Co-analisi della struttura e delle funzioni cerebrali con fMRI e Diffusion-weighted imaging

Summary

Descriviamo un nuovo approccio per l'analisi simultanea delle funzioni cerebrali e della struttura utilizzando la risonanza magnetica (MRI). Valutiamo la struttura del cervello ad alta risoluzione diffusion-weighted imaging e sostanza bianca trattografia fibra. A differenza di standard di risonanza magnetica strutturale, queste tecniche ci permettono di collegare direttamente la connettività anatomica di proprietà funzionali delle reti cerebrali.

Abstract

Lo studio di complessi sistemi computazionali è facilitato da mappe di rete, come diagrammi circuitali. Tale mappatura è particolarmente informativo quando si studia il cervello, come il ruolo funzionale che soddisfi cervello all'area dell'euro possono essere in gran parte definita dai suoi collegamenti con altre aree cerebrali. In questo rapporto, descriviamo un romanzo, non-invasivo per mettere in relazione la struttura del cervello e la funzione utilizzando la risonanza magnetica (MRI). Questo approccio, una combinazione di imaging strutturale di lungo raggio connessioni in fibra e dati di imaging funzionale, è illustrato in due distinti domini cognitivi dell'attenzione visiva e percezione viso. Imaging strutturale viene eseguita con diffusion-weighted imaging (DWI) e trattografia fibre, che traccia la diffusione delle molecole d'acqua lungo sostanza bianca tratti di fibre nel cervello (Figura 1). Per visualizzare questi tratti di fibre, siamo in grado di indagare il lungo raggio architettura connettiva del cervello. I risultati si raffrontano con favorataggio con una delle tecniche più utilizzate in DWI, diffusion tensor imaging (DTI). DTI è in grado di risolvere le configurazioni complesse di tratti di fibre, limitando la sua utilità per la costruzione di modelli dettagliati, anatomicamente informati della funzione cerebrale. Al contrario, le nostre analisi riprodurre neuroanatomia nota con precisione e accuratezza. Questo vantaggio è dovuto a procedure di acquisizione dati: mentre molti diffusione DTI misura protocolli in un piccolo numero di indicazioni (ad esempio, 6 o 12), si impiegano una diffusione di spettro di imaging (DSI) ^{1, 2} protocollo che valuta la diffusione in direzioni 257 e ad una serie di forze magnetiche gradiente. Inoltre, i dati DSI ci permettono di utilizzare metodi più sofisticati per la ricostruzione di dati acquisiti. In due esperimenti (attenzione visiva e percezione dei volti), trattografia rivela che co-attiva aree del cervello umano sono connessi anatomicamente, sostenendo ipotesi esistenti che formano reti funzionali. DWI ci permette di creare un "circuito diAgram "e riprodurre su un singolo soggetto-base, ai fini del monitoraggio attività rilevanti per l'attività del cervello nelle reti di interesse.

Protocol

1. Attrezzature per l'acquisizione dei dati MR

Le figure 2 e 3 riassumono una serie di scelte da effettuare in acquisizione diffusione MRI, i dati di ricostruzione, e il monitoraggio delle fibre. Tenete presente che queste scelte di solito sono compromessi, e la migliore scelta può dipendere i propri obiettivi di ricerca. Ad esempio, DSI e multi-shell HARDI (vedi Figura 2) utilizzano in genere superiori "b-valori" (cioè, ponderazione diffusione più forte) DTI. Come risultato, questi metodi hanno una migliore risoluzione angolare, che è necessario per risolvere incrocio o "kissing" fibre (cioè, le fibre che curva uno verso l'altro, il contatto tangente singolo prima curva di nuovo). Tuttavia, questo guadagno di risoluzione angolare è spesso ottenuta a costo inferiore di segnale-rumore (SNR) in EPI dati (Figura 3). I ricercatori possono prendere in considerazione la rilevanza di questo trade-off per i loro obiettivi specifici:se uno studio si concentra su alcuni tratti di fibre principali le cui traiettorie non attraversare o correre parallelo a tratti gli altri, quindi a basso DTI direzione di scansione ad alto SNR può essere l'ideale. Imaging del Fasciculus inferiore longitudinale potrebbe rappresentare un caso del genere. Al contrario, la perdita di SNR può essere una conseguenza accettabile se un ricercatore desidera seguire un tratto attraverso incroci complessi.

Un simile trade-off comporta la correzione di movimento della testa, correnti parassite, e non lineari distorsioni dell'immagine. DWI protocolli di utilizzo imaging eco-planare (EPI; cfr. tabella 1), che è suscettibile di disomogeneità del campo magnetico causate da sacche d'aria nei seni, il rumore fisiologico, e di altri fattori ^3. Questi risultati disomogeneità nella distorsione dell'immagine indesiderabile, particolarmente nel lobo temporale inferiore e orbito-frontale, che riduce la validità e l'affidabilità dei risultati fibra monitoraggio in queste aree. Ulteriori distorsioni sono creati da eddy Currents, un prodotto di rapida MR gradiente di commutazione ^4. Movimento della testa dei partecipanti è un altro fattore che degrada la qualità delle immagini e possono influenzare negativamente trattografia. I metodi attuali sia in grado di correggere il movimento della testa e le distorsioni dell'immagine in condizioni di scarsa b valore dei dati, come ad esempio DTI, tuttavia, questi metodi non sono stati estesi a più alta risoluzione metodi come DSI. La difficoltà di applicare metodi di correzione dell'immagine per DSI dati deriva dal basso SNR sopra descritto (Figura 3). Per fiber tracking in aree del cervello che sono suscettibili di EPI distorsione, può essere meglio usare bassa direzionalità DTI o un'altra tecnica per la quale le distorsioni dell'immagine può essere corretto. D'altra parte, se ad alta risoluzione angolare in tutto il cervello è desiderata, i ricercatori possono scegliere di utilizzare DSI, HARDI, o tecniche simili. Tuch (2004) ⁵ suggerisce che i ricercatori interleave immagini T2 senza ponderazione diffusione in tutto una scansione DSI, fornendo punti di riferimento per la correzione del movimento (per esempio, see rif. 6). In tutti i casi, i ricercatori devono essere consapevoli degli effetti negativi del movimento della testa durante l'acquisizione: si consiglia di utilizzare altamente qualificati partecipanti e per ridurre al minimo il movimento attraverso l'uso di barre di morso, guardie naso, imbottitura, o misure di salvaguardia di altri.

