Co-Analyse von Hirnstruktur und-funktion mittels fMRT und Diffusionsgewichtete Imaging

Summary

Wir beschreiben einen neuartigen Ansatz für die gleichzeitige Analyse der Struktur und Funktion des Gehirns unter Verwendung der Kernspintomographie (MRI). Wir beurteilen Hirnstruktur mit hochauflösenden Diffusions-gewichteten Bildgebung und der weißen Substanz Faser Traktographie. Im Gegensatz zu Standard strukturelle MRT, ermöglichen diese Techniken uns direkt betreffen anatomischen Konnektivität zu funktionellen Eigenschaften des Gehirns Netzwerke.

Abstract

Die Studie von komplexen Rechnersystemen wird von Netzwerk-Karten, wie Schaltpläne erleichtert. Solche Mapping ist besonders aufschlussreich, wenn Erforschung des Gehirns, wie die funktionelle Rolle, dass ein Bereich des Gehirns erfüllt weitgehend durch ihre Verbindungen zu anderen Hirnregionen definiert werden. In diesem Bericht beschreiben wir eine neuartige, nicht-invasive Ansatz für über Hirnstruktur und-funktion mit Hilfe der Magnetresonanztomographie (MRT). Dieser Ansatz, der eine Kombination aus strukturellen Bildgebung von Langstrecken-Glasfaserverbindungen und funktionelle Bildgebung Daten wird in zwei verschiedenen kognitiven Domänen, visuelle Aufmerksamkeit und Gesichterwahrnehmung dargestellt. Strukturelle Bildgebung mit Diffusions-Bildgebung (DWI) und Faser Traktographie, die die Diffusion von Wassermolekülen entlang der weißen Substanz Nervenbahnen im Gehirn (Abbildung 1) zu verfolgen durchgeführt. Durch die Visualisierung dieser Nervenbahnen, sind wir in der Lage, die langfristigen Binde Architektur des Gehirns zu untersuchen. Die Ergebnisse vergleichen FavoraBly mit einem der am häufigsten verwendeten Techniken DWI, Diffusion Tensor Imaging (DTI). DTI ist Unfähigkeit, komplexe Konfigurationen von Nervenbahnen zu lösen, was seine Nützlichkeit für den Bau von detaillierten, anatomisch informierte Modelle der Hirnfunktion. Im Gegensatz zu reproduzieren unsere Analysen bekannt Neuroanatomie mit Präzision und Genauigkeit. Dieser Vorteil ist teilweise auf die Datenerfassung Verfahren: Während viele DTI Protokolle Maßnahme Diffusion in einer kleinen Anzahl von Richtungen (zB 6 oder 12), beschäftigen wir eine Diffusion Spektrum Imaging (DSI) ^{1, 2-Protokoll,} welche die Diffusion beurteilt in 257 Richtungen und in einem Bereich von Gradienten-Stärken. Darüber hinaus ermöglichen DSI-Daten uns raffiniertere Methoden zur Rekonstruktion gewonnenen Daten verwenden. In zwei Experimenten (visuelle Aufmerksamkeit und Gesicht Wahrnehmung) offenbart Traktographie, dass Co-aktive Bereiche des menschlichen Gehirns sind anatomisch verbunden sind, unterstützen erhaltenen Hypothesen, dass sie funktionelle Netzwerke zu bilden. DWI erlaubt uns, eine "circuit di erstellenagram "reproduzieren und auf einer individuellen Basis-Subjekt, zum Zweck der Überwachung aufgabenrelevante Gehirnaktivität in Netzwerken von Interesse.

Protocol

Ein. Ausrüstung für MR Data Acquisition

Abbildungen 2 und 3 fassen eine Reihe von Möglichkeiten, um bei der Diffusion und der MR-, Daten-Rekonstruktion und Fiber Tracking gemacht werden. Beachten Sie, dass diese Entscheidungen typischerweise trade-offs, und die beste Wahl kann auf ein Forschungs-Ziele abhängen. Zum Beispiel, DSI-und Multi-Shell HARDI (siehe Abbildung 2) verwenden in der Regel höheren "b-Werte" (dh stärkere Verbreitung Gewichtung) als DTI. Als Ergebnis haben diese Verfahren eine bessere Winkelauflösung, die notwendig für die Lösung Kreuzung oder "Kissing" Fasern (dh Fasern, die Kurve aufeinander zu, so dass an einer einzigen Berührung Tangente vor geschwungene wieder weg). Jedoch wird dieser Gewinn an Winkelauflösung häufig auf Kosten der niedrigeren Signal-Rausch-Verhältnis (SNR) in EPI Daten (Abbildung 3) erreicht. Forscher möge die Relevanz dieser Trade-off für ihre spezifischen Ziele zu berücksichtigen:wenn eine Studie konzentriert sich auf wenige große Nervenbahnen, deren Bahnen nicht kreuzen oder parallel zu anderen Schriften, dann eine niedrige-Richtung DTI-Scan mit hoher SNR kann ideal. Bildgebung des inferioren longitudinalen Fasciculus darstellen könnte einen solchen Fall. Im Gegensatz dazu kann der Verlust des SNR eine akzeptable Folge sein, wenn ein Forscher wünscht, einen Trakt durch komplexe Kreuzungen folgen.

Eine ähnliche Kompromiss umfasst die Korrektur der Kopfbewegung, Wirbelströme, und nichtlineare Bildstörungen. DWI Protokollen Verwendung Echo-Planar-Bildgebung (EPI, siehe Tabelle 1), die empfindlich gegenüber magnetischen Feldinhomogenitäten durch Lufteinschlüsse in den Nebenhöhlen, physiologische Rauschen und andere Faktoren ³ verursacht wird. Diese Inhomogenitäten zu unerwünschten Verzerrungen, besonders im unteren Schläfenlappen und orbitofrontalen Cortex, die die Gültigkeit und Zuverlässigkeit der Faser Tracking-Ergebnisse in diesen Bereichen reduziert. Zusätzliche Verzerrungen durch Wirbelströme Währungen angelegtts, ein Produkt der schnellen MR Gradientenschaltung ^4. Teilnehmer Kopfbewegung ist ein weiterer Faktor, der die Bildqualität verschlechtert und kann sich negativ auf Traktographie. Übliche Verfahren können sowohl korrigieren Kopfbewegung und Bildverzerrungen in niedrigen b-Wert-Daten, wie DTI, jedoch sind diese Verfahren haben nicht zu höherer Auflösung Methoden wie DSI verlängert. Die Schwierigkeit bei der Anwendung Bildkorrektur Methoden DSI-Daten ergibt sich aus der oben beschriebenen niedrigen SNR (Abbildung 3). Für Faser-Tracking in Hirnarealen, die anfällig für EPI Verzerrung sind, kann es am besten mit niedrigem Direktionalität DTI oder eine andere Technik, für die Bildverzerrungen korrigiert werden können. Auf der anderen Seite, wenn hohe Winkelauflösung gesamten Gehirn gewünscht wird, kann Forscher entscheiden, DSI, HARDI oder ähnlichen Techniken. Tuch (2004) ⁵ legt nahe, dass Forscher interleave T2 Bilder ohne Diffusionswichtung während eines DSI-Scan, Bereitstellen Referenzwerte für Bewegungskorrektur (beispielsweise see ref. 6). In allen Fällen sollte die Forscher bewusst sein, die negativen Auswirkungen der Kopfbewegung während der Akquisition: ist es ratsam, gut ausgebildeten Teilnehmer nutzen und die Bewegung durch den Einsatz von Biss Bars, Nase Wachen, padding oder andere Schutzmaßnahmen zu minimieren.

