Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

שיתוף ניתוח של מבנה המוח ותפקודו באמצעות fMRI ודיפוזיה משוקללת הדמיה

Published: November 8, 2012 doi: 10.3791/4125
Automatic Translation
1,2, 1,3, 1,3, 1,4, 1,3, 1,3, 1,3
1Center for the Neural Basis of Cognition, 2Department of Psychology, University of Pittsburgh, 3Department of Psychology, Carnegie Mellon University, 4Department of Bioengineering, University of Pittsburgh

Summary

אנו מתארים גישה חדשה לניתוח בו זמני של תפקוד מוח ומבנה באמצעות דימות תהודה מגנטיות (MRI). אנו מעריכים את מבנה מוח עם הדמיה ברזולוציה גבוהה דיפוזיה משוקללת וtractography סיבי חומר לבן. בניגוד המבני MRI הסטנדרטי, טכניקות אלה ייאפשרו לנו קשורים באופן ישיר לקישוריות האנטומי תכונות פונקציונליות של רשתות מוח.

Abstract

המחקר של מערכות חישוביות מורכבות הוא בנחייתם של מפות רשת, כגון תרשים מעגלים חשמליים. מיפוי כזה הוא אינפורמטיבי במיוחד כאשר לומדים את המוח, כתפקיד הפונקציונלי שממלא באזור במוח עשוי להיות מוגדר במידה רבה על ידי הקשרים שלה לאזורים אחרים במוח. בדו"ח זה, אנו מתארים גישה חדשנית, לא פולשנית להתייחסות מבנה מוח ותפקודו באמצעות דימות תהודה מגנטיות (MRI). גישה זו, בשילוב של הדמיה מבנית של חיבורי סיבים ארוכי טווח ונתוני הדמיה תפקודיים, באה לידי הביטוי בשני תחומים שונים קוגניטיביים, וקשב חזותי ותפיסת פן. הדמיה מבנית מתבצעת עם הדמית דיפוזיה משוקללת (DWI) וtractography סיבים, אשר לעקוב אחר דיפוזיה של מולקולות מים לאורך קטעי סיבי חומר לבן במוח (איור 1). באמצעות חזיית שטחי סיבים אלה, אנו מסוגלים לחקור את ארכיטקטורת חיבור ארוך הטווח של המוח. התוצאות להשוות favoraליי עם אחת מהטכניקות בשימוש הנרחב ביותר בDWI, מותחת דיפוזי הדמיה (DTI). DTI אינו מסוגל לפתור תצורות מורכבות של קטעי סיבים, להגביל את התועלת שלו לבניית מודלים מפורטים, אנטומית מושכלים-של תפקוד המוח. לעומת זאת, הניתוח שלנו לשכפל מערך עצבים ידועים בדייקנות ודיוק. יתרון זה נובע בחלקו הליכי איסוף נתונים: בעוד רבי דיפוזיה המידה DTI פרוטוקולים במספר קטן של כיוונים (למשל, 6 או 12), אנחנו מעסיקים דיפוזיה ספקטרום הדמיה (DSI) 1, 2 פרוטוקול אשר מעריכה דיפוזיה ב257 כיוונים ו בטווח של עוצמות הדרגתיות מגנטיות. יתר על כן, נתוני DSI ייאפשרו לנו להשתמש בשיטות מתוחכמות יותר לשחזור נתונים שנרכשו. בשני ניסויים (קשב חזותי ותפיסת פנים), tractography מגלה כי אזורי שיתוף פעיל של המוח האנושי מחוברים אנטומית, תמיכה בהשערות קיימות שהם יוצרים רשתות פונקציונליות. DWI מאפשר לנו ליצור "המעגל דיagram "ולשכפל אותו באופן פרטני, בכפוף, לצורך ניטור פעילות מוח משימה רלוונטית ברשתות של עניין.

Protocol

1. ציוד לרכישת נתוני MR

איורים 2, 3 לסכם מספר האפשרויות שיש לתת ברכישת דיפוזיה MRI, שחזורים, ומעקב סיבים. זכור כי בחירות אלו בדרך כלל כרוכות בפשרות, והבחירה הטובה ביותר עשויה להיות תלויה על מטרות מחקר של 1. לדוגמה, DSI ורב הקליפה HARDI (ראה איור 2) משתמשים בדרך כלל "B-ערכים" גבוהים יותר (כלומר, שקלול דיפוזיה חזקה) מאשר DTI. כתוצאה מכך, שיטות אלה יש רזולוציה טובה יותר זוויתי, שהוא הכרחי לפתרון מעבר או "נשיקות" סיבים (כלומר, סיבים שעקומה כלפי זה, ביצירת קשר עם זווית אחת לפני התעקלתי שוב). עם זאת, עלייה זו ברזולוציה זוויתי לעתים קרובות שהושגה במחיר של יחס נמוך בין אות לרעש (SNR) בEPI נתונים (איור 3). חוקרים ייתכן שירצו לשקול את הרלוונטיות של תחלופה זו למטרות הספציפיות שלהם:אם מחקר מתמקד בכמה קטעי סיבים עיקריים שמסלולים לא לחצות או להפעיל במקביל לשטחים אחרים, ואז כיוון נמוך DTI סריקה עם יחס אות לרעש גבוה עשוי להיות אידיאלי. הדמיה של fasciculus האורך הנחות עשויה לייצג מקרה כזה. לעומת זאת, ההפסד של יחס אות לרעש עשוי להיות תוצאה מקובלת אם חוקר מבקש לעקוב בדרכים דרך מעברים מורכבים.

תחלופה דומה כרוכה תיקון של תנועת ראש, זרמי אדי, ועיוותי תמונה שאינן ליניארי. DWI פרוטוקולי שימוש הד מישוריים הדמיה (EPI; ראה טבלה 1), שהוא רגיש לinhomogeneities שדה המגנטי הנגרם על ידי כיסי אוויר בסינוסים, רעש פיסיולוגי, וגורמים אחרים 3. אלה תוצאת inhomogeneities בעיוות תמונה רצויה, במיוחד באונה הרקתית והנחותה orbito חזיתית קליפה, אשר מפחיתה את התוקף והמהימנות של תוצאות מעקב סיבים באזורים אלה. עיוותים נוספות שנוצרות על ידי המערבולת currenTS, תוצר של MR המהיר שיפוע מיתוג 4. תנועת הראש של המשתתפים היא גורם נוסף אשר מדרדר את איכות תמונה ועלולה להשפיע לרעה על tractography. שיטות קיימות כיום יכולות לתקן גם תנועת ראש ועיוותי תמונה בנתונים ב-ערך נמוכים, כגון DTI, עם זאת, שיטות אלו לא הוארכו לשיטות ברזולוציה גבוהה יותר, כגון DSI. הקושי ביישום שיטות לתיקון תמונת DSI נתונים נובע מיחס האות לרעש הנמוך שתואר לעיל (איור 3). למעקב סיבים באזורים במוח שהם רגישים לEPI עיוות, זה עשוי להיות טוב ביותר לשימוש, כיווניות נמוכות DTI או טכניקה נוספת שלניתן לתקן עיוותים בתמונה. מצד השני, אם רזולוציה זוויתית גבוהה בכל המוח היא רצויה, חוקרים יכולים לבחור להשתמש DSI, HARDI, או טכניקות דומות. Tuch (2004) 5 עולה כי חוקרי תמונות interleave T2 ללא שקלול דיפוזיה לאורך DSI סריקה, מתן ציונים לתיקון תנועה (לדוגמה, שלee נ"צ. 6). בכל המקרים, חוקרים צריכים להיות מודעים להשפעות השליליות של תנועת הראש במהלך רכישה: רצוי להשתמש משתתפים מיומנים ביותר וכדי למזער את התנועה באמצעות השימוש בברי נשיכה, שומרים אף, ריפוד, או אמצעי הגנה אחר.