I risultati qui presentati utilizzare un 257-direzione spettro di diffusione di immagini (DSI), il protocollo, con i punti di forza di gradiente che vanno dal b = 300 a 7.000 (vedere i parametri della tabella 1). Lo spettro di diffusione di imaging (DSI) sequenza richiede moderne apparecchiature di scansione MR con determinate caratteristiche necessarie per la raccolta di questi dati di diffusione ad alta risoluzione. Prendiamo atto che i requisiti di tempo di questa sequenza sono notevoli: circa 43 minuti su un scanner Siemens Trio Tim. Dopo numerosi test empirico, riteniamo che la qualità di questi dati giustificare il costo durata e la scansione, ma, nella scelta del protocollo di acquisizione, gli utenti dovrebbero valutare attentamente i propri obiettivi di ricerca contro il capacities e comfort dei partecipanti. Notiamo anche che buona qualità DSI dati sono stati raccolti in soli 10 minuti con tecniche di acquisizione avanzate ^7.

1. 3 Campo Tesla scanner forza MR: 3T è necessario per raggiungere il segnale necessario per l'alta direzione angolare DSI scansione.
2. 32 canali phased-array bobina testa: Una testa a bobina ad alta sensibilità ed eccellente rapporto segnale-rumore è necessario per raccogliere i dati DSI. Otto e 12 canali bobine forniscono meno segnale alla superficie del cervello, di conseguenza, queste bobine possono richiedere tempi di scansione per supportare la mappatura accurata di campi di proiezione.
3. Testa di stabilizzazione: Data la lunga durata della sequenza di scansione DSI, e poiché la correzione del movimento non può essere applicato ai dati DSI, stabilizzazione eccellente testa è necessario controllare il movimento del soggetto. Comandi di movimento che vanno da imbottitura e nastro per un morso-bar, sacco a vuoto, o una maschera termoplastica si consiglia di stabilizzare soggettivets 'teste. Più di 2 mm di traslazione o 2 ° di movimento di rotazione in qualsiasi direzione è eccessiva e può essere considerata un motivo di esclusione di dati.
4. Attrezzature FMRI presentazione: Per le analisi che utilizzano i semi funzionali, dispositivi aggiuntivi per la scansione fMRI è richiesta. A seconda del tipo di regioni di essere localizzate, questo include generalmente un display compatibile MR (ad esempio sistema di proiettore LCD compatibile MR), un sistema di risposta pulsante, sistema audio, e la presentazione del computer esperimento sincronizzato con l'acquisizione scanner.

2. Procedura di scansione

1. Brevi partecipanti sulla natura delle scansioni da eseguire e ottenere il consenso informato. Sottolinea la necessità di ridurre al minimo movimento della testa (specialmente durante la lunga DSI scansione). Offrire ai partecipanti la scelta di un film o altri video per l'intrattenimento durante la scansione DSI. Per la scansione funzionale dei compiti comportamentali, istruire i soggetti per monitorare lo schermo per task-relevastimoli nt e per rispondere, come richiesto.
2. Dopo lo screening per le controindicazioni MR, comodamente stabilizzare la testa dei partecipanti utilizzando uno dei metodi descritti in precedenza, e il paziente letto diapositiva nello scanner.
3. Eseguire scansioni di scout iniziali e la calibrazione.
4. Impostare la prescrizione fetta per il parallelo DSI scansione a una linea immaginaria che collega le commisures anteriore e posteriore. Assicurarsi che le fette per la scansione DSI coprire l'intero cervello.
5. Eseguire la scansione DSI mentre il soggetto si rilassa nello scanner o di intrattenimento orologi del sistema di presentazione.
6. Immediatamente dopo il completamento della scansione DSI, raccogliere un T1-pesata scansione anatomica (es. MPRAGE) per un uso successivo in co-registrazione (cioè, allineando) i dati DSI con anatomica o altri dati funzionali.
7. Facoltativamente, raccogliere dati fMRI nella stessa sessione utilizzando le normali EPI sequenze di impulsi.
8. Se necessario, effettuare la scansione fMRI in una sessione di scansione separata. Collect un MPRAGE in entrambe le sessioni per facilitare la co-registrazione dei set di dati.

3. Anatomica Elaborazione MRI

Per l'analisi dei dati fMRI superficie e la segmentazione automatica utilizzando FreeSurfer, come descritto di seguito, ad alta risoluzione T1-pesata immagine anatomica con un eccellente contrasto bianco-grigio materia è necessaria. Questa immagine fornisce uno spazio di riferimento comune per l'analisi dei dati di imaging funzionale e pesata in diffusione. In scanner MRI più moderne, questa immagine sarà indicato come un MPRAGE (magnetizzazione Preparata Echo RApid Gradient) immagine. Sequenze MPRAGE maggior parte dei moderni in grado di fornire dati di qualità sufficienti in una singola scansione (parametri in Tabella 1). Se necessario, due o più scansioni possono essere mediati per migliorare contrasto bianco-grigio materia per la segmentazione. Qui di seguito, viene spiegato come i dati DWI e fMRI, che di solito sono raccolti con dimensioni voxel diverse e punti di origine diverse, possono essere automaticamente allineati e ricampionato pervisione simultanea con il MPRAGE.

Descrizioni dettagliate del flusso di trasformazione anatomica FreeSurfer MRI può essere trovato sul wiki FreeSurfer ( http://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferWiki ); uscita FreeSurfer include più rappresentazioni corticali di superficie, così come parcellizzazione della corticale caratteristiche anatomiche e segmentazione delle strutture sottocorticali. Si consiglia di eseguire il AFNI / SUMA lo script @ SUMA_Make_Spec_FS sull'uscita FreeSurfer, che converte l'output in formati di file che possono essere facilmente trattati con strumenti da AFNI / SUMA, FSL, SPM, e altri pacchetti software di neuroimaging. Per esempio, co-registrazione delle immagini può essere eseguita con uno dei numerosi programmi, come 3dAllineate (AFNI / SUMA), FLIRT (FSL), bbregister (FreeSurfer), o la funzione COREGISTER SPM.

1. Eseguire segmentazione anatomico e corticale superficie di ricostruzione by la presentazione T1-pesata immagine anatomica per l'algoritmo automatico di FreeSurfer (rico-tutto).
2. Importare i risultati dell'elaborazione FreeSurfer in SUMA usando @ sceneggiatura SUMA_Make_Spec_FS. Questo passaggio crea Nifti formato versioni di tutti i volumi in uscita FreeSurfer, tra cui una intensità normalizzata, cranio-stripped versione dell'immagine anatomica ingresso. Ci riferiamo a questa immagine anatomica elaborata come il volume di superficie, secondo AFNI / SUMA terminologia, la versione Nifti di questa immagine creata da @ SUMA_Make_Spec_FS è denominato brain.nii.
3. Allineare la DSI B0 immagine per il volume di superficie risultante (utilizzare il formato Nifti versione di questa immagine, denominata brain.nii, nella directory SUMA).
4. Salvare il 12 punti matrice di trasformazione affine per l'uso in successive co-registrazioni.