Die hier vorgestellten Ergebnisse mit einem 257-Richtung Diffusion Spektrum Imaging (DSI)-Protokoll, mit Gradientenstärken von b = 300 bis 7.000 (siehe Parameter in Tabelle 1). Die Diffusion Spektrum Imaging (DSI)-Sequenz erfordert moderne MR-Scanning Geräte mit bestimmten Funktionen, die für Erfassung dieser hochauflösenden Diffusions-Daten. Wir stellen fest, dass die zeitlichen Anforderungen dieser Sequenz sind erheblich: etwa 43 Minuten auf einem Siemens Tim Trio Scanner. Nach umfangreichen empirischen Tests, fühlen wir, dass die Qualität dieser Daten die Dauer und Scannen Kosten zu rechtfertigen, aber bei der Wahl der Übernahme-Protokoll, Benutzer sollten sorgfältig abwägen, ihre Forschungsziele gegen die ca.Kapazitäten und Komfort der Teilnehmer. Wir stellen ferner fest, dass eine gute Qualität DSI-Daten in nur 10 Minuten wurde mit fortgeschrittenem Aufnahmetechniken ⁷ gesammelt.

1. 3 Tesla Feldstärke MR-Scanner: 3T ist notwendig, um das Signal für den High-Winkelrichtung DSI Scan benötigt erzielen.
2. 32-Kanal-Phased-Array Kopfspule: Ein Kopf-Spule mit hoher Empfindlichkeit und hervorragenden Signal-Rausch-Verhältnis benötigt wird, um die DSI-Daten zu sammeln. Acht-und 12-Kanal Spulen liefern weniger Signal an der Oberfläche des Gehirns, folglich, diese Spulen können erhöht Abtastzeit, um eine genaue Zuordnung von Feldern Vorsprung unterstützt erfordern.
3. Leiter Stabilisierung: Aufgrund der langen Dauer des DSI Scannsequenz, und weil Bewegung Korrektur kann nicht auf die DSI-Daten angewendet werden, ist ausgezeichnet Kopf Stabilisierung notwendig, um eine Bewegung des Motivs kontrollieren. Bewegung steuert von Polsterung und Band auf einem Biss-bar sind Vakuumbeutel oder thermoplastischen Maske empfohlen, subjektiv zu stabilisierents 'Köpfe. Mehr als 2 mm von Translationsbewegung oder 2 ° der Drehbewegung in jeder Richtung zu groß ist und die als für den Ausschluss Daten.
4. FMRI Präsentationstechnik: Für Analysen mit Hilfe der funktionellen Samen, zusätzliche Ausrüstung für die fMRI-Scanning benötigt wird. Je nach Art von Bereichen lokalisiert werden, dies in der Regel einen MR-kompatible Anzeige (wie Projektorsystem von MR-kompatible LCD), eine Schaltfläche Reaktionssystem, ein Audiosystem, und Experiment Präsentationscomputer mit dem Scanner Akquisition synchronisiert.

2. Scanverfahren

1. Kurze Teilnehmern von der Art der Scans durchgeführt werden und Einwilligung nach Aufklärung. Betonen Sie die Notwendigkeit Kopfbewegung (vor allem während der langen DSI-Scan) zu minimieren. Bieten den Teilnehmern die Wahl eines Films oder andere Video zur Unterhaltung während der DSI-Scan. Für funktionelle Scannen von Verhaltensstörungen Aufgaben anweisen, Themen, um den Bildschirm für die Task-releva überwachennt Reize und zu reagieren, wie erforderlich.
2. Nach dem Screening für MR Kontraindikationen, bequem zu stabilisieren Teilnehmer Kopf mit einer der oben beschriebenen Methoden, und schieben Krankenbett in den Scanner.
3. Mit den ersten Scout-Scans und Kalibrierung.
4. Gesetzt den Slice Verschreibung für das DSI scan parallel zu einer gedachten Verbindungslinie zwischen den vorderen und hinteren commisures. Stellen Sie sicher, dass die Scheiben für die DSI-Scan das ganze Gehirn zu decken.
5. Führen Sie die DSI-Scan, während das Thema entspannt in den Scanner oder Uhren Unterhaltung auf dem Präsentationssystem.
6. Unmittelbar nach der Vollendung des DSI-Scan, sammeln eine T1-gewichteten anatomischen Abtastung (zB MPRAGE) für eine spätere Verwendung in Zusammenarbeit Registrieren (dh Ausrichten) die DSI-Daten mit anderen anatomischen oder funktionellen Daten.
7. Optional, sammeln fMRI-Daten in der gleichen Sitzung mit Standard-EPI-Pulssequenzen.
8. Falls erforderlich, führen fMRI Scannen in einem separaten Scan-Sitzung. CollEKT einen MPRAGE in beiden Sitzungen Co-Registrierung der Datensätze zu erleichtern.

3. Anatomische MRI Verarbeitung

Zur Oberflächenanalyse von fMRI Daten und automatische Segmentierung mit Freesurfer, wie unten beschrieben, ein hochauflösendes T1-gewichteten anatomischen Bild mit ausgezeichneter weiß-grauen Substanz hingegen erforderlich ist. Dieses Bild stellt eine gemeinsame Referenz-Raum für die Analyse funktioneller und Diffusions-gewichteten Bilddaten. In den meisten modernen Kernspintomographen, wird dieses Bild als MPRAGE (Magnetisierung Vorbereitet RApid Gradient Echo) Bild bezeichnet werden. Die meisten modernen MPRAGE Sequenzen können ausreichende Qualität von Daten in einem einzigen Scan (in Tabelle 1) bereitzustellen. Falls notwendig, können zwei oder mehr Scans gemittelt, um grauer und weißer Substanz Gegensatz zur Segmentierung verbessern. Im Folgenden erläutern wir, wie DWI und fMRT-Daten, die in der Regel mit verschiedenen Voxel Größen und unterschiedlicher Herkunft Punkte gesammelt werden, können automatisch ausgerichtet und Resampling fürgleichzeitige Anzeige mit dem MPRAGE.

Detaillierte Beschreibungen der Freesurfer anatomischen MRT Verarbeitung Stream kann auf der Freesurfer Wiki (zu finden http://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferWiki ); Freesurfer Ausgabe enthält mehrere kortikale Oberfläche Darstellungen sowie Parzellierung der kortikalen anatomische Merkmale und Segmentierung von subkortikalen Strukturen. Wir empfehlen, die AFNI / SUMA script @ SUMA_Make_Spec_FS auf Freesurfer Ausgabe, die diesen Ausgang umwandelt Dateiformate, die leicht bearbeitet werden mit Werkzeugen aus AFNI / SUMA, FSL, SPM und andere bildgebende Softwarepakete können. Zum Beispiel können co-Registrierung der Bilder mit einer von mehreren Programmen, wie 3dAllineate (AFNI / SUMA), FLIRT (FSL), bbregister (Freesurfer) oder dem SPM Coregister Funktion durchgeführt werden.

1. Führen anatomischen Segmentierung und kortikalen Oberfläche Rekonstruktion by Einreichung T1-gewichteten anatomischen Bild, um automatisierten Algorithmus Freesurfer die (Wieder-all).
2. Importieren Freesurfer Verarbeitung Ergebnisse in SUMA mit @ SUMA_Make_Spec_FS Skript. Dieser Schritt erstellt NIFTI-Format Versionen aller Datenträger im Freesurfer Ausgang, einschließlich einer intensitätsnormierten, Schädel-abisolierten Version des Eingangssignals anatomischen Bild. Wir bezeichnen diese verarbeiteten anatomischen Bild als Fläche Volumen nach AFNI / SUMA Terminologie, die NIFTI Version dieses Bildes von @ SUMA_Make_Spec_FS erstellt wird benannt brain.nii.
3. Richten Sie die DSI B0 Bild der resultierenden Oberfläche Volume (verwenden Sie die NIFTI-Format Version dieses Bildes namens brain.nii im SUMA-Verzeichnis).
4. Speichern der 12-Punkt-affine Transformationsmatrix zur Verwendung in nachfolgenden Co-Registrierungen.