התוצאות מוצגות כאן להשתמש 257-כיוון דיפוזיה ספקטרום פרוטוקול הדמיה (DSI), עם עוצמות הדרגתיות החל ב = 300 עד 7000 (ראה פרמטרים בטבלת 1). דיפוזיה ספקטרום הדמית הרצף (DSI) דורש ציוד סריקת MR מודרני עם תכונות הנדרשות לאיסוף נתוני דיפוזיה ברזולוציה גבוהה זה מסוים. נציין כי בדרישות הזמן של רצף זה הן ניכרות: כ 43 דקות על סורק טריו טים סימנס. לאחר בדיקה אמפירית נרחבת, אנחנו מרגישים שאיכות הנתונים אלה מצדיקות את העלות ומשך סריקה, עם זאת, בבחירת פרוטוקול הרכישה, כדאי למשתמשים לשקול בזהירות את יעדי המחקר שלהם נגד capacities ונוחות של משתתפים. אנחנו גם לציין כי DSI נתונים באיכות טובה שנאספו בכמה כמו 10 דקות עם טכניקות מתקדמות לרכישה 7.

  1. 3 סורק MR עוצמת שדה טסלה: 3T הוא הכרחי כדי להשיג את האות הנדרשת לכיוון גבוה הזוויתי DSI הסריקה.
  2. סליל מערך מדורג 32-ערוץ ראש: ראש סליל עם רגישות גבוהה ויחס מצוין אות לרעש יש צורך לאסוף את נתוני DSI. שמונה וסלילי ערוץ 12 לספק פחות אות על פני השטח של המוח וכתוצאה מכך, סלילים אלה עשויים לדרוש זמן גדל סריקה כדי לתמוך במיפוי מדויק של שדות הקרנה.
  3. ייצוב הראש: בשל משך זמן הארוך של רצף סריקת DSI, וכי תיקון תנועה לא יכול להיות מיושם על DSI הנתונים, ייצוב ראש מצוין הוא צורך לשלוט בתנועת הנושא. התנועה שולטת החל ריפוד וקלטת לביס בר, שקית ואקום, או מסכת תרמופלסטיים מומלצות לייצב subjecהראשים 'צ. יותר מ 2 מ"מ של תנועת translational או 2 מעלות בתנועה סיבובית בכל כיוון שהוא מוגזם ועשוי להיחשב עילה ללמעט נתונים.
  4. ציוד המצגת FMRI: לניתוחים באמצעות זרעים פונקציונליים, ציוד נוסף לסריקת fMRI נדרש. בהתאם לסוג של אזורים להיות מקומיים, זה כולל בדרך כלל תצוגת MR תואמת (כגון מערכת מקרן של MR התואם LCD), מערכת תגובת כפתור, מערכת שמע, מחשב ומצגת ניסוי מסונכרן עם רכישת הסורק.

2. סריקת נוהל

  1. משתתפים קצרים על האופי של הסריקות שיש לבצע ולקבל את ההסכמה. מדגיש את הצורך למזער תנועת ראש (במיוחד במהלך DSI הסריקה הארוכה). מציע למשתתפים את הבחירה של סרט או וידאו אחר לבידור במהלך DSI הסריקה. לסריקה תפקודית של משימות התנהגותיות, להורות נושאים לפקח על המסך למשימות relevaגירויי NT ולהגיב כנדרש.
  2. לאחר הקרנה להתוויות נגד MR, נוחות לייצב את הראש של משתתפים תוך שימוש באחת מהשיטות שתוארו לעיל, ומיטת חולה מחליקה לתוך הסורק.
  3. לבצע סריקות הסקאוט ראשוניות וכיול.
  4. הגדר את המרשם לפרוסה המקבילה DSI הסריקה לקו דמיוני המחבר את commisures הקדמי ואחורי. ודא כי את הפרוסות לDSI הסריקה מכסות את כל המוח.
  5. הפעל DSI זמן סריקת הנושא מרגיע בסורק או בידור שעונים במערכת המצגת.
  6. מייד לאחר השלמת סריקת DSI, לאסוף סריקת אנטומי T1-משוקללת (למשל, MPRAGE) לשימוש מאוחר יותר בשיתוף לקלוט (כלומר, יישור) את נתוני DSI עם האנטומי אחרים או נתונים תפקודיים.
  7. ניתן לאסוף נתוני fMRI באותה ההפעלה באמצעות רצפים הרגילים EPI דופקים.
  8. במידת צורך, לבצע סריקת fMRI במושב סריקה נפרדת. CollECT MPRAGE בשתי הפגישות כדי להקל על שיתוף רישום של מערכי הנתונים.

3. עיבוד MRI אנטומי

לניתוח שטח של נתוני ה-fMRI ופילוח אוטומטי באמצעות FreeSurfer, כפי שיתואר להלן, ברזולוציה גבוהה תמונה אנטומית T1-משוקללת בניגוד חומר לבן אפור מצוין נדרש. תמונה זו מספקת מרחב התייחסות משותפת לניתוח נתוני הדמיה תפקודיים ודיפוזיה משוקללים. בסורקי MRI המודרניים ביותר, תמונה זו תהיה מכונית MPRAGE (המגנטיזציה הוכן אקו Gradient המהיר) תמונה. רצפי MPRAGE המודרניים ביותר יכולים לספק נתונים באיכות מספקת בסריקה בודדה (פרמטרים בטבלה 1). במידת צורך, שתיים או יותר סריקות ניתן לשפר את הממוצע לעומת חומר אפור לבן לפילוח. להלן, תסבירו כיצד נתוני DWI וfMRI, אשר בדרך כלל נאספים בגדלים שונים voxel ונקודתי מוצא שונות, ניתן ליישר באופן אוטומטי ונדגמים מחדש עבורצפייה בו זמנית עם MPRAGE.

תיאורים מפורטים של זרם עיבוד FreeSurfer האנטומי MRI ניתן למצוא בFreeSurfer ויקי (http://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferWiki); פלט FreeSurfer כולל מצגים מרובים קליפת מוח על פני שטח, כמו גם קרקע של קליפת המוח תכונות אנטומיות ופילוח של מבני subcortical. אנו ממליצים לפעול AFNI / SUMA התסריט @ SUMA_Make_Spec_FS על פלט FreeSurfer, אשר ממיר פלט זה לפורמטים של קבצים הניתנים לעיבוד בקלות תוך שימוש בכלים מAFNI / SUMA, FSL, SPM, וחבילות תוכנת הדמייה אחרות. לדוגמה, שיתוף של תמונות רישום יכול להתבצע באחת ממספר תוכניות, כגון 3dAllineate (AFNI / SUMA), קריצה (FSL), bbregister (FreeSurfer), או בפונקצית Coregister SPM.

  1. לבצע פילוח אנטומית ומשטח קליפת מוח שיקום בy הגשת תמונה אנטומית T1-משוקללת לאלגוריתם האוטומטי של FreeSurfer (פיוס לכולם).
  2. יבוא עיבוד תוצאות FreeSurfer לSUMA באמצעות @ תסריט SUMA_Make_Spec_FS. צעד זה יוצר גרסות NIFTI בפורמט של כל הכרכים בתפוקת FreeSurfer, כולל גרסה-עצמה מנורמלת, גולגולת חשופה של התמונה אנטומית הקלט. אנו מתייחסים לדימוי הזה מעובד אנטומי כנפח משטח, על פי AFNI / SUMA מינוח; גרסת NIFTI של תמונה זו נוצרה על ידי @ SUMA_Make_Spec_FS נקראת brain.nii.
  3. יישר B0 תמונת DSI לכרך משטח כתוצאה (להשתמש בגרסת NIFTI בפורמט של תמונה זו, בשם brain.nii, בספריית SUMA).
  4. שמור את מטריצת הטרנספורמציה affine 12-הנקודה לשימוש בהמשך שיתוף רישומים.

4. עיבוד פונקציונלי MRI (fMRI)

ניתוח MRI תפקודי יכול להגדיר אזורים של עניין (Rois) לדור או בחירה שלאחר המעשה של סיבים. כל הד(EPI) רצפי דופק הדמיה מישוריים עם פרמטרים מותאמים לניסויי fMRI הספציפיים יכולים להיות בשימוש. כמו כן, מספר גדול של חבילות תוכנה לעיבוד fMRI וקיימים ניתוח, כגון AFNI / SUMA (NIMH, NIH) 8, 9, BrainVoyager (חדשנות מוח) 10, FSL (FMRIB, אוניברסיטת אוקספורד) 11, 12 ו SPM ( Wellcome Trust מרכז להדמייה, יוניברסיטי קולג' בלונדון) 13. סעיף "fMRI העיבוד וניתוח" של איור 4 מתאר מסלול ניתוח המבוסס על חבילת תוכנת AFNI / SUMA. לקבלת הוראות שימוש מפורטות יותר, אנו מתייחסים לקוראי ההדרכות המעולות וחומרים חינוכיים אחרים באתר AFNI / SUMA (http://afni.nimh.nih.gov).

