной парцелляции мозжечка и регистрации мозжечка на основе вокселя для объемной количественной оценки.

Аннотация

Многочисленные направления исследований предоставляют убедительные доказательства роли мозжечка в широком спектре когнитивных и аффективных функций, выходя далеко за рамки его исторической ассоциации с двигательным контролем. Структурные и функциональные исследования нейровизуализации позволили дополнительно усовершенствовать понимание функциональной нейроанатомии мозжечка за пределами его анатомических отделов, подчеркнув необходимость обследования отдельных мозжечковых субъединиц при здоровой изменчивости и неврологических заболеваниях. В этой статье представлен стандартизированный конвейер для изучения морфометрии серого вещества мозжечка, который сочетает в себе современные подходы с высоким разрешением для оптимизированной и автоматизированной парцелляции мозжечка (Автоматическая анатомическая парцелляция мозжечка с использованием U-Net Locally Constrained Optimization; ACAPULCO) и регистрацию мозжечка на основе вокселя (пространственно непредвзятый инфратенториальный шаблон; SUIT) для объемной количественной оценки.

Трубопровод имеет широкое применение к целому ряду неврологических заболеваний и полностью автоматизирован, при этом ручное вмешательство требуется только для контроля качества выходов. Конвейер находится в свободном доступе с существенной сопроводительной документацией и может быть запущен на операционных системах Mac, Windows и Linux. Конвейер применяется в когорте лиц с атаксией Фридрейха (FRDA), и представлены репрезентативные результаты, а также рекомендации по групповому выводному статистическому анализу. Этот конвейер может способствовать надежности и воспроизводимости во всем поле, в конечном итоге обеспечивая мощный методологический подход к характеристике и отслеживанию структурных изменений мозжечка при неврологических заболеваниях.

Введение

Мозжечок является частью мозга, исторически связанной сдвигательным контролем 1,2,3 и, как полагают, интегрально участвует только в небольшом наборе редких заболеваний, таких как наследственные атаксии 4. Тем не менее, сходящиеся линии исследований анатомического отслеживания у нечеловеческих приматов, а также исследования поражений человека и нейровизуализации предоставляют убедительные доказательства роли мозжечка в широком спектре когнитивных 5,6,7, аффективных 8,9,10,11 и других немоторных функций 7,12 (см.6).  для ознакомления). Кроме того, аномалии мозжечка все чаще участвуют в широком спектре неврологических и психических расстройств, включая болезнь Паркинсона13, болезнь Альцгеймера14,15, эпилепсию16,17, шизофрению18 и расстройство аутистического спектра19 . Поэтому стало необходимым включить мозжечок в функциональные и структурные модели заболеваний головного мозга человека и нормативной поведенческой изменчивости.

Анатомически мозжечок может быть разделен вдоль его верхней до нижней оси на три доли: переднюю, заднюю и флоккулородулярную. Доли далее подразделяются на 10 долек, обозначаемых римскими цифрами I-X20,21 (рисунок 1). Мозжечок также может быть сгруппирован в среднюю линию (vermis) и латеральную (полушарие) зоны, которые соответственно получают входные данные от спинного мозга и коры головного мозга. Передняя доля, состоящая из долек I-V, традиционно ассоциируется с двигательными процессами и имеет обратные связи с моторной коройголовного мозга 22. Задняя доля, включающая дольки VI-IX, в первую очередь связана с немоторными процессами11 и имеет реципрокные связи с префронтальной корой, задней теменной и верхней височной корой головного мозга 8,23. Наконец, флоккулонодулярная доля, содержащая дольку X, имеет взаимные связи с вестибулярными ядрами, которые управляют движениями глаз и равновесием тела во время стояния и походки21.

Растущее количество недавних работ с использованием функциональной нейровизуализации еще больше улучшило понимание функциональной нейроанатомии мозжечка за пределами его анатомических отделов. Например, методы функциональной магнитно-резонансной томографии (фМРТ) в состоянии покоя были использованы для картирования структуры функциональных взаимодействий между мозжечком и мозжечком24. Кроме того, используя подход парцелляции на основе задач, Кинг и его коллеги7 продемонстрировали, что мозжечок демонстрирует богатую и сложную структуру функциональной специализации по всей своей широте, о чем свидетельствуют четкие функциональные границы, связанные с различными двигательными, аффективными, социальными и когнитивными задачами. В совокупности эти исследования подчеркивают важность изучения отдельных подъединиц мозжечка для разработки полных биологических характеристик участия мозжечка как в здоровой изменчивости, так и в неврологических заболеваниях, характеризующихся изменениями в структуре и / или функции мозжечка.

Настоящая работа посвящена методам количественной оценки локальных изменений объема мозжечка с использованием структурной МРТ у людей. В целом, существует два фундаментальных подхода к количественной оценке регионального объема мозга с использованием данных МРТ: сегментация на основе признаков и регистрация на основе воксела. В подходах к сегментации на основе признаков используются анатомические ориентиры и стандартизированные атласы для автоматического определения границ между субрегионами. Основные программные пакеты для сегментации включают FreeSurfer25, BrainSuite26 и FSL-FIRST27. Однако эти пакеты обеспечивают только грубую парцелляцию мозжечка (например, маркировку всего серого вещества и всего белого вещества в каждом полушарии), таким образом, упуская из виду отдельные мозжечковые дольки. Эти подходы также склонны к неправильной сегментации, особенно к чрезмерному включению окружающей сосудистой системы.