4. Functional MRI (fMRI) Verarbeitungszeit

Functional MRI-Analyse können Regionen von Interesse (ROI) zur Erzeugung oder post-hoc Auswahl von Fasern zu definieren. Jede echo-Planar-Bildgebung (EPI) Pulssequenzen mit Parametern für den besonderen fMRI Experimenten optimiert genutzt werden kann. Ebenso eine große Anzahl von Software-Paketen für fMRI Verarbeitung und Analyse bestehen, wie AFNI / SUMA (NIMH, NIH) ^{8, 9,} BrainVoyager (Brain Innovation) ^10, FSL (FMRIB, Oxford University) ^{11, 12} und SPM ( Wellcome Trust Center for Neuroimaging, University College London) ^13. Die "fMRI Verarbeitung und Analyse" des Abbildung 4 skizziert eine Analyse Weg auf dem AFNI / SUMA Software-Paket basiert. Für weitere detaillierte Bedienungshinweise, verweisen wir auf die ausgezeichnete Tutorials und andere Unterrichtsmaterialien auf der AFNI / SUMA Website ( http://afni.nimh.nih.gov ).

Das Endziel der fMRT-Analyse für Faser-Tracking unterscheidet sich von Standard-Funktionsumfang Lokalisierung Analysen, in denen der Schwerpunkt oft auf den Ort der maximale Aktivierung zu finden.Gute statistische Prozedur erfordert Forscher alpha Ebenen für statistische Kontraste vorher angegeben, jedoch sollten Forscher die Tatsache, dass die Wahl der statistischen Schwellenwerte wird die räumliche Ausdehnung der funktionellen Aktivierung beeinflussen und dadurch das Ausmaß der Faser Beendigung Felder zu berücksichtigen.

1. Korrigieren Sie für Fach Kopfbewegung in jedes Einzelnen fMRI-Daten unter Verwendung der mittleren Bild der ersten Scanner als Referenzbild laufen.
2. Optional führen slice Übernahme Zeitkorrektur, insbesondere, wenn Sie einen schnellen event-bezogene Aufgabe Design.
3. Korrigieren zwischen geführtes Unterschiede im Signal Basislinie durch Normalisieren der Zeitreihenbewegungsdaten für jedes Voxel, innerhalb jeden Durchlauf.
   1. Express Jedes Voxel Time-Serie als prozentuale Veränderung gegenüber dem Voxels bedeuten, im Laufe der Zeit für einen bestimmten Lauf, mit einem Programm wie 3dcalc (AFNI / SUMA) oder fslmaths (FSL).
   2. Alternativ z-Transformierte eines jeden Voxels der Zeitreihenbewegungsdaten für jeden Lauf, basierend auf dem Signal Mittelwert und stAndard Abweichung über die Zeit.
4. Co-Register jeweils verarbeiteten EPI an die Oberfläche Volume (brain.nii) Datensatz durch Freesurfer (siehe oben) generiert laufen.
5. Verketten alle EPI läuft in der Zeit für eine bestimmte Person.
6. Karte jeweils EPI an der Oberfläche mit 3dVol2Surf (AFNI / SUMA) laufen, wodurch ein NIML Oberfläche Datensatz für jeden Lauf.
   1. Verwenden der glatten weißen Substanz und pialen Flächen als Referenzflächen für die Abbildung, diese können von als Darstellung der grau / weißen Substanz Grenze und die Oberfläche des Cortex gedacht werden, jeweils.
   2. Mitteln das Signal über den Abstand zwischen diesen beiden Flächen.
7. Optional glatte EPI Daten auf der kortikalen Oberfläche mit SurfSmooth (AFNI / SUMA).
8. Erstellen separaten Regressoren zur Epochen der Zeit entsprechend jeder der experimentellen Bedingungen präsentiert an das Subjekt.
9. Senden Sie diese Regressoren (zusammen mit Regressoren nicht von Interesse) zu einem allgemeinen linearen Modell (GLM)Analyse der funktionellen Daten.
10. Kontrast beta Gewichte für verschiedene Regressoren eine "funktionale map" der statistischen Werte über der Oberfläche zu erzeugen
11. Geben Sie optional beta-weight Werte für mehrere Teilnehmer in einer Gruppe Level-Analyse der Varianz (ANOVA), wenn Sie einen faktoriellen Design.
12. Leiten Schwellenwertvergleich funktionale Karten, um statistisch signifikante Effekte anzuzeigen, unter Verwendung einer familywise Error Rate (Gaußsche Feldtheorie) ¹⁴ oder false discovery rate (FDR) ^{15, 16} Anpassung für multiple Vergleiche zu korrigieren.
13. Erstellen interessierenden Bereiche (ROIs), die später für Traktographie Seeder verwendet wird, von zusammenhängenden Regionen von signifikanten funktionellen Aktivierung an der Oberfläche durch Markieren jedes abtrennbaren Bereich.
    1. Automatisch Segment und Etikett ROIs unter Verwendung eines räumlichen Clustering-Algorithmus wie SurfClust (AFNI / SUMA).
    2. Alternativ, Hand-draw ROIs mit SUMA der Draw ROI-Funktion.
    Erweitern ROIs in der weißen Substanz mit 3dSurf2Vol (AFNI / SUMA), um den Kontakt mit rationalisiert während Traktographie maximieren.
    1. Wie in Schritt 6, verwenden Sie den glatten weißen Substanz und Pia Oberflächen für die Zuordnung.
    2. Set f_p1_fr = -0,5, um den ROI unter dem grauen / weißen Substanz Grenze von 50% der grauen Substanz Dicke wachsen an jeder Oberfläche Knoten.
    3. F_pn_fr = 1 gesetzt, um den ROI in die entgegengesetzte Richtung wachsen der Pia-Oberfläche.
14. Verwenden des Programms AFNI cat_matvec die Inverse der 12-Punkte-affine Transformationsmatrix erzeugt wird, wenn das Ausrichten des B0 Bild auf die Oberfläche Volumen (brain.nii) finden.
15. niiApply die invertierte Matrix zu funktionellen ROIs, um sie mit DSI-Daten auszurichten.

5. Verarbeitung von Diffusion Weighted Imaging Daten

Diffusions-gewichteten Bildgebung ist ein allgemeiner Begriff für weiße Substanz bildgebenden Verfahren umfasst viele verschiedene combinations von Datenerfassungs-und Rekonstruktionsverfahren. Vielleicht ist die am häufigsten verwendete Verfahren, bezeichnet als Diffusionstensorbildgebung (DTI) ^{17, 18,} ​​wird auf 5-10 Minuten Datenerfassung basierend, Messen Diffusion in 6 oder 12 Richtungen. Basierend auf diesen Daten sind Diffusionsmuster typischerweise mit einer einfachen Tensor Modells, der am besten zur Detektion eines einzigen dominanten Diffusionsrichtung eignet modelliert. Diese Einschränkung bedeutet, dass DTI keine gute Leistung zum Abbilden Fasern, die einander oder "kiss" an einem einzigen Punkt kreuzen. Crossing und küssen Fasern werden besser mit einer Kombination aus hoher Auflösung Akquisition und Rekonstruktion Methoden, wie hohe Winkelauflösung Diffusions-Bildgebung (HARDI) ^19-21, Diffusion Spektrum Imaging (DSI) ^{1, 2,} und generalisierte q-ball Bildgebung erkannt ( GQI) ^22-24.