המטרה הסופית של ניתוח fMRI לסיבי מעקב שונה מניתוחים רגילים פונקציונליים לוקליזציה, שבו הדגש הוא לעתים קרובות כדי למצוא את המקום של הפעלה מקסימלית.הליך סטטיסטי טוב מחייב חוקרים כדי לציין רמות אלפא לניגודים סטטיסטיים לפני כן, עם זאת, חוקרים צריכים לשקול את העובדה כי הבחירה של ספים סטטיסטיים תשפיע על המידה המרחבי של הפעלה פונקציונלית, ולכן המידה של תחומי סיום סיבים.

  1. תקן לתנועת ראש בנושא נתוני ה-fMRI של כל פרט, תוך שימוש בתמונה הממוצעת של הסורק 1 לרוץ כתמונה להתייחסות.
  2. לחלופין, לבצע תיקון זמן רכישת פרוסה, במיוחד אם משתמש בעיצוב אירוע הקשור למשימה מהיר.
  3. תקן הבדלים בין הטווח בבסיס אות על ידי נרמול זמן הסדרה לכל voxel, בתוך כל טווח.
    1. בטא את זמן הסדרה של כל voxel כאחוז השינוי שמvoxel של המשמעות לאורך זמן לריצה נתונה, באמצעות תכנית כגון 3dcalc (AFNI / SUMA) או fslmaths (FSL).
    2. לחלופין, Z-להפוך זמן הסדרה של כל voxel לכל טווח, המבוסס על ממוצע האות ורחסטיית andard לאורך זמן.
  4. שיתוף לרשום כל EPI מעובד לרוץ לכרך Surface (brain.nii) מערך נתונים שנוצר על ידי FreeSurfer (ראה לעיל).
  5. לשרשר כל EPI פועל בזמן לאדם מסוים.
  6. מפה כל EPI לרוץ אל פני השטח באמצעות 3dVol2Surf (AFNI / SUMA), הפקת מערך משטח NIML לכל סיבוב.
    1. השתמש בחומר לבן החלק ומשטחי pial כמשטחי ההתייחסות למיפוי; אלה יכולים להיחשב כמייצג את גבול עניין לבן / האפור ופני השטח של קליפת המוח, בהתאמה.
    2. ממוצע האות על המרחק בין שני משטחים אלה.
  7. נתוני EPI לחלופין חלקים על פני קליפת המוח באמצעות SurfSmooth (AFNI / SUMA).
  8. צור regressors הנפרד לתקופות של הזמן מתאימות לכל אחד מתנאי הניסוי הוצגו לנושא.
  9. שלח regressors אלה (יחד עם regressors לא מעניין) למודל ליניארי כללי (GLM)ניתוח הנתונים הפונקציונליים.
  10. משקולות בטאו בניגוד לregressors השונה כדי לייצר "מפה פונקציונלית" של ערכים סטטיסטיים על פני השטח
  11. לחלופין להזין ערכי בטא משקל למשתתפים מרובים לניתוח ברמת קבוצה של שונות (ANOVA), אם באמצעות עיצוב עצרת.
  12. לגזור thresholded מפות תפקודיות כדי לראות השפעות משמעותיות סטטיסטי, ומעסיקות שיעור familywise שגיאה (תורת שדות אקראית גאוסי) 14 או שיעור גילוי שקר (רוזוולט) 15, 16 התאמה לתקן להשוואות מרובות.
  13. יצירת אזורים של עניין (Rois), אשר ישמשו מאוחר יותר לזריעת tractography, מהאזורים רציפים של הפעלה פונקציונלית משמעותית על פני השטח על ידי תיוג כל אזור להפרדה.
    1. באופן אוטומטי וקטע Rois תווית באמצעות אלגוריתם התקבצות מרחבית, כגון SurfClust (AFNI / SUMA).
    2. לחלופין, יד תיקו Rois באמצעות תכונת ROI ההגרלה של SUMA.
    הרחב Rois לתוך החומר לבן באמצעות 3dSurf2Vol (AFNI / SUMA), על מנת למקסם את הקשר עם מייעל במהלך tractography.
    1. כמו בשלב 6, להשתמש בחומר לבן החלק ומשטחי pial למיפוי.
    2. הגדר f_p1_fr = -0.5 כדי לגדול ROI מתחת לגבול החומר האפור / לבן על ידי 50% מעובי החומר האפור בכל צומת פני שטח.
    3. הגדר f_pn_fr 1 = כדי לגדול ROI בכיוון ההפוך למשטח pial.
  14. השתמש AFNI תכנית cat_matvec למצוא את ההופכי של מטריצת הפיכת affine 12-נקודה נוצרת כאשר יישור B0 התמונה לכרך Surface (brain.nii).
  15. niiApply המטריצה ​​ההפוכה לRois הפונקציונלי כדי ליישר אותם עם נתוני DSI.

5. עיבוד של נתוני הדמיה משוקללים דיפוזיה

הדמית דיפוזיה משוקללת היא מונח כללי לשיטות הדמיה בחומר לבנה, המקיפה את combinati רב ושוניםתוספות של נתוני שיטות רכישה והבנייה מחדש. אולי שיטה הנפוצה ביותר בשימוש, המכונית מותחת דיפוזי הדמיה (DTI) 17, 18, ​​מבוססת על 5-10 דקות של איסוף נתונים, מדידת דיפוזיה ב6 או 12 כיוונים. בהתבסס על נתונים אלה, דפוסי דיפוזיה הם מודל בדרך כלל עם מודל מותח פשוט, שהוא מתאים ביותר לזיהוי כיוון דיפוזיה דומיננטית יחיד. הגבלה זו אומרת שDTI אינו מבצע היטב לסיבי הדמיה החוצים אחד את השני או "נשיקה" בנקודה אחת. סיבי חצייה ובנשיקות מזוהים טובים יותר עם ​​שילוב של שיטות רכישה ושחזור ברזולוציה גבוהה, כגון רזולוציה הגבוהה הדמית דיפוזיה הזוויתי (HARDI) 19-21, דיפוזיה ספקטרום ההדמיה (DSI) 1, 2, ולהכליל Q-כדור הדמיה ( GQI) 22-24.

רצף 257-כיוון רבה קליפת DSI ירוץ על סורקי 3T סימנס שמש לרכישה של התוצאות שהוצג כאן (פרמטרהאטות בטבלה 1). נתונים רכשו שוחזרו בשיטת GQI 24, שמודלי דפוסי דיפוזיה בכל voxel עם פונקצית התפלגות נטייה (ODF) שיכול לזהות בו זמנית בדיפוזיה כיוונים רבים. רצפי דיפוזיה אחרים גבוהים זוויתי רזולוציה צריכים להפיק תוצאות דומות. שים לב שהשיקום הנכון של ODFs דורש חוקר קלט שולחן שיפוע (המכונה גם ב-טבלה), כדי DSI סטודיו, עיבוד DWI ותכנית tractography משמש כאן. (הוראות שימוש מפורטות לDSI סטודיו ניתן למצוא באתר האינטרנט של התוכנה, http://dsi-studio.labsolver.org.) טבלה זו מפרטת את כיוון השיפוע ועוצמת שדה מגנטית עבור כל אחד מכרכי DWI הנרכשים. שולחן השיפוע תלוי בפרוטוקול רכישת MR ומופק באופן אוטומטי מתמונות DICOM ידי DSI סטודיו. עם זאת, אנו ממליצים שחוקרים להשוות autom זהatically-חולץ שולחן עם שיפוע השולחן הסטנדרטי לDWI של הסורק שלהם בפרוטוקול.