Были разработаны новые алгоритмы машинного обучения и маркировки нескольких атласов, которые обеспечивают более точную и тонкую парцелляцию мозжечка, включая алгоритм автоматической классификации мозжечковых долек с использованием неявной межграничной эволюции (ACCLAIM 28,29), инструментарий анализа мозжечка (CATK30), несколько автоматически генерируемых шаблонов (MAGeT31), быструю автоматическую сегментацию мозжечка человека и его долек (RASCAL32). ), сегментацияграфов 33 и сегментация мозжечка (CERES34). В недавней статье, сравнивающей современные полностью автоматизированные подходы к парцелляции мозжечка, было обнаружено, что CERES2 превосходит другие подходы по сравнению с ручной сегментацией мозжечковых долек35 по золотому стандарту. Совсем недавно Хан и его коллеги36 разработали алгоритм глубокого обучения под названием ACAPULCO (Automatic Cerebellum Anatomical Parcellation using U-Net с локально ограниченной оптимизацией), который работает наравне с CERES2, имеет широкую применимость как к здоровым, так и к атрофированным мозжечкам, доступен в формате контейнера Docker и Singularity с открытым исходным кодом для реализации «готовой» реализации и более эффективен по времени, чем другие подходы. ACAPULCO автоматически разделяет мозжечок на 28 анатомических областей.

В отличие от сегментации на основе признаков, подходы к регистрации на основе воксела работают путем точного сопоставления МРТ с шаблонным изображением. Чтобы достичь этого отображения, воксели в исходном изображении должны быть искажены по размеру и форме. Величина этого искажения эффективно обеспечивает измерение объема на каждом вокселе относительно шаблона золотого стандарта. Эта форма объемной оценки известна как «морфометрия на основе вокселя»37. Подходы к регистрации на основе воксела всего мозга, такие как FSL-FLIRT38 / FNIRT39, унифицированная сегментацияSPM 40 и CAT1241, обычно используются для морфометрии на основе воксела. Однако эти подходы плохо учитывают мозжечок, что приводит к низкой надежности и валидности в инфратенториальных областях (мозжечок, ствол мозга42). Чтобы учесть эти ограничения, был разработан алгоритм SUIT (Spatially Unbiased Infra-tentorial Template) для оптимизации регистрации мозжечка и повышения точности морфометрии на основе вокселя42,43.

Сегментация на основе признаков и подходы к регистрации на основе воксела для оценки регионального объема мозжечка имеют фундаментальные сильные и слабые стороны. Подходы сегментации существенно более точны для количественной оценки объема анатомически определенных областей (например, дольков35). Однако границы между различными функциональными модулями мозжечка не соотносятся с его анатомическими фолиями и трещинами (эквивалентными извилинам и бороздам головного мозга7). Поскольку подходы, основанные на регистрации, не ограничены анатомическими ориентирами, возможен более мелкозернистый пространственный вывод и высокомерное структурно-функциональное отображение мозжечка44. Взятые вместе, подходы сегментации и регистрации дополняют друг друга и могут использоваться для ответа на различные исследовательские вопросы.

Здесь представлен новый стандартизированный конвейер, который объединяет эти существующие, проверенные подходы для обеспечения оптимизированной и автоматизированной парцелляции (ACAPULCO) и регистрации мозжечка (SUIT) на основе вокселя для объемной количественной оценки (рисунок 2). Конвейер основывается на установленных подходах, включающих протоколы контроля качества, используя качественную визуализацию и количественное обнаружение выбросов, а также быстрый метод получения оценки внутричерепного объема (ICV) с использованием Freesurfer. Конвейер полностью автоматизирован, с ручным вмешательством, необходимым только для проверки выходных данных контроля качества, и может быть запущен на операционных системах Mac, Windows и Linux. Трубопровод находится в свободном доступе без ограничений на его использование в некоммерческих целях и может быть доступен с веб-страницы ENIGMA Consortium Imaging Protocols (в разделе «ENIGMA Cerebellum Volumetrics Pipeline») после заполнения краткой регистрационной формы45.

Все необходимое программное обеспечение перечислено в таблице материалов, а подробные учебные пособия, включая живую демонстрацию, доступны при загрузке конвейера в дополнение к протоколу, описанному ниже. Наконец, представлены репрезентативные результаты, полученные в результате внедрения конвейера в когорте людей с атаксией Фридрейха (FRDA) и соответствующими возрасту и полу здоровыми контрольными группами, наряду с рекомендациями по статистическому выводному анализу на уровне групп.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

ПРИМЕЧАНИЕ: Данные, использованные в этом исследовании, были частью проекта, одобренного Комитетом по этике исследований человека Университета Монаша (проект 7810). Участники предоставили письменное информированное согласие. Хотя конвейер может быть запущен на операционных системах Mac, Windows или Linux, конвейеры ACAPULCO, SUIT и QC были явно протестированы на операционных системах Linux (Ubuntu) и Mac (Catalina, Big Sur v11.0.1).