A 257-Richtung mehrschaligen DSI Sequenz auf Siemens 3T Scanner ausgeführt wurde für den Erwerb der Ergebnisse verwendet hier vorgestellten (parammeter in Tabelle 1). Die erfassten Daten wurden mit dem GQI Methode ^24, welche die Diffusion Muster in jedem Voxel modelliert mit einer Orientierung Verteilungsfunktion (ODF), die gleichzeitige Diffusion in mehrere Richtungen erkennen kann rekonstruiert. Andere High-Winkelauflösung Diffusion Sequenzen sollten ähnliche Ergebnisse. Beachten Sie, dass korrekte Rekonstruktion ODFs erfordert die Forscher die Eingabe eines Gradienten Tisch (auch als ein b-Tabelle genannt) zur DSI Studio, die Verarbeitung und DWI Traktographie Programm hier verwendet. (Detaillierte Bedienungshinweise für DSI Studio finden Sie auf der Software der Website gefunden werden http://dsi-studio.labsolver.org .) Diese Tabelle listet die Steigung Richtung und magnetische Feldstärke für jede der erworbenen DWI Bände. Die Steigung Tabelle hängt von der MR Übernahme-Protokoll und wird automatisch aus DICOM-Bilder von DSI Studio extrahiert. Wir empfehlen jedoch, dass die Forscher diese autom vergleichenGradienten-Tabelle mit der Standard-Tabelle für ihre Scanner DWI-Protokoll systematisch extrahiert.

1. Wenn nötig, konvertieren MR Bilder. Dcm (DICOM)-Format mit mri_convert (Freesurfer).
2. Identifizieren, welches Bild (e) in der Datenmenge sind B0 Bilder (dh Echo-Planar-Bilder ohne Diffusionswichtung gesammelt).
3. Konvertieren Sie das B0 Bild (er) zu NIFTI Format mit AFNI Programm to3d.
4. In DSI Studio, offene DICOM-Bilder und kombinieren, um eine Quelle (. Src) Datei zu erstellen.
5. Geben Sie einen Gradienten Tabelle (siehe oben).
6. Überprüfen Sie, dass die Standard-Rekonstruktion Maske alle grauen Zellen umfasst, ohne darunter leeren Raum, Schädel, oder nicht Hirngewebe. Bearbeiten Sie die Maske als notwendig.
7. Alternativ erstellen eine Rekonstruktion Maske läuft AFNI Programm 3dAutomask auf der B0 Bild.
8. Wählen Sie eine hochauflösende Rekonstruktion Modell: DSI, GQI oder GQI Variante.
9. Erstellen Sie einen Faser-Information-Datei (. Fib), um die wichtigsten Diffusion Richtung (en) in stellenjedes Voxel.

6. Auswertung Data Quality and Tracking Parameter durch Whole-Brain Traktographie

Tracking-Fasern mit einem ganzen Gehirn Samen ist eine schnelle und effektive Methode, die Gesamtleistung der Datenqualität zu beurteilen. Es stellt auch eine Gelegenheit, die entsprechenden Werte für die globalen Parameter, insbesondere die Anisotropie Schwelle als Abbruchkriterium in Traktographie verwendet entscheiden. Dieses Verfahren ist notwendig, um ein Gleichgewicht zwischen der Verbesserung Berichterstattung in der Faser Tracking-Prozess und die Reduzierung von Lärm zu schlagen. Besondere Sorgfalt sollte Einstelltaste Tracking Parameter, wie Winkel und Tracking Schwellenwert Schwellenwerte eingenommen werden.

Es ist wichtig zu beachten, dass die relative Anisotropie der verschiedenen Verträge können zwischen Individuen variieren, abhängig von biologischen Faktoren wie Alter und weißen Substanz Integrität, sowie äußere Faktoren wie Hardware-Kalibrierung zwischen den Sessions. Nachfolgend schlagen wir mehrere Methoden zur Äquilibrierung TrackingSchwellen zwischen Datensätzen. Zu allen Zeiten, überprüfen die Qualität der Tracking-Ergebnisse durch einen Vergleich mit bekannten Neuroanatomie. Zum Beispiel können Fasern, die den Spalt überqueren interhemisphärischen außerhalb bekannten interhemisphärischen Verbindungen (dh, Corpus callosum, anteriore und posteriore Kommissuren) anzuzeigen, dass das Tracking-Schwellenwert zu niedrig ist und erhöht werden sollte, oder kann ein Hinweis auf den Kopf Bewegungsartefakten sein.

Im Gegensatz zu Tracking-Schwelle, sollten Winkel Schwelle invariant für eine bestimmte Person über mehrere Sitzungen hinweg, da Nervenbahnen nicht in der Krümmung ändern, kurzfristig, wenn überhaupt. Ebenso sollte Trakt Krümmung relativ konstant über Individuen, in Abwesenheit von großen Unterschiede im Gehirn Größe oder Morphologie. Dennoch sollte bei der Anfangswerte dieses Parameters berücksichtigt werden. Fasern, die unwahrscheinlich Trajektorien, wie Haarnadelkurven, folgen kann darauf hindeuten, dass der Winkel Schwelle zu hoch ist.

1. Erstellen Sie eineWhole-Brain Seed-Region.
2. Stellen Sie eine erste Tracking Schwellenwert zur Ausblendung Low-Signal Voxeln.
3. Sollwinkel Schwellenwert zu ermöglichen Fasern Kurve bis zu n Grad in einem einzigen Schritt.
4. Set Tracking Schrittweite in mm.
5. Stellen Sie die gewünschte Anzahl von Fasern oder Samen Punkte.
6. Führen Whole-Brain Traktographie die allgemeine ODF Rekonstruktion Qualität zu überprüfen.
7. Um zu beginnen, wählen Sie eine mittlere (über Datensätze) Tracking Schwelle.
   1. Legen Sie eine Whole-Brain trk-Datei in TrackVis, eine Faser-Darm-Trakt Visualisierung und Analyse-Programm (Martinos Center for Biomedical Imaging, Massachusetts General Hospital) ^25.
   2. Legen Sie die graue Substanz (GM) Volumina im SUMA Verzeichnis (lh / rh.ribbon.nii) als ROIs.
   3. Gesetzt den GM ROIs als Filter auf der Spurgruppe, Annehmen nur Fasern, die jedes Ende haben in einem der ROIs.
   4. Überprüfen Sie, dass die meisten Fasern (90-100%) in der trk-Datei in der gefilterten Spur Gruppe bleiben.
   5. Wiederholen Sie as erforderlich, Anpassung Tracking Schwelle DSI Studio jeder Zeit.
8. Weiterhin ist zu prüfen, dass die Tracking-Schwellenwert Masken aus Voxeln im leeren Raum (dh, um die Ränder des Gehirns und in Intra-Raum gyral) ohne Entfernen von Voxeln, die eindeutig in der weißen Substanz liegen.
9. Optional Gleichgewicht des Tracking Schwelle auf Datensätze (dh verschiedene Sitzungen und / oder Teilnehmer).
   1. Stellen Sie eine Tracking-Schwelle in einem Datensatz über die DSI Studio-Schnittstelle gewünscht.
   2. Benennen Sie die. Fib Datei DSI Studio mit. Mat Erweiterung und Import in MATLAB erstellt, gemäß den Anweisungen auf dem DSI Studio-Website ( http://dsi-studio.labsolver.org ).
   3. Erstellen Sie ein Histogramm der Werte, die Sie wollen Schwelle.
   4. Konvertieren Sie die Karte Werte in z-Scores.
   5. Finden Sie die z-Score des Tracking Schwelle, die Sie zunächst in der DSI Studio interfac gesetztE.
   6. Führen Sie die Schritte bd für alle anderen Datensätze, finden Sie das Tracking-Schwelle, die zur z-Score in Schritt e gefunden entspricht.
   7. Als Cross-Check für Schritte af, verfolgen einen Satz von Steuerinformationen Fasern aus einer anatomischen ROI an der okzipitalen Pol mit 500.000 Samen.
   8. Überprüfen, dass dieses Verfahren produziert etwa die gleiche Anzahl von Fasern über Datensätze (+ - 100 Fasern).