4. La risonanza magnetica funzionale (fMRI) Processing

Analisi funzionale MRI può definire regioni di interesse (ROI) per la produzione o post-hoc selezione di fibre. Ogni eco-Planar Imaging (EPI) sequenze di impulsi con parametri ottimizzati per gli esperimenti fMRI specifici possono essere utilizzati. Allo stesso modo, un gran numero di pacchetti software per l'elaborazione di analisi fMRI ed esistono, come AFNI / SUMA (NIMH, NIH) ^{8, 9,} BrainVoyager (Innovazione Cervello) ^10, FSL (FMRIB, Università di Oxford), ^{11, 12,} e SPM ( Wellcome Trust Center for Neuroimaging, University College di Londra) ^13. Il "fMRI elaborazione e l'analisi" di figura 4 illustra un percorso di analisi basata sul AFNI / SUMA pacchetto software. Per ulteriori istruzioni d'uso dettagliate, si rimanda ai tutorial eccellenti e altri materiali didattici sul AFNI / SUMA sito web ( http://afni.nimh.nih.gov ).

L'obiettivo finale dell'analisi fMRI per le fibre di localizzazione diversa da standard di analisi di localizzazione funzionale, in cui l'enfasi è spesso per trovare il luogo della massima attivazione.Buona procedimento statistico richiede ricercatori per specificare livelli alfa per contrasti statistici precedentemente, tuttavia, i ricercatori dovrebbe considerare il fatto che la scelta delle soglie statistiche influenzerà l'estensione spaziale di attivazione funzionale, e quindi l'estensione dei campi di terminazione in fibra.

1. Corretto per il movimento testa soggetto in dati fMRI di ogni individuo, usando l'immagine media dello scanner prima esecuzione come l'immagine di riferimento.
2. Facoltativamente, eseguire la correzione di acquisizione intervallo di tempo, in particolare se si utilizza un rapido evento-correlati attività di progettazione.
3. Correggere tra conduzione differenze di base segnale normalizzando le serie storiche per ogni voxel, all'interno di ogni corsa.
   1. Esprimi ogni voxel di serie storiche come variazione percentuale rispetto al voxel che significano nel tempo per una data stima, usando un programma come 3dcalc (AFNI / SUMA) o fslmaths (FSL).
   2. In alternativa, Z-trasformare ogni voxel è tempo-serie per ogni corsa, sulla base della media del segnale e stAndard deviazione nel corso del tempo.
4. Co-registrare ogni trasformati EPI correre al volume di superficie (brain.nii) set di dati generata da FreeSurfer (vedi sopra).
5. Concatenare tutti EPI viene eseguito in tempo per un dato individuo.
6. Mappa ogni EPI correre verso la superficie con 3dVol2Surf (AFNI / SUMA), la produzione di un set di dati NIML superficie per ogni esecuzione.
   1. Utilizzare la materia bianca e liscia piali superfici come superfici di riferimento per la mappatura, che potranno essere pensato come rappresentare il grigio / bianco-materia contorno e la superficie della corteccia, rispettivamente.
   2. Media il segnale sulla distanza tra queste due superfici.
7. Facoltativamente lisce dati EPI sulla superficie corticale utilizzando SurfSmooth (AFNI / SUMA).
8. Creare regressori separate per epoche di tempo corrispondenti a ciascuna delle condizioni sperimentali presentati al soggetto.
9. Invia questi regressori (con regressori di nessun interesse) a un modello lineare generale (GLM)analisi dei dati funzionali.
10. Pesi contrasto beta per regressori diversi per produrre una "mappa funzionale" di valori statistici su tutta la superficie
11. Facoltativamente inserire beta-valori di peso per i partecipanti più in un gruppo di livello di analisi della varianza (ANOVA), se si utilizza un disegno fattoriale.
12. Derive thresholded mappe funzionali per visualizzare effetti statisticamente significativi, utilizzando un tasso di errore di familywise (teoria dei campi gaussiana casuale) ¹⁴ o tasso di scoperta false (FDR) ^{15, 16} regolazione per correggere per confronti multipli.
13. Creazione di regioni di interesse (ROI), che verranno utilizzati in seguito per la semina trattografia, dalle regioni contigue di notevole attivazione funzionale sulla superficie da etichettare ogni area separabili.
    1. Automaticamente segmento e ROI etichetta con un algoritmo di clustering spaziale, come ad esempio SurfClust (AFNI / SUMA).
    2. In alternativa, a mano-draw ROI utilizzando SUMA di Draw funzione ROI.
    Espandere ROI nella sostanza bianca con 3dSurf2Vol (AFNI / SUMA), per massimizzare il contatto con snellisce durante trattografia.
    1. Come al punto 6, utilizzare la materia bianca e liscia e superfici piali per la mappatura.
    2. Impostare f_p1_fr = -0,5 per crescere il ROI sotto il grigio / bianco confine materia del 50% dello spessore della materia grigia in ogni nodo superficie.
    3. Impostare f_pn_fr = 1 per crescere il ROI in direzione opposta alla superficie piale.
14. Utilizzare il programma AFNI cat_matvec per trovare l'inverso di 12 punti matrice di trasformazione affine generato quando l'allineamento del B0 immagine per il volume di superficie (brain.nii).
15. niiApply la matrice invertita a ROI funzionale al fine di allinearli con i dati DSI.

5. Elaborazione dei dati di imaging pesato in diffusione

Diffusion-weighted imaging è un termine generale per le tecniche di imaging di materia bianca, che comprende molti diversi combinations di metodi di acquisizione dei dati e la ricostruzione. Forse il metodo più utilizzato, denominato tensore di diffusione (DTI) ^{17, 18,} ​​si basa su 5-10 minuti di acquisizione dati, misurando la diffusione in 6 o 12 direzioni. Sulla base di questi dati, i modelli di diffusione sono tipicamente modellati con un modello tensore semplice, che è più adatto per rilevare una singola direzione diffusione dominante. Questa limitazione significa che DTI non rende bene per le fibre di imaging che si incrociano l'un l'altro o "bacio" in un unico punto. Fibre Crossing e baciare sono meglio individuati con una combinazione di alta risoluzione metodi di acquisizione e di ricostruzione, come la diffusione di immagini ad alta risoluzione angolare (HARDI) ^19-21 diffusione dello spettro di imaging (DSI) ^{1, 2,} e generalizzata q-ball immagini ( GQI) ^22-24.