1. Модуль 1: ACAPULCO (анатомическая парцелляция)

  1. Сбор данных
    1. Соберите 3D T1-взвешенные МРТ-изображения всего мозга с разрешением 1мм3 или менее. Рекомендуются размеры изотропного вокселя (обычно 1 мм x 1 мм x 1 мм) и сканера 3-Telsa (или выше). Проконсультируйтесь со специалистом по визуализации в их рентгенографическом центре, чтобы настроить и получить данные, которые соответствуют этим спецификациям.
      ПРИМЕЧАНИЕ: Т2-взвешенные изображения иногда полезны для объемного анализа; однако конвейер, представленный здесь, опирается только на данные, взвешенные по T1, и некоторые из используемых инструментов являются эксклюзивными для этого типа данных. Таким образом, изображения, взвешенные по T2, не могут быть использованы.
    2. Проведите визуальную оценку качества изображений, чтобы исключить грубые пороки развития мозжечка (например, большие поражения) или существенные артефакты движения, которые препятствуют идентификации основных мозжечковых ориентиров (например, основных анатомических трещин). Не следует автоматически исключать атрофированную мозжечную желчь, даже если она существенная.
    3. Для групповых исследований также рассмотрите количественные оценки качества с использованием свободно доступных стандартизированных инструментов, таких как MRIQC46, для дальнейшего выявления проблемных данных.
    4. Конвертируйте все данные в формат NIFTI-GZ с помощью такого инструмента, как dcm2niix47.
  2. Рекомендуемая организация данных
    1. Получите все необходимое программное обеспечение, указанное в Таблице материалов. Убедитесь, что Docker48 или Singularity49, Matlab50 иSPM12 51 установлены перед запуском конвейера.
      ПРИМЕЧАНИЕ: Также доступны обширные письменные и видеоуроки, описывающие конвейер (см. Таблицу материалов).
    2. После установки всего необходимого программного обеспечения создайте папки в рабочем каталоге и пометьте их «acapulco», «suit» и «freesurfer». Сделайте это с помощью команды mkdir из командной строки.
    3. В каталоге 'acapulco' создайте выходную папку. В выходной папке создайте каталог для каждого субъекта исследования, содержащий взвешенное по T1 изображение в формате NIFTI-GZ.
      ПРИМЕЧАНИЕ: Рекомендуется хранить копию исходных данных в другом месте.
  3. Анатомическая парцелляция мозжечка с помощью ACAPULCO
    1. Перейдите в Таблицу материалов и загрузите соответствующие скрипты и контейнеры, необходимые для запуска ACAPULCO (в файлах конвейера acapulco). В каталоге 'acapulco' поместите (i) контейнер ACAPULCO Docker OR Singularity ('acapulco_0.2.1.tar.gz' или '.sif', соответственно), (ii) содержимое архива QC_scripts (3 файла: 'QC_Master.R', 'QC_Plots.Rmd' и 'QC_Image_Merge.Rmd') и (iii) 'R.sif' (сингулярность) OR 'calculate_icv.tar' (docker).
    2. Откройте терминал и из командной строки запустите контейнер ACAPULCO на одном образе (замените <> в следующем). Подождите ~ 5 минут для завершения обработки.
      1. С помощью Docker введите команду:
        загрузка docker --input acapulco_0.2.1.tar.gz
        docker run -v $PWD:$PWD -w $PWD -t --user $(id -u):$(id -g) --rm acapulco:latest -i output/<>/<>.nii.gz -o output/<>
      2. Используя сингулярность, введите команду:
        сингулярность run --cleanenv -B $PWD:$PWD acapulco-0.2.1.sif -i output/<>/<>.nii.gz -o output/<>
    3. Зацикливайтесь на всех субъектах / сканах в когорте. В Таблице материалов приведена ссылка на веб-сайт ENIGMA Imaging Protocols для загрузки конвейера (в разделе ENIGMA Cerebellum Volumetrics Pipeline) и учебное пособие, содержащее примеры создания цикла для последовательной обработки нескольких субъектов.
    4. После обработки найдите следующие файлы, созданные в тематических папках:
      1. Определите "_n4_mni_seg_post_inverse.nii.gz": посылочная мозжечковая маска в оригинальном (предметном пространстве).
