Co-análise de estrutura e função cerebral usando ressonância magnética funcional e imagem ponderada em difusão

Summary

Nós descrevemos uma nova abordagem para a análise simultânea da função cerebral e estrutura usando ressonância magnética (MRI). Avaliamos a estrutura do cérebro com imagens ponderada em difusão de alta resolução e de matéria-branco tratografia fibra. Ao contrário do padrão estrutural de ressonância magnética, estas técnicas permitem-nos relacionar diretamente conectividade anatômica a propriedades funcionais de redes cerebrais.

Abstract

O estudo de complexos sistemas computacionais é facilitada por mapas de rede, tais como diagramas de circuitos. Tal mapeamento é particularmente informativo quando se estuda o cérebro, como o papel funcional que cumpre uma área do cérebro pode ser em grande parte definidos por suas conexões com outras áreas do cérebro. Neste relatório, nós descrevemos um romance, a abordagem não-invasiva para relacionar a estrutura e função do cérebro usando ressonância magnética (MRI). Esta abordagem, de uma combinação de ligações de imagem estrutural de longo alcance e dados de imagem de fibras funcionais, é ilustrado em duas distintas cognitivas, atenção visual e percepção face. Imagem estrutural é realizada com imagem ponderada em difusão (DWI) e tratografia fibra, que controlar a difusão de moléculas de água ao longo de extensões de fibra de substância branca do cérebro (Figura 1). Ao visualizar estes feixes de fibras, que são capazes de investigar a arquitetura de longo alcance conectivo do cérebro. Os resultados de comparação favoraBly com uma das técnicas mais utilizadas em DWI, tensor de difusão de imagem (DTI). DTI é incapaz de resolver complexas configurações de feixes de fibras, limitando a sua utilidade para a construção de modelos detalhados, anatomicamente informadas da função cerebral. Em contraste, as nossas análises reproduzir neuroanatomia conhecido com precisão e exatidão. Esta vantagem é em parte devido a procedimentos de aquisição de dados: enquanto muitos DTI difusão medida protocolos em um pequeno número de instruções (por exemplo, 6 ou 12), que empregam uma difusão espectro de imagem (DSI) ^{1, 2} protocolo que avalia a difusão em 257 direções e em uma série de pontos fortes gradientes magnéticos. Além disso, dados da DSI nos permite utilizar métodos mais sofisticados para reconstruir dados adquiridos. Em dois experimentos (atenção visual ea percepção de face), tratografia revela que as áreas de co-ativas do cérebro humano são anatomicamente ligados, apoiando hipóteses existentes que formam redes funcionais. DWI nos permite criar um "circuito de diagram "e reproduzi-lo em uma base individual-sujeito, com o objetivo de monitoramento da atividade cerebral em tarefas relevantes em redes de interesse.

Protocol

1. Equipamento para MR Aquisição de Dados

Figuras 2 e 3 resumem uma série de escolhas a serem feitas na difusão aquisição de ressonância magnética, reconstrução de dados e rastreamento de fibra. Tenha em mente que estas escolhas normalmente envolvem trade-offs, ea melhor escolha pode depender objetivos de uma pesquisa. Por exemplo, a DSI e multi-shell HARDI (ver Figura 2) normalmente usam mais elevados "valores-B" (ou seja, com peso forte difusão) do DTI. Como resultado, estes métodos têm uma melhor resolução angular, o que é necessário para a resolução de cruzamento, ou "kissing" fibras (isto é, fibras que se curvam para com o outro, fazendo contactar uma tangente único antes de curvar de novo). No entanto, este ganho na resolução angular é muitas vezes conseguida à custa da redução da relação sinal-ruído (SNR) de EPI dados (Figura 3). Os pesquisadores podem querer considerar a relevância deste trade-off para os seus objectivos específicos:se um estudo centra-se em alguns feixes de fibras principais cujas trajetórias não se cruzam ou correr paralelo ao trato de outros, em seguida, uma direção de baixa DTI varredura com alta SNR pode ser ideal. Imagem do fascículo longitudinal inferior pode representar um caso assim. Em contraste, a perda de SNR pode ser uma consequência aceitável se o investigador deseje seguir um aparelho através de cruzamentos complexos.

Um similar trade-off envolve a correção de movimento da cabeça, correntes parasitas, e as distorções não-lineares de imagem. DWI uso de protocolos de eco-planar (EPI; ver Tabela 1), que é suscetível à falta de homogeneidade do campo magnético causadas por bolsas de ar nos seios, o ruído fisiológico, e outros fatores ^3. Estes resultados não homogeneidades na distorção da imagem indesejável, particularmente no lobo temporal inferior e córtex órbito-frontal, que reduz a eficácia e a fiabilidade dos resultados da fibra de rastreamento nestas áreas. Distorções adicionais são criados por eddy currents, um produto de rápida MR gradiente de comutação ^4. Movimento participantes cabeça é outro fator que degrada a qualidade de imagem e pode afetar negativamente tratografia. Os métodos atuais podem corrigir tanto o movimento da cabeça e distorções de imagem em baixa b valor de dados, tais como DTI, no entanto, estes métodos não foram estendidos a maior resolução de métodos como DSI. A dificuldade na aplicação de métodos de correcção de imagem para dados DSI deriva da SNR baixa descrita acima (Figura 3). Para rastreamento de fibra em áreas do cérebro que são suscetíveis a EPI distorção, pode ser melhor usar-direcionalidade baixo DTI ou outra técnica para que as distorções de imagem podem ser corrigidas. Por outro lado, se a resolução angular elevada em todo o cérebro é desejada, os investigadores podem optar por utilizar DSI, HARDI, ou técnicas semelhantes. Tuch (2004) ⁵ sugere que pesquisadores intercalam imagens em T2, sem ponderação de difusão através de uma varredura DSI, fornecendo pontos de referência para a correção de movimento (por exemplo, see ref. 6). Em todos os casos, os pesquisadores devem estar conscientes do impacto negativo da movimentação da cabeça durante a aquisição: é aconselhável a utilização de altamente treinados participantes e para minimizar o movimento através do uso de barras de mordida, guardas nariz, preenchimento, ou outras salvaguardas.

