Summary
우리는 자기 공명 영상 (MRI)를 사용하여 뇌 기능과 구조의 동시 분석을위한 새로운 접근 방식을 설명합니다. 우리는 고해상도 확산 - 가중 영상과 흰색 물질 섬유 tractography로 뇌 구조를 신고 할 수 있습니다. 표준 구조 MRI는 달리,이 기술은 우리가 직접 뇌 네트워크의 기능 속성에 해부학 적 연결을 연관 할 수 있습니다.
Abstract
복잡한 계산 시스템의 연구는 이러한 회로 다이어그램과 같은 네트워크지도에 의해 촉진된다. 뇌 영역 충족이 크게 다른 뇌 영역과의 연결로 정의 할 수있는 기능 역할로, 뇌를 공부할 때 이러한 매핑은 특히 정보입니다. 이 보고서에서, 우리는 자기 공명 영상 (MRI)를 사용하여 뇌의 구조와 기능을 관련하여에 대한 소설, 비 침습적 방법을 설명합니다. 이 방법, 장거리 섬유 연결과 기능 영상 자료의 구조 이미지의 조합은 별개의 두인지 영역, 시각주의와 얼굴 인식에 도시된다. 구조 영상은 뇌의 흰색 물질 섬유 책자 (그림 1)을 따라 물 분자의 확산을 추적 확산 - 가중 영상 (음주 운전) 및 섬유 tractography과 수행됩니다. 이러한 섬유 책자를 시각화함으로써, 우리는 뇌의 장거리 결합 구조를 조사 할 수 있습니다. 결과는 favora를 비교bly 음주 운전, 확산 텐서 영상 (DTI)에서 가장 널리 사용되는 기법 중 하나. DTI는 뇌 기능의 상세한 해부학 - 정보 모델을 구축을 위해 자사의 유틸리티를 제한 섬유 책자의 복잡한 구성을 해결 할 수 없습니다. 반면에, 우리의 분석은 정밀도와 정확도로 알려진 neuroanatomy을 재현. 이 장점은 데이터 수집 절차에 부분적으로 인해 : 경로의 소수 (예, 6, 12)에서 많은 DTI 프로토콜 측정 확산하면서, 우리는 257 방향으로 확산을 평가하고 확산 스펙트럼 이미징 (DSI) 1, 2 프로토콜을 채용 자기 그라데이션 강도의 범위에서. 또한, DSI 데이터는 우리가 획득 한 데이터를 재구성에 대한보다 정교한 방법을 사용 할 수 있습니다. 이 실험 (영상 관심과 얼굴 인식)에서, tractography들은 기능 네트워크를 형성하는 무언가 가설을 지원, 해부학 적 연결되어있는 인간의 뇌의 공동 활성화 영역을 보여줍니다. 음주 운전은 우리가 "회로 디를 만들 수 있습니다agram "관심의 네트워크의 모니터링 작업 관련 뇌 활동의 목적으로, 개별 주체의 기초에 재현.
Protocol
1. MR 데이터 수집을위한 장비
도 2 및도 3은 확산 MRI 획득, 데이터 복구 및 섬유 추적에서 만든 할 선택의 숫자를 요약. 이 선택은 일반적으로 무역 오프를 포함하고, 최선의 선택 하나의 연구 목표에 따라 달라 않을 수 있습니다. 예를 들어, DSI와 멀티 쉘 HARDI은 (그림 2 참조) 일반적으로 DTI보다 높은 'B-값 "(즉, 강한 확산 가중치)을 사용합니다. 결과적으로,이 방법은 섬유를 교차로를 해결 또는 "키스"에 대한 필요가 더 나은 각도 해상도를 가지고 (즉, 섬유 어떤 다른 방향으로 곡선, 다시 거리에 휘 전에 하나의 탄젠트 문의하기). 그러나, 각 해상도에서 이득은 종종 어려운 데이터의 낮은 신호 대 잡음 비율 (SNR) (그림 3)의 비용으로 달성된다. 연구자들은 자신의 특정 목표에 대해이 트레이드 오프의 관련성을 고려 할 수 있습니다 :연구 누구의 궤도 다른 책자에 평행를 건너하거나 실행하지 않는 몇 가지 주요 섬유 책자에 초점을 맞추고있는 경우 다음 낮은 방향으로 높은 SNR과 DTI 검사는 이상적 일 수 있습니다. 하부 길이 fasciculus의 이미징은 이러한 경우를 나타냅니다 수 있습니다. 연구자가 복잡한 횡단을 통해 기관을 따라하고자하는 경우 반면에, SNR의 손실이 받아 들일 수있는 결과 일 수 있습니다.
비슷한 트레이드 오프는 머리 운동의 수정, 에디 전류, 비 선형 이미지 왜곡을 포함한다. 공기 굴에서, 주머니, 생리 소음 및 기타 요인 3에 의한 자기장 inhomogeneities에 민감합니다; 음주 운전으로 프로토콜을 사용하는 에코 - 평면 영상 (표 1 참조 에피네프린). 특히이 분야에서 섬유 추적 결과의 타당성과 신뢰성을 감소 하부 측두엽과 orbito - 전두엽 피질에 바람직하지 않은 이미지 왜곡에이 inhomogeneities 결과. 추가 왜곡은 맴돌이 curren에 의해 생성된다TS, 4 스위칭 빠른 MR 그라디언트의 제품입니다. 참가자의 머리 모션 이미지 품질을 떨어 부정적인 tractography에 영향을 미칠 수있는 또 다른 요소입니다. 현재 방법은 머리의 움직임과 같은 DTI와 같은 낮은 B-값 데이터에 이미지 왜곡을 모두 수정할 수 있으나,이 방법은 같은 DSI와 같은 높은 해상도의 방법으로 확장되지 않았습니다. DSI 데이터에 이미지 보정 방법을 적용의 어려움은 위에서 설명한 낮은 SNR (그림 3)에서 유래. 에피 왜곡에 민감한 뇌 영역에서 섬유 추적 들어, 낮은 방향 DTI 나 이미지 왜곡이 수정 될 수있는 또 다른 기술을 사용하는 것이 가장 수 있습니다. 뇌를 통해 높은 각도 해상도가 원하는 경우 반면에, 연구자들은 DSI, HARDI, 또는 이와 유사한 기술을 사용하도록 선택할 수 있습니다. Tuch (2004) 5 제안하는 DSI 검사를 통해 더 확산 가중치와 연구팀은 백지를 끼워 넣다 T2 이미지, 모션 보정을위한 벤치 마크 (예를 들어, s를 제공EE 심판. 6). 모든 경우에, 연구자 취득시 머리 움직임의 부정적 영향을 알고 있어야합니다 : 그것은 고도로 훈련 참가자를 사용하여 물린 바, 코 경비원 패딩, 또는 기타 보호의 사용을 통해 움직임을 최소화하기 좋습니다.
