Summary
हम मस्तिष्क समारोह और संरचना चुंबकीय अनुनाद इमेजिंग (एमआरआई) का उपयोग करने के साथ - साथ विश्लेषण के लिए एक उपन्यास दृष्टिकोण का वर्णन. हम उच्च संकल्प प्रसार भारित इमेजिंग और सफेद बात फाइबर tractography के साथ मस्तिष्क संरचना का आकलन करें. मानक संरचनात्मक एमआरआई के विपरीत, इन तकनीकों हमें सीधे मस्तिष्क नेटवर्क के कार्यात्मक संपत्तियों के लिए संरचनात्मक कनेक्टिविटी से संबंधित अनुमति देते हैं.
Protocol
1. एमआर डाटा अधिग्रहण के लिए उपकरण
2 और 3 आंकड़े प्रसार एमआरआई अधिग्रहण, डाटा पुनर्निर्माण, और फाइबर पर नज़र रखने में किया जा विकल्पों में से एक नंबर संक्षेप. यह ध्यान में रखें कि इन विकल्पों में आम तौर पर व्यापार - नापसंद शामिल है, और सबसे अच्छा विकल्प एक अनुसंधान उद्देश्यों पर निर्भर हो सकता है. उदाहरण के लिए, डी एस आई और बहु - खोल HARDI (चित्रा 2 देखें) आम तौर पर DTI से अधिक "ख मान" (यानी, मजबूत प्रसार भार) का उपयोग करें. नतीजतन, इन तरीकों को बेहतर कोणीय संकल्प, जो पार को हल करने या "चुंबन" फाइबर के लिए आवश्यक है (यानी, फाइबर जो एक दूसरे की ओर वक्र, फिर से दूर curving पहले एक एकल स्पर्शरेखा पर संपर्क बनाने). हालांकि, कोणीय संकल्प में यह लाभ अक्सर कम महामारी डेटा में संकेत करने वाली शोर अनुपात (SNR) (चित्रा 3) की लागत में हासिल की है. शोधकर्ताओं के लिए यह उनके विशिष्ट उद्देश्यों के लिए व्यापार बंद की प्रासंगिकता पर विचार करना चाहते हो सकता है:यदि एक अध्ययन पर ध्यान केंद्रित कुछ प्रमुख फाइबर इलाकों जिसका trajectories कर पार करने या चलाने के लिए नहीं अन्य इलाकों में समानांतर, तो एक कम दिशा उच्च SNR साथ DTI स्कैन के लिए आदर्श हो सकता है. अवर अनुदैर्ध्य पूलिका की इमेजिंग इस तरह के एक मामले का प्रतिनिधित्व कर सकते हैं. इसके विपरीत, SNR के नुकसान के एक स्वीकार्य परिणाम हो सकता है अगर एक शोधकर्ता जटिल क्रॉसिंग के माध्यम से एक पथ का अनुसरण करना चाहती है.
इसी प्रकार का एक व्यापार बंद सिर गति के सुधार, एड़ी धाराओं, और गैर रेखीय छवि विकृतियों शामिल है. DWI प्रोटोकॉल का उपयोग गूंज planar इमेजिंग (EPI, 1 टेबल देखें), जो चुंबकीय क्षेत्र sinuses में हवा जेब, शारीरिक शोर, और 3 अन्य कारकों की वजह से inhomogeneities करने के लिए अतिसंवेदनशील है. इन inhomogeneities अवर टेम्पोरल लोब और orbito ललाट प्रांतस्था, जो और इन क्षेत्रों में फाइबर ट्रैकिंग परिणाम की वैधता और विश्वसनीयता को कम कर देता है में विशेष रूप से अवांछनीय छवि विरूपण में परिणाम. अतिरिक्त विकृतियों एड़ी कुरेन द्वारा बनाई गई हैंटीएस, तेजी से एमआर ढाल के एक उत्पाद के 4 स्विचन. 'प्रतिभागियों के सिर इस प्रस्ताव का एक और पहलू है जो छवि गुणवत्ता degrades और नकारात्मक tractography को प्रभावित कर सकते हैं. मौजूदा तरीकों दोनों सिर गति और DTI के रूप में कम ख मूल्य डेटा, छवि विकृतियों सही कर सकते हैं, हालांकि, इन तरीकों DSI के रूप में इस तरह के उच्च संकल्प तरीकों के लिए नहीं किया गया है बढ़ाया है. DSI डेटा छवि सुधार के तरीकों को लागू करने में कठिनाई कम ऊपर वर्णित SNR (3 चित्रा) से उपजा है. मस्तिष्क क्षेत्रों में जो महामारी विरूपण करने के लिए अतिसंवेदनशील होते हैं फाइबर पर नज़र रखने के लिए, यह सबसे अच्छा होगा कम दिशात्मकता DTI या जो छवि विकृतियों को सुधारा जा सकता है एक और तकनीक का उपयोग कर सकते हैं. दूसरी ओर, अगर मस्तिष्क भर में उच्च कोणीय संकल्प वांछित है, शोधकर्ताओं DSI, HARDI, या इसी तरह की तकनीक का उपयोग करने के लिए चुनते सकता है. TUCH (2004) 5 से पता चलता है कि एक DSI स्कैन भर कोई प्रसार भार के साथ शोधकर्ताओं बिछा T2 छवियों, गति सुधार के लिए मानक (उदाहरण के लिए, प्रदानee रेफरी. ) 6. सभी मामलों में, शोधकर्ताओं अधिग्रहण के दौरान सिर गति के प्रतिकूल प्रभाव के बारे में पता होना चाहिए: यह उच्च प्रशिक्षित प्रतिभागियों का उपयोग करने के लिए और काटने सलाखों, नाक गार्ड, padding, या अन्य सुरक्षा उपायों के प्रयोग के माध्यम से आंदोलन को कम करने के लिए सलाह दी जाती है.
परिणाम प्रस्तुत यहाँ एक प्रसार 257 दिशा स्पेक्ट्रम इमेजिंग प्रोटोकॉल (डी एस आई) का उपयोग करने के लिए, ढाल लेकर ताकत के साथ = ख से 300 7000 (1 तालिका में मापदंडों देखें). अनुक्रम इस प्रसार स्पेक्ट्रम इमेजिंग (डी एस आई) कुछ उच्च संकल्प प्रसार डेटा इकट्ठा करने के लिए आवश्यक सुविधाओं के साथ आधुनिक एमआर स्कैनिंग उपकरणों की आवश्यकता है. हम ध्यान दें कि इस दृश्य के समय की आवश्यकताओं काफी हैं: एक सीमेंस टिम तीनों स्कैनर पर लगभग 43 मिनट. व्यापक अनुभवजन्य परीक्षण के बाद, हमें लगता है कि इन आंकड़ों की गुणवत्ता अवधि और स्कैनिंग लागत का औचित्य साबित करने के लिए, तथापि, अधिग्रहण प्रोटोकॉल को चुनने में, उपयोगकर्ताओं को ध्यान से ca के खिलाफ अपने अनुसंधान उद्देश्यों गौर करना चाहिएpacities और प्रतिभागियों की सुविधा. हम यह भी ध्यान रखें कि अच्छी गुणवत्ता वाले DSI डेटा उन्नत अधिग्रहण 7 तकनीक के साथ किया गया है के रूप में कुछ के रूप में 10 मिनट में एकत्र.
- 3 Tesla क्षेत्र ताकत एमआर स्कैनर: 3T उच्च कोणीय दिशा DSI स्कैन के लिए आवश्यक संकेत प्राप्त करने के लिए आवश्यक है.
- 32-चैनल चरणबद्ध सरणी सिर कुंडल: उच्च संवेदनशीलता और उत्कृष्ट संकेत करने वाली शोर अनुपात के साथ एक सिर कुंडल DSI डेटा इकट्ठा करने की जरूरत है. आठ और 12 चैनल coils मस्तिष्क की सतह पर कम संकेत प्रदान करते हैं, नतीजतन, इन coils बढ़ स्कैनिंग प्रक्षेपण क्षेत्रों की सटीक मानचित्रण का समर्थन करने के लिए समय की आवश्यकता हो सकती है.
- प्रमुख स्थिरीकरण: DSI स्कैनिंग अनुक्रम की लंबी अवधि के कारण, और क्योंकि गति सुधार DSI डेटा लागू नहीं हो सकता है, उत्कृष्ट सिर स्थिरीकरण विषय के आंदोलन को नियंत्रित करने के लिए आवश्यक है. Padding और टेप से एक काटने बार को लेकर आंदोलन को नियंत्रित करता है, वैक्यूम बैग, या थर्माप्लास्टिक मुखौटा subjec को स्थिर करने के लिए सिफारिश कर रहे हैंटीएस सिर. Translational या घूर्णी आंदोलन के किसी भी दिशा में दो ° आंदोलन के 2 मिमी से अधिक अत्यधिक है और डेटा को छोड़कर के लिए आधार माना जा सकता है.
- FMRI प्रस्तुति उपकरण: fMRI स्कैनिंग के लिए कार्यात्मक बीज, अतिरिक्त उपकरणों का उपयोग कर विश्लेषण के लिए आवश्यक है. के लिए स्थानीयकृत क्षेत्रों के प्रकार पर निर्भर करता है, यह आमतौर पर एक एमआर संगत प्रदर्शन (जैसे श्री संगत एलसीडी प्रोजेक्टर प्रणाली के रूप में), एक बटन प्रतिक्रिया प्रणाली, ऑडियो सिस्टम, और प्रयोग प्रस्तुति स्कैनर अधिग्रहण के साथ सिंक्रनाइज़ कंप्यूटर शामिल हैं.
2. प्रक्रिया स्कैनिंग
- स्कैन करने के लिए प्रदर्शन किया और सूचित सहमति प्राप्त की प्रकृति पर संक्षिप्त प्रतिभागियों. सिर गति (विशेष रूप से लंबी DSI स्कैन के दौरान) को कम करने के लिए आवश्यकता पर बल देना चाहिए. प्रतिभागियों को एक फिल्म या DSI स्कैन के दौरान मनोरंजन के लिए अन्य वीडियो का विकल्प प्रदान करते हैं. व्यवहार कार्यों के कार्यात्मक स्कैनिंग के लिए, विषयों कार्य releva के लिए स्क्रीन पर नजर रखने के लिए हिदायतNT के उत्तेजनाओं और प्रतिक्रिया के रूप में आवश्यक है.