Os resultados apresentados aqui usar um 257-sentido espectro de difusão de imagem de protocolo (DSI), com dosagens que variam de inclinação b = 300 a 7000 (ver parâmetros na Tabela 1). A difusão de imagem de espectro de seqüência (DSI) requer equipamentos de digitalização moderna MR com certas características necessárias para a recolha de dados de difusão de alta resolução. Notamos que os requisitos de tempo desta seqüência são consideráveis: cerca de 43 minutos em um scanner Trio Siemens Tim. Após o teste empíricas, sentimos que a qualidade destes dados justificam o custo, duração e verificação, no entanto, na escolha do protocolo de aquisição, os usuários devem pesar cuidadosamente seus objetivos de pesquisa contra o capacities e conforto dos participantes. Observamos também que boa qualidade DSI dados foram coletados em apenas 10 minutos, com avançadas técnicas de aquisição de ^7.

1. Campo de 3 Tesla força do scanner MR: 3T é necessário para atingir o sinal necessário para a orientação angular de alta DSI scan.
2. 32 canais phased array-bobina de cabeça: Uma cabeça de bobina com alta sensibilidade e relação sinal-ruído excelente é necessária para coletar os dados da DSI. Oito e 12 canais de bobinas fornecem menos do sinal na superfície do cérebro, por conseguinte, estas bobinas podem requerer um maior tempo de varrimento para suportar o mapeamento preciso dos campos de projecção.
3. Estabilização cabeça: Devido à longa duração da sequência de varrimento DSI, e porque o movimento de correcção não pode ser aplicada aos dados DSI, estabilização excelente cabeça é necessária para controlar o movimento do objecto. Movimento controla variando de estofamento e fita para uma mordida-bar, saco de vácuo, ou máscara termoplástica são recomendados para estabilizar subjetividadecabeças ts ". Mais de 2 mm de movimento de translação ou de 2 ° de movimento de rotação em qualquer direcção é excessiva e pode ser considerada motivo de exclusão de dados.
4. Equipamentos apresentação FMRI: Para as análises, utilizando sementes funcionais, equipamentos adicionais para digitalização fMRI é necessária. Dependendo do tipo de regiões a serem localizados, esta normalmente inclui um visor MR compatível (como projector de sistema de MR compatível LCD), um sistema de resposta de tecla, o sistema de áudio, eo computador experimento apresentação sincronizada com a aquisição do scanner.

2. Procedimento de digitalização

1. Participantes sobre a natureza dos exames a serem realizados e obter o consentimento informado. Enfatizar a necessidade de minimizar o movimento da cabeça (especialmente durante o longo DSI scan). Oferecer aos participantes a escolha de um filme ou outro vídeo de entretenimento durante a verificação DSI. Para a digitalização funcional de tarefas comportamentais, instruir o indivíduo a monitorar a tela para tarefas relevaestímulos NT e para responder, conforme necessário.
2. Após a triagem para contra-MR, confortavelmente estabilizar cabeça dos participantes usando um dos métodos descritos acima, e cama paciente slide no scanner.
3. Realizar exames iniciais de escoteiros e calibração.
4. Definir a prescrição fatia para o paralelo varredura DSI a uma linha imaginária que liga as comissuras anterior e posterior. Certifique-se de que as fatias para a verificação DSI cobrir todo o cérebro.
5. Executar a verificação DSI, enquanto o assunto relaxa no scanner ou entretenimento relógios no sistema de apresentação.
6. Imediatamente após a conclusão da verificação DSI, recolher uma verificação anatómica ponderada em T1 (por exemplo, MPRAGE) para utilização posterior em co-registo (isto é, o alinhamento) os dados DSI anatómica com outro ou dados funcionais.
7. Opcionalmente, coletar dados de fMRI na mesma sessão usando sequências de EPI padrão de pulso.
8. Se necessário, realizar a digitalização fMRI em uma sessão de digitalização separado. Collect uma MPRAGE em ambas as sessões para facilitar a co-registo dos conjuntos de dados.

3. Processamento de ressonância magnética anatômica

Para análise da superfície de dados de fMRI e segmentação automática usando FreeSurfer, conforme descrito abaixo, uma imagem de alta resolução em T1 com contraste questão anatômica excelente branco-cinza é necessária. Esta imagem fornece um espaço de referência comum para a análise de dados de imagens funcionais e ponderada em difusão. Em mais modernos scanners de ressonância magnética, esta imagem vai ser referido como um MPRAGE (Magnetização Preparado gradiente eco rápido) imagem. Seqüências MPRAGE mais modernos podem fornecer dados de qualidade suficientes em uma única varredura (parâmetros da Tabela 1). Se necessário, duas ou mais verificações pode ser calculada a média para melhorar a cinzento-branca contraste matéria para a segmentação. Abaixo, vamos explicar como DWI e fMRI dados, que normalmente são recolhidos com tamanho de voxel diferentes e pontos de origem diferentes, podem ser automaticamente alinhados e reamostrada paravisualização simultânea com o MPRAGE.

As descrições detalhadas do fluxo de processamento FreeSurfer MRI anatómica podem ser encontrados no wiki FreeSurfer ( http://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferWiki ); saída FreeSurfer inclui várias representações de superfície cortical, assim como divisão em parcelas de cortical características anatômicas e segmentação de estruturas subcorticais. Recomendamos a execução do AFNI / SUMA roteiro @ SUMA_Make_Spec_FS em FreeSurfer saída, que converte esta saída em formatos de arquivo que pode ser facilmente processados ​​usando ferramentas de AFNI / SUMA, FSL, SPM e outros pacotes de software de neuroimagem. Por exemplo, o co-registo de imagens pode ser executada com um de vários programas, tais como 3dAllineate (AFNI / SUMA), NAMORADEIRA (FSL), bbregister (FreeSurfer), ou a função Coregister SPM.

1. Realizar segmentação anatômica e cortical superfície reconstrução by submeter T1 imagem anatômica ao algoritmo automatizado de FreeSurfer (recon-tudo).
2. Importar resultados do processamento FreeSurfer em SUMA usando @ roteiro SUMA_Make_Spec_FS. Esta etapa cria NIfTI formato versões de todos os volumes na saída FreeSurfer, incluindo uma intensidade normalizada, versão crânio-descascado da imagem anatômica de entrada. Referimo-nos a esta imagem anatômica processado como o volume de superfície, de acordo com AFNI / SUMA terminologia, a versão NIfTI desta imagem criada por @ SUMA_Make_Spec_FS é nomeado brain.nii.
3. Alinhe a DSI B0 imagem para o volume de superfície resultante (use a versão NIfTI formato da imagem, chamado brain.nii, no diretório SUMA).
4. Salve o 12-pontos matriz de transformação afim para uso em posterior co-registos.

