Тензора диффузии Магнитно-резонансная томография в исследовании нейродегенеративных заболеваний

Общая цель следующего эксперимента заключается в использовании анализа диффузионно-тензорной визуализации для определения специфической патоанатомии белого вещества при различных заболеваниях головного мозга путем сочетания статистики фракционной анизотропии на основе всего мозга и на основе трактов. Это достигается за счет надлежащей предварительной обработки данных диффузионно-тензорной визуализации (DTI), включая контроль качества и стереотаксическую нормализацию. На втором этапе проводится пространственный статистический анализ на основе всего мозга (WBSS), который позволяет выполнить повоксельное сравнение карт фракционной анизотропии (FA) различных групп испытуемых для выявления патологических различий.

Далее проводится анализ TrackWise fractional. Статистический анализ ATROPY или TFAS выполняется для дополнения результатов повоксельного сравнения путем сопоставления структур мозга, определенных с помощью процедуры трактографии. В результате определяются различия между группами с патологией и контрольными группами на основе DTI-анализа.

Основным преимуществом данной методики по сравнению с другими методами является возможность проведения трактографии на усредненных групповых наборах данных. Этот метод может помочь в решении ключевых вопросов нейровизуализации, таких как идентификация структур мозга, пораженных нейродегенеративными заболеваниями. Значимость данной методики распространяется на ее использование в качестве суррогатного маркера на основе нейровизуализации, поскольку она потенциально позволяет продемонстрировать лонгитюдные эффекты как на индивидуальном, так и на групповом уровнях.

Демонстрация этого метода имеет решающее значение, так как этапы обработки данных сложно освоить, поскольку анализ данных выполнялся с помощью специально разработанного программного пакета, и несколько этапов обработки и анализа данных требуют значительных временных затрат для выполнения коррекции артефактов. Специально разработанное нашим лабораторным отделом программное обеспечение используется для обнаружения GD, в которых хотя бы один срез демонстрирует снижение интенсивности, т. е. артефакты движения, вызванные спонтанным перемещением субъекта. Используемое программное обеспечение предназначено для тензорной визуализации и трекинга волокон и было создано нашей лабораторией для любого диффузионно-взвешенного объема.

Вычислите среднюю интенсивность для каждого среза, затем сравните ее интенсивность с соответствующим срезом во всех остальных объемах, используя метод средневзвешенного значения. Весовым коэффициентом является скалярное произведение векторов двух gd. Если Q оказывается ниже определенного порога (в данном примере порог составляет 0.8), то весь этот объем или gd следует исключить.

Порог 0,8 считается показателем стабильного решения. Здесь представлены артефакты движения, видимые на сагиттальных реконструкциях и обнаруженные алгоритмом QC. В данном примере из общего количества GD 17 находились ниже красной линии, что соответствует значению Q равном 0,8, и должны быть удалены.

Пример статистики исключения объемов для всего исследования представлен здесь: в данном примере данные DTI 29 бессимптомных субъектов с БГ были compared с данными DTI 30 контрольных субъектов; для стереотаксической нормализации был создан специфический для исследования шаблон B=0 и шаблон FA. Полная нелинейная стереотаксическая нормализация состоит из трех компонентов деформации. Следовательно, результирующий диффузионный тензор каждого вокселя i должен быть повернут в соответствии со всеми ранее показанными поворотами.

Здесь представлена жесткая трансформация мозга для выравнивания базовых систем координат. На данном рисунке показана линейная деформация по контрольным точкам. Компоненты векторов iGen должны быть адаптированы в соответствии с шестью параметрами нормализации S линейной деформации; далее приведена нелинейная нормализация, выравнивающая нелинейные различия в форме мозга.

3D-векторные сдвиги различаются для каждого вокселя, что приводит к отдельному преобразованию для каждого элемента трехмерного массива вокселей. После этой процедуры индивидуальной нормализации используйте все индивидуальные наборы данных DTI для создания специфичного для данного исследования шаблона B = 0 и шаблона FA. Поскольку регистрация без использования PHE по шаблону FA имеет преимущество в виде более высокой контрастности по сравнению с изображениями B = 0, определите шаблон FA путем усреднения всех индивидуально полученных карт FA пациентов и контрольной группы.