      2. Определить "<субъект>_n4_mni_seg_post_volumes.csv": объемы (вмм3) для каждой из 28 субъединиц, генерируемых акапулько;
      3. Определите репрезентативные изображения (в каталоге 'pics'): сагиттальные, осевые и корональные.
  4. Статистическое обнаружение выбросов и контроль качества (QC)
    1. Из терминала и в каталоге 'acapulco' убедитесь, что содержимое QC_scripts находится в каталоге 'acapulco'. Чтобы запустить сценарии контроля качества:
      1. С помощью Docker введите команду:
        calculate_icv.tar загрузки docker
        docker run -v $PWD:$PWD -w $PWD --rm -it luhancheng/calculate_icv:latest Rscript
        QC_Master.R выход/
      2. Используя сингулярность, введите команду:
        singularity exec -B $PWD:$PWD R.sif Rscript /path/to/QC_Master.R /path/to/acapulco/output
  5. Изучение изображений контроля качества, генерируемых ACAPULCO
    ПРИМЕЧАНИЕ: Существует 3-этапный процесс проверки качества изображений ACAPULCO.
    1. Откройте «QC_Images.html» в веб-браузере и быстро (~ 10 с на субъект) прокрутите изображения, чтобы выявить очевидные сбои или систематические проблемы. Обратите внимание на идентификаторы субъектов неудачных или подозрительных изображений для последующего использования.
      ПРИМЕЧАНИЕ: См. Рисунок 3 для руководства по нейроанатомии мозжечковых долек и Рисунок 4, Рисунок 5 и Рисунок 6 в разделе репрезентативных результатов ниже для примеров «хороших» парселляций, «тонких неправильных парселляций» и «глобальных неудач» парселляций.
    2. Откройте «Plots_for_Outliers.html», чтобы установить флажки для количественных статистических выбросов. Ищите выбросы (2,698 с.д. выше или ниже среднего) выше или ниже усов участков коробки. Наведите указатель мыши на точки данных, чтобы отобразить идентификатор субъекта. Определите выбросы, обозначаемые «1» в соответствующем столбце в файле «Выбросы.csv», и запишите общее количество сегментов, определенных как выбросы для каждого субъекта в последнем столбце в разделе «Выбросы.csv».
    3. Вручную проверьте каждое изображение, имеющее один или несколько выбросов. КРИТИЧЕСКИЙ: Используя стандартный просмотрщик изображений NIFTI (например, FSLEyes или MRICron), наложите маску ACAPULCO на исходное изображение T1w, чтобы проверить качество парцелляции срез за срезом.
      1. Чтобы сгенерировать наложения для подробного контроля качества из командной строки с помощью FSLEyes, i) измените каталог на каталог 'acapulco', ii) укажите тему для просмотра (заменить <предлагаемый>):
        subj=
      2. Скопируйте/вставьте в терминал следующий код (без ручного изменения {subj}, так как это было задано предыдущей строкой:
        t1_image=выход/${subj}/${subj}.nii.gz
        acapulco_image=выход/${subj}/${subj}_n4_mni_seg_post_inverse.nii.gz
        fsleyes ${t1_image} ${acapulco_image} --overlayType label --lut random_big --outline --outlineWidth 3 ${acapulco_image} --overlayType volume --alpha 50 --cmap random
        ПРИМЕЧАНИЕ: Необходимо будет определить, включать ли аномальный сегмент или нет, т.е. есть ли ошибка парцелляции, или это просто нормальная изменчивость в анатомии индивида? Каждая выделенная область рассматривается индивидуально, поэтому несколько областей могут быть исключены для изображения, в то время как остальные могут быть сохранены, если они верны.
      3. Нужно ли исключать из окончательного набора данных одну или несколько областей, разделенных на участки?
        Если да (выброс подтвержден), исключите эту парцелляцию (парцелляции) из анализа, заменив оценку объема на NA в соответствующей ячейке файла «Cerebel_vols.csv» для этого субъекта.
      4. Приводят ли ошибки парцелляции к тому, что часть мозжечка исключается из маски?
        Если да, (например, если определенные мозжечковые дольки отсутствуют в маске или кажутся «отрезанными»), немедленно исключите субъекта из дальнейших анализов (т. Е. Не приступайте к запуску модуля SUIT на этих субъектах).