4. Processamento de ressonância magnética funcional (fMRI)

Análise funcional MRI pode definir regiões de interesse (ROI) ou para a geração de post-hoc de selecção de fibras. Qualquer eco-sequências de imagem planar (EPI) de impulsos com os parâmetros optimizados para os experimentos de ressonância magnética específicos podem ser usados. Da mesma forma, um grande número de pacotes de software para processamento de fMRI e existem de análise, tais como AFNI / SUMA (NIMH, NIH) ^{8, 9,} BrainVoyager (Inovação Cérebro) ^10, FSL (FMRIB, Oxford University) ^{11, 12} e SPM ( Wellcome Trust Center for Neuroimagem da Universidade College London) ^13. O "fMRI processamento e análise" da Figura 4 esboça uma via análise com base no pacote de software AFNI / SUMA. Para obter instruções mais detalhadas de utilização, nos referimos aos leitores os excelentes tutoriais e outros materiais educativos sobre o site AFNI / SUMA ( http://afni.nimh.nih.gov ).

O objectivo final da análise por ressonância magnética de fibra-tracking difere do padrão de localização análises funcionais, em que a ênfase é muitas vezes para encontrar o locus da activação máxima.Procedimento estatístico boa requer investigadores para especificar os níveis de alfa para contrastes estatísticos de antemão, no entanto, os investigadores devem considerar o fato de que a escolha dos limiares estatísticos irão influenciar a extensão espacial da activação funcional e, assim, a extensão de campos de terminação da fibra.

1. Corrigir o movimento da cabeça assunto em dados de fMRI de cada indivíduo, utilizando a imagem média do primeiro scanner executado como a imagem de referência.
2. Opcionalmente, execute fatia de correção de tempo de aquisição, especialmente se estiver usando um design tarefa rápida relacionados a eventos.
3. Corrija-run entre diferenças na linha de base do sinal através da normalização da série de tempo para cada voxel, dentro de cada execução.
   1. Expressar cada voxel da série temporal como alteração percentual em relação a esse voxel média ao longo do tempo para uma determinada corrida, utilizando um programa tal como 3dcalc (AFNI / SUMA) ou fslmaths (FSL).
   2. Alternativamente, transformada z de cada voxel da série temporal para cada ensaio, a partir da média de sinal e standard desvio ao longo do tempo.
4. Co-registrar cada EPI processado correr para o Volume de superfície (brain.nii) conjunto de dados gerado por FreeSurfer (ver acima).
5. Concatenar todos os EPI é executado em tempo para um determinado indivíduo.
6. Mapa cada EPI correr para a superfície usando 3dVol2Surf (AFNI / SUMA), produzindo um conjunto de dados de superfície NIML para cada execução.
   1. Utilizar a matéria branca suave e superfícies pial como as superfícies de referência para o mapeamento, estes podem ser considerados como representando o limite / matéria branca-acinzentada e a superfície do córtex, respectivamente.
   2. A média do sinal ao longo da distância entre estas duas superfícies.
7. Dados opcionalmente lisas PAV na superfície cortical utilizando SurfSmooth (AFNI / SUMA).
8. Criar regressores separadas para épocas de tempo correspondentes a cada uma das condições experimentais apresentados ao sujeito.
9. Enviar esses regressores (junto com regressores sem interesse) para um modelo linear geral (GLM)A análise dos dados funcionais.
10. Pesos de contraste beta para regressores diferentes para produzir um "mapa funcional" de valores estatísticos em toda a superfície
11. Opcionalmente, insira beta-peso valores para múltiplos participantes em uma análise de nível de grupo de variância (ANOVA), se estiver usando um planejamento fatorial.
12. Derivar limiarizadas mapas funcionais para exibir efeitos estatisticamente significativos, empregando uma taxa de erro familywise (Gaussian teoria de campo aleatório) ^14, ou taxa de detecção falso (FDR) ^{15, 16} para corrigir o ajuste para múltiplas comparações.
13. Criar as regiões de interesse (ROI), os quais serão usados ​​mais tarde para a semeadura tratografia, a partir de regiões contíguas de activação funcional importante na superfície de cada área de rotulagem separáveis.
    1. Automaticamente segmento e ROIs etiqueta usando um algoritmo de agrupamento espacial, como SurfClust (AFNI / SUMA).
    2. Como alternativa, a mão de draw-ROIs usando Sorteio da SUMA característica ROI.
    Expandir ROIs para a substância branca usando 3dSurf2Vol (AFNI / SUMA), para maximizar o contato com agiliza durante tratografia.
    1. Tal como no passo 6, utilizar a matéria branca suave e superfícies pial para o mapeamento.
    2. Definir f_p1_fr = -0,5, a fim de aumentar o ROI abaixo do limite de massa cinzenta / branco em 50% da espessura da matéria cinzenta, em cada nó de superfície.
    3. Definir f_pn_fr = 1, a fim de aumentar o ROI na direcção oposta à superfície pial.
14. Usar o programa AFNI cat_matvec para encontrar o inverso da matriz de transformação de 12 pontos affine gerado quando o alinhamento da imagem B0 para o Volume de superfície (brain.nii).
15. niiApply a matriz invertida a ROIs funcional, a fim de alinhá-los com os dados da DSI.

5. Processamento de Dados de Difusão imagem ponderada

Imagem ponderada em difusão é um termo geral para técnicas de imagem matéria branca, que engloba associaç muitos diferentesComplementos de métodos de aquisição de dados e reconstrução. Talvez o método mais frequentemente usado, referido como diffusion tensor imaging (DTI) ^{17, 18,} ​​é baseada em 5-10 minutos de aquisição de dados, a medição da difusão de 6 ou 12 direcções. Com base nestes dados, os padrões de difusão são tipicamente modeladas com um modelo simples tensor, o que é mais adequado para a detecção de uma direcção de difusão dominante. Essa limitação significa que DTI não faz bem para as fibras de imagens que atravessam um outro ou "beijo" em um único ponto. Fibras de passagem e beijando são melhor detectados com uma combinação de métodos de alta resolução de aquisição e reconstrução, como a alta resolução angular de difusão de imagem (HARDI) ^19-21, difusão espectro de imagem (DSI) ^{1, 2} e Q-Ball generalizada de imagem ( GQI) ^22-24.