Un 257-direzione multi-shell sequenza DSI eseguito su scanner Siemens 3T è stato utilizzato per l'acquisizione dei risultati qui presentati (paramtri in Tabella 1). Dati acquisiti sono stati ricostruiti con il metodo GQI ^24, che modella modelli di diffusione in ciascun voxel con una funzione di distribuzione di orientamento (ODF) in grado di rilevare la diffusione simultanea in direzioni multiple. Altri high-angolari sequenze di diffusione risoluzione dovrebbe produrre risultati simili. Notare che corretta ricostruzione ODFs richiede al ricercatore di ingresso una tabella gradiente (indicato anche come b-tabella) per DSI Studio, il programma di elaborazione DWI e trattografia qui utilizzato. (Istruzioni d'uso dettagliate per DSI Studio si possono trovare sul sito del software, http://dsi-studio.labsolver.org .) Questa tabella elenca la direzione del gradiente e la forza del campo magnetico per ciascuno dei volumi acquisiti DWI. La tabella di pendenza dipende dal protocollo di acquisizione MR e viene estratto automaticamente da immagini DICOM da DSI Studio. Tuttavia, si consiglia che i ricercatori confrontare questo automticamente-estratto tabella gradiente con la tabella standard per la loro scanner DWI protocollo.

1. Se necessario, convertire le immagini a risonanza magnetica. DCM (DICOM) formato utilizzando mri_convert (FreeSurfer).
2. Identificare quale immagine (s) nel set di dati sono B0 immagini (ad esempio, echo-planari immagini raccolte senza ponderazione diffusione).
3. Convertire l'immagine B0 (s) in formato Nifti con AFNI programma TO3D.
4. In DSI Studio, aprire le immagini DICOM e si combinano per creare una sorgente (. Src) file.
5. Fornire una tabella gradiente (vedi sopra).
6. Verificare che la maschera di ricostruzione di default comprende tutta la materia grigia, senza includere spazio vuoto, cranio, o non-tessuto cerebrale. Modificare la maschera, se necessario.
7. In alternativa, creare una maschera ricostruzione eseguendo 3dAutomask programma AFNI sull'immagine B0.
8. Scegliere un modello ad alta risoluzione ricostruzione: DSI, GQI, o variante GQI.
9. Creare un file di fibre di informazione (. Fib) per rappresentare la direzione principale di diffusione (s) inogni voxel.

6. Valutazione dei dati dei parametri di qualità e di monitoraggio attraverso tutto il cervello trattografia

Fibre di monitoraggio con un tutto-cervello seme è un modo veloce ed efficace per valutare la qualità globale dei dati. Si presenta anche la possibilità di decidere i valori appropriati per i parametri globali, in particolare la soglia di anisotropia utilizzato come criterio di arresto in trattografia. Questa procedura è necessaria per trovare un equilibrio tra il miglioramento della copertura del processo di monitoraggio delle fibre e ridurre il rumore. Particolare attenzione deve essere presa in impostazione dei parametri di monitoraggio fondamentali, quali l'angolo di soglia e le soglie di monitoraggio.

È importante notare che l'anisotropia relativa dei diversi tratti può variare tra individui, a seconda di fattori biologici quali l'età e l'integrità della sostanza bianca, così come fattori estranei quali calibrazione hardware tra le sessioni. Qui di seguito, si consiglia di diversi metodi per equilibrare il monitoraggiosoglie tra set di dati. In ogni momento, verificare la qualità dei risultati di monitoraggio confrontandole con neuroanatomia conosciuto. Ad esempio, le fibre che attraversano la fessura interemisferica al di fuori di note connessioni interemisferica (vale a dire, del corpo calloso, commissure anteriori e posteriori), può indicare che la soglia di rilevamento è troppo bassa e deve essere sollevata, o può essere una prova di artefatti da movimento della testa.

A differenza di soglia di monitoraggio, soglia angolo dovrebbe essere invariante per un dato individuo in più sessioni, in quanto tratti di fibre non cambiano nella curvatura a breve termine, se mai. Analogamente, la curvatura del tratto dovrebbe essere relativamente costante tra gli individui, in assenza di differenze principali dimensioni del cervello o morfologia. Tuttavia, occorre prestare attenzione nel fissare i valori iniziali di questo parametro. Fibre che seguono traiettorie improbabili, come tornanti, può indicare che l'angolo di soglia è troppo alta.

1. Creazione di unwhole-brain regione semi.
2. Impostare un valore di soglia iniziale di monitoraggio per mascherare basso segnale voxel.
3. Impostare la soglia angolo per permettere fibre di curva fino a n gradi in un unico passaggio.
4. Imposta passo di monitoraggio in mm.
5. Impostare il numero desiderato di fibre o di punti di semi.
6. Eseguire tutto il cervello trattografia per verificare qualità complessiva ricostruzione ODF.
7. Per iniziare, scegliere una mediana (tra set di dati) Soglia di monitoraggio.
   1. Caricare un file di tutto il cervello trk in TrackVis, una visualizzazione del tratto di fibra e programma di analisi (Martinos Center for Biomedical Imaging, Massachusetts General Hospital) ^25.
   2. Caricare i materia grigia (GM) i volumi nella directory SUMA (lh / rh.ribbon.nii) come ROI.
   3. Impostare le ROI GM come filtri sul gruppo pista, accettando solo fibre aventi estremità in una delle ROI.
   4. Verificare che la maggior parte delle fibre (90-100%) nel file trk rimangono nel gruppo traccia filtrato.
   5. Ripetizione di unas necessario, la regolazione della soglia di monitoraggio in DSI Studio di volta in volta.
8. Inoltre verificare che le maschere di soglia di rilevamento su voxel spazio vuoto (cioè, attorno ai bordi del cervello e intra-gyral spazio) senza rimuovere voxel, che chiaramente si trovano nella materia bianca.
9. Facoltativamente, equilibrare la soglia di monitoraggio attraverso insiemi di dati (ad esempio, diverse sessioni e / o partecipanti).
   1. Impostare una soglia di monitoraggio come desiderato in un set di dati tramite l'interfaccia DSI Studio.
   2. Rinominare il file. Fib creato da DSI Studio con estensione. Tappetino e l'importazione in MATLAB, per istruzioni sul sito DSI Studio ( http://dsi-studio.labsolver.org ).
   3. Creare un istogramma dei valori che si desidera soglia.
   4. Convertire i valori della mappa in z-score.
   5. Trovare il z-score della soglia di monitoraggio che inizialmente nello Studio DSI interface.
   6. Eseguire bd passi per tutti gli altri insiemi di dati, trovare la soglia di rilevamento che corrisponde alla z-score trovato nel passaggio e.
   7. Come un controllo incrociato per passi af, traccia di un insieme di fibre di controllo da una ROI anatomica al polo occipitale con 500.000 semi.
   8. Verificare che questa procedura produce approssimativamente lo stesso numero di fibre attraverso dataset (+ - 100 fibre).