2. Модуль 2: Морфометрия на основе вокселя SUIT, оптимизированная для мозжечка

  1. Морфометрический анализ на основе Voxel с использованием SUIT
    КРИТИЧЕСКИЙ: Этот конвейер требует, чтобы модуль ACAPULCO уже был запущен, поскольку он опирается на генерацию предметной мозжечковой маски для оптимизации регистрации и нормализации мозжечка в шаблоне SUIT. Если предметная маска, созданная ACAPULCO, не включает весь мозжечок, это требует исключения из модуля SUIT. Инструкции по автономному запуску SUIT см. вразделе 52.
    1. Приобретите все необходимое программное обеспечение, указанное в Таблице материалов. Убедитесь, что папка SPM12 и все вложенные папки находятся в пути MATLAB. Убедитесь, enigma_suit скрипты сохранены в каталоге 'spm12/toolbox' и добавлены в путь MATLAB. Чтобы проверить путь MATLAB, введите pathtool в командном окне MATLAB, а затем нажмите кнопку Добавить с вложенными папками , чтобы добавить соответствующие папки.
    2. Запустите конвейер SUIT для одного или нескольких субъектов. Подождите ~15-20 мин (при использовании графического интерфейса пользователя [GUI]) и ~5-7 мин при запуске из терминала (bash/shell) для завершения обработки.
      1. Чтобы использовать графический интерфейс (субъекты будут запускаться последовательно), в командном окне MATLAB введите команду:
        suit_enigma_all
      2. В первом всплывающем окне выберите папки темы из каталога 'acapulco/output' для включения в анализ. Нажмите на отдельные папки в правой части окна или щелкните правой кнопкой мыши и выберите все. Нажмите Готово. Во втором всплывающем окне выберите каталог SUIT, в который будут записываться анализы.
      3. ИЛИ Вызовите функцию из командной строки MATLAB для одного субъекта, введите команду:
        suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir')
      4. ИЛИ Вызовите функцию из окна терминала за пределами MATLAB для одного субъекта, введя команду:
        matlab -nodisplay -nosplash -r "suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir'), exit"
    3. В Таблице материалов приведена ссылка на веб-сайт ENIGMA Imaging Protocols для загрузки конвейера (в разделе ENIGMA Cerebellum Volumetrics Pipeline) и учебное пособие, содержащее примеры создания цикла для последовательной обработки нескольких субъектов.
    4. Обратите внимание на следующие моменты, касающиеся сценария.
      1. Убедитесь, что сценарий копирует в выходной каталог изображение T1 с поправкой на смещение N4, выровненное по MNI (с твердым телом) и маску мозжечка ACAPULCO.
      2. Убедитесь, что сценарий сегментирует серое и белое вещество мозжечка.
      3. Убедитесь, что сценарий исправляет ошибки чрезмерного включения в парселляцию с помощью маски ACAPULCO.
      4. Убедитесь, что скрипт DARTEL нормализует и перерисовывает данные в пространство SUIT с якобианской модуляцией, так что значение каждого вокселя пропорционально его исходному объему.
      5. Проверьте папку каждого субъекта на наличие следующих конечных выходных данных: 'wd_seg1.nii' (серое вещество) и 'wd_seg2.nii' (белое вещество).
  2. Статистическое обнаружение выбросов и контроль качества
    1. Визуально проверьте нормализованные, модулированные изображения (wd*) на наличие серьезных сбоев. В MATLAB введите команду:
      spm_display_4D
    2. Вручную выберите изображения 'wd*seg1' из подпапок костюма или перейдите в каталог 'suit'; вставьте '^wd.*seg1' в поле Фильтр (без кавычек) и нажмите кнопку Rec . Нажмите Готово.
    3. Прокрутите изображения, чтобы убедиться, что все они хорошо выровнены. См. рисунок 7 для правильно нормализованных изображений от здоровых контрольных групп (A, B) и человека с сильно атрофированным мозжечком (D).
      ПРИМЕЧАНИЕ: На данном этапе анатомия между субъектами очень похожа (поскольку они были зарегистрированы в одном и том же шаблоне), а различия в объеме вместо этого кодируются различными интенсивностями вокселя. Основные неудачи будут очевидны, например, пустые изображения, большие участки недостающей ткани, необычные градиенты интенсивности (т. Е. Яркие воксели вверху, темные воксели внизу). Эти изображения должны быть исключены из последующих шагов.
    4. Проверьте пространственную ковариацию на наличие выбросов. В MATLAB введите команду:
      check_spatial_cov
      1. Выберите изображения 'wd*seg1' в соответствии с предыдущим шагом. При появлении запроса выберите следующие параметры: Масштабирование опоры: Да; Переменная для выхода: Нет; Срез (мм): - 48 , Зазор: 1.
      2. Посмотрите на прямоугольник, отображающий среднюю пространственную ковариацию каждого изображения относительно всех остальных в выборке. Определите точки данных, >2s.d. ниже среднего значения в командном окне MATLAB. Для этого проверьте изображение «_n4_mni.nii.gz» в папке SUIT на наличие артефактов (движение, анатомические аномалии), проблем с качеством изображения или ошибок предварительной обработки.
      3. Если качество изображения и предварительная обработка приемлемы, а визуальный осмотр модулированных изображений на предыдущем шаге не указывает на проблему с сегментацией и нормализацией, сохраните эти данные в образце. В противном случае исключите эти данные.

3. МОДУЛЬ 3 (опционально): Оценка внутричерепного объема (ICV) с помощью FreeSurfer

ПРИМЕЧАНИЕ: Этот модуль будет использовать конвейер FreeSurfer для расчета ICV. Его не нужно повторно запускать, если есть существующие выходы Freesurfer для когорты (любая версия).

  1. Настройка FreeSurfer
    1. Убедитесь, что FreeSurfer загружен и установлен53. Перейдите в Таблицу материалов и загрузите соответствующие скрипты для запуска этого модуля (в разделе Файлы конвейера ICV). При работе с FreeSurfer задайте следующие переменные:
      export FREESURFER_HOME=каталог
      источник $FREESURFER_HOME/SetUpFreeSurfer.sh
    2. Замените <путь> следующим образом:
      export SUBJECTS_DIR=
  2. Запуск Freesurfer autorecon1
    1. Для одного субъекта из каталога 'freesurfer' (время обработки ~20 мин) введите команду:
      cd
    2. В учебном пособии приведены примеры создания цикла for-loop для последовательной обработки нескольких субъектов.
  3. Расчет ICV
    1. Организация данных
      1. В каталоге 'freesurfer' поместите (i) контейнер Docker OR Singularity, используемый в модуле 1 ('calculate_icv.tar' или 'R.sif' соответственно) и (ii) скрипт xfm2det (см. Таблицу материалов). Затем выполните клон git, чтобы клонировать требуемый icv-скрипт:
        https://github.com/Characterisation-Virtual-Laboratory/calculate_icv клонирования git
    2. Запуск экстракции ICV (время обработки ~5 мин)
      1. Из каталога 'freesurfer', с контейнером сингулярности ('R.sif'), введите:
        singularity exec --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
      2. Из каталога 'freesurfer', с контейнером docker, введите:
        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
      3. Запуск скрипта без контейнера — см. Таблицу материалов для дополнительного необходимого программного обеспечения и зависимостей. В каталоге 'freesurfer' введите:
        ./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
        ПРИМЕЧАНИЕ: Это позволит рассчитать ICV для каждого субъекта и добавить столбец с ICV в конец файла 'Cerebel_vols.csv'.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Парцелляция мозжечка (ACAPULCO)