A direção-257 multi-shell seqüência DSI executado em scanners 3T Siemens foi utilizado para aquisição dos resultados aqui apresentados (paramtros da Tabela 1). Dados obtidos foram reconstruídos com o método GQI ^24, que modela padrões de difusão em cada voxel com uma função de distribuição de orientação (ODF), que pode detectar a difusão simultânea em múltiplas direcções. Outras alta resolução angular sequência de difusão deve produzir resultados semelhantes. Note-se que a reconstrução correcta ODFs requer que o pesquisador de entrada de uma mesa de gradiente (também referido como um quadro-b) a DSI Studio, o processamento DWI e programa tratografia usados ​​aqui. (Instruções detalhadas de utilização da DSI Studio pode ser encontrada no site do software, http://dsi-studio.labsolver.org .) Esta tabela lista a direção do gradiente e força do campo magnético para cada um dos volumes adquiridos DWI. A tabela gradiente depende do protocolo de aquisição MR e é automaticamente extraído de imagens DICOM por DSI Studio. No entanto, recomendamos que os pesquisadores comparar este automaticam-extraída tabela gradiente com o quadro padrão para o seu scanner DWI protocolo.

1. Se necessário, converter imagens de RM para. Dcm formato (DICOM) usando mri_convert (FreeSurfer).
2. Identificar qual a imagem (s) no conjunto de dados são B0 imagens (ou seja, eco-planar imagens coletadas sem ponderação difusão).
3. Converter a imagem B0 (s) para NIfTI formato usando o programa AFNI to3d.
4. Em DSI Studio, abra imagens DICOM e se combinam para criar uma fonte (. Src) de arquivo.
5. Fornecer uma mesa de gradiente (veja acima).
6. Verifique se a máscara de reconstrução padrão abrange toda a matéria cinzenta, sem incluir o espaço vazio, crânio, ou não-tecido cerebral. Editar a máscara, se necessário.
7. Como alternativa, criar uma máscara de reconstrução executando AFNI 3dAutomask programa na imagem B0.
8. Escolha um modelo de alta resolução de reconstrução: DSI, GQI, ou variante GQI.
9. Criar um arquivo de informações de fibra (. FIB) para representar a direção de difusão principal (s) nocada voxel.

6. Avaliação dos parâmetros de qualidade de dados e rastreamento através do Inteiro-cérebro tratografia

Fibras de rastreamento com uma semente de todo o cérebro é uma maneira rápida e eficaz para avaliar a qualidade geral dos dados. Apresenta, também, uma oportunidade para decidir os valores apropriados para os parâmetros globais, especialmente o limite anisotropia usado como critério de parada em tratografia. Este procedimento é necessário encontrar um equilíbrio entre a melhoria da cobertura no processo de rastreamento de fibra e reduzindo o ruído. Especial cuidado deve ser tomado na definição de parâmetros de monitoramento chave, tais como limite ângulo e limiares de rastreamento.

É importante notar que a anisotropia relativa de diferentes extensões podem variar entre os indivíduos, dependendo de factores biológicos, tais como a idade e a integridade da substância branca, assim como factores externos, como a calibração do hardware entre as sessões. Abaixo, sugerimos vários métodos para equilibrar rastreamentolimiares entre conjuntos de dados. Em todas as vezes, verificar a qualidade dos resultados de monitoramento, comparando-os a neuroanatomia conhecido. Por exemplo, as fibras que atravessam a fissura inter fora conhecidas conexões inter-hemisféricas (isto é, corpo caloso, comissura anterior e posterior), pode indicar que o limiar de controlo é muito baixo e deve ser elevada, ou pode ser a evidência de artefactos de movimento da cabeça.

Em contraste com o limite de rastreamento, o limiar de ângulo deve ser invariante para um determinado indivíduo nas sessões, uma vez que feixes de fibras não mudam na curvatura no curto prazo, se nunca. Da mesma forma, a curvatura do tracto deve ser relativamente constante entre os indivíduos, na ausência de grandes diferenças no tamanho do cérebro ou morfologia. No entanto, cuidados devem ser tomados na fixação de valores iniciais deste parâmetro. Fibras que se seguem trajectórias improváveis, tais como curvas em U, pode indicar que o limiar de ângulo é demasiado elevado.

1. Crie umatodo o cérebro região da semente.
2. Definir um valor limite inicial de monitoramento para mascarar baixo sinal voxels.
3. Definir o limite do ângulo para permitir a curva de fibras até n graus, num único passo.
4. Defina o tamanho do passo de rastreamento em mm.
5. Definir o número desejado de pontos de fibras ou sementes.
6. Realizar todo o cérebro tratografia para verificar a qualidade global de reconstrução ODF.
7. Para começar, escolha um limiar de rastreamento mediana (entre conjuntos de dados).
   1. Carregar um cérebro inteiro arquivo trk em TrackVis, uma visualização do trato fibra e programa de análise (Martinos Centro de Biomédicas Imaging, Massachusetts General Hospital) ^25.
   2. Coloque os Gray Matter (GM) volumes no diretório SUMA (lh / rh.ribbon.nii) como ROIs.
   3. Definir o ROIs GM como filtros no grupo controle, aceitando apenas fibras que têm uma das extremidades de uma das ROIs.
   4. Verificar que a maior parte das fibras (90-100%) no ficheiro de trk permanecem no grupo de faixa filtrada.
   5. Repetir umas necessário, ajustar limiar de rastreamento em DSI Estúdio de cada vez.
8. Ainda verificar que as máscaras de limiar de rastreamento voxels fora do espaço vazio (ou seja, em torno das bordas do cérebro e no espaço intra-gyral) sem remover voxels, que se situam claramente na matéria branca.
9. Opcionalmente, equilibrar o limite de rastreamento de conjuntos de dados (ou seja, diferentes sessões e / ou participantes).
   1. Definir um limite de monitoramento como desejado em um conjunto de dados através da interface do Studio DSI.
   2. Renomeie o arquivo. Arquivo fib criado por DSI Estúdio com uma extensão de esteira. E importação em MATLAB, por instruções do site Estúdio DSI ( http://dsi-studio.labsolver.org ).
   3. Criar um histograma dos valores que você deseja limite.
   4. Converter os valores do mapa em escores z.
   5. Encontre o z-score do limiar de rastreamento que você inicialmente definido no Estúdio DSI interface.
   6. Realize os passos de bd para todos os outros conjuntos de dados, encontrar o limite de rastreamento que corresponde ao z-score encontrado na etapa e.
   7. Como uma verificação cruzada para as etapas af, controlar um conjunto de fibras de controle de um ROI anatômica no pólo occipital com 500.000 sementes.
   8. Verificar que este procedimento produz, aproximadamente o mesmo número de conjuntos de dados através de fibras (+ - 100 fibras).