결과가 여기까지 그라데이션 장점과 함께, 257 방향 확산 스펙트럼 이미징 (DSI) 프로토콜을 사용하여 B에서 = 300 7000 (표 1에서 매개 변수를 참조).에게 제공 확산 스펙트럼 이미징 (DSI) 순서는 고해상도 확산 데이터를 수집하기 위해 필요한 특정 기능을 갖춘 현대적인 MR 스캔 장비가 필요합니다. 지멘스 팀 트리오 스캐너에서 약 43분 : 우리는이 순서의 시간 요구 사항이 상당한 것을 유의하십시오. 광범위한 경험적 테스트 한 후, 우리는 이러한 데이터의 품질 기간 및 스캔 비용을 정당화한다고 생각하지만, 수집 프로토콜을 선택에 사용자가 조심스럽게 CA에 대한 자신의 연구 목표를 무게해야합니다pacities와 참가자의 편안함. 우리는 또한 양질의 DSI 데이터가 고급 수집 기술 7과 같은 몇 최대 10 분 거리에 수집 된 있습니다.
- 3 테 슬러 필드 강도 MR 스캐너 : 3T는 높은 각도 방향 DSI 검사에 필요한 신호를 달성 할 필요가 있습니다.
- 32 채널 단계적-배열 헤드 코일 : 높은 감도와 우수한 신호 대 잡음 비율 헤드 코일은 DSI 데이터를 수집하기 위해 필요합니다. 여덟 및 12 채널 코일은 뇌의 표면에서 적은 신호를 제공, 결과적으로,이 코일은 프로젝션 분야의 정확한 매핑을 지원하는 향상된 스캔 시간이 필요할 수 있습니다.
- DSI 검사 순서의 긴 기간으로 인해, 모션 보정이 DSI 데이터에 적용 할 수 없기 때문에, 우수한 머리 안정화가 될 움직임을 제어 할 필요가 있습니다 : 헤드 안정화. 운동은 패딩과 테이프에서 식사 - 바에 이르기까지 제어, 진공 가방, 또는 열가소성 마스크 subjec을 안정하는 것이 좋습니다TS의 머리. 어떤 방향으로 병진 운동이나 회전 운동 2 ° 이상의 2mm 과도한하고 데이터를 제외 사유로 간주 될 수 있습니다.
- FMRI 프리젠 테이션 장비 : fMRI 스캔을위한 기능 종자, 추가 장비를 사용하여 분석을 위해이 필요합니다. 지역화 할 영역의 유형에 따라 일반적으로 MR 호환 디스플레이 (예 : MR 호환 LCD의 프로젝터 시스템 등), 버튼 응답 시스템, 오디오 시스템, 스캐너 인수와 동기화 실험 프리젠 테이션 컴퓨터를 포함합니다.
2. 절차를 스캔
- 수행과 정보 동의를 얻어야 할 스캔의 성격에 대한 간략한 참가자. 헤드 움직임을 (특히 긴 DSI 스캔 동안) 최소화하기 위해 필요성을 강조. 참가자들에게 영화 나 DSI 스캔하는 동안 엔터테인먼트를위한 다양한 동영상의 선택을 제공합니다. 행동 작업의 기능 스캐닝를 들어, 과목 작업 releva의 화면을 모니터링 할 지시NT 자극하고 필요에 따라 응답합니다.
- MR의 contraindications에 대한 심사 후, 편안 스캐너로 위에 설명 된 방법 중 하나, 슬라이드 환자 침대를 사용하여 참가자들의 머리를 고정.
- 초기 정찰 스캔 및 교정을 수행합니다.
- 앞쪽과 뒤쪽 commisures을 연결하는 가상 선에 DSI 스캔 병렬에 대한 슬라이스 처방을 설정합니다. DSI 스캔에 대한 슬라이스는 전체 뇌를 커버 있는지 확인합니다.
- 피사체가 프리젠 테이션 시스템에 스캐너 나 시계 엔터테인먼트에 편안히 동안 DSI 스캔을 실행합니다.
- 즉시 DSI 검사의 완료 후, 다른 해부학 적 또는 기능적 데이터와 DSI 데이터 공동 등록에 나중에 사용하기 (즉, 정렬)에 대한 T1-가중 해부학 적 검사를 (예를 들어, MPRAGE)를 수집합니다.
- 선택적으로, 표준 에피 펄스 시퀀스를 사용하여 동일한 세션에서 fMRI 데이터를 수집합니다.
- 필요한 경우, 별도의 검색 세션에서 fMRI 스캔을 실시합니다. Coll데이터 세트의 공동 등록을 촉진하기 위해 두 세션에서 MPRAGE를 요법.
3. 해부학 MRI 처리
아래의 설명대로 FreeSurfer,와 고해상도 T1-가중 해부학 이미지를 사용 fMRI 데이터 및 자동 세분화의 표면 분석을 위해 우수한 흰색 회색 문제에 대비가 필요합니다. 이 이미지는 기능 및 확산 - 가중 영상 데이터를 분석하는 일반적인 참조 공간을 제공합니다. 가장 현대적인 MRI 스캐너에서이 이미지가 MPRAGE (자화 빠른 그라데이션 에코를 준비) 이미지로 지칭 될 것입니다. 대부분의 현대적인 MPRAGE 시퀀스는 단일 스캔 (표 1의 매개 변수)에 충분한 품질 데이터를 제공 할 수 있습니다. 필요한 경우, 두 개 이상의 스캔 세분화를위한 회색 - 흰색 물질 대비를 향상시키기 위해 평균 할 수 있습니다. 다음, 우리는 일반적으로 서로 다른 voxel 크기와 다른 원산지 포인트 수집 음주 운전과 fMRI 데이터가 자동으로 정렬 및에 resampled 할 수있는 방법을 설명MPRAGE과 동시보기.
FreeSurfer의 해부학 MRI 처리 스트림에 대한 자세한 설명은 FreeSurfer 위키 (에서 찾을 수 있습니다 http://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferWiki ), FreeSurfer 출력은 여러 대뇌 피질의 표면 표현뿐만 아니라 대뇌 피질의 parcellation을 포함 해부학 적 기능과 subcortical 구조의 세분화. 우리는 쉽게 AFNI / 스마, FSL, SPM, 기타 neuroimaging 소프트웨어 패키지에서 도구를 사용하여 처리 할 수있는 파일 형식으로이 출력을 변환 FreeSurfer 출력에 AFNI / 스마 스크립트 @ SUMA_Make_Spec_FS를 실행하는 것이 좋습니다. 예를 들어, 이미지의 공동 등록 등 3dAllineate 같은 몇 가지 프로그램 중 하나 (AFNI / 스마), 바람둥이 (FSL), bbregister (FreeSurfer) 또는 SPM의 Coregister 기능을 수행 할 수 있습니다.
- 해부학 세분화 및 대뇌 피질의 표면 재건 B를 수행y는 FreeSurfer의 자동화 된 알고리즘 (정찰 - 모든)에 T1-가중 해부학 이미지를 제출.
- 스마가 @ SUMA_Make_Spec_FS 스크립트를 사용에 FreeSurfer 처리 결과를 가져옵니다. 이 단계는 입력 해부학 이미지의 강도 - 정규화, 두개골을 막았 버전을 포함하여 FreeSurfer 출력에있는 모든 볼륨의 NIFTI 형식의 버전을 만듭니다. 우리는 AFNI / 스마 용어에 따르면, 표면 볼륨으로이 가공 해부학 이미지를 참조, @ SUMA_Make_Spec_FS에 의해 만들어이 이미지의 NIFTI 버전이 brain.nii 이름입니다.
- 결과 표면 볼륨 (스마 디렉토리에 brain.nii라는 이미지의 NIFTI 포맷 버전을 사용)에 DSI B0 이미지를 맞 춥니 다.