7. Lokal begrenzt Traktographie

Im Gegensatz zu ganzen Gehirn Traktographien macht lokal versteift Traktographie Verwendung von ROI-basierte Boolesche Operationen, wie spezifiziert durch die Volumina Fasern oder nicht passieren kann. Als eine Folge bietet lokal versteift Traktographie höhere Empfindlichkeit und eine größere Kontrolle zur Verfolgung ausgewählten Fasern von Interesse. Whole-Hirn Traktographie undersamples den Raum der möglichen Saatpunkte, aufgrund des hohen Rechenaufwand der Aussaat Operationen und beschränkten Computergrafik Speicher. (Es ist possible dass diese Zwänge in der Zukunft, aufgrund von Änderungen in Traktographie Algorithmen, höhere Speicherkapazität oder anderen Faktoren.) wird Infolge Unterabtastung gelindert werden, ganzen Gehirn Traktographie oft erzeugt Ergebnisse, die in Richtung der dominierenden Diffusionswege in die vorgespannt sind Gehirn. Benutzer bereitgestellte ROIs Lösung dieses Problems durch die begrenzte Zielregionen mit einer hohen Dichte von Kernpunkten, so dass es leichter zu schwer zu erkennen einzufangen Nervenbahnen.

1. Erstellen Sie einen ganzen Gehirn Seed-Region in DSI Studio.
2. Legen Sie einen oder mehrere NIFTI Region-of-Interest (ROI)-Dateien.
3. Optional laden eine Region der Vermeidung (ROA) Datei Voxel, die Fasern nicht durch passieren sollte angeben.
4. Set Anisotropie Schwelle und Winkel Schwellenwert wie oben beschrieben.
5. Führen Tracking.
6. Überprüfen Sie die Qualität durch den Vergleich Faser Spuren anatomischen Details.

8. Endpoint Density Analyse

1. Legen NIfTI ROIs und trk Dateien into TrackVis.
2. Führen Sie Boolesche Operationen zwischen den Regionen.
3. Speichern Sie die Ergebnisse der jeweiligen Operation als neue trk-Datei.
4. Verwenden Sie die track_transform (Diffusion ToolKit)-Funktion, um räumlich zu verwandeln trk Dateien auf der Oberfläche Volume (brain.nii-Datei).
5. Legen Sie die transformierte trk-Datei und Oberflächentechnik Volume (brain.nii) in TrackVis zu inspizieren.
6. Legen trk und ROI-Dateien in MATLAB quantitative Konnektivität Schätzungen vornehmen.
7. Finden Sie die {x / y / z} Schwerpunkt eines ROI.
8. Als eine Maßnahme der Konnektivität, berechnet die Gesamtzahl der Faser Endpunkten in einem ROI, durch ROI Volumen normalisiert.
9. Alternativ berechnet den euklidischen Abstand zwischen Faser Endpunkte und ROI Schwerpunkt, als Maß für die Spezifität und Konsistenz der Trakt die Konnektivität zu diesem ROI.

9. Repräsentative Ergebnisse

Hochauflösendes diffusionsgewichtete Bildgebung und Faser Traktographie kann auf einen weiten Bereich angewendet zu werdenneurowissenschaftlichen Fragen. Unser Fokus in diesem Papier ist zum Detail die Kopplung von strukturellen Konnektivität Methoden der funktionellen Bildgebung. Allerdings stellen wir fest, dass jede Anwendung der DWI sorgfältige Auswertung von Traktographie Ergebnisse erfordert, da die Datenerfassung Protokoll, Rekonstruktions-Verfahren und Traktographie Parameter signifikant, unabhängige Effekte auf das Endprodukt ausüben. Abbildung 5 zeigt eine optimale und suboptimale Ergebnisse mit Whole-Brain Traktographie. Alle drei Bilder werden auf der gleichen 257-Richtung DWI Datensatz aus einem einzigen Teilnehmer beruht; optimale Ergebnisse werden im linken Fenster angezeigt. Im Gegensatz dazu zeigt die mittlere Tafel den Effekt übermäßig nachsichtig Traktographie Parameter (FA und Winkel Schwellenwerte). Das rechte Bild zeigt die Reduktion in der Qualität, dass die Ergebnisse aus der Verwendung eines Single-Tensor-Modell, um die DWI Daten zu rekonstruieren.

Wir sind zwei Beispiele dafür, wie Traktographie Ergebnisse bestätigen kann und informieren interpretatiauf der funktionellen Bildgebung Daten. Diese Experimente beurteilen kognitiven Prozesse, die die Erstellung von funktionalen Seed-Regionen erlaubt: nämlich, Gesicht Wahrnehmung und visuelle Aufmerksamkeit. Diese Seed-Regionen verwendet werden, um Fragen der weißen Substanz Konnektivität innerhalb einer kognitiven Netzwerk zu testen. Abbildung 6 zeigt ein Beispiel von Bereichen während einer Gesichterwahrnehmung Task aktiviert. Themen angesehen Bilder von Gesichtern und Alltagsgegenstände während unterziehen fMRI-Scanning. Zwei ventro-zeitlichen Bereiche, in der Mitte fusiforme Gyrus (MFG) und inferioren okzipitalen Gyrus (IOG) zeigte deutlich höhere BOLD Antworten für Gesichter als für Objekte. Diese zwei funktionell definierten Regionen wurden dann als Seed-Regionen während der Traktographie verwendet werden (wie in den Abschnitten 6-7 oben beschrieben). 6A zeigt die große Faserbündel Stromlinien (rot dargestellt), die Verbindung dieser beiden Regionen von Interesse innerhalb der Temporallappen, auf einer Strecke von ca. 12 cm. Beachten Sie die dichte Packung der Fasern und sMall Grad der Faser Krümmung über diese Distanz. Dieses Muster ist typisch für Eins-zu-eins-Verbindungen innerhalb funktioneller Netzwerke über weite Entfernungen (z. B. Lit. 26).. 6B zeigt die IOG funktionale Seed-Region (gelb dargestellt) zusammen mit den einzelnen Faser Endpunkte (rote Punkte) . Die Faser-Endpunkte sind in der ROI liegt. Diese Konnektivität pattern legt nahe, dass diese Regionen direkt, Fernverbindungen, die eine schnelle Kommunikation innerhalb des Gesichterwahrnehmung Netzwerk kann zugrunde liegen müssen.