7. Tratografia localmente limitada

Em contraste com todo o cérebro tratografia, tratografia localmente constrangido faz uso de ROI baseadas em operações booleanas, como especificar volumes através do qual as fibras deve ou não passar. Como resultado, tratografia localmente limitada oferece maior sensibilidade e maior controlo para controlar fibras seleccionados de interesse. Todo o cérebro tratografia undersamples o espaço de pontos possíveis de sementes, devido ao alto custo computacional de operações de semeadura e limitada computador de memória gráfica. (É possible que essas limitações serão aliviados no futuro, devido a mudanças nos algoritmos tratografia, maior capacidade de memória, ou outros fatores.) Como resultado da undersampling, todo o cérebro tratografia frequentemente produz resultados que são inclinados para as vias de difusão dominantes no cérebro. Fornecido pelo utilizador ROIs resolver este problema, proporcionando regiões alvo limitados com uma elevada densidade de pontos de sementes, o que facilita a captura de difícil detectar feixes de fibras.

1. Criar uma região de sementes de todo o cérebro em DSI Studio.
2. Carregar um ou mais NIfTI-região de interesse (ROI) arquivos.
3. Opcionalmente carregar uma região do arquivo de evitação (ROA) para indicar voxels que as fibras não passe.
4. Definir limiar anisotropia e limiar ângulo como descrito anteriormente.
5. Realizar monitoramento.
6. Verifique a qualidade comparando faixas de fibra de detalhes anatômicos.

8. Análise Densidade Endpoint

1. Carregar NIfTI ROIs e arquivos trk into TrackVis.
2. Realizar operações booleanas entre regiões.
3. Salvar os resultados de cada operação como um arquivo trk novo.
4. Use a função track_transform (Difusão ToolKit) para transformar arquivos trk espacialmente para o volume de superfície (brain.nii) arquivo.
5. Carregar o arquivo transformado trk e Volume de superfície (brain.nii) em TrackVis para inspecionar.
6. Carregar trk e arquivos de ROI em MATLAB para fazer estimativas de conectividade quantitativos.
7. Encontre o centróide {x / y / z} de um ROI.
8. Como uma medida de conectividade, calcule o número total de terminais de fibra em um ROI, normalizado por volume ROI.
9. Em alternativa, o cálculo da distância Euclidiana entre os pontos de extremidade da fibra e do centróide ROI, como uma medida da especificidade e da consistência da conectividade, o trato de que o ROI.

9. Resultados representativos

High-resolution imagem ponderada em difusão e tratografia fibra pode ser aplicado a uma grande variedade dequestões neurocientíficas. Nosso foco neste artigo é detalhar o acoplamento de métodos de conectividade estruturais com neuroimagem funcional. No entanto, nota-se que qualquer aplicação de DWI requer uma avaliação cuidadosa dos resultados tratografia, uma vez que o protocolo de aquisição de dados, o método de reconstrução, e os parâmetros podem exercer tratografia significativos, efeitos independentes sobre o produto final. Figura 5 ilustra os resultados óptimos e sub-óptima usando todo o cérebro tratografia. Todas as três imagens baseiam-se no mesmo conjunto de dados DWI 257-sentido a partir de um único participante; óptimos resultados são mostrados no painel da esquerda. Em contraste, o painel do meio mostra o efeito dos parâmetros de tratografia excessivamente branda (FA e limiares de ângulo). O painel da direita mostra a redução da qualidade que resulta da utilização de um modelo de um único tensor para reconstruir os dados de difusão.

Nós incluímos dois exemplos de como os resultados podem corroborar tratografia e informar interpretatiem dados de imagem funcional. Esses experimentos avaliar processos cognitivos que permitem a criação de regiões funcionais de sementes: a saber, a percepção rosto e atenção visual. Estas regiões de sementes podem ser utilizados para testar as questões de substância branca de conectividade numa rede cognitiva. Figura 6 mostra um exemplo das regiões activadas durante uma tarefa de percepção face. Assuntos viram fotos de rostos e objetos cotidianos ao se submeter a digitalização fMRI. Dois ventro-temporais regiões, no meio giro fusiforme (MFG) e inferior occipital giro (IOG), mostraram significativamente maiores respostas BOLD para rostos do que para objetos. Estas duas regiões funcionalmente definidas foram, então, utilizados como regiões de semente durante tratografia (tal como descrito nas secções 6-7 acima). Figura 6A mostra o conjunto grande de fibra agiliza (mostrada em vermelho) que ligam estas duas regiões de interesse dentro do lobo temporal, ao longo de uma distância de aproximadamente 12 cm. Note-se a embalagem apertada das fibras e sgrau shopping de curvatura de fibra a esta distância. Este padrão é típico de um-para-um ligações funcionais no interior de redes em longas distâncias (por exemplo, ver ref. 26). Figura 6B mostra a região IOG semente funcional (mostrada em amarelo), juntamente com as extremidades de fibra individuais (pontos vermelhos) . Os terminais de fibra estão localizados ao longo do ROI. Este padrão de conectividade sugere que estas regiões têm diretas, ligações de longa distância que podem estar subjacentes comunicação rápida dentro da rede percepção rosto.