- एमआर मतभेद के लिए स्क्रीनिंग के बाद आराम से 'प्रतिभागियों सिर को स्थिर स्कैनर में ऊपर वर्णित विधि, एक और स्लाइड रोगी के बिस्तर का उपयोग कर.
- प्रारंभिक स्काउट स्कैन और अंशांकन प्रदर्शन.
- DSI स्कैन एक काल्पनिक पूर्वकाल और कूल्हों commisures लाइन को जोड़ने के लिए समानांतर के लिए टुकड़ा पर्चे सेट. सुनिश्चित करें के कि DSI स्कैन के लिए स्लाइस पूरे मस्तिष्क को कवर किया.
- DSI स्कैन चलाएँ जबकि विषय या प्रस्तुति सिस्टम पर घड़ियों मनोरंजन स्कैनर में आराम.
- DSI स्कैन के पूरा होने के तुरंत बाद, एक T1 भारित सह पंजीकरण करने में बाद में उपयोग (यानी, aligning) अन्य संरचनात्मक या कार्यात्मक डेटा के साथ DSI डेटा के लिए संरचनात्मक स्कैन (जैसे, MPRAGE) इकट्ठा.
- वैकल्पिक रूप से, एक ही सत्र में मानक महामारी नाड़ी दृश्यों का उपयोग कर fMRI डेटा इकट्ठा.
- यदि आवश्यक हो, एक अलग स्कैनिंग सत्र में fMRI स्कैनिंग आचरण. Collदोनों सत्रों में एक MPRAGE डेटासेट के सह पंजीकरण की सुविधा ect.
3. संरचनात्मक एमआरआई प्रसंस्करण
FMRI डेटा और स्वचालित विभाजन FreeSurfer, जैसा कि नीचे वर्णित है, एक उच्च संकल्प T1 भारित साथ संरचनात्मक छवि का उपयोग की सतह विश्लेषण के लिए उत्कृष्ट सफेद ग्रे विपरीत बात की आवश्यकता है. इस छवि को कार्यात्मक और प्रसार भारित इमेजिंग डेटा का विश्लेषण करने के लिए एक आम संदर्भ अंतरिक्ष प्रदान करता है. सबसे आधुनिक एमआरआई स्कैनर में, इस छवि MPRAGE (आकर्षण संस्कार तेजी से ढाल इको तैयार) छवि के रूप में करने के लिए भेजा जाएगा. अधिकांश आधुनिक MPRAGE दृश्यों एक भी स्कैन (1 तालिका में पैरामीटर) में पर्याप्त गुणवत्ता डेटा प्रदान कर सकते हैं. यदि आवश्यक हो, दो या दो से अधिक स्कैन करने के लिए ग्रे सफेद विभाजन के लिए बात विपरीत में सुधार करने के लिए औसतन जा सकता है. नीचे, हम समझाने कैसे DWI और fMRI डेटा है, जो आम तौर पर अलग voxel आकार और विभिन्न मूल अंक के साथ एकत्र कर रहे हैं स्वचालित रूप से और गठबंधन के लिए resampledMPRAGE के साथ एक साथ देखने.
को FreeSurfer संरचनात्मक एमआरआई प्रसंस्करण धारा के विस्तृत विवरण FreeSurfer विकि (पर पाया जा सकता है http://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferWiki ); FreeSurfer उत्पादन कई cortical सतह अभ्यावेदन, के रूप में के रूप में अच्छी तरह से cortical के parcellation शामिल संरचनात्मक सुविधाओं और subcortical संरचनाओं के विभाजन. हम जो फ़ाइल स्वरूप है कि आसानी से हो सकता है / AFNI सुमा, FSL, एसपीएम, और अन्य न्यूरोइमेजिंग सॉफ्टवेयर संकुल से उपकरणों का उपयोग संसाधित कर सकते हैं में इस उत्पादन धर्मान्तरित FreeSurfer उत्पादन, पर / AFNI सुमा स्क्रिप्ट @ SUMA_Make_Spec_FS चलाने की सलाह देते हैं. उदाहरण के लिए, छवियों के सह पंजीकरण 3dAllineate जैसे कई कार्यक्रमों के (/ AFNI सुमा) एक, इश्कबाज (FSL), bbregister (FreeSurfer), या एसपीएम Coregister समारोह के साथ किया जा सकता है.
- संरचनात्मक विभाजन और cortical सतह पुनर्निर्माण ख प्रदर्शनy FreeSurfer स्वचालित एल्गोरिथ्म (टोह सभी) T1 भारित संरचनात्मक छवि प्रस्तुत.
- सुमा @ SUMA_Make_Spec_FS स्क्रिप्ट का उपयोग में FreeSurfer प्रसंस्करण परिणाम आयात. यह कदम FreeSurfer उत्पादन में सभी संस्करणों के NIFTI प्रारूप संस्करणों सहित एक तीव्रता सामान्यीकृत, इनपुट संरचनात्मक छवि के संस्करण खोपड़ी छीन, बनाता है. हम सतह के रूप में वॉल्यूम इस प्रसंस्कृत संरचनात्मक छवि देखें, / AFNI सुमा शब्दावली के अनुसार, @ SUMA_Make_Spec_FS के द्वारा बनाई गई इस छवि के NIFTI संस्करण brain.nii नाम पर रखा गया है.
- परिणामस्वरूप सतह मात्रा इस छवि के संस्करण NIFTI प्रारूप, brain.nii नाम सुमा निर्देशिका में उपयोग DSI B0 छवि संरेखित करें.
- बाद सह पंजीकरण में उपयोग के लिए 12 बिंदु affine परिवर्तन मैट्रिक्स सहेजें.
4. कार्यात्मक एमआरआई प्रसंस्करण (fMRI)
कार्यात्मक एमआरआई विश्लेषण पीढ़ी या फाइबर के चयन के बाद अस्थायी के लिए हित के क्षेत्रों (ROIs) को परिभाषित कर सकते हैं. कोई गूंजplanar इमेजिंग (ईपीआई) विशिष्ट fMRI प्रयोगों के लिए अनुकूलित मापदंडों के साथ पल्स दृश्यों का इस्तेमाल किया जा सकता है. इसी तरह, fMRI प्रोसेसिंग और विश्लेषण मौजूद के लिए सॉफ्टवेयर AFNI / सुमा (NIMH, एनआईएच) 8, 9, BrainVoyager (ब्रेन अभिनव) 10, FSL (FMRIB, ऑक्सफोर्ड विश्वविद्यालय) 11, 12, और एसपीएम के रूप में, संकुल की एक बड़ी संख्या ( वेलकम ट्रस्ट न्यूरोइमेजिंग के लिए केंद्र, यूनिवर्सिटी कॉलेज लंदन) 13. चित्रा 4 "fMRI प्रोसेसिंग और विश्लेषण" खंड एक विश्लेषण / AFNI सुमा सॉफ्टवेयर पैकेज के आधार पर मार्ग की रूपरेखा. अधिक विस्तृत निर्देश के लिए, हम उत्कृष्ट ट्यूटोरियल और वेबसाइट / AFNI सुमा पर अन्य शैक्षिक सामग्री (पाठकों का उल्लेख http://afni.nimh.nih.gov ).
फाइबर पर नज़र रखने के लिए fMRI विश्लेषण के अंत तक लक्ष्य के मानक कार्यात्मक स्थानीयकरण का विश्लेषण करती है, जिसमें जोर अक्सर अधिकतम सक्रियण का ठिकाना खोजने से अलग है.अच्छा सांख्यिकीय प्रक्रिया शोधकर्ताओं सांख्यिकीय विरोधाभासों के लिए अल्फा के स्तर पहले से निर्दिष्ट की आवश्यकता है, लेकिन, शोधकर्ताओं ने इस तथ्य पर विचार करना चाहिए कि सांख्यिकीय थ्रेसहोल्ड की पसंद कार्यात्मक सक्रियण के स्थानिक हद तक प्रभावित है, और इस प्रकार फाइबर समाप्ति क्षेत्रों की हद है.
- प्रत्येक व्यक्ति fMRI डेटा में विषय के सिर गति के लिए सही, 1 स्कैनर संदर्भ छवि के रूप में चलाने का मतलब छवि का उपयोग कर.
- वैकल्पिक रूप से, विशेष रूप से एक तेजी से घटना से संबंधित कार्य डिजाइन का उपयोग कर अगर टुकड़ा अधिग्रहण समय सुधार करते हैं.
- प्रत्येक voxel के लिए प्रत्येक रन के भीतर समय श्रृंखला, सामान्य द्वारा संकेत आधारभूत में रन के बीच मतभेद को सुधारें.
- एक्सप्रेस प्रत्येक voxel कि voxel से प्रतिशत में परिवर्तन के रूप में समय श्रृंखला, (/ AFNI सुमा) 3dcalc या (FSL) fslmaths के रूप में एक प्रोग्राम का उपयोग एक भी रन के लिए समय पर मतलब.
- वैकल्पिक रूप से, प्रत्येक रन के लिए संकेत का मतलब है और सेंट पर आधारित प्रत्येक voxel समय श्रृंखला, z बदलनेसमय पर andard विचलन.
- सह रजिस्टर प्रत्येक प्रसंस्कृत महामारी भूतल मात्रा (brain.nii) FreeSurfer (ऊपर देखें) द्वारा उत्पन्न डाटासेट चलाते हैं.
- सब महामारी एक भी व्यक्ति के लिए समय में चलाता है जोड़ना.
- नक्शा प्रत्येक महामारी (/ AFNI सुमा) 3dVol2Surf सतह का उपयोग करने के लिए चलाने के लिए, प्रत्येक रन के लिए एक NIML सतह डाटासेट उत्पादन.
- चिकनी सफेद पदार्थ और मानचित्रण के लिए संदर्भ सतहों के रूप में PIAL सतहों का प्रयोग करें, इन ग्रे सीमा / बात सफेद और प्रांतस्था की सतह का प्रतिनिधित्व के रूप में के बारे में सोचा जा सकता है, क्रमशः.
- इन दो सतहों के बीच की दूरी पर संकेत औसत.