- 공동 등록 이후에 사용하기 위해 12 점 아핀 변환 행렬을 저장합니다.
4. 기능성 MRI (fMRI) 처리
기능성 MRI 분석은 세대 나 섬유의 후 임시 선택할 관심 영역 (ROIs)를 정의 할 수 있습니다. 모든 에코 -특정 fMRI 실험에 최적화 된 매개 변수 평면 영상 (에피네프린) 펄스 시퀀스를 사용할 수 있습니다. 마찬가지로, 이러한 AFNI / 스마 (NIMH, NIH) 8, 9, BrainVoyager (뇌 혁신) 10, FSL (FMRIB, 옥스포드 대학) 11, 12, 및 SPM 등의 fMRI 처리 및 분석 존재에 대한 소프트웨어 패키지의 다수 ( Neuroimaging에 대한 웰컴 트러스트 센터, 대학 칼리지 런던 대학) 13. 그림 4의 "fMRI 처리 및 분석"섹션은 AFNI / 스마 소프트웨어 패키지를 기반으로 분석 경로를 간략하게 설명합니다. 자세한 사용 방법은, 우리는 AFNI / 스마 웹 사이트에 훌륭한 자습서 및 기타 교육 자료 (로 독자를 참조 http://afni.nimh.nih.gov ).
섬유 추적에 대한 fMRI 분석의 최종 목표는 강조 최대 활성화 궤적을 찾기 위해 자주하는 표준 기능을 현지화 분석에서 다릅니다.좋은 통계 절차는 사전에 통계 대조에 대해 알파 레벨을 지정하는 연구가 필요하지만, 연구팀은 통계 임계 값의 선택은 기능 활성화의 공간 범위에 영향을 미치는, 그래서 섬유 종료 필드의 범위 것이라는 사실을 고려해야합니다.
- 참조 이미지로 실행 첫 번째 스캐너의 평균 이미지를 사용하여 각 개인의 fMRI 데이터에 따라 머리의 움직임에 대한 수정.
- 선택적으로, 특히 급속한 이벤트 관련 작업 디자인을 사용하는 경우, 슬라이스 수집 시간 수정을 수행합니다.
- 각 실행에서 각 voxel의 시간 시리즈를 정규화하여 신호 기준에 간 운영 차이를 수정합니다.
- 이러한 3dcalc (AFNI / 스마) 또는 fslmaths (FSL)와 같은 프로그램을 사용하여, 주어진 실행에 시간이 지남에 따라 의미 그 voxel의에서 변경 률 각 voxel의 시간 시리즈를 표현한다.
- 또한, 신호 평균 및 St에 따라 각 실행에 대한 각 voxel의 시간 시리즈를 z는 변환시간이 지남에 andard 편차.
- 공동 등록을 각 가공 에피네프린은 표면 볼륨 (brain.nii)에 FreeSurfer (위 참조)에 의해 생성 된 데이터 집합을 실행합니다.
- 에피네프린은 특정 개인에 대한 시간에 실행 모두를 연결.
- 지도 각 에피는 각 실행에 대한 NIML 표면 세트를 생산, 3dVol2Surf을 (AFNI / 스마)를 사용하여 표면에 실행됩니다.
- 부드러운 흰색 물질과 매핑에 대한 참조 표면과 같은 pial 표면을 사용하여, 이것들은 각각 회색 / 흰색 물질 경계와 피질의 표면을 대표로 생각 될 수 있습니다.
- 이 두 표면 사이의 거리를 통해 신호를 평균.
- 대뇌 피질의 표면에 선택적으로 부드러운 에피 데이터 SurfSmooth (AFNI / 스마)를 사용하여.
- 제목에 제출 된 실험 조건의 각에 해당하는 시간 epochs에 대해 별도의 regressors을 만듭니다.
- 일반 선형 모델 (GLM)에 해당 regressors보기 (관심 regressors과 함께) 제출기능 데이터의 분석.
- 다른 regressors에 대한 대비 베타 무게는 표면에 걸쳐 통계 값 "기능지도 '제작을 위해
- 선택적 요소 디자인을 사용하는 경우, 분산의 그룹 수준 분석 (ANOVA)에 여러 참가자 베타 무게 값을 입력합니다.
- 기능지도 familywise 오류 속도 (가우스 필드 이론) 14 또는 false 발견 속도 (루즈 벨트) 15, 복수 비교에 대한 수정 16 조정을 채용, 통계적으로 의미있는 효과를 볼 수 thresholded 도출.
- 각 분리 지역을 라벨에 의해 표면에 중요한 기능을 활성화 인접한 지역에서 tractography의 시딩을 위해 나중에 사용됩니다 관심 영역 (ROIs)를 만듭니다.
- 자동 분류 및 SurfClust (AFNI / 스마)와 같은 공간 클러스터링 알고리즘을 사용하여 레이블 ROIs.
- 또한, 스마의 추첨 투자 수익 (ROI) 기능을 사용하여 손으로 그리기 ROIs.
- 6 단계에서 같이, 매핑의 부드러운 흰색 물질과 pial 표면을 사용합니다.
- 각 표면 노드에서 회색 물질의 두께의 50 %가 흰색 / 회색 물질의 경계 아래의 투자 수익 (ROI)을 성장하기 위해 f_p1_fr = -0.5을 설정합니다.
- pial 표면에 반대 방향으로 투자 수익 (ROI)을 성장하기 위해 f_pn_fr = 1을 설정합니다.
- 표면 볼륨 (brain.nii)에 B0 이미지를 정렬 할 때 생성 된 12 포인트 아핀 변환 행렬의 역을 찾기 위해 AFNI 프로그램 cat_matvec을 사용합니다.
- DSI 데이터를을 정렬하기 위해 기능 ROIs에 역 행렬을 niiApply.
5. 보급 가중치 영상 데이터의 처리
확산 - 가중 영상은 다양한 combinati을 포함한, 흰색 물질 이미징 기술에 대한 일반적인 용어입니다데이터 수집 및 재건 방법의 기능. 아마도 확산 텐서 영상 (DTI) 17, 18라고 가장 자주 사용되는 방법은,, 6 또는 12 방향으로 확산을 측정, 데이터 수집의 5~10분에 기반을두고 있습니다. 이러한 데이터를 바탕으로 확산 패턴은 일반적으로 가장 한 지배적 인 확산 방향을 감지에 적합합니다 간단한 텐서 모델로 모델링되어 있습니다. 이 제한은 DTI가 서로 또는 단일 지점에서 "키스"를 건너 이미징 섬유에 잘 수행하지 않습니다 것을 의미합니다. 횡단와 키스 섬유는 더 나은 이러한 높은 각도 해상도 확산 영상 (HARDI) 19-21, 확산 스펙트럼 영상 (DSI) 1, 2, 일반화 Q-공 영상 (와 같은 고해상도의 수집 및 재건 방법의 조합과 감지 GQI) 22-24.