O nosso segundo exemplo (Figura 7) mostra as ligações entre as regiões do córtex sensoriais visuais e uma região de controle da atenção no córtex parietal posterior (CPP). Neste caso, os dois conjuntos de activações funcionais (occipital e parietal) foram produzidos por meio de conjuntos independentes de dados de ressonância magnética dos mesmos indivíduos. Ativações parietais foram gerados através de uma tarefa de atenção deslocamento entre seis locais no visual de campo (para detalhes, ver ref ^27.), enquanto que as regiões occipitais foram definidos usando o padrão do campo visual mapeamento meridiano ^28, que foi usado para marcar as fronteiras entre as regiões de sementes funcionais de córtex visual (V1 - V3). figura 7A mostra a localizações aproximadas de V1, V2, V3 e regiões de semente (vermelho, verde, e azul, respectivamente), a região de sementes PPC rotulado IPS-1, e os feixes de fibras que ligam essas regiões. Tractos são coloridas pelo ROI occipital partir do qual eles foram semeadas. Ao contrário das fibras longas, rectas no lóbulo temporal (Figura 6), estes tratos de substância branca cobrir uma distância mais curta (gama de 3-5 cm) e são, portanto, mais em forma de U e menos apertada enquanto viajam do occipital lobo para o lobo parietal. figura 7B mostra as regiões funcionalmente definidas em IPS (marrom), V1 (vermelho), V2 (verde), e V3 (azul) sobre a superfície cortical junto com os terminais de fibra em cada região. Note-se asegregação de panfletos no lobo occipital por região da semente, em contraste com o grande grau de interdigitação ponto final no IPS-1. Isto sugere que a região de PPC (identificados através da actividade de uma tarefa fMRI durante atenção selectiva), pode ser uma zona de convergência do cérebro, com as ligações estruturais com muitos diferentes nós de córtex sensitivo. Este padrão de conectividade pode permitir a transmissão de sinais de atenção de polarização de maiores regiões corticais para modular a actividade de córtices iniciais; estes sinais ajudam a melhorar as representações alvo no córtex visual ^{29, 30.}

Figura 1. Ilustração esquemática dos conceitos chave na difusão ponderada de imagens (DWI) O Painel A:. Num meio homogéneo, a difusão ocorre aleatoriamente como um resultado do movimento browniano. Para um grande número de moléculas de água, a difusão é isotrópico, isto é, o padrão de difusão é agregado esférico. Painel B: a difusão de moléculas de água dentro de axónios e nos interstícios dos feixes axonais é limitado por paredes axonais e estruturas de apoio. Assim, ao longo de feixes de fibras difusão é anisotrópica: é muito maior ao longo da trajectória do trato fibra do que em outras direções. Painel C: métodos de alta resolução DWI usar modelos como a função de distribuição de orientação (ODF) para modelar difusão anisotrópica em configurações complexas de tratos de substância branca. Como se vê neste exemplo, ODFs pode distinguir as vias de difusão separados por feixes de fibras que atravessam múltiplos num único ponto. Cruzamentos envolvendo dois ou três feixes de fibras diferentes são comuns no cérebro.

Figura 2. Fiber-tracking pesquisa pode ser realizada em um número de maneiras. As escolhas mais importantes envolvem protocolo de aquisição, a técnica de reconstrução, e método tratografia. No papel atual, use um espectro de difusão de imagem (DSI) ^{1, 2} protocolo para aquisição; generalizada Q-amostragem de imagem (GQI) ²⁴ para a reconstrução, e tratografia FATO determinista ^{40, 41.} Nós especialmente destacar técnicas de reconstrução modelo livres e híbridos, que geram funções de orientação de distribuição (ODFs; ver Figura 1) para representar a difusão em cada voxel. Os pesquisadores podem escolher dutos diferentes com base em orçamento, tempo disponível, a necessidade de alta resolução angular, ea importância de corrigir o movimento da cabeça e distorções não-lineares de imagem. Este valor não é uma lista completa de todos os aquisição viável, reconstrução e métodos tratografia. Veja Seunarine & Alexander ⁴² para uma excelente revisão de técnicas de reconstrução.

Figura 3. Interações das variáveis ​​de difusão da RM de aquisição, a duração de digitalização, e ABility para resolver cruzamentos de fibra. contraste difusão elevada é necessária para a resolução de fibras em configurações complexas de passagem. Este contraste depende de vários factores, incluindo o número de direcções gradientes (isto é, o número de possíveis orientações de fibra) e b-valor (o que indica o grau de difusão de ponderação). Apresentamos aqui os efeitos típicos de aumentar os valores de b-e ao número de direcções de gradiente. Note-se que esta tabela indicam apenas tendências e técnicas individuais podem ter diferentes efeitos sobre a duração da verificação, o sinal-para-ruído (SNR) e contraste de difusão. Geralmente, o contraste pode ser melhorada através do aumento tanto do número de instruções de gradiente e a magnitude de b-valores. Em altas b-valores, no entanto, a relação sinal-para-ruído de difusão imagens ponderadas é diminuída, e tempo de varrimento é frequentemente aumentada.

Figura 4. Gráfica summary de ressonância magnética anatómica, DWI-MRI, e fluxos de processamento de ressonância magnética. texto a preto descreve a natureza de cada etapa de processamento, enquanto que o texto em verde indica que o software pode ser utilizado. Linhas tracejadas e caixas indicam passos opcionais, que podem não ser aplicáveis ​​a todos os projetos. Neste exemplo, o processamento é realizado no pacote AFNI / SUMA (excepto quando DSI Studio ou TrackVis está indicado). Funções semelhantes em outros pacotes de análise de neuroimagem podem muitas vezes ser substituído. Muitos dos passos ilustrados nos esquemas foram parcialmente consolidada pelos desenvolvedores de software em scripts convenientes: nós particularmente remeter o leitor para o FreeSurfer recon-tudo pipeline ( http://surfer.nmr.mgh.harvard.edu/fswiki/ReconAllDevTable ) . Notamos ainda que vários pacotes de software de processamento de fornecer tubulações completas para DWI dados, no entanto, esses pacotes variam em seus pontos fortes e fracos, E alguns não incluem ferramentas para trabalhar com alta resolução angular de difusão de dados de ressonância magnética. Clique aqui para ver maior figura .

Figura 5. Ilustração de todo o cérebro tratografia com diferentes métodos de reconstrução e parâmetros tratografia. Todas as imagens foram obtidas a partir do mesmo conjunto de dados, um 257-sentido espectro de difusão de imagem sequencial (DSI) com vários valores de b-(7000 s / mm ^2, 5 conchas). Painel A: os melhores resultados, obtidos por meio de um de alta resolução, ODF método baseado em reconstrução. Um limiar de seguimento relativamente alta de 0,06 foi seleccionado, a fim de gerar apenas fibras de voxels fortemente anisotrópicos, e um limite de ângulo de 55 °, foi selecionado para impossibilitar a formação de fibras com curvatura biologicamente irreal (isto é, "looping" fibras). Note a delimitação clara dos hemisférios, separados pela fissura longitudinal; também notar como a agregação de fibra segue esperado contornos sulcamento / gyral. Painel B: o método de reconstrução mesmo foi utilizado como em (A), mas FA e limiares foram definidos ângulo mais branda durante tratografia (0,03 e 85 °, respectivamente). Inadequados os parâmetros de rastreamento pode causar a geração de um grande número de "lixo" as fibras, que ocultam a informação verdadeira sobre a estrutura anatômica. Veja a Seção 5, "Avaliação da Qualidade de Dados e parâmetros de controle por meio para o cérebro inteiro tratografia", para orientação sobre as escolhas de parâmetros adequados. Painel C: dados foram reconstruídas através de um modelo único tensor, um dos métodos mais utilizados em DWI. Com os parâmetros de rastreamento apropriados (mesmo que A), o modelo de um único tensor reproduz muitos conhecidos feixes de fibras principais, e os contornos gyral são um pouco visíveis na vista sagital. No entanto, ele também produz falsos positivos mais do que o modelo ODF: fibras nota viajando horizontal ly através da fissura inter-hemisférica. Clique aqui para ver maior figura .

Figura 6. Tratografia resultados de uma experiência de percepção facial. Do painel (a) mostra simplifica resultante tratografia entre ROIs funcionais identificados a partir de uma experiência de percepção face. Áreas gerais de giro inferior occipital (IOG) e meados de giro fusiforme (MFG) são indicados por ovais amarelos. O painel (B) mostra os pontos de extremidade IOG das fibras indicadas no painel (A) apresentado em uma vista ampliada da superfície ventral temporal posterior cortical. O ROI prestados em amarelo resultou de uma experiência cara percepção de ressonância magnética funcional. Observe o amplo acordo entre funcionalmente definida ativação e terminais de fibra em IOG. Estas fibras rastrear a partir da percepção rosto MFG, uma região do cérebro envolvida.p :/ / www.jove.com/files/ftp_upload/4125/4125fig6large.jpg "target =" _blank "> Clique aqui para ver maior figura.

Figura 7. Tratografia resultados de uma experiência de atenção visual. Painel (A) mostra o simplifica resultante tratografia entre ROIs funcionais identificados a partir de uma experiência de atenção visual ^27. Áreas gerais de córtex parietal posterior (IPS-1) e no córtex visual (V1d, v2d, & V3D) são indicados por ovais coloridos. Feixes de fibras são prestados em cores correspondentes: vermelho para V1d, verde para v2d e azul para V3D. O painel (B) mostra os pontos finais das fibras indicadas no painel (A) apresentado em uma vista ampliada lateral da (parietal e occipital) cortical posterior da superfície. Convenções de cor correspondem aos do painel (A). As regiões de interesse resultante de uma experiência de atenção visual funcional MRI são exibidos na superfície cortical. Todos s trêsets do tracto / parâmetros convergem na região IPS-1, que é pensado para conter um mapa de prioridade da atenção visual que pode ser a fonte de polarização de sinais de atenção para alvos no córtex visual. Folhetos em IPS-1 são amplamente interdigitadas, enquanto as extremidades occipitais desses feixes de fibras são claramente separados por região do córtex visual.

MR digitalização	Parâmetros
DSI	257 sentido difusão espectro de imagem (DSI) verificação usando um duas vezes reorientada spin-eco seqüência EPI e vários q-valores com um tempo de aquisição 43 min (TR = 9.916 ms, TE = 157 ms, o tamanho do voxel = 2,4 x 2,4 x 2,4 milímetros , FOV = 231 mm x 231, b-max = 7,000 s / mm 2, 5 escudos)
Anatômico	T1 sequência MPRAGE (1 mm x 1 mm x 1 mm, 176 cortes sagitais, TR = 1,870, TI = 1,100, FA = 8 °, GRAPPA = 2)
fMRI </ Td>	T2 * ponderada eco-planar (EPI) seqüência de pulsos (31 oblíquos cortes axiais, in-plane resolução de 2 mm x 2 mm, espessura de 3 milímetros fatia, nenhuma lacuna, tempo de repetição [TR] = 2.000 ms, tempo de eco [TE ] = 29 ms, flip = ângulo de 90 °, GRAPPA = 2, o tamanho da matriz 96 x = 96, o campo de visão [FOV] mm = 192)

Tabela 1. Neuroimagem parâmetros de aquisição.

Discussion

High-resolution DWI e tratografia fibra proporcionar uma abordagem poderosa para a análise da estrutura conjuntivo do cérebro humano. Aqui, apresentamos evidências de que esta arquitetura estrutural é significativamente relacionados com a função cerebral, avaliada por fMRI. Usando sementes tratografia baseados na ativação tarefa fMRI, encontramos evidências de que as áreas do cérebro que são co-ativo durante atenção visual são anatomicamente connectedconsistent com conhecimento prévio da neuroanatomia funcional (Figura 7). Da mesma forma, a neuroanatomia funcional para a percepção facial é consistente com as nossas constatações de conectividade presentes estrutural (Figura 6). Conhecimento de conectividade anatômica é necessária, embora não suficiente, para inferir uma conexão direta funcional entre as áreas do cérebro em uma dada tarefa (e vice-versa). Em estudos de neuroimagem muitas ligações directas estruturais e funcionais são inferidas-problematicamente-com base functio concomitanteativação nal sozinho. Tais inferências negligenciar outras interpretações: por exemplo, duas áreas do cérebro podem aparecer co-ativa, porque eles compartilham uma entrada comum, por causa de influências neuromoduladores globais para as quais o projeto experimental não controla, ou até mesmo por causa de uma fonte de ruído comum, como cabeça movimento. MR difusão tratografia fornece a evidência de convergência para dinâmicas relações funcionais entre as áreas cerebrais distais, confirmando que um possível substrato conjuntivo existe entre eles.