- वैकल्पिक चिकनी cortical सतह पर महामारी डेटा SurfSmooth (/ AFNI सुमा) का उपयोग कर.
- समय की प्रयोगात्मक विषय प्रस्तुत करने के लिए शर्तों में से प्रत्येक के लिए इसी epochs के लिए अलग regressors बनाएँ.
- एक सामान्य रेखीय मॉडल (GLM) भेजें इन regressors (साथ कोई ब्याज की regressors साथ)कार्यात्मक डेटा का विश्लेषण.
- कंट्रास्ट अलग regressors के लिए बीटा वजन सांख्यिकीय मूल्यों की सतह भर में एक "कार्यात्मक नक्शा" का निर्माण करने के लिए
- वैकल्पिक रूप से विचरण का एक समूह स्तर विश्लेषण (एनोवा) में कई प्रतिभागियों के लिए बीटा वजन मूल्यों अगर एक भाज्य डिजाइन का उपयोग कर प्रवेश.
- प्राप्त कार्यात्मक नक्शे सांख्यिकीय महत्वपूर्ण प्रभाव को देखने के लिए, एक familywise त्रुटि दर (गाऊसी यादृच्छिक क्षेत्र सिद्धांत) 14 या झूठी खोज (एफडीआर) की दर 15, 16 समायोजन एकाधिक तुलना के लिए सही काम thresholded.
- हित के क्षेत्रों (ROIs), जो tractography बोने के लिए बाद में इस्तेमाल किया जाएगा, प्रत्येक वियोज्य क्षेत्र लेबलिंग से सतह पर महत्वपूर्ण कार्य सक्रियण से सटे क्षेत्रों से बनाएँ.
- स्वचालित रूप से खंड और लेबल ROIs SurfClust (/ AFNI सुमा) के रूप में इस तरह के एक स्थानिक क्लस्टरिंग एल्गोरिथ्म, का उपयोग.
- वैकल्पिक रूप से, हाथ से आकर्षित ROIs सुमा ड्रा Roi सुविधा का उपयोग.
- चरण 6 में मानचित्रण के लिए चिकनी सफेद पदार्थ और PIAL सतहों का उपयोग करें.
- = F_p1_fr -0.5 सेट क्रम में ग्रे बात मोटाई के 50% से प्रत्येक सतह नोड में बात ग्रे / सफेद सीमा से नीचे रॉय बढ़ने.
- = F_pn_fr 1 सेट क्रम में विपरीत दिशा में PIAL सतह रॉय का विकास.
- 12 बिंदु affine परिवर्तन उत्पन्न जब भूतल मात्रा (brain.nii) B0 छवि aligning मैट्रिक्स के व्युत्क्रम को खोजने के लिए उपयोग AFNI कार्यक्रम cat_matvec.
- कार्यात्मक ROIs उल्टे मैट्रिक्स niiApply क्रम में उन्हें DSI डेटा के साथ तालमेल.
5. प्रसार भारित इमेजिंग डेटा की प्रोसेसिंग
प्रसार भारित इमेजिंग सफेद बात इमेजिंग तकनीक के लिए एक सामान्य शब्द है, कई अलग अलग combinati शामिलडाटा अधिग्रहण और पुनर्निर्माण के तरीकों की लें. शायद सबसे अक्सर इस्तेमाल किया विधि, प्रसार tensor इमेजिंग (डीटीआई) 17, 18 के रूप में जाना जाता है, डाटा अधिग्रहण के 5-10 मिनट पर आधारित है, 6 या 12 दिशाओं में प्रसार को मापने. इन आंकड़ों के आधार पर, प्रसार पैटर्न आम तौर पर एक सरल tensor मॉडल है, जो सबसे अच्छा एक एकल प्रमुख प्रसार की दिशा का पता लगाने के लिए अनुकूल है के साथ मॉडलिंग कर रहे हैं. इस सीमा का मतलब है कि DTI इमेजिंग फाइबर जो एक या एक बिंदु पर "चुंबन" पार के लिए प्रदर्शन नहीं करता है. के पार और चुंबन तंतुओं बेहतर उच्च संकल्प अधिग्रहण और पुनर्निर्माण के तरीकों के संयोजन के साथ एक उच्च कोणीय संकल्प प्रसार इमेजिंग (HARDI) 19-21, प्रसार स्पेक्ट्रम इमेजिंग (डी एस आई) 1, 2, और ऐसे सामान्यीकृत क्ष गेंद इमेजिंग के रूप में, पता चला रहे हैं ( ) GQI 22-24.
एक 257 - दिशा बहु खोल DSI सीमेंस 3T स्कैनर पर चलाने के अनुक्रम परिणामों के अधिग्रहण के लिए इस्तेमाल किया गया था यहाँ प्रस्तुत (परमतालिका 1 में eters). एक्वायर्ड डेटा GQI 24 विधि है, जो प्रत्येक voxel में एक अभिविन्यास वितरण (ODF) समारोह में कहा कि कई दिशाओं में एक साथ प्रसार का पता लगा सकते हैं के साथ प्रसार पैटर्न मॉडल के साथ खंगाला गया. अन्य उच्च कोणीय संकल्प प्रसार दृश्यों इसी तरह के परिणाम का उत्पादन करना चाहिए. ध्यान दें कि ODFs की सही पुनर्निर्माण DSI स्टूडियो, DWI प्रसंस्करण और tractography कार्यक्रम यहां इस्तेमाल किया के लिए एक ढाल तालिका (भी एक ख तालिका के रूप में जाना जाता है) इनपुट शोधकर्ता की आवश्यकता है. (DSI स्टूडियो के उपयोग के लिए विस्तृत निर्देश सॉफ्टवेयर वेबसाइट पर पाया जा सकता है http://dsi-studio.labsolver.org .) इस तालिका में हासिल कर ली DWI संस्करणों में से प्रत्येक के लिए ढाल दिशा और चुंबकीय क्षेत्र ताकत सूची है. ढाल तालिका एमआर अधिग्रहण प्रोटोकॉल पर निर्भर करता है और स्वतः DSI स्टूडियो द्वारा DICOM छवियों से निकाले. हालाँकि, हम अनुशंसा है कि शोधकर्ताओं ने इस autom तुलनाअपने स्कैनर DWI प्रोटोकॉल के लिए मानक तालिका के साथ ढाल तालिका atically निकाली गई.
- यदि आवश्यक हो, डीसीएम (DICOM) mri_convert का उपयोग कर प्रारूप (FreeSurfer) एमआर छवियों परिवर्तित.
- पहचानें डाटासेट में छवि (ओं) जो B0 छवियों (यानी, गूंज planar छवियों कोई प्रसार भार के साथ एकत्र) हैं.
- NIFTI AFNI कार्यक्रम to3d प्रारूप का उपयोग करने के लिए कन्वर्ट B0 छवि (ओं).
- DSI स्टूडियो में, खुली DICOM छवियों और एक स्रोत फ़ाइल (स्रोत) बनाने के लिए गठबंधन.
- एक ढाल तालिका आपूर्ति (ऊपर देखें).
- जाँच करें कि डिफ़ॉल्ट पुनर्निर्माण मुखौटा खाली जगह, खोपड़ी, या गैर - मस्तिष्क के ऊतकों को शामिल किए बिना सभी ग्रे बात है, शामिल हैं. आवश्यक के रूप में मुखौटा संपादित करें.
- वैकल्पिक रूप से, B0 छवि पर AFNI कार्यक्रम 3dAutomask चलाने के द्वारा एक पुनर्निर्माण मुखौटा बनाने.
- DSI, GQI, या GQI variant: एक उच्च संकल्प पुनर्निर्माण मॉडल चुनें.
- एक फाइबर जानकारी फ़ाइल (मिथ्या.) बनाएँ में प्रिंसिपल प्रसार दिशा (ओं) का प्रतिनिधित्वप्रत्येक voxel.
6. डेटा पूरे मस्तिष्क Tractography के माध्यम से गुणवत्ता और ट्रैकिंग पैरामीटर का मूल्यांकन
पूरे मस्तिष्क एक बीज के साथ ट्रैकिंग फाइबर समग्र डाटा की गुणवत्ता का आकलन करने के लिए एक तेजी से और प्रभावी तरीका है. यह भी एक के लिए वैश्विक मानकों, विशेष रूप से anisotropy tractography में एक रोक कसौटी के रूप में प्रयोग किया जाता सीमा के लिए उचित मूल्यों को तय करने का अवसर प्रस्तुत करता है. यह प्रक्रिया फाइबर ट्रैकिंग प्रक्रिया में कवरेज में सुधार और शोर को कम करने के बीच एक संतुलन कायम करने के लिए आवश्यक है. विशेष देखभाल कोण सीमा और ट्रैकिंग थ्रेसहोल्ड के रूप में महत्वपूर्ण ट्रैकिंग पैरामीटर, स्थापना में लिया जाना चाहिए.
यह नोट करना महत्वपूर्ण है कि विभिन्न इलाकों के रिश्तेदार anisotropy व्यक्तियों के बीच भिन्न हो सकते हैं, उम्र और सफेद बात अखंडता, साथ ही सत्र के बीच में हार्डवेयर अंशांकन की तरह बाहरी कारकों के रूप में जैविक कारकों के आधार पर हो सकता है. नीचे, हम ट्रैकिंग equilibrating के लिए कई तरीकों का सुझावडेटासेट के बीच थ्रेसहोल्ड. सभी समय में, उन्हें में जाना जाता neuroanatomy तुलना ट्रैकिंग परिणाम की गुणवत्ता की जाँच करें. उदाहरण के लिए, फाइबर है जो ज्ञात interhemispheric कनेक्शन (यानी, महासंयोजिका, पूर्वकाल और पीछे commissures) की बाहर interhemispheric विदर पार का संकेत हो सकता है कि ट्रैकिंग सीमा बहुत कम है और उठाया जाना चाहिए, या सिर आंदोलन कलाकृतियों के सबूत हो सकता है.
ट्रैकिंग सीमा के विपरीत, कोण सीमा सत्र भर में एक भी व्यक्ति के लिए अपरिवर्तनीय हो सकता है, के बाद से फाइबर इलाकों अल्पावधि पर वक्रता में नहीं बदल सकता हूँ, अगर कभी. इसी तरह, पथ वक्रता व्यक्तियों भर में अपेक्षाकृत स्थिर मस्तिष्क के आकार या morphology में प्रमुख मतभेद के अभाव में होना चाहिए. फिर भी, ध्यान इस पैरामीटर का प्रारंभिक मूल्यों की स्थापना में लिया जाना चाहिए. फाइबर है जो सड़क के ढालवाँ घटता के रूप में असंभव trajectories, का पालन का संकेत हो सकता है कि कोण सीमा बहुत अधिक है.
- एक बनाएँपूरे मस्तिष्क बीज क्षेत्र.
- एक प्रारंभिक ट्रैकिंग दहलीज मूल्य निर्धारित करने के लिए बाहर कम संकेत voxels मुखौटा.
- कोण सीमा निर्धारित करने के लिए फाइबर n डिग्री करने के लिए एक भी कदम में वक्र करने के लिए अनुमति देते हैं.
- मिमी में ट्रैकिंग कदम आकार सेट.
- फाइबर या बीज अंक की वांछित संख्या सेट.
- पूरे मस्तिष्क tractography प्रदर्शन करने के लिए समग्र ODF पुनर्निर्माण गुणवत्ता की जांच करने के लिए.
- शुरू करने के लिए, एक औसत (डेटासेट भर में) ट्रैकिंग सीमा का चयन करें.
- TrackVis, एक फाइबर पथ के दृश्य और विश्लेषण (बायोमेडिकल इमेजिंग, मैसाचुसेट्स जनरल अस्पताल के लिए Martinos केंद्र) कार्यक्रम 25 में एक पूरे मस्तिष्क TRK फ़ाइल लोड.
- ROIs के रूप में सुमा निर्देशिका (बाएं / rh.ribbon.nii) में ग्रे बात संस्करणों (जीएम) लोड.
- ट्रैक समूह पर फिल्टर, केवल फाइबर जो एक ROIs में या तो अंत को स्वीकार करने के रूप में जीएम ROIs सेट.
- सत्यापित करें कि TRK फ़ाइल में फाइबर (90-100%) सबसे फ़िल्टर्ड ट्रैक समूह में रहते हैं.
- एक दोहराएँजरूरी है, DSI हर समय स्टूडियो में ट्रैकिंग सीमा समायोजन.
- आगे की जांच है कि ट्रैकिंग दहलीज मास्क के बिना बाहर खाली जगह (यानी, मस्तिष्क के किनारों के आसपास और अंतर gyral अंतरिक्ष में) में voxels voxels, जो स्पष्ट रूप से सफेद मामले में झूठ को हटाने.
- वैकल्पिक रूप से, डेटासेट भर में ट्रैकिंग सीमा (यानी, विभिन्न सत्रों और / या प्रतिभागियों) संतुलन में लाना.
- सेट एक ट्रैकिंग सीमा के रूप में DSI स्टूडियो इंटरफ़ेस के माध्यम से एक डाटासेट में वांछित.
- मिथ्या एक चटाई. MATLAB में विस्तार और आयात के साथ DSI स्टूडियो द्वारा बनाई गई फ़ाइल DSI स्टूडियो वेबसाइट (पर दिए गए निर्देशों के अनुसार, नाम बदलें http://dsi-studio.labsolver.org ).
- मूल्यों है कि आप सीमा के लिए इच्छा के एक हिस्टोग्राम बनाएँ.
- Z-स्कोर में नक्शा मानों में कनवर्ट.
- ट्रैकिंग सीमा के z-स्कोर है जो आप शुरू में DSI स्टूडियो interfac में स्थापितई.
- अन्य सभी डेटासेट के लिए कदम bd, ट्रैकिंग सीमा है कि कदम ई में पाया z-स्कोर से मेल खाती है खोजने प्रदर्शन.
- चरणों का वायुसेना के लिए एक क्रॉस - चेक के रूप में, 500.000 बीज के साथ पश्चकपाल ध्रुव पर एक संरचनात्मक रॉय से नियंत्रण फाइबर का एक सेट पर नज़र रखने के लिए.
- जाँच करें कि इस प्रक्रिया को लगभग डेटासेट भर में फाइबर की एक ही नंबर (+ - 100 फाइबर) का उत्पादन.
7. स्थानीय विवश Tractography
पूरे मस्तिष्क tractography विपरीत, स्थानीय विवश tractography लागत पर लाभ के आधारित संस्करणों के माध्यम से जो फाइबर पास या नहीं करना चाहिए निर्दिष्ट के रूप में इस तरह के बूलियन आपरेशनों के उपयोग करता है. नतीजतन, स्थानीय विवश tractography उच्च संवेदनशीलता और ब्याज की चयन फाइबर पर नज़र रखने के लिए अधिक से अधिक नियंत्रण प्रदान करता है. पूरे मस्तिष्क tractography संभव बीज अंक की अंतरिक्ष, बोने संचालन और सीमित कंप्यूटर ग्राफिक्स स्मृति के उच्च कम्प्यूटेशनल लागत के कारण undersamples. (यह पो हैssible कि इन बाधाओं undersampling का एक परिणाम के रूप में भविष्य परिवर्तन, tractography एल्गोरिदम में स्मृति क्षमता में वृद्धि, या अन्य कारकों की वजह से). में क्रमशः समाप्त किया जाएगा, पूरे मस्तिष्क tractography अक्सर परिणामों जो में प्रमुख प्रसार रास्ते ओर पक्षपाती हैं मस्तिष्क. उपयोगकर्ता की आपूर्ति ROIs बीज अंक के एक उच्च घनत्व के साथ सीमित क्षेत्रों को लक्षित प्रदान, यह आसान के लिए मुश्किल का पता लगाने पर कब्जा करने के लिए फाइबर इलाकों बनाने के द्वारा इस समस्या का समाधान है.
- एक पूरे मस्तिष्क DSI स्टूडियो में बीज क्षेत्र बनाएँ.
- एक या एक से अधिक NIFTI क्षेत्र के ब्याज फ़ाइलें (आरओआई) लोड.
- वैकल्पिक परिहार फ़ाइल (ROA) के एक क्षेत्र voxels जो फाइबर के माध्यम से पारित नहीं करना चाहिए संकेत लोड.
- Anisotropy सीमा और कोण के रूप में ऊपर वर्णित सीमा निर्धारित करें.
- प्रदर्शन पर नज़र रखने.
- संरचनात्मक विस्तार के लिए फाइबर पटरियों की तुलना द्वारा गुणवत्ता की जाँच करें.
8. Endpoint घनत्व विश्लेषण
- NIfTI ROIs और TRK मैं फ़ाइलों को लोडNto TrackVis.
- क्षेत्रों के बीच बूलियन आपरेशनों प्रदर्शन.
- प्रत्येक आपरेशन के परिणाम एक नया TRK फ़ाइल के रूप में सहेजें.
- लिए track_transform समारोह (प्रसार टूलकिट) का उपयोग spatially भूतल (brain.nii) खंड फ़ाइल TRK फ़ाइलों को बदलने के लिए.
- लोड तब्दील TRK फाइल और TrackVis में भूतल (brain.nii) खंड का निरीक्षण करने के.
- MATLAB में TRK और ROI फाइल लोड करने के लिए मात्रात्मक कनेक्टिविटी अनुमान लगाते हैं.
- एक रॉय के केन्द्रक {x / y / z}.
- कनेक्टिविटी के एक उपाय के रूप में, एक रॉय में फाइबर endpoints की कुल संख्या, आरओआई मात्रा द्वारा सामान्यीकृत की गणना.
- वैकल्पिक रूप से, विशिष्टता और स्थिरता पथ कनेक्टिविटी की है कि लागत पर लाभ के एक उपाय के रूप में फाइबर endpoints और लागत पर लाभ केन्द्रक के बीच इयूक्लिडियन दूरी की गणना.
9. प्रतिनिधि परिणाम
उच्च संकल्प प्रसार भारित इमेजिंग और फाइबर tractography की एक विस्तृत श्रृंखला के लिए लागू किया जा सकता हैneuroscientific प्रश्न. इस कागज में हमारा ध्यान विस्तार करने के लिए कार्यात्मक न्यूरोइमेजिंग साथ संरचनात्मक कनेक्टिविटी तरीकों के युग्मन है. हालांकि, हम ध्यान दें कि DWI के किसी भी आवेदन tractography परिणामों के सावधान मूल्यांकन की आवश्यकता दी है कि डाटा अधिग्रहण प्रोटोकॉल, पुनर्निर्माण विधि, और tractography मापदंडों के अंतिम उत्पाद पर महत्वपूर्ण, स्वतंत्र प्रभाव लागू कर सकते हैं, चित्रा 5. इष्टतम और उप इष्टतम परिणाम दिखाता है का उपयोग कर पूरे मस्तिष्क tractography. सभी तीन छवियों को एक ही 257 की दिशा में एक एकल भागीदार से DWI डेटासेट पर आधारित होते हैं; इष्टतम परिणामों के बाएं पैनल में दिखाया जाता है. इसके विपरीत, मध्य पैनल के जरूरत से ज्यादा उदार tractography मानकों (एफए और कोण थ्रेसहोल्ड) के प्रभाव को दर्शाता है. सही पैनल गुणवत्ता में कमी से पता चलता है कि एक एकल tensor मॉडल का उपयोग करने के लिए DWI डेटा के पुनर्निर्माण से परिणाम है.
हम कैसे tractography परिणाम की पुष्टि कर सकते हैं दो उदाहरणों में शामिल और interpretati को सूचितकार्यात्मक इमेजिंग डेटा पर. अर्थात्, चेहरे धारणा और दृश्य ध्यान: इन प्रयोगों संज्ञानात्मक प्रक्रियाओं है कि कार्यात्मक बीज क्षेत्रों के निर्माण की अनुमति का आकलन करें. ये बीज क्षेत्रों के लिए एक संज्ञानात्मक नेटवर्क के भीतर सफेद बात कनेक्टिविटी के सवालों का परीक्षण करने के लिए इस्तेमाल किया जा सकता है 6 चित्रा एक चेहरा धारणा कार्य के दौरान सक्रिय क्षेत्रों में से एक उदाहरण दिखाता है. विषयों जबकि fMRI स्कैनिंग के दौर से गुजर चेहरे और रोजमर्रा की वस्तुओं की तस्वीरें देखी गयी. दो मध्य fusiform (MFG) गाइरस और अवर पश्चकपाल गाइरस (IOG) में (उदार) का समास मे प्रयुक्त रूप लौकिक क्षेत्रों, वस्तुओं के लिए की तुलना में चेहरे के लिए काफी अधिक बोल्ड प्रतिक्रियाओं दिखाया. इन दो कार्यात्मक परिभाषित क्षेत्रों तो tractography दौरान बीज क्षेत्रों के रूप में इस्तेमाल किया (के रूप में ऊपर 6-7 धारा में उल्लिखित) 6A चित्रा पता चलता है फाइबर की बड़ी बंडल (लाल रंग में दिखाया गया है) streamlines कि टेम्पोरल लोब के भीतर ब्याज के इन दो क्षेत्रों को जोड़ने, लगभग 12 सेमी की दूरी पर. नोट फाइबर और एस की तंग पैकिंगइस दूरी पर फाइबर वक्रता मॉल डिग्री. यह कार्यात्मक नेटवर्क के भीतर एक से एक लंबी दूरी (उदाहरण के लिए, रेफरी देखें.) 26 से अधिक कनेक्शन के विशिष्ट पैटर्न चित्रा 6B से पता चलता है व्यक्तिगत फाइबर endpoints के साथ साथ IOG कार्यात्मक बीज क्षेत्र (पीले रंग में दिखाया गया है) (लाल डॉट्स) . फाइबर endpoints ROI ज़्यादा से ज़्यादा भर में स्थित हैं. इस कनेक्टिविटी पैटर्न से पता चलता है कि इन क्षेत्रों में प्रत्यक्ष, लंबी दूरी के कनेक्शन और है कि चेहरा धारणा नेटवर्क के भीतर तेजी से संचार आबाद हो सकता है.
हमारा दूसरा उदाहरण (7 चित्रा) दृश्य प्रांतस्था संवेदी क्षेत्रों और पीछे पार्श्विका प्रांतस्था (पीपीसी) में attentional नियंत्रण का एक क्षेत्र के बीच कनेक्शन से पता चलता है. इस मामले में, कार्यात्मक activations (पश्चकपाल और पार्श्विका क्षेत्रों) के दो सेट एक ही व्यक्ति से fMRI डेटा से स्वतंत्र सेट के माध्यम से उत्पादन किया गया था. पार्श्विका activations विसू में 6 स्थानों के बीच एक ध्यान स्थानांतरण कार्य के माध्यम से उत्पन्न किया गयाअल (विवरण के लिए, रेफरी 27) क्षेत्र, जबकि पश्चकपाल क्षेत्रों मानक दृश्य क्षेत्र मध्याह्न 28 मानचित्रण, जो दृश्य प्रांतस्था (V1 - V3) कार्यात्मक बीज क्षेत्रों के बीच की सीमाओं को चिह्नित करने के लिए इस्तेमाल किया गया था का उपयोग परिभाषित किया गया. चित्रा 7A से पता चलता है V1, V2 और V3 बीज क्षेत्रों (लाल, हरे और नीले, क्रमशः) के अनुमानित स्थानों, पीपीसी बीज क्षेत्र आईपीएस-1 लेबल, और फाइबर इलाकों है कि इन क्षेत्रों को जोड़ने. ट्रैक्ट्स पश्चकपाल ROI ज़्यादा से ज़्यादा है जिसमें से वे वरीयता प्राप्त थे द्वारा रंग हैं. टेम्पोरल लोब (6 चित्रा) में लंबे, सीधे फाइबर के विपरीत, इन सफेद बात इलाकों में एक छोटी दूरी (3 रेंज - 5 सेमी) को कवर कर रहे हैं और, इसलिए, अधिक यू के आकार और कम कसकर बांध के रूप में वे पश्चकपाल से यात्रा पार्श्विका पालि 7B चित्रा. पालि आईपीएस (भूरे रंग का), (लाल) V1, V2 (हरा), और V3 (नीला) में प्रत्येक क्षेत्र में फाइबर endpoints के साथ साथ cortical सतह पर कार्यात्मक परिभाषित क्षेत्रों से पता चलता है. नोटबीज क्षेत्र द्वारा पश्चकपाल पालि में इलाकों, आईपीएस-1 में endpoint interdigitation की बड़ी डिग्री के साथ विषम अलगाव. यह पता चलता है कि हमारे पीपीसी क्षेत्र (एक चयनात्मक ध्यान कार्य दौरान fMRI गतिविधि के माध्यम से पहचान) मस्तिष्क के एक कनवर्जेन्स क्षेत्र संवेदी प्रांतस्था के कई अलग अलग नोड्स के लिए संरचनात्मक कनेक्शन के साथ हो सकता है. इस कनेक्टिविटी पैटर्न उच्च cortical जल्दी cortices में गतिविधि मिलाना क्षेत्रों से attentional biasing संकेतों के प्रसारण के लिए अनुमति दे सकता है, इन संकेतों को दृश्य प्रांतस्था 29, 30 में लक्ष्य अभ्यावेदन को बढ़ाने में मदद.
चित्रा 1. प्रसार भारित इमेजिंग (DWI) पैनल में महत्वपूर्ण अवधारणाओं के योजनाबद्ध चित्रण: एक समरूप माध्यम में, प्रसार ब्राउनियन गति का एक परिणाम के रूप में बेतरतीब ढंग से होता है. पानी के अणुओं की बड़ी संख्या के लिए, प्रसार isotropic है कि, कुल प्रसार पैटर्न गोलाकार है. पैनल बी: axons के भीतर और axonal बंडलों interstices में पानी के अणुओं का प्रसार axonal दीवारों और अन्य समर्थन संरचनाओं द्वारा विवश है. इस प्रकार, फाइबर इलाकों साथ प्रसार anisotropic है: यह अन्य दिशाओं की तुलना में ज्यादा फाइबर पथ प्रक्षेपवक्र के साथ अधिक से अधिक है. पैनल सी: उच्च संकल्प DWI तरीकों अभिविन्यास वितरण समारोह (ODF) के रूप में इस तरह के मॉडल का उपयोग करने के लिए व्हाइट मैटर ट्रैक्ट के जटिल विन्यास में anisotropic प्रसार मॉडल. इस उदाहरण के रूप में देखा, ODFs एकाधिक फाइबर एक एकल बिंदु पर पार इलाकों के लिए अलग प्रसार रास्ते भेद कर सकते हैं. दो या तीन अलग फाइबर इलाकों को शामिल क्रॉसिंग मस्तिष्क में आम हैं.
चित्रा 2. फाइबर ट्रैकिंग अनुसंधान तरीकों की एक संख्या में प्रदर्शन किया जा सकता है सबसे महत्वपूर्ण विकल्प है. अधिग्रहण प्रोटोकॉल, पुनर्निर्माण तकनीक, और tractography विधि शामिल है. कागज वर्तमान में, हम यूसे एक प्रसार स्पेक्ट्रम इमेजिंग (डी एस आई) 1, अधिग्रहण के लिए 2 प्रोटोकॉल, सामान्यीकृत क्यू - सैंपलिंग (GQI) इमेजिंग पुनर्निर्माण के लिए 24, और सचः नियतात्मक tractography 40, 41. प्रत्येक voxel में प्रसार का प्रतिनिधित्व करते हैं, हम विशेष रूप से मॉडल मुक्त और संकर पुनर्निर्माण तकनीक है, जो अभिविन्यास वितरण कार्य (1 चित्र देखें ODFs) उत्पन्न करने पर प्रकाश डाला. शोधकर्ताओं अलग बजट, उपलब्ध समय, उच्च कोणीय संकल्प के लिए जरूरत है, और सिर गति और गैर रेखीय छवि विकृतियों के लिए संशोधन के महत्व पर आधारित पाइपलाइनों चुन सकते हैं. यह आंकड़ा सभी व्यवहार्य अधिग्रहण, पुनर्निर्माण, और tractography तरीकों की एक व्यापक सूची नहीं है. पुनर्निर्माण तकनीक का एक उत्कृष्ट समीक्षा के लिए Seunarine और अलेक्जेंडर 42 देखें.
चित्रा 3. सहभागिता, प्रसार एमआरआई अधिग्रहण चर के स्कैन अवधि, और अबility फाइबर क्रॉसिंग को हल करने के उच्च प्रसार विपरीत जटिल विन्यास को पार करने में तंतुओं को हल करने के लिए आवश्यक है. इस विपरीत ढाल दिशाओं की संख्या (यानी, संभव फाइबर झुकाव संख्या) और ख मूल्य (जो प्रसार भार की डिग्री इंगित करता है) सहित कई कारकों पर निर्भर करता है. यहाँ हम ख मूल्यों और ढाल दिशाओं की संख्या में वृद्धि करने के विशिष्ट प्रभाव को प्रस्तुत करते हैं. ध्यान दें कि इस तालिका में केवल प्रवृत्तियों इंगित करता है, और व्यक्तिगत तकनीक स्कैन अवधि, संकेत करने वाली शोर अनुपात (SNR), और प्रसार विपरीत पर अलग अलग प्रभाव हो सकता है. आम तौर पर, इसके विपरीत दोनों ढाल दिशाओं की संख्या और ख मान की भयावहता में वृद्धि से सुधार किया जा सकता है. उच्च ख मूल्यों, तथापि, प्रसार भारित छवियों का संकेत करने के लिए शोर अनुपात कम है, और समय स्कैन अक्सर बढ़ जाती है.
चित्रा 4. ग्राफ़िकल सुमाकाले रंग में संरचनात्मक एमआरआई, DWI, एमआरआई और fMRI प्रसंस्करण धाराओं के ry पाठ प्रत्येक प्रसंस्करण कदम की प्रकृति का वर्णन है, जबकि हरे रंग में पाठ सॉफ्टवेयर है जो इस्तेमाल किया जा सकता है इंगित करता है. धराशायी लाइनों और बक्से वैकल्पिक कदम है, जो सभी परियोजनाओं पर लागू नहीं हो सकता है का संकेत मिलता है. इस उदाहरण में, प्रसंस्करण पैकेज / AFNI सुमा (जहां DSI स्टूडियो या TrackVis संकेत दिया है को छोड़कर) में किया जाता है. अन्य न्यूरोइमेजिंग विश्लेषण संकुल में तुलनीय कार्यों अक्सर प्रतिस्थापित किया जा सकता है. इन चित्र में सचित्र चरणों के कई सुविधाजनक लिपियों में सॉफ्टवेयर डेवलपर्स द्वारा आंशिक रूप से समेकित किया गया है: हम विशेष रूप से FreeSurfer टोह सभी पाइपलाइन के लिए पाठकों को देखें ( http://surfer.nmr.mgh.harvard.edu/fswiki/ReconAllDevTable ) . हम अतिरिक्त ध्यान दें कि कई सॉफ्टवेयर संकुल DWI डेटा के लिए पूरा प्रसंस्करण पाइपलाइनों प्रदान करते हैं, लेकिन, इन संकुल अपनी शक्तियों और कमजोरियों में भिन्न, और कुछ उपकरण उच्च कोणीय संकल्प प्रसार एमआरआई डेटा के साथ काम करने के लिए शामिल नहीं करते हैं. बड़ा आंकड़ा देखने के लिए यहां क्लिक करें .
चित्रा 5. विभिन्न पुनर्निर्माण के तरीकों और tractography मापदंडों के साथ पूरे मस्तिष्क tractography का चित्रण सभी छवियों को एक ही डाटासेट, एकाधिक ख मूल्यों (सात हज़ार / 2 मिमी, 5 गोले) के साथ एक 257 दिशा प्रसार स्पेक्ट्रम इमेजिंग अनुक्रम (डी एस आई) से प्राप्त किए गए. पैनल: इष्टतम परिणाम, एक उच्च संकल्प, ODF आधारित पुनर्निर्माण विधि का उपयोग करके हासिल की. एक अपेक्षाकृत उच्च 0.06 की ट्रैकिंग सीमा का चयन किया गया था, आदेश में जोरदार anisotropic voxels से ही फाइबर को उत्पन्न करने के लिए, और 55 डिग्री के कोण सीमा biologically अवास्तविक वक्रता (यानी, "looping" फाइबर) के साथ फाइबर की पीढ़ी रोकता करने के लिए चुना गया था. Nगोलार्द्धों के स्पष्ट चित्रण, अनुदैर्ध्य विदर द्वारा अलग OTE, यह भी ध्यान दें कि कैसे फाइबर bundling sulcal / gyral आकृति की उम्मीद प्रकार. पैनल बी: (ए) में एक ही पुनर्निर्माण विधि के रूप में इस्तेमाल किया गया था, लेकिन एफए और कोण थ्रेसहोल्ड leniently tractography (.03 और 85 °, क्रमशः) के दौरान स्थापित किए गए थे. अनुचित ट्रैकिंग मानदंडों "जंक" फाइबर, जो शारीरिक संरचना के बारे में सही जानकारी छुपाने की बड़ी संख्या की पीढ़ी को पैदा कर सकता है. धारा 5 देखें "डाटा गुणवत्ता का मूल्यांकन और Parameters पूरे मस्तिष्क Tractography के माध्यम से ट्रैकिंग, उपयुक्त पैरामीटर विकल्पों पर सलाह के लिए,. पैनल सी: एक एकल tensor मॉडल, DWI में सबसे व्यापक रूप से इस्तेमाल किया तरीकों में से एक का उपयोग कर डेटा खंगाला गया. उपयुक्त ट्रैकिंग मानकों (एक के रूप में ही) के साथ, एकल मॉडल tensor कई ज्ञात प्रमुख फाइबर इलाकों reproduces, और gyral आकृति कुछ बाण के समान दृश्य में दिखाई दे रहे हैं. हालांकि, यह भी ODF मॉडल की तुलना में अधिक झूठी सकारात्मक का उत्पादन: नोट फाइबर क्षैतिज यात्रा interhemispheric विदर भर ly. बड़ा आंकड़ा देखने के लिए यहां क्लिक करें .
6 चित्रा. एक चेहरा धारणा प्रयोग से Tractography परिणाम पैनल से पता चलता है (एक). कार्यात्मक एक चेहरा धारणा प्रयोग से पहचान ROIs के बीच tractography से उत्पन्न streamlines. अवर पश्चकपाल (IOG) गाइरस और मध्य fusiform गाइरस (MFG) के जनरल क्षेत्रों पीले ovals द्वारा संकेत कर रहे हैं. पैनल (बी) से पता चलता है कि फाइबर की IOG endpoints (A) पीछे अस्थायी cortical सतह के एक बढ़े हुए ventral दृश्य पर प्रदर्शित पैनल में संकेत दिया. पीले रंग में गाया ROI ज़्यादा से ज़्यादा एक चेहरा धारणा कार्यात्मक एमआरआई प्रयोग से हुई. नोट कार्यात्मक परिभाषित और IOG में सक्रियण फाइबर endpoints के बीच बड़े समझौते. इन तंतुओं MFG, एक मस्तिष्क क्षेत्र शामिल चेहरा धारणा से ट्रैक.p :/ / www.jove.com/files/ftp_upload/4125/4125fig6large.jpg "लक्ष्य ="> _blank "बड़ा आंकड़ा देखने के लिए यहां क्लिक करें.
चित्रा 7. एक दृश्य ध्यान प्रयोग पैनल (A) से Tractography परिणाम कार्यात्मक एक दृश्य ध्यान प्रयोग 27 से पहचान ROIs के बीच tractography से उत्पन्न streamlines दिखाता है. पीछे पार्श्विका (आईपीएस-1) प्रांतस्था दृश्य प्रांतस्था (V1d, V2d और V3d) के जनरल क्षेत्रों रंग ovals द्वारा संकेत कर रहे हैं. : V1d के लिए लाल, के लिए हरी V2d, और V3d के लिए नीले फाइबर इलाकों इसी रंग में गाया जाता है. पैनल (बी) से पता चलता है कि फाइबर के endpoints पैनल में संकेत (A) के पीछे (पार्श्विका और पश्चकपाल) cortical सतह के एक बढ़े हुए पार्श्व दृश्य पर प्रदर्शित. रंग सम्मेलनों पैनल की उन मैच (ए). एक दृश्य ध्यान कार्यात्मक एमआरआई प्रयोग से उत्पन्न ब्याज के क्षेत्र cortical सतह पर प्रदर्शित कर रहे हैं. सभी तीनइलाकों / endpoints के टिकट आईपीएस एक क्षेत्र है, जो दृश्य ध्यान है कि दृश्य प्रांतस्था में लक्ष्य के लिए संकेतों biasing ध्यान के स्रोत हो सकता है की एक प्राथमिकता नक्शा शामिल करने के लिए सोचा है एकाग्र. आईपीएस-1 में इलाकों को काफी हद तक interdigitated कर रहे हैं, जबकि इन फाइबर इलाकों के पश्चकपाल छोर स्पष्ट रूप से दृश्य प्रांतस्था के क्षेत्र से अलग कर रहे हैं.
| एमआर स्कैन | पैरामीटर्स |
| DSI | 257 दिशा प्रसार स्पेक्ट्रम (डी एस आई) इमेजिंग स्कैन एक दो बार refocused स्पिन गूंज महामारी अनुक्रम का उपयोग कर और एक 43 मिनट अधिग्रहण समय के साथ कई (टी.आर. = 9916 एमएस, ते = 157 एमएस, voxel आकार = 2.4 x 2.4 x 2.4 मिमी क्ष मान FOV = 231 x 231 मिमी, ख अधिकतम = 7000/2 मिमी, 5 गोले) |
| संरचनात्मक | T1 भारित MPRAGE अनुक्रम (1 x 1 मिमी x 1 मिमी, 176 बाण के समान स्लाइस, = टी.आर. 1870, 1100 = तिवारी, एफए = 8 °, GRAPPA = 2 मिमी) |
| fMRI </ P> | टी 2 * - भारित गूंज planar इमेजिंग (ईपीआई) पल्स अनुक्रम (31 परोक्ष axial स्लाइस, विमान में संकल्प 2 2 मिमी, 3 मिमी टुकड़ा मोटाई, कोई अंतर नहीं, पुनरावृत्ति समय [tr] = 2000 एमएस, गूंज समय [ते मिमी ] = 29 एमएस, फ्लिप कोण = 90 °, GRAPPA = 2, मैट्रिक्स आकार 96 = 96 एक्स, को देखने के क्षेत्र [FOV] = मिमी 192) |
तालिका 1 अधिग्रहण मापदंडों न्यूरोइमेजिंग.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
उच्च संकल्प DWI और फाइबर tractography मानव मस्तिष्क की संयोजी संरचना की जांच के लिए एक शक्तिशाली दृष्टिकोण प्रदान करते हैं. यहाँ, हम सबूत है कि इस संरचनात्मक वास्तुकला सार्थक मस्तिष्क समारोह, fMRI द्वारा मूल्यांकन से संबंधित है को प्रस्तुत करते हैं. FMRI कार्य सक्रियण पर आधारित tractography बीज का उपयोग करके, हम सबूत है कि मस्तिष्क क्षेत्रों में जो दृश्य ध्यान के दौरान सह - सक्रिय हैं anatomically कार्यात्मक neuroanatomy (7 चित्रा) के पूर्व ज्ञान के साथ connectedconsistent हैं लगता है. इसी तरह, चेहरा धारणा के लिए कार्यात्मक neuroanatomy हमारे वर्तमान संरचनात्मक कनेक्टिविटी निष्कर्ष (6 चित्रा) के साथ संगत है. संरचनात्मक कनेक्टिविटी का ज्ञान आवश्यक हालांकि पर्याप्त नहीं है, एक भी कार्य में मस्तिष्क क्षेत्रों (और इसके विपरीत) के बीच एक सीधा कार्यात्मक संबंध inferring लिए. कई न्यूरोइमेजिंग अध्ययन में, प्रत्यक्ष संरचनात्मक और कार्यात्मक कनेक्शन समवर्ती functio के आधार संशय का विषय है पर inferredएनएएल सक्रियण अकेले. ऐसे inferences अन्य व्याख्याओं उपेक्षा: उदाहरण के लिए, दो मस्तिष्क क्षेत्रों सह सक्रिय दिखाई देते हैं क्योंकि वे एक आम निवेश का हिस्सा हो सकता है, क्योंकि वैश्विक neuromodulatory प्रभावों को नियंत्रित करने के लिए, जिसके लिए प्रयोगात्मक डिजाइन नहीं करता है या सिर के रूप में एक आम शोर स्रोत, की वजह से भी प्रस्ताव. एमआर प्रसार tractography डिस्टल मस्तिष्क क्षेत्रों के बीच गतिशील कार्यात्मक संबंधों के लिए converging पुष्टि है कि उन दोनों के बीच एक संभव संयोजी सब्सट्रेट मौजूद सबूत प्रदान करता है.
उपयोगकर्ता फाइबर ट्रैकिंग अनुसंधान के कई सीमाओं और निरंतर विचार करना चाहिए. इनमें से सबसे मौलिक है कि फाइबर नियतात्मक tractography में उत्पन्न streamlines संभव प्रसार रास्ते, और नहीं वास्तविक फाइबर बंडलों का प्रतिनिधित्व करते हैं. Tractography परिणाम दोनों झूठी सकारात्मक और नकारात्मक झूठी परिणाम, और tractography की व्याख्या से प्रभावित हो सकता है मौजूदा neuroanatomical ज्ञान के द्वारा निर्देशित किया जाना चाहिए. सबसे अच्छा सफेद बात ग की पूर्व सबूतonnectivity "सोने की मानक" microdissection या अनुरेखक लेबलिंग के रूप में इस तरह की तकनीक से आता है. डिजिटल anatomist परियोजना के रूप में इस तरह के मुफ्त ऑनलाइन संसाधनों (विशेष रूप से उपयोगी फाइबर पथ शवपरीक्षा मानव दिमाग से प्राप्त करेंगे की संभाव्य Buergel, Amunts द्वारा बनाई गई है कि के रूप में, नक्शे, और उनके सहयोगियों ने 31 http://www9.biostr.washington.edu/ da.html ) ने भी उपयोगी मार्गदर्शन प्रदान कर सकते हैं. हम ध्यान दें कि ईईजी एमईजी, कार्यात्मक कनेक्टिविटी विश्लेषण, और बोल्ड fMRI डेटा मस्तिष्क क्षेत्रों के बीच शारीरिक संपर्क के लिए केवल कमजोर सबूत है, यदि कोई हो, प्रदान करता है.
एक अतिरिक्त चेतावनी चिंताओं streamlines फाइबर की झूठी continuations है, जो हो सकता है जब दो स्वतंत्र प्रसार रास्ते लगभग अंत करने के लिए अंत गठबंधन कर रहे हैं, और वे एक दूसरे में प्रवाह दिखाई देते हैं. ऐसे मामलों में, tractography एल्गोरिथ्म सच रोक बिंदु से आगे जारी रख सकते हैं. उदाहरण के लिए, thalamic afferentsbrainstem और प्रांतस्था के पृष्ठीय भागों में thalamic efferents समान झुकाव हो सकता है. एक परिणाम के रूप में, tractography एल्गोरिदम लंबी फाइबर जो brainstem से वृद्धि के उत्पादन में ठगा जा सकता है, thalamus से गुजरती हैं, और प्रांतस्था में समाप्त करने के लिए दिखाई देते हैं. इस तरह के झूठे फाइबर दो anatomically सही रास्ते, जिनमें से प्रत्येक अपने आप में सही है की conjoining से हो सकता है. हालांकि, वे भी anatomically अमान्य फाइबर trajectories से परिणाम कर सकते हैं. अन्य आम झूठी continuations जो फाइबर insula और जो फाइबर में जाना जाता interhemispheric अंक को पार (यानी, महासंयोजिका और commissures) के बाहर अनुदैर्ध्य विदर पार में अस्थायी खंभे से गुजरती दिखाई देते हैं शामिल हैं. ये झूठी continuations अक्सर होते हैं क्योंकि 1) आंशिक मात्रा प्रभाव lobes / गोलार्द्धों की सीमाओं अस्पष्ट, या 2) क्योंकि ट्रैकिंग सीमा भी leniently सेट किया गया है. जैसा कि हम ऊपर उल्लेख किया, शोधकर्ताओं वर्तमान neuroana के प्रकाश में फाइबर ट्रैकिंग परिणामों का मूल्यांकन करना चाहिएtomical ज्ञान. एक अंतिम सावधानी के रूप में, हम ध्यान दें है कि प्रसार एमआरआई और फाइबर tractography कनेक्शन की दिशात्मकता के बारे में कोई जानकारी नहीं प्रदान:, वे प्रतिक्रिया फाइबर, efferents से या afferents से feedforward विचार नहीं कर सकते हैं.
नियतात्मक tractography परिकल्पना परीक्षण के लिए उपयोगी हो सकता है, के रूप में फाइबर streamlines यह hypotheses के खिलाफ तुलना की जा सकती है विशिष्ट trajectories, साथ बिंदु से बिंदु कनेक्टिविटी के बारे में inferences गठन उत्पन्न कर सकते हैं. हालांकि, उपयोगकर्ताओं को भी संभाव्य ट्रैकिंग तरीकों पर विचार करना चाहते हो सकता है (देखें चित्र 2). संभाव्य तरीकों में से एक बड़ा लाभ यह है कि वे, voxels जो उन 32 अंक कनेक्ट में प्रसार संभावनाओं के संचय के आधार पर दो अंक के बीच प्रसार रास्ते के लिए आत्मविश्वास अनुमान उपज. इसके विपरीत, नियतात्मक tractography के परिणाम अनिश्चितता जो एक आभासी फाइबर के प्रचार के हर कदम पर जमा खाते में नहीं लेते हैं, इस अनिश्चितता कदम आकार, एक उपयोगकर्ता सेट पैरामीटर के रूप में बढ़ जाती है बढ़ जाती है. आत्मविश्वास का अनुमान है संभाव्य tractography द्वारा उत्पादित विशेष रूप से उपयोगी हो सकता है जब दो या दो से अधिक विभिन्न प्रसार रास्ते के सापेक्ष संभावना निर्धारित करने की कोशिश कर सकते हैं, इसके अलावा, उपयोगकर्ताओं को आसानी से बाहर कम आत्मविश्वास के अनुमान के साथ कर सकते हैं voxels मुखौटा, नियतात्मक विधियों के साथ एक संभावना afforded नहीं. लेकिन तरह नियतात्मक tractography,, संभाव्य तरीकों निर्णायक सफेद बात फाइबर के अस्तित्व को प्रदर्शित नहीं करते, बल्कि वे संभव प्रसार रास्ते दिखाना है.
उपयोगकर्ता नियतात्मक tractography परिणाम और अधिक दृश्य के लिए सहज लगता है, परिणाम के रूप में आम तौर पर तीन आयामी फाइबर streamlines, जो दर्शक जल्दी संभव फाइबर trajectories गिरफ्तार करने की अनुमति के रूप में प्रस्तुत कर रहे हैं हो सकता है. इसके विपरीत, संभाव्य tractography परिणाम आम तौर पर बड़ा डेटा की 2 आयामी स्लाइस के रूप में प्रतिनिधित्व कर रहे हैं. इन छवियों को आम तौर पर चुनाव के गर्मी नक्शे दिखाtiguous voxels, पथ के भीतर संभव फाइबर trajectories मॉडलिंग बिना एक thresholded पथ मात्रा के भीतर प्रसार संभावना के लिए इसी. Tractography और दृश्य के तरीकों की करतें हैं के बावजूद, वे है कि फाइबर ट्रैकिंग परिणाम ही संभव प्रसार रास्ते प्रदर्शित पहचान, और चाहिए कि दोनों तरीकों का परिणाम प्रकार मैं और द्वितीय सांख्यिकीय त्रुटि शामिल हो सकते हैं.
हमारे शोध समूह का इस्तेमाल किया गया है तकनीक यहाँ वर्णित corticospinal 33 पथ, कोष callosum 34, और दृश्य ध्यान 27 प्रणाली के कनेक्शन के लिए कल्पना और अंदाजा है, के रूप में के रूप में अच्छी तरह से करने के लिए बेसल ganglia 35 में cortical प्रक्षेपण सर्किट नक्शा. कुछ मामलों में tractography परिणाम उपन्यास निष्कर्ष उत्पन्न हो सकता है: उदाहरण के लिए, वैंग एट अल (प्रस्तुत) पहले फाइबर इलाकों undescribed शव विच्छेदन 36 में पार सत्यापन के साथ विस्तार करने के लिए उच्च संकल्प DWI का इस्तेमाल किया. इस तरह के रूप में इन परिणाम प्रदान कर सकता हैमस्तिष्क समारोह की जांच के क्रम में नव की खोज इलाकों के कार्यात्मक उपयोगिता का आकलन करने के लिए प्रोत्साहन. अंत में, गैर इनवेसिव, उच्च संकल्प DWI neurosurgical 37 योजना के रूप में नैदानिक स्थितियों की एक संख्या में वादा रखती है, और घाव मस्तिष्क चोट (TBI) 39 ट्यूमर, bleeds, और cavernovas 38 के लिए सर्जरी. हमारे समूह न्यूरोसर्जरी और घाव मस्तिष्क की चोट के मामलों की एक बड़ी संख्या में इन तकनीकों को लागू किया गया है, व्यवहार लक्षण बाधित फाइबर कनेक्टिविटी से संबंधित है.
अंततः, आसान करने के लिए प्राप्त करने के लिए वैश्विक मस्तिष्क कनेक्टिविटी के बारे में जानकारी के शोधकर्ताओं ने मस्तिष्क के बेहतर मॉडल के निर्माण के लिए की अनुमति देगा. उदाहरण के लिए, सफेद बात कनेक्टिविटी के वर्गीकृत माप / एमईजी ईईजी, में स्रोत स्थानीयकरण में सुधार या fMRI आधारित प्रभावी कनेक्टिविटी विश्लेषण पर बाधाओं जगह इस्तेमाल किया जा सकता है. उच्च संकल्प tractography भी है के को बाधित या रोग मस्तिष्क कनेक्शन के मॉडल, सु में सुधार होने की संभावना हैचर्चा के रूप में TBI या आत्मकेंद्रित में हो सकता है. अंत में, उच्च संकल्प tractography शोधकर्ताओं बेहतर गैर मानव दिमाग की आक्रामक अध्ययन के साथ मानव कार्यात्मक neuroanatomy के ज्ञान को एकीकृत करने के लिए सक्षम हो सकता है. हमें उम्मीद है और आशा है कि शोधकर्ताओं के एक बढ़ती संख्या के मस्तिष्क समारोह का आकलन उच्च संकल्प प्रसार भारित इमेजिंग के साथ संयोजन की क्षमता का पता लगाने जाएगा.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
ब्याज की कोई संघर्ष की घोषणा की.
Acknowledgments
सूची acknowledgments और धन स्रोतों. काम NIH RO1 - MH54246 (MB), राष्ट्रीय विज्ञान फाउंडेशन BCS0923763 (MB), रक्षा एडवांस्ड NBCHZ090439 अनुबंध के तहत रिसर्च प्रोजेक्ट्स एजेंसी (DARPA) (WS), N00014-11 पुरस्कार के तहत नौसेना अनुसंधान (ONR) के कार्यालय द्वारा समर्थित है -1-0399 (था), और W911NF-10 2 - 0,022 (था) अनुबंध के तहत आर्मी रिसर्च लैब (ARL). विचार, विचारों, और / या इस प्रस्तुति में निहित निष्कर्ष उन लेखकों की हैं और आधिकारिक विचार या नीतियों, ऊपर एजेंसियों या संयुक्त राज्य अमेरिका के रक्षा विभाग के या तो व्यक्त या निहित, का प्रतिनिधित्व के रूप में व्याख्या नहीं की जानी चाहिए.
References
- Wedeen, V. anJ., Hagmann, P., Tseng, W. I., Reese, T. G., Weisskoff, R. M. Mapping complex tissue architecture with diffusion spectrum magnetic resonance imaging. Magnetic Resonance in Medicine. 54 (6), 1377-1386 (2005).
- Wedeen, V. J., Wang, R. P., Schmahmann, J. D., Benner, T., Tseng, W. Y. I., Dai, G., Pandya, D. N., et al. Diffusion spectrum magnetic resonance imaging (DSI) tractography of crossing fibers. NeuroImage. 41 (4), 1267-1277 (2008).
- Pipe, J. Pulse Sequences for Diffusion-weighted MRI. Diffusion MRI: From quantitative measurement to in-vivo neuroanatomy. , 1st, Elsevier. London. 12-35 (2009).
- Le Bihan, D., Poupon, C., Amadon, A., Lethimonnier, F. Artifacts and pitfalls in diffusion MRI. Journal of Magnetic Resonance Imaging: JMRI. 24 (3), 478-488 (2006).
- Tuch, D. S. Q-ball imaging. Magnetic Resonance in Medicine. 52 (6), 1358-1372 (2004).
- Sakaie, K. E., Lowe, M. J. An objective method for regularization of fiber orientation distributions derived from diffusion-weighted MRI. NeuroImage. 34 (1), 169-176 (2007).
- Reese, T. G., Benner, T., Wang, R., Feinberg, D. A., Wedeen, V. J. Halving imaging time of whole brain diffusion spectrum imaging and diffusion tractography using simultaneous image refocusing in EPI. Journal of Magnetic Resonance Imaging. 29 (3), 517-522 (2009).
- Cox, R. W. AFNI: software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
- Cox, R. W., Hyde, J. S. Software tools for analysis and visualization of fMRI data. NMR in Biomedicine. 10 (4-5), 171-178 (1997).
- Goebel, R. BRAINVOYAGER: a program for analyzing and visualizing functional and structural magnetic resonance data sets. NeuroImage. 3, S604 (1996).
- Smith, S. M., Jenkinson, M., Woolrich, M. W., Beckmann, C. F., Behrens, T. E. J., Johansen-Berg, H., Bannister, P. R., et al. Advances in functional and structural MR image analysis and implementation as FSL. NeuroImage. 23, Suppl 1. S208-S219 (2004).
- Woolrich, M. W., Jbabdi, S., Patenaude, B., Chappell, M., Makni, S., Behrens, T., Beckmann, C., et al. Bayesian analysis of neuroimaging data in FSL. NeuroImage. 45, Suppl 1. S173-S186 (2009).
- Friston, K. J. Statistical parametric mapping: the analysis of functional brain images. , Academic Press. (2007).
- Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12 (5), 419-446 (2003).
- Benjamini, Y., Hochberg, Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society, Series B (Methodological. 57 (1), 289-300 (1995).
- Logan, B. R., Rowe, D. B. An evaluation of thresholding techniques in fMRI analysis. NeuroImage. 22, 95-108 (2004).
- Basser, P. J., Mattiello, J., LeBihan, D. Estimation of the effective self-diffusion tensor from the NMR spin echo. Journal of Magnetic Resonance, Series B. 103 (3), 247-254 (1994).
- Basser, P. J., Mattiello, J., LeBihan, D. MR diffusion tensor spectroscopy and imaging. Biophysical Journal. 66 (1), 259-267 (1994).
- Frank, L. R. Anisotropy in high angular resolution diffusion-weighted MRI. Magnetic Resonance in Medicine. 45 (6), 935-939 (2001).
- Frank, L. R. Characterization of anisotropy in high angular resolution diffusion-weighted MRI. Magnetic Resonance in Medicine. 47 (6), 1083-1099 (2002).
- Tuch, D. S., Reese, T. G., Wiegell, M. R., Makris, N., Belliveau, J. W., Wedeen, V. J. High angular resolution diffusion imaging reveals intravoxel white matter fiber heterogeneity. Magnetic Resonance in Medicine. 48 (4), 577-582 (2002).
- Descoteaux, M., Angelino, E., Fitzgibbons, S., Deriche, R. Regularized, fast, and robust analytical Q-ball imaging. Magnetic Resonance in Medicine. 58 (3), 497-510 (2007).
- Tuch, D. S. Q-ball imaging. Magnetic Resonance in Medicine. 52 (6), 1358-1372 (2004).
- Yeh, F. C., Wedeen, V. J., Tseng, W. -Y. I. Generalized Q-sampling imaging. IEEE Transactions on Medical Imaging. 29 (9), 1626-1635 (2010).
- Wang, R., Benner, T., Sorensen, A. G., Wedeen, V. J. Diffusion Toolkit: a software package for diffusion imaging data processing and tractography. Proc. Intl. Soc. Mag. Reson. Med. , 3720 (2007).
- Sundaram, S. K., Kumar, A., Makki, M. I., Behen, M. E., Chugani, H. T., Chugani, D. C. Diffusion tensor imaging of frontal lobe in autism spectrum disorder. Cereb Cortex. 18 (11), 2659-2665 (2008).
- Greenberg, A. S., Verstynen, T., Chiu, Y. -C., Yantis, S., Schneider, W., Behrmann, M. Visuotopic Cortical Connectivity Underlying Attention Revealed with White-Matter Tractography. The Journal of Neuroscience. 32 (8), 2773-2782 (2012).
- Slotnick, S. D., Yantis, S. Efficient acquisition of human retinotopic maps. Human Brain Mapping. 18 (1), 22-29 (2003).
- Greenberg, A. S., Esterman, M., Wilson, D., Serences, J. T., Yantis, S. Control of spatial and feature-based attention in frontoparietal cortex. The Journal of Neuroscience. 30 (43), 14330-14339 (2010).
- Kastner, S., Ungerleider, L. G. Mechanisms of visual attention in the human cortex. Annual Review of Neuroscience. 23, 315-341 (2000).
- Bürgel, U., Amunts, K., Hoemke, L., Mohlberg, H., Gilsbach, J. M., Zilles, K. White matter fiber tracts of the human brain: Three-dimensional mapping at microscopic resolution, topography and intersubject variability. NeuroImage. 29 (4), 1092-1105 (2006).
- Behrens, T. E. J., Jbabdi, S. MR Diffusion Tractography. Diffusion MRI: From quantitative measurement to in-vivo neuroanatomy. , 1st, Elsevier. London. 333-352 (2009).
- Verstynen, T., Jarbo, K., Pathak, S., Schneider, W. In vivo mapping of microstructural somatotopies in the human corticospinal pathways. Journal of Neurophysiology. 105 (1), 336-346 (2011).
- Jarbo, K., Verstynen, T., Schneider, W. In vivo quantification of global connectivity in the human corpus callosum. NeuroImage. , In press (2012).
- Verstynen, T., Badre, D., Jarbo, K., Schneider, W. Microstructural organizational patterns in the human corticostriatal system. , Under review (2012).
- Wang, Y., Fernández-Miranda, J. C., Verstynen, T., Pathak, S., Schneider, W. Identifying human brain tracts with tractography and fiber microdissection: mapping connectivity of the middle longitudinal fascicle as the dorsal auditory pathway. , Under review (2012).
- Fernandez-Miranda, J. C., Engh, J. A., Pathak, S. K., Madhok, R., Boada, F. E., Schneider, W., Kassam, A. B. High-definition fiber tracking guidance for intraparenchymal endoscopic port surgery. Journal of Neurosurgery. 113 (5), 990-999 (2010).
- Fernandez-Miranda, J. C., Engh, J., Pathak, S., Wang, Y., Jarbo, K., Verstynen, T., Boada, F., Schneider, W., Friedlander, R. High-definition fiber tractography of the human brain: neuroanatomical validation and neurosurgical applications. , Under review (2012).
- Shin, S., Verstynen, T., Pathak, S., Jarbo, K., Hricik, A., Maserati, M., Beers, S., Puccio, A. M., Okonkwo, D., Schneider, W. High definition fiber tracking for assessment of neurologic deficit in a case of traumatic brain injury. Journal of Neurosurgery. , In press (2012).
- Mori, S., Crain, B. J., Chacko, V. P., Van Zijl, P. C. M. Three-dimensional tracking of axonal projections in the brain by magnetic resonance imaging. Annals of Neurology. 45 (2), 265-269 (1999).
- Tournier, J., Mori, S., Leemans, A. Diffusion tensor imaging and beyond. Magnetic Resonance in Medicine. 65 (6), 1532-1556 (2011).
- Seunarine, K. K., Alexander, D. C. Multiple Fibers: Beyond the Diffusion Tensor. Diffusion MRI: From quantitative measurement to in-vivo neuroanatomy. , 1st, Elsevier. London. (2009).