На втором этапе выполните нелинейную нормализацию данных DTI в пространство MNI путем минимизации несоответствия между региональными интенсивностями подгоняемой карты FA и шаблона FA на основе квадратов разностей; на основе этих данных выводятся новые шаблоны T два. Повторяйте этот итерационный процесс до тех пор, пока корреляция между индивидуальными картами FA и шаблоном FA не станет больше 0,7. Обычно этого результата удается достичь после двух итераций.

Теперь можно провести пространственный статистический анализ всего мозга путем расчета карт фракционной анизотропии на основе нормализованных данных DTI, сглаживания карт фракционной анизотропии и последующей статистической оценки, включая поправку на множественные сравнения. Различия в картах фракционной анизотропии у пациентов с боковым амиотрофическим склерозом по сравнению с контрольной группой рассчитываются с помощью пространственного статистического анализа всего мозга. В качестве этапа предварительной обработки перед попиксельным сравнением рассчитайте карты FA из нормализованных данных DTI для сохранения направленной информации; для сглаживания примените фильтр сглаживания к индивидуальным нормализованным картам FA.

Тот факт, что размер фильтра влияет на результаты анализа данных DTI, требует применения теоремы о согласованном фильтре, согласно которой ширина фильтра, используемого для обработки данных, должна быть подобрана в соответствии с ожидаемым размером различия. Сравните группы пациентов и соответствующую контрольную группу foxwell Y с помощью t-критерия Стьюдента. Это осуществляется путем сравнения значений FA на картах FA пациентов со значениями FA на картах FA контрольной группы отдельно для каждого foxhole, после чего статистические результаты корректируются с учетом множественных сравнений с использованием алгоритма контроля ложноположительных результатов (FDR) при P < 0.05.

Далее уменьшите ошибку первого рода (альфа-ошибку), используя алгоритм пространственной корреляции, который удаляет изолированные воксели или небольшие изолированные группы вокселей в диапазоне размеров сглаживающего ядра, что приводит к минимальному порогу размера кластера в 512 вокселей при двукратном повторном прохождении трека. Фракционная анизотропная статистика рассчитывается для пациентов с боковым амиотрофическим склерозом в сравнении с контрольной группой. Для применения алгоритмов группового отслеживания волокон создайте усредненные наборы данных DTI на основе данных пациентов и данных контрольной группы вместе, затем выполните трактографию и усреднение наборов данных DTI групп испытуемых с помощью метода оптимизированного трекинга.

Вручную определите начальные точки (seed points), прилегающие к локальным максимумам, выявленным в ходе анализа FA по всему объему мозга; эти точки служат основой для последующего анализа трактов. После идентификации начальных точек выполните трактографию T-пучка и определите воксели выделенных волокон в качестве групповой специфической маски для последующего TFAS. Для количественной оценки результатов трактографии T-пучка примените TFAS, используя тракты волокон, созданные на основе усредненных наборов данных DTI для всех субъектов каждой группы, чтобы выбрать воксели, участвующие в сравнении карт FA пациентов и контрольной группы. Для получения исчерпывающей информации с помощью WBSS и TFAS при статистическом анализе с использованием t-критерия Стьюдента учитывайте все результирующие воксели со значением FA выше 0.2. В данной анимации в послойной визуализации показаны групповые различия в картах FA, выявленные методом WBSS при сравнении выборки пациентов с LS и соответствующей контрольной группы.

В данном видео демонстрируется трактография с точками начала в кортикоспинальном тракте, которая используется в качестве основы для TFAS. После освоения эта техника может выполняться почти автоматически в течение нескольких часов при условии правильного выполнения. После просмотра этого видео вы должны получить четкое представление о том, как проводить DTI-анализ на групповом уровне, используя пространственную статистику на основе всего мозга и статистику FA в TrackWise.