  1. במידת צורך, להמיר תמונות MR ל. פורמט DCM (DICOM) באמצעות mri_convert (FreeSurfer).
  2. זהה את התמונה (הים) בבסיס הנתונים הם B0 תמונות (כלומר תמונות, הד מישוריים נאספו ללא שקלול דיפוזיה).
  3. המרת B0 התמונה (הים) לפורמט NIFTI באמצעות AFNI התכנית to3d.
  4. בDSI סטודיו פתוחים, תמונות DICOM ומשלב כדי ליצור קובץ מקור (. Src).
  5. אספקת שולחן שיפוע (ראה לעיל).
  6. בדקו שמסכת שחזור ברירת המחדל מקיפה את כל החומר אפור, מבלי לכלול חלל ריק, גולגולת, או רקמה שאינה מוח. ערוך את המסכה בהתאם לצורך.
  7. לחלופין, ליצור מסכת שיקום על ידי הפעלת התכנית 3dAutomask AFNI על B0 תמונה.
  8. בחר דגם ברזולוציה גבוהה שיקום: DSI, GQI, או גרסת GQI.
  9. יצירת קובץ מידע סיבים (. לבלף) לייצג את הכיוון העיקרי דיפוזיה (הים) בכל voxel.

6. הערכת נתוני פרמטרים של איכות ומעקב דרך Tractography המוח כולו

סיבי מעקב עם זרע המוח כולו הוא דרך מהירה ויעילה כדי להעריך את איכות נתונים כוללת. הוא גם מציג הזדמנות להחליט ערכים המתאימים לפרמטרים גלובליים, במיוחד סף אנאיזוטרופיה משמש כקריטריון עצירה בtractography. הליך זה הוא הכרחי לאיזון בין שיפור הכיסוי בתהליך מעקב הסיבים והפחתת רעש. זהירות מיוחדת יש לנקוט בקביעת פרמטרי מעקב מרכזיים, כגון סף זווית וספי מעקב.

חשוב לציין כי אנאיזוטרופיה היחסית של חלקות שונות יכולה להשתנות בין אדם לאדם, בהתאם לגורמים ביולוגיים כגון גיל ושלמות חומר לבנה, כמו גם גורמים חיצוניים כמו כיול חומרה בין פגישות. בהמשך, אנו מציעים מספר שיטות למעקב השתוותספים בין מערכי נתונים. בכל העת, לבדוק את האיכות של תוצאות מעקב על ידי השוואתם למערך עצבים ידועים. לדוגמה, סיבים החוצים את סדק interhemispheric מחוץ לחיבורי interhemispheric ידועים (כלומר, קורפוס callosum, commissures הקדמי והאחורי) יכולים להעיד כי סף המעקב הוא נמוך מדי ויש להעלות, או עשוי להיות עדות לממצאי ראש תנועה.

בניגוד לסף מעקב, סף זווית צריך להיות בלתי משתנה עבור פרט נתון בין הפעלות, מאז שטחי סיבים אינם משתנים בעקמומיות בטווח הקצר, אם בכלל. כמו כן, עקמת בדרכים צריכה להיות קבועה יחסית על פני אנשים, בהיעדר ההבדלים גדולים בגודל מוח או במורפולוגיה. עם זאת, יש להיזהר בקביעת ערכים ראשוניים של פרמטר זה. סיבים אשר פעלו מסלולים בלתי סבירים, כגון עיקולים חדים, יכולים לציין שהסף הוא הזווית גבוה מדי.

  1. צוראזור זרעי המוח כולו.
  2. הגדרת ערך סף מעקב ראשוני כדי להסוות את voxels נמוך אות.
  3. הגדרת סף זווית כדי לאפשר לסיבים עקומים עד מעלות n בשלב אחד.
  4. הגדר את גודל צעד מעקב במ"מ.
  5. הגדרת מספר רצוי של סיבים או נקודתי זרע.
  6. בצע tractography המוח כולו כדי לבדוק את איכות שחזור ODF כוללת.
  7. כדי להתחיל, בחר (מול מערכי נתונים) סף מעקב חציונים.
    1. טען קובץ TRK מוח כולו לתוך TrackVis, מערכת הדמית סיבים ותכנית לניתוח (Martinos המרכז ביו הדמיה, בית החולים כלליים מסצ'וסטס) 25.
    2. טען את החומר האפורים כרכים (GM) בספריית SUMA (LH / rh.ribbon.nii) כRois.
    3. הגדר Rois GM כמסננים בקבוצת המסלול, קבלת סיבים יחידים שיש להם שני הקצוות באחד מRois.
    4. ודא כי רוב הסיבים (90-100%) בקובץ TRK יישאר בקבוצת המסלול המסוננת.
    5. חזור עלשל צורך, התאמת סף מעקב בDSI סטודיו בכל פעם.
  8. בהמשך בדוק שמסכות סף המעקב בחוץ voxels בחלל ריק (כלומר, בקצוות של המוח ובחלל תוך gyral) מבלי להסיר voxels, וברור שמקורם בחומר לבן.
  9. לחלופין, לאזן את סף מעקב על פני מערכי נתונים (כלומר, הפעלות שונות ו / או משתתפים).
    1. הגדרת סף מעקב כרצוי במערך אחד, באמצעות ממשק סטודיו DSI.
    2. שינוי השם. הקובץ לבלף נוצר על ידי סטודיו עם DSI. שלוחת מחצלת ולייבא לתוך MATLAB, לפי הוראות באתר האינטרנט של סטודיו DSI (http://dsi-studio.labsolver.org).
    3. יצירת היסטוגרמה של הערכים שברצונך סף.
    4. המר את ערכי המפה לZ-ציונים.
    5. מצא את Z-הציון של סף המעקב שנקבע בתחילה בסטודיו DSI interfacדואר.
    6. בצע את הצעדים BD לכל מערכות נתונים האחרים, למצוא את סף המעקב מתאים לZ-הציון מצא בדואר צעד.
    7. כ- הצלבה לצעדי af, לעקוב אחר קבוצה של סיבי בקרה מROI האנטומי בקוטב העורפי עם 500.000 זרעים.
    8. בדקו שתהליך זה יוצר את אותו המספר של סיבים ברחבי מערכי נתונים (+ - 100 סיבים) כ.

7. Tractography מוגבל באופן מקומי

בניגוד לtractography מוח כולו, tractography המוגבל-מקומי עושה שימוש בפעולות ROI מבוסס וליאניים, כגון ציון כרכים שדרכו סיבים חייבים או לא עוברים. כתוצאה מכך, tractography המוגבל-מקומי מציע רגישות גבוהה יותר ושליטה רבה יותר למעקב סיבים נבחרים של ריבית. tractography המוח כל undersamples השטח של נקודתי זרעים אפשריות, בשל העלות הגבוהה של פעולות חישובית זריעה וזיכרון גרפי מחשב מוגבל. (זה פוssible שאילוצים אלה ניתן להתגבר בעתיד, עקב שינויים באלגוריתמי tractography, קיבולת זיכרון גדל, או גורמים אחרים.) כתוצאה מundersampling, tractography המוח כולו לעתים קרובות מניב תוצאות המוטות לכיוון מסלולי דיפוזיה הדומיננטיים ב מוח. Rois משתמש שסופק לטפל בבעיה זו על ידי מתן אזורי היעד מוגבלים עם צפיפות גבוהה של נקודתי זרעים, מה שהופך אותו קל יותר ללכוד קשה לאיתור שטחי סיבים.

  1. יצירת אזור זרעי מוח כולו בסטודיו DSI.
  2. טען אזור אינטרסים האחד או יותר קבצי NIFTI (ROI).
  3. לחלופין לטעון אזור של הימנעות קובץ (ROA) כדי לציין voxels שצריך סיבים לא עובר.
  4. הגדרת סף אנאיזוטרופיה וסף זווית כמתוארת לעיל.
  5. לבצע מעקב.
  6. בדקו איכות על ידי השוואת מסלולי סיבים לפירוט אנטומי.