Os usuários devem considerar várias limitações e advertências de fibra de rastreamento de pesquisa. O mais fundamental deles é que a fibra otimiza gerada em tratografia determinista representam vias de difusão possível, e não feixes de fibras reais. Tratografia resultados podem ser afetados por tanto falso positivo e de falsos resultados negativos, e interpretação de tratografia deve ser guiado pelo conhecimento neuroanatômicas existente. A melhor evidência prévia de substância branca connectivity vem de "padrão-ouro" técnicas como a microdissecção ou rotulagem marcador. Especialmente útil são mapas probabilísticos de contornos do trato fibra derivados de cérebros post-mortem humanos, como a criada por Buergel, Amunts e colegas ^31; libertar recursos online, como o projeto Anatomist Digital ( http://www9.biostr.washington.edu/ da.html ) também podem fornecer orientações úteis. Notamos que a análise de conectividade funcional de EEG, MEG, e em negrito dados fMRI fornece apenas evidência fraca, se houver, para conectividade anatômica entre áreas do cérebro.

Uma ressalva adicional diz respeito continuações falsas de fibra agiliza, que podem ocorrer quando duas vias de difusão independentes são aproximadamente alinhados fim-a-fim, e eles parecem fluir em um outro. Em tais casos, o algoritmo tratografia podem continuar para além do ponto de paragem verdadeiro. Por exemplo, os aferentes talâmicos dotronco cerebral e eferentes talâmicas para partes do córtex dorsal pode ter orientações semelhantes. Como resultado, os algoritmos tratografia podem ser enganados em produção de fibras longas que emergem do tronco cerebral, passam pelo tálamo, e parecem acabar no córtex. Tais fibras falsos pode resultar da conjunção de duas vias anatomicamente correctas, cada um dos quais é, em si correcta. No entanto, podem também resultar de trajectórias de fibra anatomicamente inválidos. Outros falsos comuns continuações incluem fibras que parecem passar dos pólos temporais na insula e fibras que atravessam a fenda longitudinal do lado de fora de interhemisféricas conhecidos pontos de cruzamento (ou seja, o corpo caloso e nas comissuras). Estas falsas continuações muitas vezes ocorrem porque 1) efeitos de volume parcial obscurecer as fronteiras dos lobos / hemisférios, ou 2) porque o limite de rastreamento foi demasiado branda. Como observamos acima, os pesquisadores devem avaliar fibra de acompanhamento de resultados em função da neuroana extantconhecimento anatômico. Como precaução final, podemos notar que a difusão ressonância magnética e tratografia fibra não fornecem informações sobre a direção de conexões, isto é, eles não podem discernir feedforward a partir de fibras de feedback, ou aferentes de eferentes.

Tratografia determinísticos podem ser úteis para testes de hipóteses, como a fibra simplifica gera constituem inferências sobre ponto-a-ponto a conectividade ao longo de trajectórias específicas, que podem ser comparados contra hipóteses. No entanto, os usuários podem também considerar métodos de rastreamento probabilísticos (ver Figura 2). A principal vantagem de métodos probabilísticos é que eles produzir estimativas de confiança para as vias de difusão entre os dois pontos, com base na acumulação de probabilidades de difusão em voxels que ligam os pontos ^32. Em contraste, os resultados de tratografia determinista não tomam em conta a incerteza que se acumula em cada passo de propagação de uma fibra virtual, O que aumenta a incerteza como tamanho do passo, um parâmetro definido pelo utilizador, é aumentada. A confiança estima produzido por tratografia probabilística pode ser especialmente útil quando se tenta determinar a probabilidade relativa de duas ou mais vias de difusão diferentes, além disso, os usuários podem facilmente mascarar voxels com estimativas baixa confiança, não uma possibilidade, com métodos determinísticos. Como tratografia determinista, porém, os métodos probabilísticos não demonstrar conclusivamente a existência de substância branca fibras, mas sim, eles demonstram caminhos de difusão possíveis.

Os utilizadores podem encontrar resultados tratografia determinísticos mais intuitivo para visualização, como os resultados são geralmente apresentados como a 3 dimensões de fibras simplifica, que permitem que o espectador para rapidamente apreender trajectórias de fibras possíveis. Em contraste, os resultados tratografia probabilísticos são tipicamente representados como 2-dimensional fatias de dados volumétricos. Essas imagens geralmente mostram os mapas de calor de convoxels tiguous, correspondentes a probabilidade de difusão dentro de um volume trato limiarizada, sem modelagem de trajetórias possíveis de fibra no trato. Independentemente da escolha dos utilizadores de métodos tratografia e visualização, devem reconhecer que os resultados de fibra de rastreamento de apenas demonstrar vias de difusão possíveis, e que os resultados de ambos os métodos podem incluir tipos I e II de erro estatístico.

O nosso grupo de pesquisa tem utilizado as técnicas descritas aqui para visualizar e quantificar as conexões do trato corticoespinhal ^33, corpus callosum ^34, e um sistema de atenção visual ^27, bem como para mapear os circuitos de projecção corticais nos gânglios da base ^35. Em alguns casos, os resultados podem tratografia gerar novas descobertas:. Por exemplo, Wang et al (submetido) usado alta resolução DWI para detalhes anteriormente undescribed feixes de fibras, com a validação cruzada no cadáver dissecção ^36. Resultados tais como estes podem proporcionar oimpulso para as investigações da função cerebral, a fim de avaliar a utilidade funcional dos tratos recentemente descobertos. Finalmente, não-invasivo, de alta resolução DWI é uma promessa em um número de situações clínicas, como neurocirurgia planejamento ^37; cirurgia para os tumores, hemorragias e cavernovas ^38, e lesão cerebral traumática (TCE) ^39. Nosso grupo tem aplicado estas técnicas em um grande número de neurocirurgia e casos de lesão cerebral traumática, relacionando conectividade de fibra interrompido aos sintomas comportamentais.

Em última análise, fácil de obter informações sobre a conectividade cérebro global irá permitir aos pesquisadores construir modelos melhores do cérebro. Por exemplo, as medições seriadas de substância branca conectividade pode ser usado para melhorar a localização de origem em MEG / EEG, ou para colocar restrições sobre fMRI baseados em análises de ligação eficazes. De alta resolução tratografia também é passível de melhorar os modelos de conexão cérebro perturbado ou patológico, such como pode ocorrer em TBI ou autismo. Finalmente, de alta resolução tratografia pode permitir aos pesquisadores uma melhor integração do conhecimento da neuroanatomia funcional humana com estudos invasivos de não-humanos cérebros. Nós esperamos e antecipamos que um número crescente de pesquisadores vão explorar o potencial da combinação de avaliações da função cerebral com imagens de alta resolução ponderada em difusão.