지멘스 3T 스캐너에서 실행되는 257 방향 다중 쉘 DSI 순서는 (PARAM 여기에 제시된 결과의 취득에 사용 된표 1에서 eters). 획득 데이터는 여러 방향으로 동시에 확산을 감지 할 수있는 방향 분포 함수 (ODF)으로 각 voxel의 확산 패턴을 모델 GQI 방법 24으로 재건되었다. 기타 높은 각도 해상도 확산 시퀀스 비슷한 결과를해야합니다. ODFs의 올바른 복원이 DSI 스튜디오, 여기에 사용 된 음주 운전 처리 및 tractography 프로그램에 입력 그라디언트 테이블을 (또한 B 테이블로 칭함)에 연구원을 필요로합니다. (DSI 스튜디오에 대한 자세한 사용 방법은 소프트웨어의 웹 사이트에서 찾을 수 있습니다 http://dsi-studio.labsolver.org .)이 표는 획득 음주 운전으로 볼륨 각각에 대해 그라디언트 방향과 자기장 세기를 나열합니다. 기울기 표는 MR 수집 프로토콜에 따라 자동으로 DSI 스튜디오에서 DICOM 이미지에서 추출됩니다. 그러나, 우리는 연구자가 autom을 비교하는 것이 좋습니다자신의 스캐너의 음주 운전 프로토콜에 대한 표준 테이블과 그라데이션 테이블을 atically - 추출.
- 필요한 경우, mri_convert을 사용합니다. DCM (DICOM) 형식 (FreeSurfer)에 MR 이미지를 변환합니다.
- B0 이미지 (즉, 에코 - 평면 이미지가 더 확산 가중치를 수집)하는 데이터 세트의 어떤 이미지 (들) 확인합니다.
- AFNI 프로그램 to3d을 사용하여 NIFTI 형식으로 B0 이미지 (들)을 변환합니다.
- DSI 스튜디오에서 열린 DICOM 이미지 및 소스 (. SRC) 파일을 만들 조화를 이루고 있습니다.
- (위 참조) 그라디언트 테이블을 제공하고 있습니다.
- 기본 재건 마스크가 빈 공간 두개골, 또는 비 뇌 조직을 포함하지 않고, 모든 회색 물질을 포함하는지 확인합니다. 필요에 따라 마스크를 편집합니다.
- 또는 B0 이미지를 AFNI 프로그램 3dAutomask을 실행하여 복구 마스크를 만들 수 있습니다.
- DSI, GQI, 또는 GQI의 변형 : 고해상도 재건 모델을 선택합니다.
- 의 주요 확산 방향 (들)을 대표하는 섬유 정보 파일 (. 악의없는 거짓말) 만들기각 voxel.
6. 전체 - 뇌 Tractography을 통해 데이터 품질 및 추적 매개 변수를 평가
전체 - 뇌 씨앗과 추적 섬유는 전체 데이터 품질을 평가하는 빠르고 효과적인 방법입니다. 또한 특히 글로벌 매개 변수 tractography의 중지 기준으로 사용되는 이방성 임계 값에 대한 적절한 값을 결정 할 수있는 기회를 제공합니다. 이 절차는 섬유 추적 과정에서 범위를 향상시키고 소음을 감소 사이의 균형을 공격 할 필요가 있습니다. 특별한주의가 같은 각도 임계 값 및 추적 임계 값 같은 주요 추적 매개 변수를 설정에서 촬영해야합니다.
이것은 다른 책자의 상대적 이방성은 연령과 흰색 물질 무결성뿐만 아니라 세션 사이의 하드웨어 보정과 같은 외부 요인 등 생물학적 요인에 따라 개인마다 다를 수 있습니다하는 것이 중요합니다. 다음은 추적을 equilibrating에 대해 여러 방법을 제안데이터 세트 사이의 임계 값. 항상, 알려진 neuroanatomy으로 비교하여 추적 결과의 품질을 확인합니다. 예를 들어, 알려진 interhemispheric 연결 (즉, 코퍼스 callosum, 앞 · 뒤쪽 commissures) 이외의 interhemispheric 균열 (fissure)을 건너 섬유는 추적 임계 값이 너무 낮아 제기해야하거나, 머리 움직임 유물의 증거 수 있다는 의미 할 수 있습니다.
섬유 책자는 짧은 기간 동안 곡률에 변경되지 않기 때문에 명백하게 추적 임계 값 대조적으로, 각 임계 값은 세션에 걸쳐 특정 개인에 대한 불변해야합니다. 마찬가지로, 요로 곡률은 뇌 크기 나 형태의 주요 차이의 부재에서, 개인에서 비교적 일정해야합니다. 그럼에도 불구하고,주의를이 매개 변수의 초기 값을 설정에주의해야한다. 같은 머리 핀의 자형 곡선 등의 황당한 궤도를, 따라 섬유 각도 임계 값이 너무 높은 것을 의미 할 수 있습니다.
- 를 만듭니다전체 - 뇌 씨앗 지역.
- 낮은 신호 voxels을 덮으려고 초기 추적 임계 값을 설정합니다.
- 섬유는 단일 단계에서 N도에 곡선까지 할 수 있도록 각 임계 값을 설정합니다.
- mm의 추적 단계 크기를 설정합니다.
- 섬유 또는 종자 포인트의 원하는 번호를 설정합니다.
- 전체 ODF의 재건 품질을 확인 전체 - 뇌 tractography을 수행합니다.
- 시작하려면 중간 (데이터 세트에서) 추적 임계 값을 선택합니다.
- TrackVis, 섬유 기관 시각화 및 분석 프로그램 (생명 이미징, 매사추세츠 종합 병원에 대한 Martinos 센터) 25에 전체 - 뇌 trk 파일을로드합니다.
- ROIs로 스마 디렉토리 (LH / rh.ribbon.nii)에 회백질 (GM) 볼륨을로드합니다.
- ROIs 중 하나에 양쪽 끝에 있습니다 만 섬유에 동의 트랙 그룹에 필터로 GM의 ROIs를 설정합니다.
- trk 파일의 섬유 (90-100%)의 대부분은 필터링 트랙 그룹에 남아 있는지 확인합니다.
- 를 반복S 필요 DSI 스튜디오마다의 추적 임계 값을 조정.
- 또한 빈 공간 (즉, 뇌의 가장자리 주변과 내부 - gyral 공간)에서 voxels 아웃 추적 임계 마스크 명확하게 흰색 문제에 대해 거짓말 voxels을 제거하지 않고 있는지 확인합니다.
- 선택적으로, 데이터 집합에 걸쳐 추적 임계 값을 (즉, 다른 세션 및 / 또는 참가자) 평형.
- DSI 스튜디오 인터페이스를 통해 한 세트에 원하는대로 추적 임계 값을 설정합니다.
- DSI 스튜디오 웹 사이트 (에 대한 지침에 따라, MATLAB에. 매트 확장 및 가져 오기 DSI 스튜디오에 의해 생성 된. 거짓말을 파일 이름을 바꿉니다 http://dsi-studio.labsolver.org ).
- 이 임계 값에 원하는 값의 히스토그램을 만듭니다.
- Z-점수에지도 값을 변환합니다.
- 당신이 처음 DSI 스튜디오 interfac에서 설정 한 추적 임계 값의 Z-점수를 찾기5.
- 단계 전자에있는 Z-점수에 해당하는 추적 임계 값을 찾는 다른 모든 데이터 세트에 대한 단계 BD를 수행합니다.
- 단계 AF에 대한 크로스 체크로, 500,000 종자로 뒤통수 북극에서의 해부학 투자 수익 (ROI)의 제어 섬유의 집합을 추적 할 수 있습니다.
- 이 절차는 약 데이터 세트에 걸쳐 섬유의 같은 수의 (- 100 섬유 +)를 생산 있는지 확인합니다.