Unser zweites Beispiel (Abbildung 7) zeigt die Verbindungen zwischen visuellen Kortex sensorischen Regionen und einem Bereich Aufmerksamkeitskontrolle im posterioren parietalen Kortex (PPC). In diesem Fall wurden die beiden Sätze von funktionellen Aktivierungen (okzipitalen und parietalen Regionen) über unabhängige Sätze von fMRI Daten von den gleichen Personen hergestellt werden. Parietal Aktivierungen wurden über eine Aufmerksamkeit Verlagerung Aufgabe zwischen 6 Standorten in der Visualisierung generiertal-Feld (für Details siehe Lit. ^27)., während die okzipitalen Regionen definiert wurden unter Verwendung von Standard Gesichtsfeld meridian Mapping ^28, die verwendet werden, um die Grenzen zwischen funktioneller Seed-Regionen des visuellen Kortex (V1 - V3) gedruckt wurde. 7A zeigt die ungefähren Positionen der V1, V2, V3 & Seed-Regionen (rot, grün, und blau, jeweils), die PPC Seed-Region IPS-1 bezeichnet, und die Nervenbahnen, die diese Regionen zu verbinden. Bahnen werden durch das okzipitalen ROI aus denen sie beimpft gefärbt. Im Gegensatz zu den langen, geraden Fasern in den Schläfenlappen (Abbildung 6), decken diese weißen Substanz Verträge eine kürzere Strecke (Bereich 3 - 5 cm) und sind daher mehr U-förmig und weniger dicht gepackt, wie sie vom Hinterkopf reisen lobe zum Scheitellappen. 7B zeigt die funktional definierten Regionen in IPS (braun), V1 (rot), V2 (grün), & V3 (blau) auf der kortikalen Oberfläche zusammen mit den Fasern Endpunkte in jeder Region. Beachten Sie dieTrennung der Verträge im Occipitallappen durch Samen Region, mit dem hohen Grad der Endpoint Verzahnung in IPS-1 gegenübergestellt. Dies legt nahe, dass unsere PPC Bereich (identifiziert durch fMRI Aktivität während einer selektiven Aufmerksamkeitsaufgabe) kann eine Konvergenz Bereich des Gehirns sein, mit strukturellen Verbindungen zu vielen verschiedenen Knoten der sensorischen Kortex. Dieses Muster kann Konnektivität für die Übertragung von Signalen von Aufmerksamkeits Vorspannen höheren kortikalen Regionen zu modulieren Aktivität in frühen Kortikales ermöglichen; diese Signale dazu beitragen Target Darstellungen in Sehrinde ^{29, 30 zu} verbessern.

Abbildung 1. Schematische Darstellung der Schlüsselbegriffe diffusionsgewichtete Bildgebung (DWI) Panel A:. In einem homogenen Medium stattfindet Diffusion zufällig infolge der Brownschen Bewegung. Für eine große Anzahl von Wassermolekülen ist die Diffusion isotrop, das heißt, die Summe Diffusionsmuster kugelförmig ist. Panel B: Diffusion von Wassermolekülen in Axonen und in den Zwischenräumen des axonalen Bündeln durch axonalen Wänden und anderen Stützstrukturen eingeschränkt. Somit ist Diffusion entlang Faserbahnen anisotropen: Es ist viel größer entlang der Faser-Trakt die Flugbahn als in anderen Richtungen. Panel C: hochauflösende DWI Methoden Modelle wie der Orientierungsverteilungsfunktion (ODF), anisotrope Diffusion in komplexen Konfigurationen der weißen Substanz Traktate zu modellieren. Wie in diesem Beispiel gezeigt, kann ODFs separaten Diffusionswege für mehrere Faserbahnen kreuzt an einem einzigen Punkt unterscheiden. Kreuzungen zwischen zwei oder drei verschiedenen Faserbahnen sind im Gehirn üblich.

Abbildung 2. Faser-Tracking Forschung kann in einer Anzahl von Arten ausgeführt werden. Die wichtigsten Optionen einhergehen Akquisitionsprotokoll, Rekonstruktionstechnik und Traktographie Methode. In der aktuellen Papier, U Wirse eine Diffusion Spektrum Imaging (DSI) ^{1, 2-Protokoll} für den Erwerb, generalisierte Q-sampling Imaging (GQI) ²⁴ für den Wiederaufbau und FACT deterministische Traktographie ^{40, 41.} Besonders hervorzuheben Modell-free-und Hybrid-Rekonstruktionsverfahren, die Orientierung Verteilungsfunktionen (ODFs, siehe Abbildung 1) zu erzeugen, um die Diffusion in jedem Voxel darstellen. Forscher können wählen, verschiedene Pipelines auf Budget, Zeit zur Verfügung, die Notwendigkeit für hohe Winkelauflösung, und die Bedeutung der Korrektur der Kopfbewegung und nichtlinearen Bildverzerrungen basiert. Diese Zahl ist nicht eine umfassende Liste aller lebensfähigen Akquisition, Rekonstruktion und Traktographie Methoden. Siehe Seunarine & Alexander ⁴² für einen hervorragenden Überblick über den Wiederaufbau Techniken.

Abbildung 3. Wechselwirkungen der Diffusion MRI-Akquisition Variablen, Scan-Dauer und ability zu lösen Faserkreuzungen. Hohe Diffusion hingegen ist notwendig für die Lösung Fasern in komplexen Kreuzung Konfigurationen. Dieser Unterschied hängt von mehreren Faktoren ab, einschließlich der Anzahl der Gradientenrichtungen (dh die Anzahl der möglichen Faserorientierungen) und b-Wert (ein Hinweis auf den Grad der Diffusionswichtung). Hier findet typischen Wirkungen der zunehmenden b-Werte und die Anzahl der Gradientenrichtungen. Beachten Sie, dass diese Tabelle nur zeigt Trends und einzelne Techniken können verschiedene Wirkungen auf Untersuchungsdauer, Signal-zu-Rausch-Verhältnis (SNR) und Diffusions-Kontrast. Generell kann dagegen durch Erhöhung sowohl die Anzahl der Gradientenrichtungen und das Ausmaß der b-Werte verbessert werden. Bei höheren b-Werte, jedoch wird das Signal-Rausch-Verhältnis von diffus-gewichteten Bildern verringert, und wird oft Abtastzeit erhöht.

Abbildung 4. Grafische summary von anatomischen MRT, DWI-MRT und fMRT Prozeßströmen. Text in schwarz beschreibt die Natur eines jeden Verarbeitungsschritt, während der Text in grün zeigt Software, die verwendet werden können. Gestrichelte Linien und Kästchen zeigen optionale Schritte, die möglicherweise nicht für alle Projekte. In diesem Beispiel wird die Verarbeitung in der AFNI / SUMA Paket (sofern DSI Studio oder TrackVis angegeben ist) durchgeführt. Vergleichbare Funktionen in anderen bildgebenden Analyse-Pakete oft ersetzt werden. Viele der Schritte in diesen Diagrammen dargestellt wurden teilkonsolidierte von den Softwareentwicklern in bequeme Script: wir besonders beziehen Leser auf die Freesurfer Rekonstruktion aller Pipeline ( http://surfer.nmr.mgh.harvard.edu/fswiki/ReconAllDevTable ) . Wir stellen fest, zusätzlich, dass mehrere Software-Pakete komplette Verarbeitungs-Pipelines für DWI Daten zu liefern, jedoch unterscheiden sich diese Pakete in ihren Stärken und Schwächen, Und einige nicht enthalten Tools für die Arbeit mit hoher Winkelauflösung Diffusions-MRI-Daten. Klicken Sie hier für eine größere Abbildung zu sehen .