7. Trattografia localmente limitata

In contrasto con tutto il cervello trattografia, trattografia localmente vincolato fa uso di operazioni booleane ROI-based, come specificati i volumi attraverso il quale le fibre devono o non possono passare. Come risultato, trattografia localmente vincolato offre maggiore sensibilità e maggiore controllo per il monitoraggio fibre selezionate di interesse. Tutto il cervello trattografia undersamples lo spazio di possibili punti seme, a causa dell'alto costo computazionale delle operazioni di semina e limitata memoria computer grafica. (Si tratta di possible che questi vincoli verrà risolta in futuro, a causa dei cambiamenti negli algoritmi trattografia, capacità di memoria maggiore, o altri fattori.) Come risultato di sottocampionamento, tutto il cervello trattografia spesso produce risultati che sono di parte verso le vie di diffusione dominante nel cervello. Fornito dall'utente ROI risolvere questo problema fornendo regioni bersaglio limitate con una densità di punti seme, rendendo più facile catturare difficili da rilevare-tratti di fibre.

1. Creazione di un intero cervello regione seme DSI Studio.
2. Caricare uno o più Nifti regione d'interesse (ROI) dei file.
3. Opzionalmente caricare una regione di evasione (ROA) file per indicare voxel cui le fibre non deve passare attraverso.
4. Impostare la soglia anisotropia e angolo di soglia come descritto sopra.
5. Eseguire il monitoraggio.
6. Verificare la qualità confrontando le tracce di fibre per il dettaglio anatomico.

8. Endpoint densità Analisi

1. Caricare NIfTI ROI e trk i filento TrackVis.
2. Eseguire le operazioni booleane tra le regioni.
3. Salvare i risultati di ciascuna operazione come un nuovo file trk.
4. Utilizzare il (Diffusion ToolKit) track_transform funzione di trasformare i file trk spazialmente al volume di superficie (brain.nii) file.
5. Caricare il file trasformato trk e Volume Superficie (brain.nii) in TrackVis per ispezionare.
6. Caricare i file trk e ROI in MATLAB per effettuare stime quantitative di connettività.
7. Trova la {x / y / z} baricentro di un ROI.
8. Come provvedimento di connettività, calcolare il numero totale di endpoint fibre in una ROI, normalizzato in volume ROI.
9. In alternativa, calcolare la distanza euclidea tra endpoint fibre e ROI centroidi, come misura della specificità e della consistenza connettività il tratto a quella ROI.

9. Risultati rappresentativi

Alta risoluzione pesata in diffusione imaging e trattografia fibra può essere applicata a una vasta gamma didomande neuroscientifici. Il nostro obiettivo in questo lavoro è per il dettaglio l'accoppiamento di metodi di connettività strutturali con neuroimaging funzionale. Tuttavia, si noti che qualsiasi applicazione di DWI richiede attenta valutazione dei risultati trattografia, dato che il protocollo di acquisizione dati, il metodo di ricostruzione, e parametri trattografia può esercitare significativi effetti indipendenti sul prodotto finale. Figura 5 illustra i risultati ottimali e sub-ottimale utilizzando whole-brain trattografia. Le tre immagini sono basati sulla stessa direzione 257-dataset DWI da un singolo partecipante; ottimi risultati sono mostrati nel pannello sinistro. In contrasto, il pannello centrale mostra l'effetto di parametri trattografia eccessivamente indulgenti (FA e soglie angolo). Il pannello destro mostra la riduzione della qualità risultante dall'utilizzo di un singolo modello tensore di ricostruire i dati DWI.

Ci sono due esempi di come i risultati trattografia può confermare e informare interpretatisu dati di imaging funzionale. Questi esperimenti valutazione dei processi cognitivi che hanno permesso la creazione di regioni funzionali seme: vale a dire, la percezione dei volti e l'attenzione visiva. Queste regioni seme può essere utilizzato per testare le domande di sostanza bianca connettività all'interno di una rete cognitiva. Figura 6 mostra un esempio di regioni attivate durante un compito percezione faccia. Soggetti visto immagini di volti e oggetti di uso quotidiano, mentre in fase di scansione fMRI. Due regioni ventro-temporali, in mezzo giro fusiforme (MFG) e inferiore occipitale giro (IOG), hanno mostrato significativamente maggiori risposte BOLD per le facce che per gli oggetti. Queste due regioni funzionalmente definiti sono stati poi utilizzati come regioni di seme durante trattografia (come indicato ai punti 6-7 di cui sopra). Figura 6A mostra il fascio di fibre di grandi dimensioni semplifica (in rosso) che collegano queste due regioni di interesse all'interno del lobo temporale, su una distanza di circa 12 cm. Nota l'imballaggio stretto delle fibre e sgrado centro di curvatura fibra su questa distanza. Questo modello è tipico di one-to-one collegamenti all'interno di reti funzionali su lunghe distanze (ad esempio, vedi rif. 26). Figura 6B mostra il funzionale seme regione IOG (in giallo) con le estremità delle fibre singole (punti rossi) . Gli endpoint di fibre si trovano in tutto il ROI. Questo modello di connettività suggerisce che queste regioni hanno dirette, collegamenti a lunga distanza, che possono essere alla base una comunicazione rapida all'interno della rete percezione dei volti.

Il nostro secondo esempio (Figura 7) mostra le connessioni tra le regioni visive della corteccia sensoriale e di una regione di controllo dell'attenzione nella corteccia parietale posteriore (PPC). In questo caso, le due serie di attivazioni funzionali (regioni occipitale e parietale) sono stati prodotti tramite gruppi indipendenti di dati fMRI dagli stessi individui. Attivazioni parietali sono stati generati tramite un compito spostare l'attenzione tra i 6 punti della visual campo (per i dettagli, vedi rif ^27.), mentre le regioni occipitali sono stati definiti con il sistema di mappatura del campo visivo meridiano ^28, che è stato utilizzato per segnare i confini tra le regioni semi funzionali della corteccia visiva (V1 - V3). figura 7A mostra la posizioni approssimative di V1, V2, V3 e le regioni semi (rosso, verde, e blu, rispettivamente), la regione semi PPC etichettati IPS-1, ed i tratti di fibre che collegano queste regioni. Tracts sono colorati dal ROI occipitale da cui sono state seminate essi. A differenza delle fibre lunghe, diritte nel lobo temporale (Figura 6), questi sostanza bianca tratti coprire una distanza minore (intervallo 3 - 5 cm) e sono, quindi, più a forma di U e meno fitto mentre viaggiano dalla occipitale lobo al lobo parietale. Figura 7B mostra le funzionalmente definite regioni IPS (marrone), V1 (rosso), V2 (verde), e V3 (blu) sulla superficie corticale con gli endpoint di fibre in ogni regione. Notare lasegregazione dei tratti nel lobo occipitale per regione semi, in contrasto con l'elevato grado di interdigitazione endpoint in IPS-1. Ciò suggerisce che la regione PPC (identificato attraverso l'attività fMRI durante un compito di attenzione selettiva) può essere una zona di convergenza del cervello, con collegamenti strutturali a molte differenti nodi di corteccia sensoriale. Questo pattern connettività può consentire la trasmissione di segnali di polarizzazione attenzionali da regioni corticali superiori di modulare l'attività in corteccia primi; questi segnali contribuire a migliorare rappresentazioni bersaglio in corteccia visiva ^{29, 30.}

Figura 1. Illustrazione schematica di concetti chiave pesata in diffusione imaging (DWI) Pannello A:. In un mezzo omogeneo, diffusione verifica in modo casuale a seguito del moto browniano. Per un gran numero di molecole di acqua, diffusione è isotropo, cioè il modello di diffusione aggregato è sferica. Pannello B: diffusione delle molecole di acqua all'interno assoni e negli interstizi di fasci assonali è limitato da pareti assonale e altre strutture di supporto. Così, diffusione lungo tratti di fibre è anisotropa: è molto maggiore lungo la traiettoria del tratto di fibra in altre direzioni. Pannello C: ad alta risoluzione metodi DWI utilizzare modelli come la funzione di ripartizione di orientamento (ODF) per modellare la diffusione anisotropa in configurazioni complesse di tratti di sostanza bianca. Come si vede in questo esempio, ODFs può distinguere percorsi di diffusione separati per tratti di fibre multiple attraversano in un singolo punto. Crossings che coinvolgono due o tre tratti di fibre diverse sono comuni nel cervello.

Figura 2. Fiber-tracking ricerca può essere eseguita in vari modi. Le scelte più importanti riguardano protocollo di acquisizione, tecnica di ricostruzione, e metodo trattografia. Nel documento attuale, use una diffusione dello spettro di imaging (DSI) ^{1, 2} protocollo di acquisizione; generalizzata Q-campionamento di imaging (GQI) ²⁴ per la ricostruzione, e deterministico trattografia FACT ^{40, 41.} Abbiamo soprattutto evidenziare le tecniche di ricostruzione del modello-libere e ibride, che generano funzioni di distribuzione di orientamento (ODFs; vedi Figura 1) per rappresentare diffusione in ciascun voxel. I ricercatori possono scegliere diversi gasdotti in base al budget, tempo a disposizione, la necessità di una alta risoluzione angolare, e l'importanza di correggere per il movimento della testa e non lineari distorsioni dell'immagine. Questa figura non è un elenco completo di tutte acquisizione vitale, la ricostruzione, e metodi trattografia. Vedi Seunarine & Alexander ⁴² per una eccellente rassegna delle tecniche di ricostruzione.

Figura 3. Le interazioni delle variabili di acquisizione di diffusione MRI, durata di scansione, e abilità per risolvere incroci di fibre. contrasto diffusione elevata è necessaria per risolvere le fibre a complesse configurazioni di attraversamento. Questo contrasto dipende da diversi fattori, tra cui il numero di direzioni gradiente (cioè, il numero di possibili orientazioni fibra) e b-value (che indica il grado di coefficiente di diffusione). Presentiamo qui effetti tipici di aumentare b-valori e il numero di direzioni di gradiente. Si noti che questa tabella indica solo le tendenze, e le tecniche individuali possono avere effetti diverse al momento della durata della scansione, rapporto segnale-rumore (SNR), la diffusione e il contrasto. Generalmente, contrasto può essere migliorata aumentando sia il numero di direzioni di gradiente e la grandezza di b-valori. A maggiore b-valori, tuttavia, il rapporto segnale-rumore di diffusione-pesate è diminuita, e il tempo di scansione è spesso aumentata.

Figura 4. Grafica summaRY di anatomica RM, DWI-MRI e fMRI flussi di trattamento. Testo in nero descrive la natura di ciascuna fase di lavorazione, mentre il testo di colore verde indica che il software può essere utilizzato. Le linee tratteggiate e caselle indicano passaggi facoltativi, che potrebbero non essere applicabili a tutti i progetti. In questo esempio, l'elaborazione viene eseguita in AFNI / SUMA pacchetto (se DSI Studio o TrackVis è indicato). Funzioni paragonabili in altri pacchetti di analisi di neuroimaging possono spesso essere sostituito. Molti dei passaggi illustrati in questi schemi sono stati parzialmente consolidata da parte degli sviluppatori di software in script convenienti: in particolare si rimanda alla ricostruzione FreeSurfer tutti pipeline ( http://surfer.nmr.mgh.harvard.edu/fswiki/ReconAllDevTable ) . Notiamo inoltre che diversi pacchetti software forniscono condotte complete di lavorazione per DWI dati, tuttavia, questi pacchetti variano nella loro punti di forza e di debolezza, E alcuni non includono strumenti per lavorare con dati ad alta risoluzione angolare di diffusione MRI. Clicca qui per ingrandire la figura .

Figura 5. Illustrazione di tutto il cervello trattografia con metodi di ricostruzione e parametri diversi trattografia. Tutte le immagini sono stati ricavati dal dataset stesso, un 257-direzione spettro di diffusione di immagini (DSI) sequenza con più b-valori (7.000 s / mm ^2, 5 conchiglie). Un gruppo di esperti scientifici: ottimi risultati, ottenuti utilizzando una ad alta risoluzione, ODF metodo basato ricostruzione. Una soglia di rilevamento relativamente alta di 0,06 è stato selezionato, in modo da generare fibre solo dal voxel fortemente anisotropi, e una soglia di angolo di 55 ° è stata scelta per evitare la formazione di fibre con curvatura biologicamente realistico (cioè, "loop" fibre). Nota la chiara definizione degli emisferi, separati da una fessura longitudinale, si noti anche come raggruppamento di fibre segue previsto contorni sulcal / gyral. Pannello B: il metodo di ricostruzione stesso è stato utilizzato come in (A), ma FA e soglie angolari sono stati impostati più tollerante durante trattografia (0,03 e 85 °, rispettivamente). Inappropriate parametri di monitoraggio può causare la generazione di un gran numero di "spazzatura" le fibre, che nascondono informazioni veritiere sulla struttura anatomica. Vedere Sezione 5, "Valutazione della qualità dei dati e di monitoraggio dei parametri attraverso tutto il cervello trattografia", per consigli sulle scelte dei parametri appropriati. Pannello C: dati sono stati ricostruiti utilizzando un unico modello tensore, uno dei metodi più usati in DWI. Con i parametri di monitoraggio appropriati (come A), il singolo-tensore modello riproduce molti tratti noti di fibre principali, e contorni gyral sono un po 'visibili nella vista sagittale. Comunque, si produce anche più falsi positivi rispetto al modello ODF: fibre note viaggiare orizzontale mente attraverso la fessura interemisferica. Clicca qui per ingrandire la figura .

Figura 6. Trattografia risultati da un esperimento percezione dei volti. Grafico (a) mostra semplifica derivanti da trattografia tra ROI funzionale identificato da un esperimento di percezione dei volti. Aree generali di giro occipitale inferiore (IOG) e la metà del giro fusiforme (MFG) sono indicati da ovali gialli. Pannello (B) mostra i punti finali IOG delle fibre indicate nel pannello (A) su di una vista ingrandita ventrale della superficie posteriore temporale corticale. Il ROI reso in giallo il risultato di un esperimento di percezione dei volti risonanza magnetica funzionale. Si noti la grande accordo tra funzionalmente definita attivazione e gli endpoint in fibra IOG. Queste fibre traccia dal MFG, una regione del cervello coinvolta la percezione dei volti.p :/ / www.jove.com/files/ftp_upload/4125/4125fig6large.jpg "target =" _blank "> Clicca qui per ingrandire la figura.

Figura 7. Trattografia risultati da un esperimento attenzione visiva. Pannello (A) mostra le linee di corrente risultante dalla trattografia tra ROI funzionale identificato da un esperimento di attenzione visiva ^27. Aree generali della corteccia parietale posteriore (IPS-1) e la corteccia visiva (V1D, V2D, e V3D) sono indicati da ovali colorati. Tratti di fibre siano resi in colori corrispondenti: rosso per V1D, verde per V2D, e blu per V3D. Pannello (B) mostra i punti finali delle fibre indicate nel pannello (A) su di una vista ingrandita laterale posteriore (parietale e occipitale) superficie corticale. Convenzioni colori corrispondono a quelli del pannello (A). Regioni di interesse derivanti da un esperimento visivo attenzione risonanza magnetica funzionale vengono visualizzati sulla superficie corticale. Tutti e tre sets di tratti / punti convergono nella regione IPS-1, che è pensato per contenere una mappa di priorità di attenzione visiva che può essere la fonte di attenzione agli obiettivi di polarizzazione dei segnali nella corteccia visiva. Tracts in IPS-1 sono in gran parte interdigitati, mentre le estremità occipitali di questi tratti di fibre sono chiaramente separate per regione di corteccia visiva.

MR Scan	Parametri
DSI	257 direzione diffusione dello spettro di imaging (DSI) scansione con un doppio-riorientato sequenza spin-echo EPI e più q-valori con un tempo di 43 min di acquisizione (TR = 9916 ms, TE = 157 ms, voxel = 2.4 x 2.4 x 2.4 mm , FOV = 231 x 231 mm, b-max = 7000 s / mm 2, 5 conchiglie)
Anatomico	T1-pesata sequenza MPRAGE (1 mm x 1 mm x 1 mm, 176 fette sagittali, TR = 1870, TI = 1.100, FA = 8 °, GRAPPA = 2)
fMRI </ Td>	T2 *-pesata imaging eco-planare (EPI) sequenza di impulsi (31 fette oblique assiali, in-plane risoluzione 2 mm x 2 mm, 3 spessore di strato mm, nessuno spazio, tempo di ripetizione [TR] = 2.000 ms, tempo di eco [TE ] = 29 ms, flip angle = 90 °, GRAPPA = 2, dimensione della matrice = 96 x 96, campo di vista [FOV] = 192 mm)

Tabella 1. Neuroimaging parametri di acquisizione.

Discussion

Ad alta risoluzione e la trattografia DWI fibra fornire un approccio efficace per l'esame della struttura connettiva del cervello umano. Qui, vi presentiamo la prova che questa architettura strutturale significato sono collegati con la funzione del cervello, valutata mediante risonanza magnetica funzionale. Utilizzando semi trattografia basato su attivazione fMRI compito, troviamo la prova che le aree del cervello che sono co-attivo durante l'attenzione visiva sono anatomicamente connectedconsistent con una conoscenza della neuroanatomia funzionale (Figura 7). Analogamente, la neuroanatomia funzionale percezione viso è coerente con i risultati attuali connettività strutturale (Figura 6). Conoscenza della connettività anatomica è necessaria, ma non sufficiente, per dedurre un collegamento funzionale diretto tra aree cerebrali in un dato compito (e viceversa). In molti studi di neuroimaging, dirette connessioni strutturali e funzionali vengono dedotte-problematicamente-sulla base di functio concomitanteattivazione nal alone. Tali inferenze trascurare altre interpretazioni: ad esempio, due aree del cervello potrebbe essere co-attivo perché condividono un ingresso comune, a causa di influenze neuromodulatori globali per i quali il disegno sperimentale non controlla, o anche a causa di una sorgente di rumore comune, come ad esempio la testa motion. MR diffusione trattografia fornisce prove convergono dinamiche relazioni funzionali tra aree cerebrali distali, confermando che un possibile substrato connettivo esiste tra di loro.

Gli utenti dovrebbero considerare diversi limiti e inesattezze del fibra-tracking ricerca. Il più importante di questi è che la fibra snellisce generata in trattografia deterministico rappresentano percorsi di diffusione possibili, e non veri e propri fasci di fibre. Risultati trattografia possono essere influenzati sia falso positivo e risultati falsi negativi, e l'interpretazione di trattografia dovrebbero essere guidati da conoscenze esistenti neuroanatomici. La miglior prova preliminare c sostanza biancaonnectivity deriva da "gold-standard" tecniche come microdissezione o l'etichettatura tracciante. Particolarmente utili sono mappe probabilistiche di contorni del tratto di fibre derivate da cervelli umani post-mortem, come quello creato da Buergel, Amunts e colleghi, ^31; risorse online gratuite, come il progetto Anatomist Digital ( http://www9.biostr.washington.edu/ da.html ) in grado di fornire indicazioni utili. Prendiamo atto che l'analisi funzionale, la connettività di EEG, MEG, e BOLD dati fMRI fornisce solo una debole evidenza, se del caso, per la connettività anatomica tra le aree del cervello.

Un avvertimento aggiuntivo riguarda continuazioni falsi di fibre semplifica, che possono verificarsi quando due percorsi di diffusione indipendenti sono approssimativamente allineati end-to-end, e che sembrano fluire l'uno nell'altro. In tali casi, l'algoritmo trattografia può continuare oltre il punto di arresto vero. Ad esempio, afferenze talamiche daltronco encefalico e efferenze talamiche a parti dorsali della corteccia possono avere orientamenti simili. Di conseguenza, gli algoritmi trattografia possono essere indotti a produrre fibre lunghe che si innalzano dal tronco cerebrale, passano attraverso il talamo, e sembrano finire nella corteccia. Tali fibre falsi possono derivare dalla congiunzione di due vie anatomicamente corretti, ciascuno dei quali è in sé corretta. Tuttavia, possono anche derivare da traiettorie fibra anatomicamente non validi. Altre continuazioni comuni falsi includono fibre che sembrano passare dai poli temporali nella insula e le fibre che attraversano la fessura longitudinale al di fuori di noti punti di attraversamento interemisferica (vale a dire, il corpo calloso e le commessure). Questi falsi continuazioni spesso si verificano a causa 1) effetti di volume parziale oscurare i bordi dei lobi / emisferi, oppure 2) in quanto la soglia di monitoraggio sia stato troppo indulgente. Come abbiamo osservato in precedenza, i ricercatori devono valutare in fibra di monitoraggio dei risultati alla luce delle neuroana esistenticonoscenza anatomica. Come un avvertimento finale, si nota che la diffusione e la risonanza magnetica trattografia fibra non forniscono informazioni sulla direzionalità delle connessioni: cioè, non può discernere feedforward a partire da fibre di feedback, o afferenze da efferenti.

Trattografia deterministica può essere utile per ipotesi, come la fibra razionalizza che genera costituiscono inferenze circa point-to-point connettività lungo traiettorie specifici, che possono essere confrontati con ipotesi. Tuttavia, gli utenti possono anche prendere in considerazione metodi di monitoraggio probabilistici (vedi figura 2). Il principale vantaggio di metodi probabilistici è che essi forniscono stime di confidenza per percorsi di diffusione tra due punti, basato sull'accumulo di probabilità di diffusione in voxel che collegano i punti ^32. Al contrario, i risultati di trattografia deterministico non tengono conto dell'incertezza che si accumula ad ogni passo di propagazione una fibra virtuale; Questa incertezza aumenta passo, un parametri impostati dall'utente, viene aumentata. La fiducia stima prodotta da trattografia probabilistica può essere particolarmente utile quando si cerca di determinare la probabilità relativa di due o più diversi percorsi di diffusione, inoltre, gli utenti possono facilmente mascherare voxel con stime scarsa fiducia, non è una possibilità prevista con metodi deterministici. Come trattografia deterministica, tuttavia, metodi probabilistici non definitivamente dimostrare l'esistenza di fibre di sostanza bianca, anzi, dimostrano percorsi di diffusione possibili.

Gli utenti possono trovare risultati trattografia deterministici più intuitiva per la visualizzazione, in quanto i risultati sono in genere presentati come 3-dimensionale di fibre semplifica, che permettono allo spettatore di cogliere rapidamente le possibili traiettorie di fibre. Al contrario, i risultati trattografia probabilistici sono tipicamente rappresentati come 2-dimensionali fette di dati volumetrici. Queste immagini mostrano di solito mappe di calore convoxel contigue, corrispondenti alle probabilità diffusione all'interno di un volume tratto thresholded, senza modellare possibili traiettorie di fibre all'interno del tratto. Indipendentemente dalla scelta degli utenti dei metodi trattografia e visualizzazione, essi dovrebbero riconoscere che le fibre di localizzazione solo risultati dimostrano possibili vie di diffusione, e che i risultati di entrambi i metodi possono includere i tipi di errore statistico I e II.

Nostro gruppo di ricerca ha utilizzato le tecniche qui descritte per visualizzare e quantificare connessioni del tratto corticospinale ^33, corpo calloso ^34, e il sistema di attenzione visiva ^27, nonché per mappare circuiti corticali proiezione nei gangli della base ^35. In alcuni casi i risultati trattografia possono generare nuove scoperte:. Per esempio, Wang et al (presentato) utilizzato alta risoluzione DWI al dettaglio precedentemente undescribed tratti di fibre, con cross-validation in dissezione di cadaveri ^36. Risultati come questi possono fornire l'impulso per le indagini della funzione cerebrale, al fine di valutare l'utilità funzionale delle vie di recente scoperta. Infine, non invasivo, ad alta risoluzione DWI promette in una serie di situazioni cliniche, quali la pianificazione neurochirurgica ^37; chirurgia per tumori, emorragie e cavernovas ^38; e trauma cranico (TBI) ^39. Il nostro gruppo ha applicato queste tecniche in un gran numero di casi di neurochirurgia cerebrale traumatico e lesioni, relativa connettività in fibra interrotta ai sintomi comportamentali.

In ultima analisi, facile da ottenere-informazioni riguardanti la connettività globale cervello permetterà ai ricercatori di costruire modelli migliori del cervello. Per esempio, le misurazioni graduate di materia bianca connettività potrebbe essere utilizzata per migliorare la localizzazione sorgente in MEG / EEG, o per posizionare vincoli fMRI analisi basate connettività efficace. Ad alta risoluzione trattografia è anche in grado di migliorare i modelli di collegamento cervello interrotto o patologico, SUch, come si può verificare in TBI o autismo. Infine, ad alta risoluzione trattografia potrebbe consentire ai ricercatori di integrare meglio la conoscenza dei diritti umani neuroanatomia funzionale con studi invasivi di non umani cervelli. Speriamo e aspettiamo che un numero crescente di ricercatori esploreranno le potenzialità di combinare valutazioni della funzione cerebrale con alta risoluzione diffusion-weighted imaging.