7. 로컬 제약 Tractography
전체 - 뇌 tractography는 대조적으로, 로컬 제약 tractography는 섬유 나 통과되지 않을 수 있습니다해야하는을 통해 볼륨을 지정 등의 투자 수익 (ROI) 기반 부울 운영,을 사용합니다. 그 결과, 로컬 제약 tractography 관심 선택 섬유를 추적하기위한 높은 감도와보다 효율적으로 관리를 제공합니다. 전체 - 뇌 tractography는 시딩 운영 및 제한된 컴퓨터 그래픽 메모리의 높은 계산 비용으로 인해 가능 씨앗 지점의 공간을 undersamples. (그것은 PO이다이러한 제약은 undersampling의 결과로 tractography 알고리즘의 변화, 증가 메모리 용량, 또는 기타 요인으로 인해 미래.)에 완화 될 ssible 전체 - 뇌 tractography은 종종에서 지배적 인 확산 경로쪽으로 편중 된 결과를 생성 뇌. 사용자가 제공 한 ROIs는 씨앗 점의 높은 밀도 제한 대상 지역을 제공하는보다 쉽게 캡처 할 어려운를 감지하는 섬유 책자를 만들어이 문제를 해결합니다.
- DSI Studio에서 전체 - 뇌 씨앗 지역을 만듭니다.
- 하나 이상의 NIFTI 지역 수준의 관심 (ROI) 파일을로드합니다.
- 선택적으로 통과 안됩니다 섬유 voxels를 표시 회피 (ROA) 파일의 영역을로드합니다.
- 위의 설명에 따라 이방성 임계 값과 각도 임계 값을 설정합니다.
- 추적을 수행합니다.
- 해부학 적 세부에 섬유 트랙을 비교하여 품질을 확인합니다.
8. 엔드 포인트 밀도 분석
- NIfTI ROIs 및 trk 파일을 전로드n 인물 TrackVis.
- 지역 사이에 부울 작업을 수행합니다.
- 새로운 trk 파일로 각 작업의 결과를 저장합니다.
- spatially 표면 볼륨 (brain.nii) 파일 trk 파일을 변환하는 track_transform (확산 툴킷) 함수를 사용합니다.
- 변환 된 trk 파일 및 검사 할 수 TrackVis의 표면 볼륨 (brain.nii)을로드합니다.
- 양적 연결 견적을 만들기 위해 MATLAB에 trk 및 투자 수익 (ROI) 파일을로드합니다.
- 투자 수익 (ROI)의 {X / Y / Z} 중심을 찾아보세요.
- 연결 중 하나를 수단으로 투자 수익 (ROI) 볼륨별로 표준화 된 투자 수익 (ROI)의 섬유 끝점의 총 수를 계산합니다.
- 또는 그 투자 수익 (ROI)에 대한 기관의 연결의 특이성과 일관성의 측정으로, 섬유의 끝점과 투자 수익 (ROI) 중심 사이의 유클리드 거리를 계산합니다.
9. 대표 결과
고해상도 확산 - 가중 영상 및 섬유 tractography는 다양한에 적용 할 수neuroscientific 질문입니다. 이 논문에 우리의 초점은 세부 사항에 기능 neuroimaging과 구조의 연결 방법의 커플 링입니다. 그러나, 우리는 음주 운전의 응용 프로그램이 데이터 수집 프로토콜 재건 방법, 그리고 tractography 매개 변수는 최종 제품에 상당한 독립적 인 효과를 발휘 할 수있는 주어진 tractography 결과의 신중한 평가이 필요합니다. 그림 5를 사용하여 최적의 및 하위 최적의 결과를 보여줍니다 전체 - 뇌 tractography. 세 이미지는 하나의 참가자에서 같은 257 방향 음주 운전으로 데이터 세트를 기반으로, 최적의 결과가 왼쪽 패널에 표시됩니다. 대조적으로, 중앙 패널은 지나치게 관대 한 tractography 매개 변수 (FA 및 각 임계 값)의 효과를 보여줍니다. 오른쪽 패널은 품질의 감소를 보여줍니다 음주 운전으로 데이터를 재구성하기 위해 단일 텐서 모델을 사용의 결과.
우리는 tractography 결과가 확증 할 수있는 방법의 두 예제를 포함하고 interpretati을 알려기능 영상 데이터의 있습니다. 즉, 얼굴 인식 및 시각주의 :이 실험 기능 시드 영역의 생성을 허용인지 과정을 평가합니다. 이 씨앗 지역은인지 네트워크에서 흰색 문제에 연결의 질문을 테스트하는 데 사용할 수 있습니다. 그림 6은 얼굴 인식 작업하는 동안 활성화 지역의 예를 보여줍니다. 과목은 fMRI 스캔을 진행하는 동안 얼굴과 일상 개체의 사진을 보았습니다. 중간 fusiform 이랑 (MFG)와 열등 뒤통수 이랑 (기절)의 두 ventro - 시간적 지역, 객체에 대한보다 얼굴을 크게 더 BOLD 반응을 보여 주었다. 이 두 기능 정의 영역은 다음 (위의 제 6-7에서 설명) tractography 동안 씨앗 지역으로 사용되었습니다. 그림 6A는 섬유의 큰 번들 측두엽에서의 관심이 두 지역을 연결하는 (빨간색으로 표시) 합리화 보여줍니다, 약 12cm의 거리 이상. 섬유 s의 긴밀한 포장을합니다이 거리 이상의 섬유 곡률 쇼핑몰 학위를 취득했습니다. 이 패턴은 장거리 (예를 들어, 심판을 참조하십시오. 26)을 통해 기능을 네트워크 내에서 일대일 연결의 전형적인 있습니다. 그림 6B 보여줍니다 개별 섬유 끝점과 함께 기절 한 기능 시드 지역 (노란색으로 표시) (붉은 점) . 섬유 끝점은 투자 수익 (ROI)에 걸쳐 위치하고 있습니다. 이 연결 패턴은이 지역의 얼굴을 인식하는 네트워크 내에서 빠른 의사 소통을 기초 할 수 있습니다 직접, 장거리 연결을 가지고하는 것이 좋습니다.
두 번째 예를 들어 (그림 7) 시각 피질 감각 영역 및 뒤쪽 정수리 피질 (PPC)에 attentional 컨트롤의 영역 사이의 연결을 보여줍니다. 이 경우 기능 활성화 (뒤통수와 정수리 지역)의 두 가지가 같은 개인의 fMRI 데이터의 독립적 인 세트를 통해 생산되었다. 정수리 활성화는 visu 6 위치 사이에 관심을 이동 작업을 통해 생성 된. 그림 7A가 보여주는 - 뒤통수 지역은 시각 피질 (V3 V1)의 기능 씨앗 지역 사이의 경계를 표시하는 데 사용 된 표준 영상 분야 자오선 매핑 28, 사용하여 정의 된 반면, 알 필드 (자세한 내용은, 심판을 참조하십시오 27.) V1, V2, V3 및 시드 영역 (각각 적색, 녹색, 및 파랑)의 대략적인 위치는 PPC 씨앗 지역은 IPS-1을 표시하고,이 지역을 연결하는 섬유 책자. 책자는 그들이 놓는 된에서 뒤통수 투자 수익 (ROI)로 물들어 있습니다. 측두엽 (그림 6)에서 긴 직선 섬유와는 달리,이 흰색 물질 책자는 짧은 거리 (범위 3-5cm)를 포함하고, 따라서 더 많은 U 자형이며 또한 뒤통수에서 여행으로 덜 단단하게 포장 정수리 엽. 그림 7B에 엽는 각 지역의 섬유 끝점과 함께 대뇌 피질의 표면에 IPS (갈색), V1 (빨간색), V2 (녹색), & V3 (파란색)에 기능적으로 정의 된 영역을 보여줍니다. 참고IPS-1의 엔드 포인트 interdigitation의 큰 학위를 대조 씨앗 지역의 뒤통수 엽의 책자의 분리. 이것은 우리의 PPC 지역 (선택적주의 작업하는 동안 fMRI 활동을 통해 확인) 감각 피질의 여러 노드 구조 연결과 뇌의 융합 영역 일 수 있습니다하는 것이 좋습니다. 이 연결 패턴은 초기 cortices에 활동을 조절하는 대뇌 피질의 높은 지역에서 attentional 바이어스 신호의 전송을 허용 할 수 있습니다,이 신호는 시각 피질에 29, 30에 대상 표현을 향상하는 데 도움이됩니다.