Abbildung 5. Abbildung der ganzen Gehirn Traktographie mit unterschiedlichen Rekonstruktionsverfahren und Traktographie Parameter. Alle Bilder wurden aus dem gleichen Datensatz, eine 257-Richtung Diffusion Spektrum Imaging (DSI)-Sequenz mit mehreren b-Werte (7.000 s / mm ^2, 5 Schalen) abgeleitet. Panel A: optimale Ergebnisse durch die Verwendung eines hochauflösenden, ODF-basierte Rekonstruktion Methode erreicht. Eine relativ hohe Kriechstromfestigkeit Schwellenwert von 0,06 wurde ausgewählt, um Fasern nur aus stark anisotropen Voxel zu erzeugen, und ein Winkel von 55 ° Schwellenwert ausgewählt wurde, um die Erzeugung von Fasern mit biologisch unrealistisch Krümmung (dh "Schleife" Fasern) auszuschließen. NHinweis An die klare Abgrenzung der Hemisphären, durch die Längsfissur getrennt; beachten Sie auch, wie Faserbündelung Furchenrelief / gyral Konturen folgt erwartet. Panel B: gleiche Rekonstruktionsverfahren wurde wie in (A) verwendet, sondern FA und Winkel Schwellenwerte wurden milder während Traktographie (0,03 und 85 °) eingestellt. Unzulässige Tracking-Parameter kann die Erzeugung einer großen Zahl von "Junk"-Fasern, die wahre Informationen über anatomische Struktur zu verbergen. Siehe Abschnitt 5, "Beurteilung der Datenqualität und Tracking-Parameter durch Whole-Brain Traktographie", für die Beratung über geeignete Parameter Entscheidungen. Panel C: Daten wurden rekonstruiert mit einer einzigen Tensor-Modell, einem der am häufigsten verwendeten Methoden in DWI. Mit entsprechenden Tracking-Parameter (wie A), gibt der Single-Tensor-Modell viele bekannte wichtige Nervenbahnen und gyral Konturen sind etwas sichtbar in der sagittalen Ansicht. Aber es produziert auch mehr Fehlalarme als die ODF-Modell: note Fasern reisen horizontal ly über die interhemisphärischen Fissur. Klicken Sie hier für eine größere Abbildung zu sehen .

Abbildung 6. Traktographie Ergebnisse einer Gesichterwahrnehmung Experiment. Panel (A) zeigt, die sich aus Traktographie Stromlinien zwischen funktionalen ROIs von einer Fläche Wahrnehmungsexperiment identifiziert. Allgemeine Bereiche von minderer occipital Gyrus (IOG) und Mitte Gyrus fusiformis (MFG) sind durch gelbe Ovale dargestellt. Tafel (B) zeigt die IOG Endpunkte der Fasern die in Platte (A) in einem vergrößerten Ventralansicht des posterioren temporalen kortikalen Oberfläche angezeigt. Der ROI in gelb dargestellt resultierte aus einem Gesichterwahrnehmung funktionelle MRI-Experiment. Man beachte die große Übereinstimmung zwischen funktional definierte Aktivierung und Faser-Endpunkte in IOG. Diese Fasern Track von der MFG, einer Hirnregion, die beteiligten Gesicht Wahrnehmung.p :/ / www.jove.com/files/ftp_upload/4125/4125fig6large.jpg "target =" _blank "> Klicken Sie hier für eine größere Abbildung zu sehen.

Abbildung 7. Traktographie Ergebnisse einer visuellen Aufmerksamkeit Experiment. Panel (A) zeigt die Stromlinien aus Traktographie zwischen funktionalen ROIs von einem visuellen Aufmerksamkeit Experiment ²⁷ identifiziert. Allgemein Bereichen posterioren parietalen Cortex (IPS-1) und visuellen Kortex (V1d, V2d, & V3D) durch farbige Ovalen angedeutet. Rot für V1d, grün für V2d und blau für V3D: Faserbahnen sind in den entsprechenden Farben dargestellt. Panel (B) zeigt die Endpunkte der Fasern angegeben in der Platte (A), die auf einer vergrößerten Seitenansicht des hinteren (parietalen und okzipitalen) kortikalen Oberfläche. Farbe Konventionen entsprechen denen des Panel (A). Regionen von Interesse, die sich aus einer visuellen Aufmerksamkeit funktionelle MRI-Experiment auf der kortikalen Oberfläche angezeigt. Alle drei sets von Schriften / Endpunkten im IPS-1-Region, die vermutlich eine Priorität Karte visuelle Aufmerksamkeit, die die Quelle der Aufmerksamkeit Vorspannen Signale an Targets in Sehrinde eventuell enthalten ist konvergieren. Tracts in IPS-1 weitgehend verzahnt, während die occipital Enden dieser Faserbahnen deutlich Region visuellen Kortex getrennt werden.

MR-Scan	Parameter
DSI	257 Richtung Diffusion Spektrum Imaging (DSI)-Scan mit zweimal Neuausrichtung Spin-Echo-EPI-Sequenz und mehrere q-Werte mit einem 43 min Aufnahmezeit (TR = 9.916 ms, TE = 157 ms, Voxelgröße = 2,4 x 2,4 x 2,4 mm , FoV = 231 x 231 mm, b-max = 7000 s / mm 2, 5 Schalen)
Anatomisch	T1-gewichteten MPRAGE Sequenz (1 mm x 1 mm x 1 mm, 176 sagittalen Schnitten, TR = 1870, TI = 1.100, FA = 8 °, GRAPPA = 2)
fMRI </ Td>	T2 *-gewichteten Echo-Planar-Imaging (EPI) Impulsfolge (31 schräge Axialschichten, in-plane Auflösung 2 mm x 2 mm, 3 mm Schichtdicke, keine Lücke, Repetitionszeit [TR] = 2.000 ms, Echozeit [TE ] = 29 ms, Flipwinkel = 90 °, GRAPPA = 2, Matrix size = 96 x 96, Sehfeld [FOV] = 192 mm)

Tabelle 1. Neuroimaging Erfassungsparameter.

Discussion

Hochauflösende DWI und Faser Traktographie einen leistungsstarken Ansatz für die Prüfung des Binde-Struktur des menschlichen Gehirns. Hier präsentieren wir den Beweis, dass diese strukturelle Architektur sinnvoll ist Gehirnfunktion durch fMRI beurteilt verwandt. Durch die Verwendung von Traktographie Samen auf fMRI Taskaktivierungs basiert, finden wir Hinweise darauf, dass Hirnareale, die Zusammenarbeit aktiv sind während der visuellen Aufmerksamkeit anatomisch connectedconsistent mit Vorkenntnissen der funktionellen Neuroanatomie (Abbildung 7). Ebenso ist der funktionellen Neuroanatomie für Gesicht Wahrnehmung in Einklang mit unserer gegenwärtigen strukturellen Konnektivität Befunde (Abbildung 6). Kenntnis der anatomischen Konnektivität notwendig ist, die aber nicht ausreicht, zum Ableiten eines direkten Wirkverbindung zwischen Hirnarealen in einer gegebenen Aufgabe (und umgekehrt). In vielen bildgebenden Studien werden direkte strukturelle und funktionelle Verbindungen abgeleitet-problematischerweise-auf der Basis von gleichzeitigen funknal-Aktivierung allein. Solche Schlüsse zu vernachlässigen andere Interpretationen: zum Beispiel zwei Hirnareale erscheinen co-aktiv, weil sie einen gemeinsamen Eingang teilen, weil der globalen neuromodulatorischen Einflüssen, für die das experimentelle Design nicht kontrolliert oder sogar aufgrund einer gemeinsamen Lärmquelle, wie Kopf Bewegung. MR Diffusion Traktographie bietet konvergierende Beweise für dynamische funktionelle Zusammenhänge zwischen distalen Hirnareale, durch die Bestätigung, dass eine mögliche Binde Substrat zwischen ihnen besteht.

Benutzer sollten einige Einschränkungen und Vorbehalte der Faser-Tracking Forschung. Die wichtigste davon ist, dass Ballaststoffe Stromlinien in deterministische Traktographie generiert stellen mögliche Diffusionswege und nicht real Faserbündel. Traktographie Ergebnisse können sowohl falsch-positive und falsch-negative Ergebnisse und Interpretation von Traktographie betroffen sind, sollten durch die bestehenden neuroanatomischen Wissen geführt werden. Die beste vorherige Anzeichen einer weißen Substanz cVernetzungsoptionen kommt von "Gold-Standard" Techniken wie Mikrodissektion oder Tracer Kennzeichnung. Besonders nützlich sind probabilistische Karten Fasertrakt Konturen aus postmortalen menschlichen Gehirnen abgeleitet, wie die von Buergel, Amunts erstellt und Kollegen ^31; kostenlose Online-Ressourcen wie dem Digital Anatom Projekt ( http://www9.biostr.washington.edu/ da.html ) kann auch eine nützliche Orientierungshilfe. Wir stellen fest, dass die funktionelle Konnektivität Analyse von EEG, MEG und BOLD fMRI Daten liefert nur schwache Hinweise, wenn überhaupt, für anatomische Konnektivität zwischen Hirnarealen.

Eine zusätzliche Einschränkung betrifft falschen Fortsetzungen Faser Stromlinien, die auftreten, wenn zwei unabhängige Diffusionswege etwa Ende-zu-Ende ausgerichtet sind, können, und sie scheinen ineinander fließen. In solchen Fällen kann der Algorithmus Traktographie jenseits des wahren Haltepunkt fortzusetzen. Zum Beispiel, Thalamus Afferenzen aus demHirnstamm und Thalamus Efferenzen zur dorsalen Teile des Kortex können ähnliche Orientierungen. Als Ergebnis Traktographie Algorithmen in Herstellung langer Fasern, die aus dem Hirnstamm ansteigen kann täuschen, durch den Thalamus passieren, und scheinen in Cortex enden. Solche falschen Fasern können aus der Verbindungsvorrichtung von zwei anatomisch richtigen Pfade, von denen jeder an sich korrekte führen. Sie können aber auch aus anatomisch ungültige Faser Trajektorien führen. Andere häufige falsche Fortsetzungen umfassen Fasern, die aus den zeitlichen Pole in die Isolierung und Fasern, die die Längsfissur überqueren außerhalb bekannt interhemisphärischen Kreuzungspunkten (dh dem Corpus callosum und die Kommissuren) passieren erscheinen. Diese falschen Fortsetzungen häufig auftreten, weil 1) Partialvolumeneffekte verschleiern die Grenzen der Lappen / Hemisphären, oder 2), weil die Verfolgung Schwelle zu nachsichtig eingestellt wurde. Wie oben erwähnt, muss Forscher Faser-Tracking-Ergebnisse im Lichte der erhaltenen neuroana evaluierentomischen Wissen. Als abschließende Vorsicht, stellen wir fest, dass die Diffusion MRI und Faser Traktographie keine Informationen über die Ausrichtung der Anschlüsse bieten: das heißt, sie können nicht Feedforward unterscheiden von Feedback Fasern oder Afferenzen aus Efferenzen.

Deterministischen Traktographie kann für Hypothesentestung nützlich, da sie die Faser Stromlinien erzeugt darstellen Rückschlüsse Punkt-zu-Punkt-Konnektivität entlang bestimmter Bewegungsbahnen, die gegen Hypothesen verglichen werden können. Benutzer können jedoch möchte auch probabilistische Tracking-Methoden zu berücksichtigen (siehe Abbildung 2). Der große Vorteil der probabilistischen Methoden ist, dass sie das Vertrauen Schätzungen für Diffusionswege zwischen zwei Punkten, auf die Akkumulation der Diffusion Wahrscheinlichkeiten in Voxel, die diese Punkte verbinden ³² Basis ergeben. Im Gegensatz dazu die Ergebnisse der deterministischen Traktographie nicht berücksichtigt die Unsicherheit, die bei jedem Schritt eines virtuellen Faser Ausbreitung ansammelt; Diese Unsicherheit steigt Schrittweite, ein vom Benutzer festgelegter Parameter erhöht wird. Das Vertrauen schätzt hergestellt von probabilistischen Traktographie kann besonders nützlich sein, wenn sie versuchen, die relative Wahrscheinlichkeit von zwei oder mehr verschiedenen Diffusionswege zu bestimmen, außerdem Benutzer leicht auszumaskieren Voxel mit niedrigem Vertrauen Schätzungen Möglichkeit nicht mit deterministischen Methoden ergab. Wie deterministische Traktographie jedoch nicht probabilistische Methoden nicht schlüssig belegen die Existenz der weißen Substanz Fasern, sondern zeigen, dass sie möglichst Diffusionswege.

Benutzer finden deterministischen Traktographie Ergebnisse intuitiver zur Visualisierung, wie die Ergebnisse sind in der Regel als 3-dimensionale Faser optimiert, was dem Zuschauer zu ermöglichen schnell begreifen möglich Faser Trajektorien vorgestellt. Im Gegensatz dazu werden probabilistischen Traktographie Ergebnisse typischerweise als 2-dimensionale Scheiben volumetrischen Daten repräsentiert. Diese Bilder zeigen in der Regel Wärme Karten contiguous Voxel, entsprechend Diffusion Wahrscheinlichkeit innerhalb eines gethresholdeten Trakt Volumen, ohne Modellierung möglich Faser Bahnen innerhalb des Traktes. Unabhängig von Benutzern bei der Wahl ihrer Traktographie und Visualisierungs-Methoden, sollten sie erkennen, dass Faser-Tracking-Ergebnisse zeigen nur möglich Diffusionswege, und dass die Ergebnisse beider Methoden kann den Typen gehören I und II statistischen Fehler.

Unsere Arbeitsgruppe hat die eingesetzten hier beschriebenen Techniken zu visualisieren und zu quantifizieren Anschlüsse des corticospinal ^{33-Darm-Trakt,} corpus callosum ³⁴ und visuelle Aufmerksamkeit System ^27, sowie kortikalen Projektion Schaltungen in den Basalganglien ³⁵ zuzuordnen. In einigen Fällen Traktographie Ergebnisse können zu generieren neuen Erkenntnisse:. Zum Beispiel Wang et al (eingereicht) hochauflösende DWI zum Detail bisher nicht beschriebene Faserbahnen mit Kreuzvalidierung in kadaver Dissektion ³⁶ verwendet. Ergebnisse wie diese kann vorsehen dasImpulse für Untersuchungen der Funktion des Gehirns, um den funktionalen Nutzen der neu entdeckten Verträge zu beurteilen. Schließlich, nicht-invasive, hält hochauflösende DWI Versprechen in einer Reihe von klinischen Situationen, wie neurochirurgischen Planung ^37; Chirurgie für Tumoren, Blutungen und cavernovas ^38; und Schädel-Hirn-Trauma (SHT) ^39. Unsere Gruppe hat diese Techniken in einer großen Anzahl von Neuro-und Schädel-Hirn-Verletzungen Fällen angewandt, in Bezug unterbrochen Glasfaser-Konnektivität zu Verhaltensauffälligkeiten.

Letztlich einfach zu erhalten, Informationen über globale Gehirn-Konnektivität ermöglicht es Forschern, bessere Modelle des Gehirns zu bauen. Zum Beispiel könnte abgestuften Messungen der weißen Substanz verwendet werden, um Konnektivität Quellenlokalisierung in MEG / EEG, zu verbessern oder Zwänge fMRI-basierten Analysen effektive Konnektivität zu platzieren. Hochauflösende Traktographie dürfte auch Modelle gestört oder pathologischen Gehirn-Verbindung, su verbessernch wie es in TBI oder Autismus auftreten. Schließlich kann hochauflösende Traktographie ermöglichen es Forschern, besser zu integrieren Kenntnis der menschlichen funktionellen Neuroanatomie mit invasiven Untersuchungen von nicht-menschlichen Gehirn. Wir hoffen und erwarten, dass eine wachsende Zahl von Forschern wird das Potential der Kombination Einschätzungen der Gehirnfunktion mit hochauflösenden Diffusions-Bildgebung zu erforschen.