8. ניתוח צפיפות Endpoint

  1. טען NIfTI TRK קבצי אני Rois וn בTrackVis.
  2. בצע פעולות בוליאניים בין האזורים.
  3. שמור את התוצאות של כל פעולה כקובץ TRK חדש.
  4. השתמש בפונקצית track_transform (דיפוזיה Toolkit) מרחבית להפוך קבצי TRK לכרך Surface (brain.nii) קובץ.
  5. טען את הקובץ הפך TRK ונפח משטח (brain.nii) בTrackVis לבדוק.
  6. טען קבצי TRK והחזר על השקעה לMATLAB לבצע הערכות קישוריות כמותיים.
  7. מצא centroid {X / Y / Z} של החזר על השקעה.
  8. כצעד של קישוריות, לחשב את המספר הכולל של נקודתי קצה סיבים בהחזר על השקעה, ROI, מתוקנן לפי נפח.
  9. לחלופין, לחשב את המרחק בין נקודתי קצה אוקלידית סיבים והרועים centroid, כמדד לסגולי והעקביות של הקישוריות של המערכת שלהחזר על ההשקעה.

9. נציג תוצאות

רזולוציה גבוהה דיפוזיה משוקללת הדמיה וtractography סיבים ניתן ליישם במגוון רחב שלשאלות neuroscientific. ההתמקדות שלנו במאמר זה היא פירוט הצימוד של שיטות קישוריות מבניות עם הדמייה תפקודית. עם זאת, יציין, כי כל יישום של DWI דורש הערכה זהירה של תוצאות tractography, בהתחשב בכך שנתוני פרוטוקול הרכישה, שיטת שיקום ופרמטרי tractography יכולים להשפיע באורח משמעותי, עצמאי במוצר הסופי. איור 5 מדגים תוצאות אופטימליות ותת אופטימליות באמצעות tractography המוח כולו. כל שלושה הדימויים מבוססים על אותו בסיס נתוני 257-כיוון DWI ממשתתף יחיד; תוצאות אופטימליות מוצגות בלוח השמאלי. לעומת זאת, הפנל האמצעי מראה את ההשפעה של פרמטרי tractography מוגזם מקלים (FA וספי זווית). הלוח הימני מראה את הירידה באיכות, הנובע משימוש במודל היחיד מותח לשחזר את נתוני DWI.

אנו כוללים שתי דוגמאות של איך תוצאות tractography יכולות לאשש ולהודיע ​​interpretatiעל נתוני הדמיה תפקודיות. ניסויים אלה להעריך את התהליכים הקוגניטיביים שאפשרו את הקמתה של אזורים פונקציונליים זרעים: כלומר, תפיסת פן ותשומת לב חזותית. אזורי זרעים אלה יכולים לשמש כדי לבחון שאלות של קישוריות-חומר לבן בתוך רשת קוגניטיבי. איור 6 מציג דוגמה לאזורים הופעלו במהלך משימת תפיסת פן. צפה הנבדקים בתמונות של פרצופים ואובייקטים יומיומיים בעת שעבר סריקת fMRI. שני אזורים ventro זמנית, בכישורי gyrus האמצע (MFG) והנחות העורפי gyrus (IOG), הראו תגובות BOLD גדולות יותר משמעותי לפרצופים מאשר לאובייקטים. שני אזורים מוגדרים תפקודיים אלה שמשו לאחר מכן כאזורי זרעים במהלך tractography (כפי שמתואר בסעיפים 6-7 לעיל). איור 6 א מציג את הצרור הגדול של סיבים מייעל (מוצג באדום) שיחבר שני אזורים אלה של עניין בתוך האונה הרקתית, על פני מרחק של כ 12 סנטימטר. שים לב לאריזה ההדוקה של הסיבים וsתואר קניון עקמומיות סיבים על המרחק הזה. דפוס זה אופייני לחיבורים של אחד לאחד בתוך רשתות פונקציונליות על פני מרחקים ארוכים (לדוגמה, ראה נ"צ. 26). האיור 6B מציג את אזור IOG הפונקציונלי הזרע (שמוצג בצהוב) יחד עם נקודתי קצה הסיב הבודד (נקודות אדומות) . נקודתי קצה הסיבים נמצאים בכל ההחזר על ההשקעה. דפוס קישוריות זו מרמז שהאזורים האלה יש קשר ישיר, למרחקים ארוכים שעשוי בבסיס תקשורת מהירה בתוך רשת תפיסת פן.

הדוגמא השנייה שלנו (איור 7) מציגה את הקשרים בין אזורים חזותיים קליפה מוטוריים ואזור שליטת קשב בקליפת המוח הקודקודית האחורית (PPC). במקרה זה, שתי מערכות הפעלות תפקודיות (איזורי עורף והקודקודית) הופקו באמצעות קבוצות עצמאיות של נתוני ה-fMRI מאותם אנשים. הפעלות הקודקודית נוצרו באמצעות משימת הסטת תשומת לב בין 6 מקומות בvisuאל השדה (לפרטים, ראה שופט 27.), ואילו באיזורי העורף הוגדרו באמצעות מיפוי הסטנדרטי חזותי שדה מרידיאן 28, שמשמש לסימון הגבולות בין אזורי זרעים תפקודיים של קליפת המוח החזותי (V1 - V3). 7A האיור מציג את מיקום משוער של V1, V2, ואזורי הזרעים V3 (אדום, ירוק, כחול ו, בהתאמה), באזור הזרע PPC כותרת IPS-1, ואת קטעי סיבים המתחברים אזורים אלו. שטחיו נצבעו על ידי ROI העורפי שממנו הם נזרעו. בניגוד לסיבים הארוכים והישרים באונה הטמפורלית (איור 6), הקטעים האלה-חומר לבן לכסות מרחק קצר יותר (בטווח 3-5 סנטימטרים), והם, בצורת פרסה, ולכן יותר ופחות דחוסים היטב כשהם נוסעים מעורפיים אונה ל7B. איור האונה הקודקודית מציגה את האזורים פונקציונליים המוגדרים בשב"ס (חום), V1 (אדום), V2 (ירוק), וV3 (כחול) על פני קליפת המוח יחד עם נקודתי קצה הסיבים בכל אזור. שים לבהפרדה בין השטחים באונה העורפית לפי אזור זרעים, ומנוגדים למידה הרבה של נקודתי הקצה בשב"ס interdigitation-1. הדבר מצביע על כך PPC אזורנו (מזוהה באמצעות פעילות fMRI במהלך משימת קשב סלקטיבי) עשוי להיות אזור התכנסות של המוח, עם קשרים מבניים לצומת רבים ושונים של קליפת מוח התחושתית. דפוס קישוריות זו עשוי לאפשר את העברת אותות הטיית קשב מאזורי המוח עליונים כדי לווסת את הפעילות בקורטקס מוקדם; אותות אלה מסייעים לשפר את הייצוגים חזותי היעד בקליפה 29, 30.

איור 1
איור 1. איור סכמטי של מושגי מפתח בדיפוזיה משוקלל הדמית לוח (DWI):. במדיום הומוגני, דיפוזיה מתרחש באקראי, כתוצאה מהתנועה בראונית. עבור מספר גדול של מולקולות מים, דיפוזיה היא איזוטרופי, כלומר, דפוס דיפוזיה המצרפי הוא כדורי. B פנל: דיפוזיה של מולקולות מים בתוך האקסונים ובחללים של חבילות axonal מוגבל על ידי קירות ומבני axonal תמיכה אחרות. לפיכך, דיפוזיה לאורך קטעי סיבים היא איזוטרופי: זה הרבה יותר בהתאם למסלול של מערכת הסיבים מאשר בכיוונים אחרים. לוח ג': שיטות רזולוציה גבוהה DWI להשתמש במודלים כגון פונקצית התפלגות הנטייה (ODF) למודל דיפוזיה איזוטרופי בתצורות מורכבות של קטעים בחומר לבן. כפי שניתן לראות בדוגמה זו, ODFs יכול להבחין מסלולי דיפוזיה נפרדות לשטחי סיבים מרובים מעברים בנקודה אחת. המעברים מעורבים שניים או שלושה קטעי סיבים שונים נפוצים במוח.