1 그림. . 확산 - 가중 영상 (음주 운전) 패널의 주요 개념의 개략도는 A : 동질적인 매체에, 확산은 브라운 운동의 결과로 무작위로 발생합니다. 물 분자의 많은 들어, 확산은 등방성 - 즉, 집계 확산 패턴이 구형입니다. 패널 B : axons 내의 axonal 번들의 interstices에서 물 분자의 확산은 axonal 벽 및 기타 지원 구조에 의해 제약된다. 따라서, 섬유 책자를 따라 확산은 비 등방성입니다, 다른 방향보다 섬유 기관의 궤적을 따라 훨씬 더 있습니다. 패널 C : 고해상도 음주 운전 방법이 흰색 물질 책자의 복잡한 구성으로 비 등방성 확산 모델링을 같은 방향 분포 함수 (ODF)와 같은 모델을 사용합니다. 이 예에서와 같이 같이, ODFs은 단일 지점에서 교차 여러 섬유 책자에 대해 별도의 확산 경로를 구별 할 수 있습니다. 두 세 가지 다른 섬유 책자를 포함한 횡단은 뇌에 일반적입니다.
그림 2. 섬유 추적 조사는 여러 가지 방법으로 수행 할 수 있습니다. 가장 중요한 선택이 수집 프로토콜을 재건 기술, 그리고 tractography 방법을 포함한다. 현재 논문에서, 우리는 USE 확산 스펙트럼 이미징 (DSI) 1, 인수 2 프로토콜, 일반화 Q 샘플링 영상 (GQI) 재건 24, 그리고 실제로 결정의 tractography 40, 41. 각 voxel의 확산을 표현하기 위해, 우리는 특히 방향 분포 함수 (그림 1 참조 ODFs)를 생성 모델 무료 하이브리드 재건 기술을 강조 표시합니다. 연구자들은 예산, 사용 가능한 시간, 높은 각 해상도에 대한 필요성, 그리고 머리의 움직임과 비 선형 이미지 왜곡에 대한 수정의 중요성에 따라 서로 다른 파이프 라인을 선택할 수 있습니다. 이 수치는 모든 가능한 수집, 재건, 그리고 tractography 방법의 포괄적 인 목록이 아닙니다. 재건 기술의 훌륭한 검토 Seunarine & 알렉산더 42을 참조하십시오.
그림 3. 확산 MRI 인수 변수의 상호 작용, 스캔 기간 및 ABility는 섬유 횡단를 해결합니다. 높은 확산 대비 복잡한 횡단 구성 섬유를 해결하기위한 필요합니다. 이 대비 기울기 방향의 수 (즉, 가능한 섬유 방향의 번호) 및 B-값 (확산 가중치의 정도를 나타냅니다) 등 여러 가지 요인에 따라 달라집니다. 여기 B-값과 기울기 방향의 수를 증가의 전형적인 효과를 제시한다. 이 표는 경향을 나타냅니다, 개인 기술은 스캔 시간, 신호 대 노이즈 비율 (SNR) 및 확산 대비시 다양한 효과를 가지고 수 있습니다. 일반적으로, 콘트라스트는 기울기 방향의 수와 B-값의 크기를 모두 증가하여 향상시킬 수 있습니다. 높은에서는 B-값은 그러나, 확산 - 가중 영상의 신호 대 노이즈 비율은 감소하고 있으며, 스캔 시간이 많이 증가하고 있습니다.
4 그림. 그래픽 summa녹색 텍스트 사용하실 수 있습니다 소프트웨어를 나타내며 검은 색의 해부학 MRI, 음주 운전 - MRI와 fMRI 처리 스트림 보시지. 텍스트, 각 처리 단계의 성격을 설명합니다. 점선 라인과 박스는 모든 프로젝트에 적용되지 않을 수 있습니다 옵션 단계를 나타냅니다. 이 예에서는 처리가 AFNI / 스마 패키지 (DSI Studio 또는 TrackVis가 표시됩니다 제외)에 수행됩니다. 다른 neuroimaging 분석 패키지에 비하면 기능은 종종 대체 할 수 있습니다. 이 다이어그램에 도시 된 단계의 대부분은 편리하게 스크립트로 소프트웨어 개발자들이 부분적으로 통합되었습니다 우리는 특히 FreeSurfer 정찰 - 모든 파이프 라인을 독자 참조 ( http://surfer.nmr.mgh.harvard.edu/fswiki/ReconAllDevTable ) . 우리는 몇 가지 소프트웨어 패키지가 음주 운전 데이터에 대한 완벽한 처리 파이프 라인을 제공 또한 유의하지만,이 패키지는 강점과 약점에 따라 다양, 일부는 높은 각도 해상도 확산 MRI 데이터 작업을위한 도구가 포함되어 있지 않습니다. 큰 그림을 보려면 여기를 클릭하십시오 .
그림 5. 다른 복구 방법과 tractography 매개 변수가있는 전체 - 뇌 tractography의 그림. 모든 이미지는 동일한 데이터 세트, 다중 B-값 (7000 S / mm 2, 5 껍질)와 257 방향 확산 스펙트럼 이미징 (DSI) 순서에서 파생되었습니다. 패널 A : 높은 해상도, ODF 기반 재건 방법을 사용하여 달성 최적의 결과. 0.06의 비교적 높은 추적 임계 값은 강력하게 비 등방성 voxels에서 섬유를 생성하기 위해, 선정 및 55 °의 각도 임계 값은 생물학적으로 비현실적인 곡률 (즉, "반복"섬유)와 섬유의 생성을 배제하기 위해 선정되었다. N종 방향 균열 (fissure)로 구분 반구의 맑은 묘사를 ote는, 또한 섬유 번들이 sulcal / gyral 윤곽을 기대 다음 방법을 확인합니다. 패널 B : 같은 재건 방법은 (A)에서와 같이 사용되었지만, FA 및 각도 임계 값 tractography (0.03 85 °, 각각)에 더 많은 leniently 설정되었습니다. 부적절한 추적 매개 변수는 해부학 적 구조에 대한 진정한 정보를 은폐 "정크"섬유, 다수의 세대가 발생할 수 있습니다. 적절한 매개 변수를 선택에 대한 조언을 위해, '데이터 품질을 평가 및 전체 - 뇌 Tractography을 통해 매개 변수를 추적하는'조 5 항을 참조하십시오. 패널 C : 데이터가 하나의 텐서 모델, 음주 운전에서 가장 널리 사용되는 방법 중 하나를 사용 재건축되었습니다. 적절한 추적 매개 변수 (A와 동일)으로, 단일 텐서 모델은 많은 알려진 주요 섬유 책자를 재현하고, gyral 윤곽은 화살보기에 다소 볼 수 있습니다. 그러나, 또한 ODF 모델보다 더 잘못된 반응을 생산 : 노트 섬유는 수평 여행 interhemispheric 균열 (fissure)에 걸쳐 통증이 있습니다. 큰 그림을 보려면 여기를 클릭하십시오 .