Контроль качества мозжечковых пакетированных масок:
Следующие примеры демонстрируют распределенные результаты АКАПУЛЬКО и направляют принятие решений о а) качестве посылочной маски на индивидуальном уровне и б) последующем включении или исключении конкретной дольки (дольок) из статистического анализа. В конечном счете, решение о включении или исключении субъекта является субъективным; Здесь приведены примеры «хороших парселля...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

Мозжечок имеет решающее значение для широкого спектра моторныхфункций человека 3, когнитивных58, аффективных10 и языка 7,59 и участвует во многих неврологических и психиатрических заболеваниях. Наличие стандартизированного и легко реализуемого подхода к количественной оценке региональных мозжечковых объемов будет способствовать все более детальному картированию структуры и функции «всего мозг...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

У авторов нет конфликта интересов для раскрытия.

Благодарности

Работа, представленная в этой рукописи, финансировалась Австралийским национальным советом по здравоохранению и медицинским исследованиям (NHMRC) Ideas Grant: APP1184403.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Файлы трубопровода ACAPULCO 0.2.1http://enigma.ini.usc.edu/protocols/imaging-protocols/ Пожалуйста,убедитесь, что вы используете версию acapulco 0.2.1
Docker для Machttps://docs.docker.com/desktop/mac/install/macOS должна быть версии 10.14 или новее
Docker требует sudo priviledges
Docker накладывает ограничение памяти (ОЗУ) на Mac OS. Чтобы увеличить оперативную память, откройте Docker Desktop, перейдите в «Настройки» и нажмите на «Ресурсы». Увеличить объем памяти до максимума
Docker для Windowshttps://docs.docker.com/docker-for-windows/install/
ENIGMA SUIT скриптыhttp://enigma.ini.usc.edu/protocols/imaging-protocols/
FreeSurfer7https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstallСледующие переменные должны быть установлены каждый раз, когда вы работаете с Freesurfer:
export FREESURFER_HOME=figure-materials-1freesurfer _installation_directoryfigure-materials-2
источник $FREESURFER_HOME/SetUpFreeSurfer.sh
export SUBJECTS_DIR=figure-materials-3pathfigure-materials-4/enigma/Freesurfer
FSL (для FSLeyes). Необязательныефайлы
http://enigma.ini.usc.edu/protocols/imaging-protocols/ Вам не потребуется дополнительное программное обеспечение; 2) без docker/singularity - это предполагает ручной запуск скрипта ICV (calculate_icv.py). Вам потребуется следующее дополнительное программное обеспечение:
версия Python figure-materials-5=3.5
модуль Python pandas
модуль Python fire
модуль Python tabulate
модуль Python Colorama
https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
MATLAB*2019 или новееhttps://au.mathworks.com/Требуется академическая лицензия
Singularity3.7 или более позднейверсии https://www.sylabs.io/docs/Предпочтительно для кластеров высокопроизводительных вычислений (HPC)
SPM12http://www.fil.ion.ucl.ac.uk/spm/software/spm12/Убедитесь, что spm12 и все вложенные папки находятся в вашем MATLAB
path SUIT Toolbox3.4http://www.diedrichsenlab.org/imaging/suit_download.htmУбедитесь, что вы поместили SUIT toolbox в каталог spm12/toolbox
устранению неполадок и примеры вывода сегментацииhttp://enigma.ini.usc.edu/protocols/imaging-protocols/
Учебное пособие и видеоhttp://enigma.ini.usc.edu/protocols/imaging-protocols/Руководство и сопутствующая демонстрация в реальном времени содержат подробные пошаговые инструкции о том, как запустить конвейер от начала до конца.
* Не находится в свободном доступе; требуется
конвейера ICV на 6 https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation конвейер ICV можно запустить двумя способами: 1) с докером или сингулярностью.Руководство по академическая лицензия

Ссылки

  1. Holmes, G. The cerebellum of man (Hughlings Jackson memorial lecture). Brain. 62, 1-30 (1939).
  2. Ito, M. The modifiable neuronal network of the cerebellum. The Japanese Journal of Physiology. 34 (5), 781-792 (1984).
  3. Manto, M., Oulad Ben Taib, N. The contributions of the cerebellum in sensorimotor control: what are the prevailing opinions which will guide forthcoming studies. Cerebellum. 12 (3), 313-315 (2013).
  4. Manto, M., Gandini, J., Feil, K., Strupp, M. Cerebellar ataxias: an update. Current Opinion in Neurology. 33 (1), 150-160 (2020).
  5. Schmahmann, J. D. Disorders of the cerebellum: ataxia, dysmetria of thought, and the cerebellar cognitive affective syndrome. The Journal of Neuropsychiatry and Clinical Neurosciences. 16 (3), 367-378 (2004).
  6. Strick, P. L., Dum, R. P., Fiez, J. A. Cerebellum and nonmotor function. Annual Review of Neuroscience. 32, 413-434 (2009).
  7. King, M., Hernandez-Castillo, C. R., Poldrack, R. A., Ivry, R. B., Diedrichsen, J. Functional boundaries in the human cerebellum revealed by a multi-domain task battery. Nature Neuroscience. 22 (8), 1371-1378 (2019).
  8. Schmahmann, J. D. An emerging concept. The cerebellar contribution to higher function. Archives of Neurology. 48 (11), 1178-1187 (1991).
  9. Schmahmann, J. D., Sherman, J. C. The cerebellar cognitive affective syndrome. Brain. 121, Pt 4 561-579 (1998).
  10. Schutter, D. J., van Honk, J. The cerebellum on the rise in human emotion. Cerebellum. 4 (4), 290-294 (2005).
  11. Stoodley, C. J., Schmahmann, J. D. Functional topography in the human cerebellum: a meta-analysis of neuroimaging studies. Neuroimage. 44 (2), 489-501 (2009).
  12. Guell, X., Gabrieli, J. D. E., Schmahmann, J. D. Triple representation of language, working memory, social and emotion processing in the cerebellum: convergent evidence from task and seed-based resting-state fMRI analyses in a single large cohort. Neuroimage. 172, 437-449 (2018).
  13. Lewis, M. M., et al. The role of the cerebellum in the pathophysiology of Parkinson's disease. The Canadian Journal of Neurological Sciences. 40 (3), 299-306 (2013).
  14. Möller, C., et al. Different patterns of gray matter atrophy in early- and late-onset Alzheimer's disease. Neurobiology of Aging. 34 (8), 2014-2022 (2013).
  15. Colloby, S. J., O'Brien, J. T., Taylor, J. P. Patterns of cerebellar volume loss in dementia with Lewy bodies and Alzheimer׳s disease: A VBM-DARTEL study. Psychiatry Research. 223 (3), 187-191 (2014).
  16. McDonald, C. R., et al. Subcortical and cerebellar atrophy in mesial temporal lobe epilepsy revealed by automatic segmentation. Epilepsy Research. 79 (2-3), 130-138 (2008).
  17. Marcián, V., et al. Morphological changes of cerebellar substructures in temporal lobe epilepsy: A complex phenomenon, not mere atrophy. Seizure. 54, 51-57 (2018).
  18. Nopoulos, P. C., Ceilley, J. W., Gailis, E. A., Andreasen, N. C. An MRI study of cerebellar vermis morphology in patients with schizophrenia: evidence in support of the cognitive dysmetria concept. Biological Psychiatry. 46 (5), 703-711 (1999).
  19. Stoodley, C. J. Distinct regions of the cerebellum show gray matter decreases in autism, ADHD, and developmental dyslexia. Frontiers in Systems Neuroscience. 8, 92(2014).
  20. Larsell, O. The development of the cerebellum in man in relation to its comparative anatomy. The Journal of Comparative Neurology. 87 (2), 85-129 (1947).
  21. Haines, D. E., Mihailoff, G. A. The Cerebellum. Fundamental neuroscience for basic and clinical applications. 5th edn. , Elsevier. 394-412 (2018).
  22. Kelly, R. M., Strick, P. L. Cerebellar loops with motor cortex and prefrontal cortex of a nonhuman primate. Journal of Neuroscience. 23 (23), 8432-8444 (2003).
  23. Schmahmann, J. D., Pandya, D. N. Anatomical investigation of projections to the basis pontis from posterior parietal association cortices in rhesus monkey. The Journal of Comparative Neurology. 289 (1), 53-73 (1989).
  24. Buckner, R. L., Krienen, F. M., Castellanos, A., Diaz, J. C., Yeo, B. T. The organization of the human cerebellum estimated by intrinsic functional connectivity. Journal of Neurophysiology. 106 (5), 2322-2345 (2011).
  25. Fischl, B. FreeSurfer. Neuroimage. 62 (2), 774-781 (2012).
  26. Shattuck, D. W., Leahy, R. M. BrainSuite: an automated cortical surface identification tool. Medical Image Analysis. 6 (2), 129-142 (2002).
  27. Patenaude, B., Smith, S. M., Kennedy, D. N., Jenkinson, M. A Bayesian model of shape and appearance for subcortical brain segmentation. Neuroimage. 56 (3), 907-922 (2011).
  28. Bogovic, J. A., Bazin, P. L., Ying, S. H., Prince, J. L. Automated segmentation of the cerebellar lobules using boundary specific classification and evolution. Information Processing in Medical Imaging. 23, 62-73 (2013).
  29. Bogovic, J. A., Prince, J. L., Bazin, P. L. A Multiple object geometric deformable model for image segmentation. Computer Vision and Image Understanding: CVIU. 117 (2), 145-157 (2013).