איור 2
איור 2. מחקר סיבי מעקב ניתן לבצע במספר הדרכים. הבחירות החשובות ביותר הכרוך ברכישת פרוטוקול, טכניקה לשיקום, ושיטת tractography. במאמר הנוכחי, אנחנו use דיפוזיה ספקטרום הדמיה (DSI) 1, 2 פרוטוקול לרכישה; כללית Q-דגימת הדמיה (GQI) 24 לשיקום; וtractography הדטרמיניסטי העובדה 40, 41. אנחנו במיוחד להדגיש טכניקת שחזור מודל חינם והיברידית, אשר יוצרת פונקציות הפצת אורינטציה (ODFs; ראה תרשים 1) לייצג דיפוזיה בכל voxel. חוקרים יכולים לבחור צינורות שונים המבוססים על תקציב, זמן פנוי, את הצורך ברזולוציה זוויתי גבוהה, ואת החשיבות של תיקון לתנועת הראש ועיוותי תמונה שאינן ליניארי. נתון זה אינו רשימה מקיפה של כל רכישת הקיימא, שחזור ושיטות tractography. ראה Seunarine ואלכסנדר 42 לסקירה מצוינת של טכניקת שחזור.

איור 3
איור 3. אינטראקציות של משתני רכישת MRI דיפוזיה, משך הסריקה וability לפתור מעברי סיבים. ניגוד דיפוזיה גבוה הוא הכרחי לפתרון סיבים בתצורות מעברים מורכבות. לעומת זאת זה תלוי במספר גורמים, כוללים מספר כיווני שיפוע (כלומר, במספר כיווני סיבים אפשריים) ו-B-הערך (שמציין את מידת שקלול דיפוזיה). כאן אנו מציגים תופעות אופייניות להגדלת ערכי b ומספר כיווני שיפוע. שים לב שטבלה זו מציינת רק מגמות וטכניקות בודדות עשויות להיות השפעות שונות על משך סריקה, יחס אות לרעש (SNR), ולעומת זאת דיפוזיה. באופן כללי, לעומת זאת ניתן לשפר על ידי הגדלה היא במספר כיווני שיפוע והגודל של B-ערכים. בערכים גבוהים יותר ב-, לעומת זאת, יחס אות לרעש של תמונות diffusion המשוקללים הוא פחתו, וזמן סריקה לעתים קרובות גדל.

איור 4
איור 4. גרפי יתרהר"י של MRI אנטומי, DWI-MRI, ונחלי עיבוד fMRI. טקסט בשחור מתאר את טבעו של כל צעד בתהליך, ואילו טקסט בתוכנה ירוקה מציין שניתן להשתמש בו. קווים מקווקווים ותיבות מצביעים על צעדים אופציונליים, שלא יכול לחול על כל הפרויקטים. בדוגמה זו, עיבוד מתבצע בחבילת AFNI / SUMA (למעט מקרים שבי DSI סטודיו או TrackVis מצוין). פונקציות דומות בחבילות ניתוח הדמייה אחרות לעתים קרובות יכולות להיות תחליף. רבים מהצעדים המאוירים בתרשימים אלה היו בחלקו מאוחד על ידי מפתחי תוכנה לתוך תסריטים נוחים: אנו מתייחסים במיוחד לקוראי FreeSurfer פיוס לכל הצינור (http://surfer.nmr.mgh.harvard.edu/fswiki/ReconAllDevTable) . נציין בנוסף כי מספר חבילות תוכנה מספקות צינורות עיבוד מלאים עבור DWI נתונים, עם זאת, חבילות אלה משתנים בנקודתי החוזק והחולשה שלהם, וחלקם אינו כולל כלים לעבודה עם נתונים גבוהים ברזולוציה זוויתי דיפוזיה MRI. לחץ כאן לצפייה בדמות גדולה.

איור 5
איור 5. איור של tractography המוח כולו עם שיטות שיקום שונים ופרמטרי tractography. כל התמונות נלקחו מאותו מאגר הנתונים, 257-כיוון דיפוזיה ספקטרום רצף הדמיה (DSI) עם ערכי b מרובים (7000 s / מ"מ 2, 5 פגזים). לוח: תוצאות אופטימליות, מושגת באמצעות רזולוציה גבוהה, שיטת השיקום ODF מבוססת. סף מעקב גבוה יחסית של 0.06 נבחר, על מנת ליצור סיבים רק מvoxels חזק אניסוטרופי; וסף זווית של 55 ° נבחר כדי למנוע את הדור של סיבים עם עקמומיות ביולוגית מציאותית (כלומר, סיבים "looping"). NOTE התיחום הברור של שני חצאים המוח, מופרד על ידי סדק האורכים; גם לציין איך bundling סיבים כדלקמן צפוי קווי מתאר sulcal / gyral. לוח ב ': באותה שיטת השחזור שמשה ב(), אבל האנגליה וספי זווית נקבעו ברחמים יותר במהלך tractography (0.03 ו 85 מעלות, בהתאמה). פרמטרי מעקב לא הולמים יכולים לגרום לייצור של כמויות גדולות של סיבים "זבל", שמסתירים מידע אמיתי על מבנה האנטומי. ראה סעיף 5, "הערכת איכות נתונים ומעקב אחר פרמטרים דרך Tractography המוח כולו", לקבלת ייעוץ בבחירת פרמטרים מתאימות. לוח ג': נתונים שוחזרו באמצעות מודל מותח יחיד, אחת מהשיטות בשימוש הנרחב ביותר בDWI. עם פרמטרי מעקב מתאימים (זהה), המודל יחיד המותח מתרבה סיבי שטחים רבים וידועים עיקריים, וקווי מתאר gyral הם קצת גלויים בתצוגת sagittal. עם זאת, הוא גם מייצר תוצאות חיוביות שגויות יותר ממודל ODF: סיבי פתק נסיעה אופקית ly פני סדק interhemispheric. לחץ כאן לצפייה בדמות גדולה.

איור 6
איור 6. תוצאות Tractography מניסוי תפיסת פן. לוח מופעים () מייעלות כתוצאה מtractography בין Rois הפונקציונלי זיהה מניסוי תפיסת פן. אזורים כלליים של gyrus הנחות העורפי (IOG) ואמצע כישורי gyrus (MFG) מסומנים באליפסות צהובות. פנל (ב ') מציג את נקודתי קצה IOG של הסיבים ציינו בפנל () מוצג בתצוגת גחון מוגדלת של פני השטח של קליפת המוח הצדעיים. החזר ההשקעה שניתנו בצהוב נבע מניסוי MRI תפקודי תפיסת פן. שים לב להסכמה הגדולה בין ההפעלה הפונקציונלית מוגדרת ונקודתי קצה בסיבי IOG. סיבים אלו לעקוב אחר מMFG, אזור במוח תפיסת הפנים המעורבים.p :/ / www.jove.com/files/ftp_upload/4125/4125fig6large.jpg "target =" _blank "> לחץ כאן לצפייה בדמות גדולה.

איור 7
איור 7. תוצאות Tractography מניסוי קשב חזותי. לוח () מראות מייעלת כתוצאה מtractography בין Rois הפונקציונלי זיהה מניסוי קשב חזותי 27. אזורים כלליים של קליפת מוח הקודקודית אחורית (IPS-1) ויזואלי קליפת המוח (V1d, V2d, וV3d) מסומנים באליפסות צבעוניות. שטחי סיבים ניתנים בצבעים: אדום מתאימים לV1d, ירוקים לV2d, וכחול לV3d. פנל (ב ') מציג את נקודתי הקצה של הסיבים ציינו בפנל () מוצגות בתצוגה לרוחב מוגדלת של (הקודקודית ועורפי) משטח קליפת המוח האחורי. מוסכמות צבע תואמים לאלה של פנל (). אזורים של עניין כתוצאה מניסוי MRI תפקודי חזותי תשומת לב מוצגים על פני השטח של קליפת המוח. כל שלושה שלETS של שטחים / נקודתי קצה להתכנס באזור IPS-1, אשר נחשב למכילה מפת עדיפות של קשב חזותי שעשויה להיות המקור לתשומת לב הטיית אותות למטרות בקליפת המוח הראייתית. שטחים בשב"ס-1 הם interdigitated במידה רבה, ואילו את הקצוות העורפיים של חלקות סיבים אלה מופרדים באופן ברור מהאזור לאזור בקליפת המוח החזותי.