6 그림. 얼굴 인식 실험에서 Tractography 결과를 표시합니다. 패널 (A) 쇼 얼굴 인식 실험에서 확인 된 기능 ROIs 사이 tractography로 인해 간소화. 하부 뒤통수 이랑 (기절) 및 중간 fusiform 이랑 (MFG)의 일반 영역은 노란색 타원으로 표시됩니다. 패널 (B)는 섬유의 기절 종점 뒤 시간적 대뇌 피질의 표면의 확대 복부보기에 표시 패널 (A)에 표시된 보여줍니다. 노란색으로 렌더링 투자 수익 (ROI)은 얼굴 인식 기능 MRI 실험에서 결과. 일지에 기능적으로 정의 된 활성화 및 섬유 끝점 사이의 큰 계약을합니다. 이 섬유는, 뇌 영역을 MFG 참여 얼굴 인식에서 추적합니다.P :/ / www.jove.com/files/ftp_upload/4125/4125fig6large.jpg "대상 ="_blank "> 큰 그림을 보려면 여기를 클릭하십시오.
그림 7. 시각적주의 실험. 패널 (A)에서 Tractography 결과가 시각적주의 실험 27 일부터 식별 기능 ROIs 사이 tractography에서 발생하는 간소화을 보여줍니다. 뒤쪽 정수리 피질 (IPS-1) 및 시각 피질 (V1d, V2d, & V3d)의 일반 영역은 색 타원으로 표시됩니다. V1d에 빨간색, V2d에 대한 녹색, V3d에 파란색 : 섬유 책자는 해당 색상 표시됩니다. 패널 (B)는 섬유의 종점 뒤쪽 (정수리와 뒤통수) 대뇌 피질의 표면의 확대 측면보기에 표시 (A) 패널에 표시된 보여줍니다. 색상 대회는 패널의 사람들을 (A)과 일치합니다. 시각적주의 기능 MRI 실험에서 발생하는 관심 영역은 대뇌 피질의 표면에 표시됩니다. 세의책자 / 종점의 ETS는 시각 피질의 목표에 신호를 바이어스주의의 원인 일 수 있습니다 시각적주의의 우선 순위지도를 포함 할 생각된다 IPS-1 지역에 수렴. 이러한 섬유 책자의 뒤통수 끝이 명확하게 시각 피질의 지역에 따라 차별하는 반면 IPS-1의 책자은 크게, interdigitated 수 있습니다.
| MR 스캔 | 매개 변수 |
| DSI | 257 방향으로 확산 스펙트럼 이미징 (DSI) 검사가 두 번 refocused 스핀 - 에코 에피 시퀀스를 사용하고 43 분 획득 시간과 여러 Q-값 (TR = 9916 MS, TE = 157 MS, voxel 크기 = 2.4 X 2.4 X 2.4 mm , FoV = 231 X 231mm, B-최대 = 7000 S / mm 2, 5 껍질) |
| 해부학상의 | T1-가중 MPRAGE 시퀀스 (1mm X 1mm X 1mm, 176 시상 슬라이스, TR = 1870, TI = 1,100, FA = 8 °, 술은 = 2) |
| fMRI </ TD> | T2 * - 가중 에코 - 평면 영상 (에피네프린) 펄스 시퀀스 (31 경사 축 슬라이스, X 2mm, 3mm 슬라이스의 두께, 아니 갭, 반복 시간 [TR] = 2000 MS, 에코 시간 [TE 인 비행기 해상도 2mm ] = 29 MS, 플립 각도 = 90 °, 술 = 2, 매트릭스 크기 = 96 X 96, 시야 [FOV] = 192mm) |
표 1. 수집 매개 변수를 Neuroimaging.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
고해상도 음주 운전 및 섬유 tractography은 인간의 뇌의 결합 구조를 조사하는 강력한 방법을 제공합니다. 여기, 우리는이 구조 아키텍처는 의미 fMRI에 의해 평가 뇌 기능과 관련이있는 것으로 증거를 제시한다. fMRI 작업 활성화에 따라 tractography 씨앗을 사용하여, 우리는 시각적 인 관심을 동안 공동 운영중인 뇌 영역 기능 neuroanatomy의 사전 지식 (그림 7)과 해부학 connectedconsistent 있다는 증거를 찾으십시오. 마찬가지로, 얼굴 인식을위한 기능 neuroanatomy은 우리의 현재 구조 연결 결과 (그림 6)과 일치합니다. 해부학 적 연결의 지식은 주어진 작업의 뇌 영역 (및 그 반대도 마찬가지입니다) 사이에 직접 연결 기능을 유추을 위해 충분하지 않았지만, 필요합니다. 많은 neuroimaging 연구에서, 직접 구조 및 기능 연결 유추 - 문제로 -에있는 동시 functio의 기초혼자 NAL 활성화. 이러한 추론은 다른 해석을 게을리 : 그들이 공통 입력을 공유하기 때문에 예를 들어, 두 뇌 영역은 공동 활성화 나타날 수 있습니다, 때문에 실험 디자인 때문에 같은 머리와 같은 일반적인 노이즈 소스,의도 제어되지 않거나하는 글로벌 neuromodulatory의 영향 운동. MR 확산 tractography이 가능한 결합 기판 그들 사이에 있는지 확인하여 말초 뇌 영역 사이의 동적 기능의 관계에 대한 수렴 증거를 제공합니다.
사용자는 섬유 추적 연구의 몇 가지 제한 사항 및주의 사항을 고려해야합니다. 이들의 가장 기본은 가능한 확산 경로, 그리고 사실이 아니다 섬유 번들을 나타내는 섬유를 결정 tractography에서 생성 간소화합니다. Tractography 결과가 거짓 긍정적 허위 부정적인 결과 및 tractography의 해석 모두에 의해 영향을받을 수는 기존 neuroanatomical 지식에 의해 인도되어야한다. 흰색 물질 C의 최고 전에 증거onnectivity는 microdissection 또는 추적 라벨로 "금 표준"기술에서 제공합니다. 이러한 디지털 해부학자 프로젝트와 같은 무료 온라인 리소스 (; 특히 유용 확률 등 Buergel, Amunts에 의해 생성하는 것과 같은 사후에 인간의 두뇌에서 파생 된 섬유 요로 윤곽의지도, 그리고 동료 31 아르 http://www9.biostr.washington.edu/ da.html는 )도 유용한 지침을 제공 할 수 있습니다. 우리는 EEG, '마가렛'의 기능을 연결 분석에 유의하고, BOLD fMRI 데이터는 뇌 영역 사이의 해부학 적 연결을있는 경우에만 약한 증거를 제공합니다.
추가주의해야 할 점은 두 개의 독립적 인 확산 경로가 약 엔드 - 투 - 엔드를 정렬 할 때 발생할 수있는 섬유 합리화의 잘못된 continuations을 우려하며, 서로에 흐를 나타납니다. 이러한 경우, tractography 알고리즘은 진정한 정지 점 이상 계속 사용할 수 있습니다. 에서 예를 들어, thalamic afferentsbrainstem과 피질의 등쪽 부분 thalamic efferents 비슷한 방향이있을 수 있습니다. 그 결과, tractography 알고리즘은 brainstem에서 일어날 긴 섬유를 생산에 속아 될 수 있습니다 시상을 통과하고, 대뇌 피질에 종료 나타납니다. 이러한 허위 섬유는 그 자체로 정확 각각 두 개의 해부학 올바른 경로의 conjoining에서 발생할 수 있습니다. 그러나, 그들은 또한 해부학 적 무효 섬유 궤도에서 발생할 수 있습니다. 기타 일반적인 허위 continuations는 insula와 알려진 interhemispheric 교차 지점 (즉, 코퍼스 callosum과 commissures) 이외의 종 방향 균열 (fissure)을 건너 섬유에 시간적 극에서 합격을 나타 섬유가 포함되어 있습니다. 추적 임계 값이 너무 leniently 설정 되었기 때문에 또는 2), 1) 부분적인 볼륨 효과 엽 / 뇌의 테두리를 흐릿하게하기 때문에 이러한 허위 continuations는 종종 발생합니다. 우리는 위의 명시된 바와 같이, 연구자 무언가 neuroana의 빛에 섬유 추적 결과를 평가해야합니다tomical 지식이 필요합니다. 마지막주의, 우리는 확산 MRI 및 섬유 tractography는 연결의 방향에 대한 정보를 제공하지 않는다는 것에주의 : 즉, 그들은 efferents의 의견 섬유, 또는 afferents에서 피드 포워드 분별 할 수 없습니다.
섬유는 가설과 비교 될 수있다 특정 궤도를 따라 포인트 - 투 - 포인트 연결에 대한 추론을 구성 생성 간소화로 결정 tractography는 가설 테스트에 유용 할 수 있습니다. 그러나, 사용자는 (그림 2 참조) 확률 추적 방법을 고려 할 수 있습니다. 확률 방법의 주요 이점은 이러한 점에게 32 연결 voxels의 확산 확률의 축적에 따라 두 지점 사이 확산 경로에 대한 자신감 견적을 얻을 수 있다는 것입니다. 반면, 결정 tractography의 결과는 계정으로 가상 섬유의 전파의 각 단계에서 축적 불확실성을하지 않습니다,이 불확실성 단계 크기, 사용자 설정 매개 변수로 증가 증가된다. 신뢰가 두 개 이상의 서로 다른 확산 경로의 상대적 가능성 판단 할 때 확률 tractography에 의해 생산이 특히 유용 할 수 추정, 또한을 사용자가 쉽게 낮은 자신감 예상과 voxels를 마스크 할 수 가능성이 결정적 방법으로 부여 않습니다. 결정 tractography처럼, 그러나, 확률 방법은 결론적으로 흰색 물질 섬유의 존재를 입증하지 않는, 오히려, 그들은 가능한 확산 경로를 보여줍니다.
사용자는 결과가 일반적으로 3 차원 섬유 뷰어가 신속하게 섬유의 탄도를 체포 할 수있는 효율적으로 제시하기 때문에, 시각화를위한 결정 tractography 결과가보다 직관적 수도 있습니다. 반면, 확률 tractography 결과는 일반적으로 용적 데이터의 2 차원 슬라이스로 표시됩니다. 이 이미지는 보통 사기꾼의 열지도를 표시기관 내에서 가능한 섬유의 탄도를 모델링하지 않고 thresholded 기관 볼륨 내에서 확산 가능성에 해당하는 tiguous voxels,. 에 관계없이 tractography 및 시각화 방법을 사용자의 선택, 그 섬유 추적 결과 만 가능 확산 경로를 보여 인식하고, 두 방법의 결과는 I 및 II 통계 오류 유형을 포함 할 수 있다는 것을.
우리 연구 그룹은 기술을 시각화하고 정량화 corticospinal 33 기관, 코퍼스의 callosum 34, 및 비주얼주의 시스템 27 연결을뿐만 아니라 기저 신경절 35에서 대뇌 피질의 프로젝션 회로를 매핑하기 위해 여기에 설명 된 사용하고 있습니다. 어떤 경우에는 tractography 결과는 소설 결과를 생성 할 수 있습니다. 예를 들어, 왕 외 (제출) 이전에 시신을 해부 36 교차 검증과 섬유 책자를 undescribed 세부로 고해상도 음주 운전으로를 사용했습니다. 다음과 같은 결과를 제공 할 수 있습니다뇌 기능의 조사, 새로 발견 된 책자의 기능 유틸리티를 평가하기 위해위한 원동력. 마지막으로, 비 침습적, 고해상도 음주 운전은 neurosurgical 계획 37 등 임상 상황의 수가 약속을 보유하고, 외상성 뇌 손상 (외상성 뇌 손상) 39, 종양, 흘러요 및 cavernovas 38에 대한 수술을. 우리 그룹은 행동 증상에 방해 섬유 연결을 관련된, 신경 외과 및 외상성 뇌 손상의 경우 다수의에서 이러한 기술을 적용했습니다.
궁극적으로, 쉽게 구할 글로벌 두뇌 연결에 대한 정보는 연구자들이 뇌의 더 나은 모델을 구축 할 수 있습니다. 예를 들어, 흰색 문제에 연결의 등급 측정은 멕 / EEG에서 소스 현지화를 개선하거나 fMRI 기반의 효과적인 연결 분석에 제약을 배치하는 데 사용할 수 있습니다. 고해상도 tractography도 중단 또는 병적 인 뇌의 연결 모델, 님을 개선 할 가능성이채널은 외상성 뇌 손상 또는 자폐증에 발생할 수 있습니다. 마지막으로, 고해상도 tractography은 연구자 더 비 인간 두뇌의 침입 연구와 인간의 기능 neuroanatomy에 대한 지식을 통합 할 수 있습니다. 우리는 희망과 연구자의 수가 증가하고 고해상도 확산 - 가중 영상과 뇌 기능의 평가를 결합의 가능성을 모색 할 것입니다 것으로 예상됩니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
관심 없음 충돌이 선언 없습니다.
Acknowledgments
목록 응답 및 자금 출처. 작품은 NIH RO1-MH54246 (MB), 국립 과학 재단 (National Science Foundation) BCS0923763 (MB), 계약 NBCHZ090439 아래의 국방 고급 연구 프로젝트 기관 (DARPA) (WS), 수상 N00014-11 이하 해군 연구 (ONR)의 사무실에 의해 지원됩니다 -1-0399 (WS) 및 계약 W911NF-10-2-0022 (WS)에서 육군 리서치 연구소 (백작). 이 프리젠 테이션에 포함 된 전망, 의견, 및 / 또는 연구 결과는 저자의 이러한하며 위의 기관이나 국방의 미국학과의 공식 전망이나 정책, 명시 적 또는 묵시적인을 대표로 해석되어서는 안됩니다.
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).