  30. Price, M., Cardenas, V. A., Fein, G. Automated MRI cerebellar size measurements using active appearance modeling. Neuroimage. 103, 511-521 (2014).
  31. Chakravarty, M. M., et al. Performing label-fusion-based segmentation using multiple automatically generated templates. Humain Brain Mapping. 34 (10), 2635-2654 (2013).
  32. Weier, K., Fonov, V., Lavoie, K., Doyon, J., Collins, D. L. Rapid automatic segmentation of the human cerebellum and its lobules (RASCAL)--implementation and application of the patch-based label-fusion technique with a template library to segment the human cerebellum. Human Brain Mapping. 35 (10), 5026-5039 (2014).
  33. Yang, Z., et al. Automated cerebellar lobule segmentation with application to cerebellar structural analysis in cerebellar disease. Neuroimage. 127, 435-444 (2016).
  34. Romero, J. E., et al. CERES: A new cerebellum lobule segmentation method. Neuroimage. 147, 916-924 (2017).
  35. Carass, A., et al. Comparing fully automated state-of-the-art cerebellum parcellation from magnetic resonance images. Neuroimage. 183, 150-172 (2018).
  36. Han, S., Carass, A., He, Y., Prince, J. L. Automatic cerebellum anatomical parcellation using U-Net with locally constrained optimization. Neuroimage. 218, 116819(2020).
  37. Ashburner, J., Friston, K. J. Voxel-based morphometry--the methods. Neuroimage. 11 (6), 805-821 (2000).
  38. Jenkinson, M., Smith, S. A global optimisation method for robust affine registration of brain images. Medical Image Analysis. 5 (2), 143-156 (2001).
  39. Andersson, J., Jenkinson, M., Smith, S. Non-linear registration, aka spatial normalisation. Report No. TR07JA2. , (2010).
  40. Ashburner, J., Friston, K. J. Unified segmentation. Neuroimage. 26 (3), 839-851 (2005).
  41. Dahnke, R., Yotter, R. A., Gaser, C. Cortical thickness and central surface estimation. Neuroimage. 65, 336-348 (2013).
  42. Diedrichsen, J. A spatially unbiased atlas template of the human cerebellum. Neuroimage. 33 (1), 127-138 (2006).
  43. Diedrichsen, J., Balsters, J. H., Flavell, J., Cussans, E., Ramnani, N. A probabilistic MR atlas of the human cerebellum. Neuroimage. 46, 39-46 (2009).
  44. Harding, I. H., et al. Brain structure and degeneration staging in Friedreich ataxia: Magnetic resonance imaging volumetrics from the ENIGMA-Ataxia Working Group. Annals of Neurology. 90 (4), 570-583 (2021).
  45. Enigma. Structural imaging processing protocols. , Available from: http://enigma.ini.usc.edu/protocols/imaging-protocols/ (2021).
  46. MRIQC. Poldrack Lab, Stanford University. , Available from: https://mriqc.readthedocs.io/en/stable/ (2020).
  47. dcm2niix. Rorden Lab, University of South Carolina. , Available from: https://github.com/rordenlab/dcm2niix (2021).
  48. Docker. , Available from: https://docs.docker.com/ (2021).
  49. Singularity. Sylabs. , Available from: https://sylabs.io/singularity (2021).
  50. MATLAB. The MathWorks, Inc. , Available from: https://au.mathworks.com/ (2021).
  51. Statistical parametric mapping SPM12. The Wellcome Centre for Human Neuroimaging. , Available from: https://www.fil.ion.ucl.ac.uk/spm/software/spm12/ (2020).
  52. Diedrichsen Lab, University of Western Ontario. , Available from: http://www.diedrichsenlab.org/imaging/suit.htm (2021).
  53. FreeSurfer download and install. , Available from: https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall (2020).
  54. Gaser, C., Dahnke, R. CAT: A computational anatomy toolbox for SPM. , Available from: http://www.neuro.uni-jena.de/cat/ (2020).
  55. Selvadurai, L. P., et al. Cerebral and cerebellar grey matter atrophy in Friedreich ataxia: the IMAGE-FRDA study. Journal of Neurology. 263 (11), 2215-2223 (2016).
  56. Schmahmann, J. D. The cerebellum and cognition. Neuroscience Letters. 688, 62-75 (2019).
  57. Diedrichsen, J., Zotow, E. Surface-based display of volume-averaged cerebellar imaging data. PLoS One. 10 (7), 0133402(2015).
  58. Gottwald, B., Mihajlovic, Z., Wilde, B., Mehdorn, H. M. Does the cerebellum contribute to specific aspects of attention. Neuropsychologia. 41 (11), 1452-1460 (2003).
  59. Starowicz-Filip, A., et al. The role of the cerebellum in the regulation of language functions. Psychiatria Polska. 51 (4), 661-671 (2017).
  60. Guell, X., Schmahmann, J. D., Gabrieli, J., Ghosh, S. S. Functional gradients of the cerebellum. Elife. 7, 36652(2018).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Теги

Морфометрия мозжечкаструктурная МРТпарцелляция мозжечкавоксель-базисная морфометрияобъем серого веществаатаксия Фридрейхаконтроль качестваанатомическая парцелляцияконвейер SUITпарцелляция ACAPULCO
Стандартизированный конвейер для изучения морфометрии серого вещества мозжечка человека с использованием структурной магнитно-резонансной томографии
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.