MR סריקה פרמטרים
DSI 257 כיוון דיפוזיה ספקטרום הדמיה (DSI) סריקה תוך שימוש ברצף פעמים refocused-ספין הד EPI וערכי q מרובים עם זמן רכישת דקות 43 (TR = 9916 ms, TE = 157 מילישניות, גודל voxel = 2.4 x 2.4 x 2.4 מ"מ , FOV = 231 x 231 מ"מ, ב-max = 7000 s / מ"מ 2, 5 פגזים)
אנטומי רצף MPRAGE T1-משוקלל (1 מ"מ x 1 המ"מ x 1 מ"מ, 176 הפרוסות sagittal, TR = 1870, TI = 1100, FA = 8 °, גראפה = 2)
fMRI </ Td> * T2 משוקלל הד מישוריים הדמיה (EPI) רצף דופק (31 פרוסות אלכסוניות ציריות, במטוס רזולוציה 2 מ"מ x 2 מ"מ, 3 מ"מ עובי פרוס, אין פער, זמן חזרה [TR] = 2000 ms, זמן ההד [TE ] = 29 אלפיות שני, זווית להעיף = 90 °, גראפה = 2, גודל מטריצה ​​= 96 x 96, שדה ראיה [FOV] = 192 מ"מ)

טבלת 1. הדמייה פרמטרים לרכישה.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

רזולוציה גבוהה DWI וtractography סיבים מספקים גישה רבה עצמה לבחינת מבנה החיבור של המוח האנושי. כאן, אנו מציגים ראיות לכך שארכיטקטורה מבנית זו קשורה משמעותית לתפקוד המוח, שהוערך על ידי fMRI. באמצעות זרעי tractography מבוססים על הפעלת משימת fMRI, אנו מוצאים עדויות לכך שהאזורים במוח אשר השותף פעילים בקשב החזותי הם אנטומית connectedconsistent עם ידע מוקדם במערך עצבים תפקודיים (איור 7). בדומה לכך, מערך העצבים הפונקציונלי לתפיסת פן עולה בקנה אחד עם הממצאים שלנו בהווה המבני הקישוריות (איור 6). ידע האנטומי של קישוריות הוא הכרחי, אם כי לא מספיק, להסקת קשר פונקציונלי ישיר בין האזורים במוח במשימת נתונה (ולהיפך). במחקרים הדמייה רבים, קשרים מבניים ותפקודיים ישירים הם להסיק-בעייתי על בסיס functio מקבילהפעלת nal לבד. מסקנות כאלה להזניח פירושים אחרים: למשל, שני אזורים במוח עשויים להופיע שיתוף פעילים בגלל שהם חולקים קלט נפוץ, בגלל ההשפעות הגלובליות neuromodulatory שלעיצוב הניסיון לא לשלוט, או אפילו בגלל מקור רעש משותף, כגון ראש תנועה. MR דיפוזיה tractography מספק ראיות מתכנסות ליחסים פונקציונליים דינמיים שבין אזורי המוח דיסטלי, יאשר שמצע חיבור אפשרי קיים ביניהם.

משתמשים צריכים לשקול מספר מגבלות וחסרונות של מחקר סיבי מעקב. הבסיסי ביותר של אלה הוא שהסיבים מייעלים נוצרו בtractography הדטרמיניסטי מייצגים מסלולים אפשריים דיפוזיה, ולא אגדים של סיבים אמיתיים. יכולות להיות מושפעות על ידי התוצאות חיוביות Tractography הן כוזבים ותוצאות שליליות שגויות, ופרשנות של tractography צריך להיות מונחה על ידי ידע neuroanatomical קיים. העדות המוקדמת ביותר של ג חומר לבןonnectivity מגיע מטכניקות "זהב סטנדרטיים" כגון microdissection או תיוג נותב. שימושיים במיוחד הן מפות הסתברותי של קווי מתאר בדרכי סיבים הנגזרים ממוח לאחר מות אדם, כגון שנוצר על ידי Buergel, Amunts, ועמיתיו 31; משאבים מקוונים חינם כגון פרויקט אנטומי הדיגיטלי (http://www9.biostr.washington.edu/ da.html) יכול גם לספק הדרכה שימושית. נציין כי ניתוח קישוריות התפקודית של EEG, מג, ונתוני ה-fMRI BOLD מספקים עדות חלשה בלבד, אם בכלל, עבור קישוריות האנטומי בין האזורים במוח.

אזהרה נוספת נוגעת משכים שווא של סיבים מייעלים, אשר יכול להתרחש כאשר שני מסלולי דיפוזיה עצמאיים מיושרים מקצה לקצה בגסות, ונראה שהם זורמים אחד לתוך השני. במקרים כאלה, אלגוריתם tractography יכול להמשיך מעבר לנקודת העצירה האמיתית. לדוגמה, מafferents thalamicגזע המוח וefferents thalamic לחלקי גב של קליפה עשוי להיות אורינטציות דומות. כתוצאה מכך, אלגוריתמי tractography עשויים להיות מרומים לתוך לייצר סיבים ארוכים המתנשאים מגזע המוח, עובר דרך התלמוס, ונראה שיסתיימו בקליפת המוח. סיבי שקר שכאלה יכולים לנבוע מהאיחוד של שני מסלולים אנטומית נכונים, שכל אחד מהם הם נכון בעצמו. עם זאת, הם יכולים גם לנבוע ממסלולי סיבים אנטומית לא חוקיים. משכים שווא נפוץ אחר כולל סיבים אשר מופיעים לעבור מהקטבים הזמניים לאינסולה וסיבים החוצים את סדק האורכים מחוץ למעברי interhemispheric ידועים (כלומר, כפיס המוח ואת commissures). משכים שווא אלו לעתים קרובות להתרחש בגלל 1) השפעות נפח חלקיות לטשטש את גבולות האונות / האונות, או 2), כי סף המעקב נקבע גם לפנים משורת דין. כפי שציינו לעיל, חוקרים חייבים להעריך תוצאות סיבי מעקב לאור neuroana הקייםידע tomical. כזהירות סופית, תציינו, כי דיפוזיה MRI וtractography סיבים מספקים שום מידע על הכיווניות של קשרים: כלומר, הם לא יכולים להבחין feedforward מסיבי משוב, או afferents מefferents.

tractography הדטרמיניסטי יכול להיות שימושי לבדיקת השערות, כמו הסיבים מייעלים הוא מייצר מהווה להסיק על קישוריות נקודה לנקודה לאורך מסלולים ספציפיים, הניתן להשוואה מול השערות. עם זאת, משתמשים יכולים גם ירצו לשקול שיטות מעקב הסתברותיים (ראה איור 2). היתרון העיקרי של שיטת הסתברות הוא שהם יניבו הערכות ביטחון למסלולי דיפוזיה בין שתי נקודות, המבוססות על ההצטברות של הסתברויות דיפוזיה בvoxels שמתחברים הנקודות האלה 32. בניגוד לכך, התוצאות של tractography הדטרמיניסטי לא לוקחות בחשבון את אי הוודאות שמצטבר בכל שלב של ההתפשטות של סיבים וירטואליים, אי ודאות זו מגדילה כגודל צעד, פרמטר משתמש סט, הוא גדל. הביטחון מעריך מיוצר על ידי tractography הסתברותי יכול להיות שימושי במיוחד כאשר מנסים לקבוע את הסבירות היחסית של שניים או יותר מסלולי דיפוזיה שונים, מה גם שמשתמשים יכולים בקלות להסוות את voxels להערכות ביטחון עצמי נמוכות, אפשרות לא ניתנת בשיטות דטרמיניסטיות. כמו tractography הדטרמיניסטי, לעומת זאת, שיטות הסתברותיות לא משמעית להוכיח את קיומו של סיבים-חומר לבן, אלא הם מדגימים מסלולי דיפוזיה אפשריות.

משתמשים יכולים למצוא תוצאות tractography דטרמיניסטיות יותר אינטואיטיבי להדמיה, כמו התוצאות מוצגות בדרך כלל כמו סיבים 3 ממדים מייעלים, המאפשר לצופה לתפוס מסלולי סיבים אפשריים במהירות. לעומת זאת, תוצאות הסתברותיות tractography מיוצגות בדרך כלל כפרוסות 2-ממדיות של נתוני נפח. תמונות אלה בדרך כלל להראות מפות חום של קוןvoxels tiguous, מתאים להסתברות דיפוזיה בתוך נפח מערכה thresholded, ללא מסלולי דוגמנות סיבים אפשריים בתוך המערכה. ללא קשר לבחירה של המשתמשים בשיטות tractography והדמיה, הם צריכים להכיר בכך שתוצאות סיבי המעקב להפגין מסלולי דיפוזיה אפשריים בלבד, וכי התוצאות של שתי השיטות עשויות לכלול סוגי I ו-II טעות סטטיסטית.

קבוצת המחקר שלנו השתמשה בטכניקות שתוארו כאן כדי לחזות ולכמת חיבורים של מערכת קשב חזותית 27 33 דרכי corticospinal, כפיס מוח 34, ו, כמו גם למיפוי מעגלי הקרנת קליפת מוח בגרעיני הבסיס 35. בחלק ממקרי תוצאות tractography עשויות להפיק ממצאי רומן:. למשל, וואנג (שהוגש) המשמש אח' רזולוציה גבוהה DWI לפרטים יתוארו בטפסים בעבר שטחי סיבים, עם אימות צולבת בנתיחת גופתו 36. תוצאות כגון אלה עשויות לספקמניע לחקירות של תפקוד מוח, על מנת להעריך את התועלת הפונקציונלית של השטחים שהתגלו לאחרונה. לבסוף, לא פולשני, ברזולוציה גבוהה DWI טומן בחובו הבטחה במספר מצבים קליניים, כגון תכנון נוירוכירורגיים 37; ניתוח לגידולים, דימומים וcavernovas 38; ופגיעה מוחית טראומטית (TBI) 39. הקבוצה שלנו יש להחיל הטכניקות הללו במספר רב של מקרי פגיעה מוחית נוירוכירורגיה וטראומטית, הנוגעת קישוריות סיבים שבש לתסמינים התנהגותיים.

סופו של דבר, קל להשגת מידע בנוגע לקישוריות מוח הגלובלית יאפשר לחוקרים לבנות מודלים טובים יותר של המוח. לדוגמה, מדידות מדורגות של קישוריות-חומר לבן יכולות לשמש כדי לשפר את לוקליזציה מקור במג / EEG, או להציב מגבלות על ניתוחי קישוריות יעילות fMRI מבוססים. tractography רזולוציה גבוהה עשוי גם לשפר את המודלים של חיבור מוח משובש או פתולוגי, suהפרק כעלול להתרחש בTBI או אוטיזם. לבסוף, tractography רזולוציה גבוהה עשויה לאפשר לחוקרים טובים יותר לשלב את הידע של מערך עצבים האנושי פונקציונלי עם מחקרים פולשניים של מוח שאינו בני אדם. אנו מקווים וצופים כי מספר גדל והולך של חוקרים לחקור את הפוטנציאל של שילוב הערכות של תפקוד מוח עם הדמיה ברזולוציה גבוהה דיפוזיה משוקללת.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

אין ניגודי האינטרסים הכריזו.

Acknowledgments

תודות רשימה ומקורות מימון. העבודה נתמכת על ידי NIH RO1-MH54246 (MB), קרן המדע הלאומי BCS0923763 (MB), הגנת המחקר המתקדמת פרויקטי הסוכנות (DARPA) תחת חוזה NBCHZ090439 (WS), משרד מחקר של צי (ONR) תחת פרס N00014-11 -1-0399 (WS), וצבא מעבדת המחקר (ARL) תחת חוזה W911NF-10-2-0022 (WS). ההשקפות, הדעות, ו / או הממצאים הכלולים במצגת זו הן של כותבים ואין לפרש כמייצג את הדעות הרשמיות או המדיניות, מפורש או משתמעים, של הסוכנויות לעיל או ארצות הברית מחלקת ההגנה.

References

  1. 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).
  2. 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).
  3. Pipe, J. Pulse Sequences for Diffusion-weighted MRI. Diffusion MRI: From quantitative measurement to in-vivo neuroanatomy. , 1st, Elsevier. London. 12-35 (2009).
  4. 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).
  5. Tuch, D. S. Q-ball imaging. Magnetic Resonance in Medicine. 52 (6), 1358-1372 (2004).
  6. 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).
  7. 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).
  8. Cox, R. W. AFNI: software for analysis and visualization of functional magnetic resonance neuroimages. Computers and Biomedical Research. 29 (3), 162-173 (1996).
  9. Cox, R. W., Hyde, J. S. Software tools for analysis and visualization of fMRI data. NMR in Biomedicine. 10 (4-5), 171-178 (1997).
  10. Goebel, R. BRAINVOYAGER: a program for analyzing and visualizing functional and structural magnetic resonance data sets. NeuroImage. 3, S604 (1996).
  11. 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).
  12. 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).
  13. Friston, K. J. Statistical parametric mapping: the analysis of functional brain images. , Academic Press. (2007).
  14. 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).
  15. 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).
  16. Logan, B. R., Rowe, D. B. An evaluation of thresholding techniques in fMRI analysis. NeuroImage. 22, 95-108 (2004).
  17. 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).
  18. Basser, P. J., Mattiello, J., LeBihan, D. MR diffusion tensor spectroscopy and imaging. Biophysical Journal. 66 (1), 259-267 (1994).
  19. Frank, L. R. Anisotropy in high angular resolution diffusion-weighted MRI. Magnetic Resonance in Medicine. 45 (6), 935-939 (2001).
  20. Frank, L. R. Characterization of anisotropy in high angular resolution diffusion-weighted MRI. Magnetic Resonance in Medicine. 47 (6), 1083-1099 (2002).
  21. 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).
  22. 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).
  23. Tuch, D. S. Q-ball imaging. Magnetic Resonance in Medicine. 52 (6), 1358-1372 (2004).
  24. Yeh, F. C., Wedeen, V. J., Tseng, W. -Y. I. Generalized Q-sampling imaging. IEEE Transactions on Medical Imaging. 29 (9), 1626-1635 (2010).
  25. 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).
  26. 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).
  27. 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).
  28. Slotnick, S. D., Yantis, S. Efficient acquisition of human retinotopic maps. Human Brain Mapping. 18 (1), 22-29 (2003).
  29. 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).
  30. Kastner, S., Ungerleider, L. G. Mechanisms of visual attention in the human cortex. Annual Review of Neuroscience. 23, 315-341 (2000).
  31. 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).
  32. Behrens, T. E. J., Jbabdi, S. MR Diffusion Tractography. Diffusion MRI: From quantitative measurement to in-vivo neuroanatomy. , 1st, Elsevier. London. 333-352 (2009).
  33. 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).
  34. Jarbo, K., Verstynen, T., Schneider, W. In vivo quantification of global connectivity in the human corpus callosum. NeuroImage. , In press (2012).
  35. Verstynen, T., Badre, D., Jarbo, K., Schneider, W. Microstructural organizational patterns in the human corticostriatal system. , Under review (2012).
  36. 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).
  37. 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).
  38. 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).
  39. 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).
  40. 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).
  41. Tournier, J., Mori, S., Leemans, A. Diffusion tensor imaging and beyond. Magnetic Resonance in Medicine. 65 (6), 1532-1556 (2011).
  42. 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).

Tags

Neuroscience גיליון 69 ביולוגיה מולקולרית אנטומיה פיזיולוגיה tractography קישוריות מערך עצבים חומר לבן תהודה מגנטית MRI
שיתוף ניתוח של מבנה המוח ותפקודו באמצעות fMRI ודיפוזיה משוקללת הדמיה
Play Video
PDF DOI

Cite this Article

Phillips, J. S., Greenberg, A. S.,… More

Phillips, J. S., Greenberg, A. S., Pyles, J. A., Pathak, S. K., Behrmann, M., Schneider, W., Tarr, M. J. Co-analysis of Brain Structure and Function using fMRI and Diffusion-weighted Imaging. J. Vis. Exp. (69), e4125, doi:10.3791/4125 (2012).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter