Co-análisis de la estructura y función cerebral mediante resonancia magnética funcional y la difusión de imágenes ponderado

Summary

Se describe un nuevo enfoque para el análisis simultáneo de la función cerebral y la estructura utilizando imágenes de resonancia magnética (MRI). Evaluamos la estructura cerebral de alta resolución las imágenes ponderadas de difusión y la materia blanca tractografía fibra. A diferencia de las MRI estructural, estas técnicas nos permiten relacionar directamente la conectividad anatómica de las propiedades funcionales de las redes cerebrales.

Abstract

El estudio de complejos sistemas computacionales se ve facilitada por los mapas de la red, tales como diagramas de circuito. Su uso se hace especialmente informativo cuando se estudia el cerebro, como el papel funcional que cumple en la zona del cerebro puede ser definida en gran parte por sus conexiones con otras áreas del cerebro. En este reporte se describe un novedoso enfoque no invasivo para relacionar la estructura y función del cerebro mediante imágenes de resonancia magnética (MRI). Este enfoque, una combinación de imágenes estructurales de conexiones de fibra óptica de largo alcance y los datos de imagen funcional, se ilustra en dos dominios distintos cognitivas, la atención visual y la percepción de la cara. Imágenes estructurales se lleva a cabo con difusión la imagen ponderada (DWI) y tractografía fibra, que el seguimiento de la difusión de moléculas de agua a lo largo de tractos de fibras de materia blanca en el cerebro (Figura 1). Mediante la visualización de estos tractos de fibras, estamos en condiciones de investigar la arquitectura conectivo a largo plazo del cerebro. Los resultados se comparan Favorablemente con una de las técnicas más utilizadas en DWI, por tensor de difusión (DTI). DTI es incapaz de resolver las complejas configuraciones de tractos de fibras, lo que limita su utilidad para la construcción de modelos detallados anatómicamente informados de la función cerebral. En contraste, los análisis de reproducir neuroanatomía conocido con precisión y exactitud. Esta ventaja se debe en parte a los procedimientos de adquisición de datos: mientras que muchos DTI difusión protocolos de medida en un número reducido de instrucciones (por ejemplo, 6 ó 12), contamos con una amplia difusión de imágenes (DSI) ^{1, 2} protocolo que evalúa la difusión en 257 direcciones y en una gama de fuerzas de gradiente magnético. Además, los datos de DSI nos permiten utilizar métodos más sofisticados para la reconstrucción de los datos adquiridos. En dos experimentos (atención visual y la percepción de la cara), tractografía revela que las áreas co-activas del cerebro humano están conectados anatómicamente, el apoyo a las hipótesis existentes que forman redes funcionales. DWI nos permite crear un "circuito diAgram "y reproducir sobre una base individual-sujeto, a los efectos de la actividad cerebral de seguimiento pertinente a la tarea en las redes de interés.

Protocol

1. Equipo para MR Adquisición de Datos

Las figuras 2 y 3 se resumen una serie de decisiones que deben tomarse en la difusión de adquisición por RMN, la reconstrucción de datos y el seguimiento de la fibra. Tenga en cuenta que estas opciones suelen incluir compensaciones, y la mejor elección puede depender de los objetivos de investigación de uno. Por ejemplo, DSI y multi-shell HARDI (ver Figura 2) utilizan típicamente más altos "valores b" (es decir, más fuerte ponderación de difusión) de DTI. Como resultado, estos métodos tienen mejor resolución angular, que es necesaria para la resolución de cruce o "beso" fibras (es decir, fibras que se curvan una hacia la otra, haciendo contacto en una única tangente antes de curvar de nuevo). Sin embargo, este aumento de la resolución angular se logra a menudo a costa de una menor relación señal-ruido (SNR) en EPI datos (Figura 3). Los investigadores tal vez desee considerar la relevancia de este trade-off para sus objetivos específicos:si un estudio se centra en unas pocas grandes tractos de fibras cuyas trayectorias no se cruzan o corren paralelas a otras extensiones, entonces una dirección de bajos DTI de exploración con alta relación señal ruido puede ser ideal. Formación de imágenes del fascículo longitudinal inferior podría representar tal caso. En contraste, la pérdida de la SNR puede ser una consecuencia aceptable si un investigador desea seguir un tracto a través de cruces complejos.

A semejante disyuntiva consiste en la corrección de movimiento de la cabeza, las corrientes de Foucault, y no lineales distorsiones de la imagen. DWI protocolos de uso de eco-planar (EPI; véase la Tabla 1), que es susceptible a la falta de homogeneidad del campo magnético causados ​​por bolsas de aire en los senos paranasales, el ruido fisiológico, y otros factores ^3. Estas faltas de homogeneidad en consecuencia indeseable distorsión de la imagen, en particular en el lóbulo temporal inferior y la corteza órbito-frontal, lo que reduce la validez y la fiabilidad de los resultados de fibra de seguimiento en estas áreas. Distorsiones adicionales son creados por eddy currents, un producto de rápida MR gradiente de conmutación ^4. Movimiento de los participantes cabeza es otro factor que degrada la calidad de imagen y puede afectar negativamente tractografía. Los métodos actuales pueden corregir tanto el movimiento de cabeza y distorsiones de la imagen de bajo valor b-datos, como DTI, sin embargo, estos métodos no se han extendido a los métodos de mayor resolución, como DSI. La dificultad en la aplicación de métodos de corrección de imagen a los datos DSI se deriva de la baja SNR se ha descrito anteriormente (Figura 3). Para el seguimiento de la fibra en las áreas del cerebro que son susceptibles de EPI distorsión, puede ser mejor usar bajo-direccionalidad DTI u otra técnica para que distorsiones de la imagen se puede corregir. Por otro lado, si alta resolución angular en todo el cerebro se desea, los investigadores pueden optar por usar DSI, HARDI, o técnicas similares. Tuch (2004) ⁵ sugiere que los investigadores intercalar imágenes T2 sin ponderación difusión a través de una exploración de DSI, proporcionando puntos de referencia para la corrección de movimiento (por ejemplo, see ref. 6). En todos los casos, los investigadores deben ser conscientes de los efectos negativos del movimiento de la cabeza durante la adquisición: es recomendable utilizar altamente capacitados los participantes y minimizar el movimiento mediante el uso de barras de la mordedura, los guardias de la nariz, el relleno o demás garantías.

Los resultados presentados aquí utiliza un 257-dirección espectro de difusión de imágenes (DSI) de protocolo, con fuertes gradientes que van desde 300 hasta b = 7.000 (ver parámetros de la Tabla 1). El espectro de difusión de imágenes (DSI) secuencia requiere modernos equipos de exploración RM con ciertas características necesarias para la recogida de estos datos de difusión de alta resolución. Tomamos nota de que los requisitos de tiempo de esta secuencia son considerables: aproximadamente 43 minutos en un escáner Siemens Trio Tim. Después de la prueba empírica extensa, creemos que la calidad de estos datos justifican el costo y la duración de exploración, sin embargo, en la elección del protocolo de adquisición, los usuarios deben sopesar cuidadosamente sus objetivos de investigación en contra de la capacidades y la comodidad de los participantes. Observamos también que la buena calidad de DSI se han recopilado datos en tan sólo 10 minutos, con técnicas avanzadas de adquisición ^7.

1. 3 campo Tesla MR fuerza escáner: 3T es necesario para alcanzar la señal requerida para la dirección de alto angular DSI exploración.
2. 32-canales phased-array bobina de la cabeza: Una cabeza de bobina con una alta sensibilidad y una excelente relación señal-ruido es necesaria para recoger los datos DSI. De ocho y 12 de canal-bobinas proporcionan menos señal en la superficie del cerebro y, en consecuencia, estas bobinas pueden requerir un mayor tiempo de exploración para admitir la asignación exacta de los campos de proyección.
3. Estabilización Head: Debido a la larga duración de la secuencia de exploración DSI, y porque corrección de movimiento no puede ser aplicada a los datos DSI, estabilización excelente cabeza es necesario controlar el movimiento del sujeto. Los controles de circulación que van desde el relleno y cinta para un bocado-barra, bolsa de vacío, o una máscara termoplástica se recomienda para estabilizar subjetivocabezas ts '. Más de 2 mm de movimiento de translación o 2 ° de movimiento de rotación en cualquier dirección es excesivo y puede ser considerado como base para la exclusión de datos.
4. Equipo de presentación FMRI: Para los análisis funcionales utilizando semillas, equipos auxiliares para la exploración fMRI es necesario. Dependiendo del tipo de regiones que se localizan, generalmente incluye una pantalla MR compatible (tal como un sistema proyector de MR compatible LCD), un sistema de botón de respuesta, equipo de audio, y el ordenador experimento presentación sincronizada con la adquisición del escáner.

2. Procedimiento de escaneado

1. Los participantes sobre la naturaleza de las exploraciones que se deben realizar y obtener el consentimiento informado. Hacer hincapié en la necesidad de reducir al mínimo movimiento de la cabeza (especialmente durante el largo barrido DSI). Ofrecer a los participantes la elección de una película o vídeo otro para el entretenimiento durante el análisis DSI. Para la exploración funcional de tareas conductuales, instruir sujetos para controlar la pantalla de tareas relevant estímulos y responder cuando sea necesario.
2. Después de la detección de contraindicaciones MR, cómodamente estabilizar la cabeza de los participantes usando uno de los métodos descritos anteriormente, y cama para el paciente de diapositivas en el escáner.
3. Realizar exploraciones iniciales de scouts y de calibración.
4. Establezca la rebanada receta para el paralelo DSI exploración a una línea imaginaria que une las comisuras anterior y posterior. Asegúrese de que los segmentos de la exploración DSI cubrir todo el cerebro.
5. Ejecutar el análisis DSI mientras el sujeto se relaja en el escáner o el entretenimiento relojes en el sistema de presentación.
6. Inmediatamente después de la finalización de la exploración DSI, recoger una exploración anatómica ponderada en T1 (por ejemplo, MPRAGE) para su uso posterior en co-registro (es decir, alineando) los datos DSI con otro anatómica o funcional de datos.
7. Opcionalmente, recoger datos de la fMRI en la misma sesión usando estándar EPI secuencias de pulsos.
8. Si es necesario, llevar a cabo análisis de fMRI en una sesión de exploración independiente. Collejar un MPRAGE en ambas sesiones para facilitar el registro conjunto de los conjuntos de datos.

3. Procesamiento de resonancia magnética anatómica

Para el análisis de superficie de datos de la fMRI y la segmentación automática utilizando FreeSurfer, como se describe a continuación, una alta resolución de imagen ponderada en T1 anatómica con excelente contraste blanco-gris materia se requiere. Esta imagen proporciona un espacio común de referencia para el análisis de datos de imágenes funcionales y ponderada por difusión. En los escáneres de resonancia magnética más moderna, esta imagen se conoce como un MPRAGE (magnetización preparado eco de gradiente rápido) la imagen. Secuencias MPRAGE más modernos pueden proporcionar suficientes datos de calidad en una sola exploración (parámetros de la Tabla 1). Si es necesario, dos o más exploraciones se pueden promediar para mejorar gris-blanco contraste materia para la segmentación. A continuación, le explicamos cómo los datos de DWI y fMRI, que suelen ser recogidos con un tamaño de voxel diferentes y distintos puntos de origen, puede ser automáticamente alineado y vuelve a muestrear paravisualización simultánea con la MPRAGE.

Las descripciones detalladas de la corriente anatómica FreeSurfer procesamiento de MRI se puede encontrar en el wiki FreeSurfer ( http://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferWiki ), y la salida FreeSurfer incluye múltiples representaciones superficie cortical, así como de parcelación cortical características anatómicas y la segmentación de las estructuras subcorticales. Se recomienda ejecutar el AFNI / SUMA guión @ SUMA_Make_Spec_FS en la salida FreeSurfer, que convierte esta salida en formatos de archivo que puede ser fácilmente procesados ​​con herramientas de AFNI / SUMA, FSL, SPM, de neuroimagen y otros paquetes de software. Por ejemplo, el co-registro de imágenes puede realizarse con uno de varios programas, como 3dAllineate (AFNI / SUMA), ligar (FSL), bbregister (FreeSurfer), o la función Coregister SPM.

1. Realizar segmentación anatómica y superficie cortical reconstrucción by la presentación de T1 imagen anatómica al algoritmo automatizado de FreeSurfer (recon-all).
2. Importar resultados FreeSurfer procesamiento en SUMA utilizando @ SUMA_Make_Spec_FS guión. Este paso crea Nifti formato versiones de todos los volúmenes de la salida FreeSurfer, incluyendo una intensidad normalizada, cráneo-pelado versión de la imagen anatómica de entrada. Nos referimos a esta imagen anatómica procesados ​​como el volumen de superficie, de acuerdo con AFNI / SUMA terminología, la versión NIfTI de esta imagen creada por @ SUMA_Make_Spec_FS se nombra brain.nii.
3. Alinee la DSI B0 imagen al volumen de la superficie resultante (usar la versión NIfTI formato de esta imagen, el nombre brain.nii, en el directorio SUMA).
4. Guardar la matriz de 12 puntos transformación afín para su uso posterior en co-registros.

4. Resonancia magnética funcional (fMRI) Procesamiento

Análisis de resonancia magnética funcional puede definir regiones de interés (ROI) para la generación o post-hoc de selección de las fibras. Cualquier eco-de imagen planar (EPI) secuencias de impulsos con parámetros optimizados para los experimentos de resonancia magnética funcional específicos se pueden utilizar. Del mismo modo, un gran número de paquetes de software para el procesamiento de fMRI y existen análisis, como AFNI / SUMA (NIMH, NIH) ^{8, 9,} BrainVoyager (Innovación Brain) ^10, FSL (FMRIB, Universidad de Oxford) ^{11, 12} y SPM ( Wellcome Trust Center for Neuroimagen del University College de Londres) ^13. El "fMRI procesamiento y análisis" de la figura 4 describe una vía análisis basado en el paquete de software AFNI / SUMA. Para obtener instrucciones de uso detalladas, nos referimos a los lectores a los excelentes tutoriales y otros materiales educativos en el sitio web AFNI / SUMA ( http://afni.nimh.nih.gov ).

El objetivo final del análisis de resonancia magnética funcional para la fibra de seguimiento difiere de los análisis estándar de localización funcional, en el que se hace hincapié a menudo para encontrar el lugar de máxima activación.Procedimiento estadístico buena requiere que los investigadores especificar niveles alfa para contrastes estadísticos de antemano, sin embargo, los investigadores deben considerar el hecho de que la elección de los umbrales estadísticos a influir en la extensión espacial de la activación funcional, y por lo tanto la extensión de los campos de terminación de fibras.

1. Corrija por movimiento de la cabeza sujeto en datos de la fMRI cada individuo, utilizando la imagen media del primer escáner se ejecute como la imagen de referencia.
2. Si lo desea, realizar la adquisición rebanada de corrección de tiempo, sobre todo si se utiliza un rápido evento relacionado con el diseño de tareas.
3. Corregir plazo entre las diferencias de línea de base de la señal por la normalización de las series temporales para cada voxel, dentro de cada serie.
   1. Expresa cada voxel de series de tiempo como porcentaje de cambio a partir del voxel significa que con el tiempo para una ejecución dada, usando un programa tal como 3dcalc (AFNI / SUMA) o fslmaths (FSL).
   2. Alternativamente, transformada z de cada voxel de series de tiempo para cada ejecución, basándose en la media de la señal y stAndard desviación en el tiempo.
4. Co-registro de cada procesado EPI correr al volumen de superficie (brain.nii) de datos generado por FreeSurfer (véase más arriba).
5. Concatenar los EPI se ejecuta en tiempo para un individuo dado.
6. Mapa ejecutar cada EPI a la superficie usando 3dVol2Surf (AFNI / SUMA), produciendo un conjunto de datos de superficie NIML para cada tanda.
   1. Utilizar la materia blanca y suave y superficies pial como las superficies de referencia para el mapeo; estos pueden considerarse como representando el gris / blanco-materia del contorno y la superficie de la corteza, respectivamente.
   2. El promedio de la señal sobre la distancia entre estas dos superficies.
7. Datos del PAI Opcionalmente lisas en la superficie cortical utilizando SurfSmooth (AFNI / SUMA).
8. Crear regresores separados para las épocas de tiempo correspondientes a cada una de las condiciones experimentales presentados al sujeto.
9. Enviar estos regresores (junto con regresores sin interés) a un modelo lineal general (GLM)análisis de los datos funcionales.
10. Pesos contraste beta de regresores diferentes para producir un "mapa funcional" de los valores estadísticos través de la superficie
11. También puede introducir el peso de beta-valores para varios participantes en un análisis a nivel de grupo de la varianza (ANOVA), si se utiliza un diseño factorial.
12. Derivar thresholded mapas funcionales para ver los efectos estadísticamente significativos, empleando una tasa de error familywise (teoría de campo aleatorio gaussiano) ¹⁴ o la tasa de falso descubrimiento (FDR) ^{15, 16} de ajuste para corregir para comparaciones múltiples.
13. Crear regiones de interés (ROIs), que se utilizará más adelante para la siembra tractografía, de regiones contiguas de la activación funcional significativa en la superficie mediante el etiquetado de cada área separable.
    1. Automáticamente segmento y ROIs etiqueta usando un algoritmo de agrupamiento espacial, como SurfClust (AFNI / SUMA).
    2. Alternativamente, hand-draw ROI usando Draw SUMA función ROI.
    Expandir ROIs en la sustancia blanca mediante 3dSurf2Vol (AFNI / SUMA), para maximizar el contacto con líneas de corriente durante tractografía.
    1. Al igual que en el paso 6, utilizar la materia blanca y lisa superficie pial de la asignación.
    2. Establecer f_p1_fr = -0,5 para crecer la ROI por debajo del límite de la materia gris / blanco por 50% del espesor de la materia gris en cada nodo de superficie.
    3. Establecer f_pn_fr = 1 con el fin de hacer crecer el retorno de la inversión en la dirección opuesta a la superficie de la piamadre.
14. Utilice el programa AFNI cat_matvec para encontrar la inversa de la matriz de transformación afín 12-punto generado cuando la alineación de la imagen B0 al volumen de la superficie (brain.nii).
15. niiApply la matriz inversa de ROIs funcional con el fin de alinearlas con los datos de DSI.

5. Tratamiento de datos de difusión de imágenes ponderado

Difusión de la imagen ponderada es un término general para las técnicas de la materia blanca de imagen, que abarca muchos diferentes combinatiComplementos de métodos de adquisición de datos y la reconstrucción. Tal vez el método más frecuentemente usado, denominado tensor de difusión (DTI) ^{17, 18,} ​​se basa en 5-10 minutos de adquisición de datos, medida de la difusión en 6 o 12 direcciones. Basándose en estos datos, patrones de difusión se modelan normalmente con un modelo tensor simple, que es el más adecuado para la detección de una sola dirección difusión dominante. Esta limitación significa que DTI no funciona bien para las fibras de imágenes que se cruzan entre sí o "beso" en un solo punto. Cruce de fibras y los besos se detectan mejor con una combinación de métodos de alta resolución de adquisición y reconstrucción, como la alta resolución angular difusión de imágenes (HARDI) ^19-21, difusión espectro de imágenes (DSI) ^{1, 2} y generalizada de imagen q-ball ( GqI) ^22-24.

257-A dirección multi-shell se ejecutan en secuencia DSI escáneres 3T Siemens se utilizó para la adquisición de los resultados presentados aquí (parametros de la Tabla 1). Los datos adquiridos fueron reconstruidos con el método GqI ^24, que modela patrones de difusión en cada voxel con una función de distribución de la orientación (ODF) que puede detectar la difusión simultánea en múltiples direcciones. Otros altos angulares secuencias de difusión resolución debe producir resultados similares. Tenga en cuenta que la reconstrucción correcta de ODF requiere que el investigador entrada de una tabla de gradiente (también referido como un b-tabla) para DSI Studio, el procesamiento de DWI y programa tractografía utilizado aquí. (Las instrucciones detalladas de uso para DSI Studio se puede encontrar en el sitio web del software, http://dsi-studio.labsolver.org .) Esta tabla muestra la dirección del gradiente y la fuerza del campo magnético para cada uno de los volúmenes adquiridos DWI. La tabla gradiente depende del protocolo de adquisición de RM y se extraen automáticamente de imágenes DICOM por DSI Studio. Sin embargo, se recomienda que los investigadores comparan este automticamente a extraer mesa gradiente con la tabla estándar de protocolo de DWI su escáner.

1. Si es necesario, convertir las imágenes de RM a. Dcm (DICOM) usando mri_convert (FreeSurfer).
2. Identificar cuál es la imagen (s) en el conjunto de datos son B0 imágenes (es decir, eco-planar imágenes recopiladas sin ponderación difusión).
3. Convierta la imagen B0 (s) a formato NIfTI utilizando AFNI programa to3d.
4. En DSI Studio, abra imágenes DICOM y se combinan para crear una fuente (. Src) archivo.
5. Suministro de una mesa de gradiente (ver arriba).
6. Asegúrese de que la máscara de reconstrucción por defecto abarca toda la materia gris, sin incluir el espacio vacío, el cráneo o tejido no cerebral. Editar la máscara en caso necesario.
7. Alternativamente, crear una máscara de reconstrucción mediante la ejecución de 3dAutomask AFNI programa en la imagen B0.
8. Elegir un modelo de alta resolución reconstrucción: DSI, GqI o variante GqI.
9. Crear un documento en fibra (. Fib) para representar la dirección de difusión principal (s) encada voxel.

6. Evaluación de parámetros de calidad de datos y de seguimiento a través de todo el cerebro Tractografía

Seguimiento de las fibras con una semilla de todo el cerebro es una manera rápida y eficaz para evaluar la calidad general de los datos. También se presenta la oportunidad de decidir los valores adecuados para los parámetros globales, especialmente el umbral anisotropía utiliza como criterio de parada en tractografía. Este procedimiento es necesario para lograr un equilibrio entre la mejora de la cobertura en el proceso de seguimiento de fibra y reducir el ruido. Especial cuidado se debe tomar en el establecimiento de los parámetros clave de seguimiento, tales como umbrales ángulo y los umbrales de seguimiento.

Es importante señalar que la anisotropía relativa de diferentes extensiones pueden variar entre los individuos, dependiendo de factores biológicos tales como la edad y la integridad de la materia blanca, así como factores externos como la calibración de hardware entre sesiones. A continuación se sugieren varios métodos para equilibrar el seguimientoumbrales entre conjuntos de datos. En todo momento, verificar la calidad de los resultados de rastreo comparándolos con neuroanatomía conocido. Por ejemplo, las fibras que atraviesan la fisura interhemisférica fuera de conocidas conexiones interhemisféricas (es decir, del cuerpo calloso, las comisuras anterior y posterior) puede indicar que el umbral de seguimiento es demasiado baja y debe ser levantado, o puede ser una evidencia de artefactos de movimiento de la cabeza.

En contraste con el seguimiento de umbral, umbral ángulo debe ser invariantes para un individuo determinado a través de sesiones, ya tractos de fibras no cambian de curvatura en el corto plazo, si alguna vez. Asimismo, la curvatura de las vías deben ser relativamente constante a través de los individuos, en ausencia de grandes diferencias en el tamaño del cerebro o la morfología. Sin embargo, se debe tener cuidado en el establecimiento de valores iniciales de este parámetro. Fibras que siguen trayectorias improbables, tales como curvas de la horquilla, puede indicar que el umbral del ángulo es demasiado alta.

1. Crea unatodo el cerebro región de semillas.
2. Establezca un valor umbral seguimiento inicial para enmascarar de baja señal voxels.
3. Ajuste el umbral ángulo para permitir que las fibras de la curva hasta n grados en un solo paso.
4. Establecer el tamaño del paso en el seguimiento mm.
5. Ajuste el número deseado de las fibras o los puntos de siembra.
6. Realice todo el cerebro tractografía para comprobar la calidad general reconstrucción ODF.
7. Para empezar, elija una mediana (a través de bases de datos) Umbral de seguimiento.
   1. Carga un archivo de todo el cerebro trk en TrackVis, una visualización del tracto fibra y programa de análisis (Martinos Centro de Imágenes Biomédicas, Hospital General de Massachusetts) ^25.
   2. Cargue los de materia gris (GM) volúmenes en el directorio SUMA (lh / rh.ribbon.nii) como regiones de interés.
   3. Establecer las ROIs GM como filtros en el grupo de pista, aceptando únicamente las fibras que tienen cualquiera de los extremos en una de las ROIs.
   4. Compruebe que la mayoría de las fibras (90-100%) en el archivo de trk permanecer en el grupo pista filtró.
   5. Repetir unas es necesario, ajustar el umbral de seguimiento en DSI Studio cada vez.
8. Verificar también las máscaras de umbral de rastreo fuera voxels en el espacio vacío (es decir, alrededor de los bordes del cerebro y en el espacio intra-gyral) sin retirar voxels, que se encuentran claramente en la materia blanca.
9. Opcionalmente, equilibrar el umbral de rastreo a través de conjuntos de datos (es decir, las diferentes sesiones y / o participantes).
   1. Establecer un límite de seguimiento como se desee en un conjunto de datos a través de la interfaz DSI Studio.
   2. Cambie el nombre del archivo. Fib creado por DSI Studio con una extensión de mat. Y la importación en MATLAB, por instrucciones de la página web de DSI Studio ( http://dsi-studio.labsolver.org ).
   3. Crear un histograma de los valores que desea umbral.
   4. Convertir los valores de mapa en las puntuaciones z.
   5. Encuentra el z-score del umbral de seguimiento que en un inicio se encuentra en el interfac DSI Studioe.
   6. Lleve a cabo los pasos bd para todos los otros conjuntos de datos, la búsqueda del umbral de seguimiento que corresponde a la z-score se encuentra en el paso e.
   7. Como confrontar los pasos af, el seguimiento de un conjunto de fibras de control de un retorno de la inversión anatómico en el polo occipital con 500.000 semillas.
   8. Comprobar que este procedimiento produce aproximadamente el mismo número de fibras a través de conjuntos de datos (+ - 100 fibras).

7. Tractografía localmente limitado

En contraste con todo el cerebro tractografía, tractografía localmente restringido hace uso de ROI basados ​​en operaciones booleanas, como especificar el volumen a través del cual las fibras deben o no pasar. Como resultado, tractografía localmente limitada ofrece una sensibilidad más alta y un mayor control para el seguimiento de fibras seleccionadas de interés. Todo el cerebro tractografía undersamples el espacio de los puntos de siembra posibles, debido al elevado coste computacional de operaciones de siembra y poca memoria de gráficos por ordenador. (Es possible que estas limitaciones se aliviará en el futuro, debido a cambios en los algoritmos tractografía, mayor capacidad de memoria, u otros factores.) Como resultado de submuestreo, todo el cerebro tractografía a menudo produce resultados que están sesgadas hacia los caminos de difusión dominantes en el cerebro. Suministrado por el usuario ROIs abordar este problema proporcionando regiones limitadas diana con una alta densidad de puntos de siembra, lo que es más fácil de capturar difíciles de detectar zonas de la fibra.

1. Cree una región de semillas de todo el cerebro en DSI Studio.
2. Cargue una o más NIfTI región de interés (ROI) archivos.
3. Si lo desea cargar una región de evitación (ROA) del archivo para indicar voxels que las fibras no debe pasar a través.
4. Ajuste el umbral y el umbral de anisotropía ángulo como se describe anteriormente.
5. Realizar el seguimiento.
6. Comprobar la calidad mediante la comparación de las pistas de fibra al detalle anatómico.

8. Endpoint Analysis Densidad

1. Cargar NIfTI ROIs y archivos trk into TrackVis.
2. Realizar operaciones booleanas entre regiones.
3. Guardar los resultados de cada operación como un nuevo archivo trk.
4. Utilice el track_transform (Difusión ToolKit) para transformar archivos trk espacialmente al volumen de superficie (brain.nii) archivo.
5. Cargue el archivo transformado trk y el volumen de superficie (brain.nii) en TrackVis inspeccionar.
6. Cargar archivos trk y retorno de la inversión en MATLAB para realizar estimaciones cuantitativas de conectividad.
7. Encontrar el centroide {x / y / z} de un retorno de la inversión.
8. Como una medida de la conectividad, calcular el número total de extremos de fibra en una ROI, normalizada por volumen de ROI.
9. Alternativamente, el cálculo de la distancia euclídea entre los extremos de fibra y el centroide ROI, como una medida de la especificidad y la consistencia de la conectividad de las vías para que ROI.

9. Los resultados representativos

Alta resolución de imagen ponderada por difusión y tractografía fibra se puede aplicar a una amplia gama decuestiones neurocientíficas. Nuestro objetivo en este trabajo es detallar el acoplamiento de métodos de conectividad estructural con neuroimagen funcional. Sin embargo, observamos que cualquier aplicación de DWI requiere una cuidadosa evaluación de los resultados tractografía, dado que el protocolo de adquisición de datos, el método de reconstrucción, y los parámetros tractografía puede ejercer efectos significativos, independientes en el producto final. Figura 5 ilustra los resultados óptimos y sub-óptima utilizando todo el cerebro tractografía. Las tres imágenes se basan en el mismo conjunto de datos de dirección 257-DWI a partir de un solo participante; óptimos resultados se muestran en el panel izquierdo. En contraste, el panel medio muestra el efecto de los parámetros tractografía excesivamente indulgente (FA y umbrales angulares). El panel derecho muestra la reducción en la calidad que resulta de usar un modelo de un solo tensor para reconstruir los datos de DWI.

Se incluyen dos ejemplos de cómo los resultados pueden corroborar tractografía e informar interpretatien los datos de imagen funcional. Estos experimentos evaluar los procesos cognitivos que permiten la creación de regiones funcionales de semillas: a saber, la percepción visual y la atención cara. Estas regiones de semillas puede ser utilizado para probar las cuestiones de conectividad de la sustancia blanca dentro de una red cognitiva. Figura 6 muestra un ejemplo de regiones activadas durante una tarea de percepción de la cara. Los sujetos vieron fotos de rostros y objetos cotidianos mientras se somete a exploración fMRI. Dos ventro-temporales regiones, en medio giro fusiforme (MFG) e inferior circunvolución occipital (GSI), mostraron significativamente mayor respuesta BOLD para las caras que para los objetos. Estas dos regiones funcionalmente definidos se utilizaron entonces como regiones de semillas durante tractografía (como se describe en las Secciones 6-7 anteriores). Figura 6A muestra el gran paquete de fibra de líneas de corriente (mostrado en rojo) que conectan estas dos regiones de interés dentro del lóbulo temporal, a una distancia de aproximadamente 12 cm. Tenga en cuenta el embalaje apretado de las fibras y salameda grado de curvatura de fibra en esta distancia. Este patrón es típico de uno-a-uno conexiones funcionales dentro de las redes a través de distancias largas (por ejemplo, véase la ref. 26). Figura 6B muestra la región IOG semilla funcional (mostrado en amarillo) junto con los extremos de fibras individuales (puntos rojos) . Los criterios de valoración de fibra se encuentran en todo el ROI. Este patrón de conectividad sugiere que estas regiones tienen directos, conexiones de larga distancia que pueden subyacer una comunicación rápida dentro de la red percepción de la cara.

Nuestro segundo ejemplo (Figura 7) muestra las conexiones entre las regiones de la corteza sensorial visual y una región de control de la atención en la corteza parietal posterior (PPC). En este caso, los dos conjuntos de activaciones funcionales (las regiones occipital y parietal) se produce a través de conjuntos independientes de datos de la fMRI de los mismos individuos. Activaciones parietales se han generado a través de una tarea de cambio de atención entre los 6 lugares en el visual campo (para más detalles, véase la referencia ^27.), mientras que las regiones occipitales se definieron a partir campo visual estándar meridiano de mapeo ^28, que se utiliza para marcar los límites entre las regiones de semillas funcionales de la corteza visual (V1 - V3). Figura 7A muestra la ubicaciones aproximadas de V1, V2, V3 y regiones de semillas (rojo, verde, y azul, respectivamente), la región de semillas PPC marcado IPS-1, y las zonas de la fibra que conectan estas regiones. Tracts son coloreados por la ROI occipital de la cual se sembraron. A diferencia de las fibras largas y rectas en el lóbulo temporal (Figura 6), estos tractos de materia blanca cubrir una distancia más corta (rango de 3 a 5 cm) y son, por lo tanto, más en forma de U y menos apretados a medida que viajan desde el occipital lóbulo del lóbulo parietal. Figura 7B muestra las regiones funcionalmente definidos en IPS (marrón), V1 (rojo), V2 (verde), y V3 (azul) sobre la superficie cortical junto con los extremos de fibra en cada región. Tenga en cuenta lasegregación de las vías en el lóbulo occipital por región semilla, en contraste con el alto grado de interdigitación punto final en IPS-1. Esto sugiere que nuestra región PPC (identificados a través de la actividad fMRI durante una tarea de atención selectiva) puede ser una zona de convergencia del cerebro, con conexiones estructurales en muchos nodos diferentes de la corteza sensorial. Este patrón de conectividad puede permitir la transmisión de señales de polarización atencionales de regiones corticales superiores para modular la actividad en las cortezas tempranas; estas señales ayudan a mejorar representaciones diana en la corteza visual ^{29, 30.}

Figura 1. Ilustración esquemática de los conceptos clave en la difusión de la imagen ponderada (DWI) Panel A:. En un medio homogéneo, se produce la difusión al azar como resultado del movimiento browniano. Para un gran número de moléculas de agua, la difusión es isotrópica, es decir, el patrón de difusión agregada es esférica. Panel B: la difusión de moléculas de agua dentro de los axones y en los intersticios de los haces axonales está limitado por paredes axonales y otras estructuras de apoyo. Por lo tanto, la difusión a lo largo de tractos de fibras es anisótropo: es mucho mayor a lo largo de la trayectoria del tracto de fibra de que en otras direcciones. Panel C: de alta resolución de los métodos de DWI utilizar modelos como la función de distribución de orientaciones (ODF) para modelar la difusión anisotrópica en configuraciones complejas de los tractos de sustancia blanca. Como se ve en este ejemplo, ODF puede distinguir de distintas vías de difusión para múltiples tractos de fibras que se cruzan en un solo punto. Cruces que implican dos o tres tractos de fibras diferentes son comunes en el cerebro.

Figura 2. Fibra de seguimiento de la investigación se puede realizar en un número de maneras. Las opciones más importantes involucran protocolo de adquisición, la técnica de reconstrucción, y el método tractografía. En el documento actual, üse una difusión espectro de formación de imágenes (DSI) ^{1, 2} protocolo de adquisición; generalizada Q-muestreo de imágenes (GqI) ²⁴ para la reconstrucción, y tractografía HECHO determinista ^{40, 41.} En especial destacar las técnicas de reconstrucción modelo libre e híbridos, que generan funciones de la orientación de distribución (ODF, véase la Figura 1) para representar difusión en cada voxel. Los investigadores pueden optar por tuberías diferentes en función de presupuesto, tiempo disponible, la necesidad de una alta resolución angular y la importancia de la corrección de movimiento de la cabeza y no lineales distorsiones de la imagen. Esta cifra no es una lista completa de todas las adquisiciones viable, reconstrucción y métodos tractografía. Ver Seunarine & Alexander ⁴² para una excelente revisión de las técnicas de reconstrucción.

Figura 3. Las interacciones de las variables de difusión de adquisición de IRM, la duración del escaneo, y ability para resolver los cruces de fibra. difusión contraste alto es necesario para la resolución de fibras en complejas configuraciones de cruce. Este contraste depende de varios factores, incluyendo el número de direcciones de gradiente (es decir, el número de posibles orientaciones de las fibras) y el valor B-(que indica el grado de ponderación de la difusión). Aquí presentamos efectos típicos de aumento de valores b y el número de direcciones de gradiente. Tenga en cuenta que esta tabla sólo indica las tendencias y las técnicas individuales pueden tener diferentes efectos sobre la duración del análisis, la relación señal a ruido (SNR), y el contraste de difusión. Generalmente, el contraste se puede mejorar mediante el aumento del número de direcciones de gradiente y la magnitud de valores b. A mayores valores b, sin embargo, la relación señal a ruido de las imágenes ponderadas de difusión disminuye, y el tiempo de exploración se incrementa a menudo.

Figura 4. Gráfica summary de MRI anatómica, DWI MRI-, y las corrientes de procesamiento de fMRI. El texto en negro describe la naturaleza de cada paso de procesamiento, mientras que el texto en verde indica que el software que se puede usar. Las líneas de puntos y cajas indican los pasos opcionales, que pueden no ser aplicables a todos los proyectos. En este ejemplo, se realiza el procesamiento en el paquete AFNI / SUMA (excepto donde DSI Studio o TrackVis se indica). Funciones comparables en otros paquetes de análisis de neuroimagen a menudo puede estar sustituido. Muchos de los pasos que se ilustran en los diagramas han sido parcialmente consolidado por los desarrolladores de software en guiones convenientes: en particular nos referimos a los lectores a la reconstrucción FreeSurfer todos tubería ( http://surfer.nmr.mgh.harvard.edu/fswiki/ReconAllDevTable ) . Observamos, además, que varios paquetes de software proporcionan tuberías completas de procesamiento de datos DWI, sin embargo, estos paquetes varían en sus fortalezas y debilidades, Y algunos no incluyen herramientas para trabajar con altos resolución angular de difusión de datos de resonancia magnética. Haga clic aquí para ampliar la cifra .

Figura 5. Ilustración de todo el cerebro tractografía con métodos de reconstrucción y parámetros diferentes tractografía. Todas las imágenes se obtuvieron a partir del mismo conjunto de datos, un espectro de 257-dirección de difusión de imágenes (DSI) de secuencia con múltiples valores b (7.000 s / mm ^2, 5 conchas). Un Panel: resultados óptimos, gracias al uso de alta resolución, ODF basado en el método de reconstrucción. Un umbral de seguimiento relativamente alto de 0,06 fue seleccionado, con el fin de generar fibras sólo de voxels fuertemente anisotrópicas, y un umbral de ángulo de 55 ° fue seleccionado para impedir la generación de fibras con curvatura biológicamente realista (es decir, de "bucle" fibras). Nota la delimitación clara de los hemisferios, separados por la fisura longitudinal; también observar cómo la agrupación de fibra de espera sigue los contornos sulcal / circunvoluciones. Panel B: el método de reconstrucción se usó el mismo que en (A), pero FA y umbrales ángulo se establece más indulgencia durante tractografía (0,03 y 85 °, respectivamente). Inapropiados parámetros de seguimiento puede causar la generación de grandes cantidades de "basura" fibras, que ocultan información veraz acerca de la estructura anatómica. Vea la Sección 5, "Evaluación de la Calidad de Datos y parámetros de seguimiento a través de todo el cerebro Tractografía", para el asesoramiento en la elección de los parámetros adecuados. Grupo C: Los datos fueron reconstruidos utilizando un modelo único tensor, uno de los métodos más utilizados en DWI. Con los parámetros de seguimiento apropiadas (igual que A), el modelo de un solo tensor reproduce muchos conocidos tractos de fibras principales y contornos circunvoluciones son algo visible en el plano sagital. Sin embargo, también genera más falsos positivos que el modelo ODF: fibras de notas de viaje horizontal mente a través de la fisura interhemisférica. Haga clic aquí para ampliar la cifra .

Figura 6. Tractografía resultados de un experimento de percepción de la cara. Panel (a) muestra líneas de corriente que resulta de tractografía entre ROIs funcional identificados a partir de un experimento de percepción de la cara. Áreas generales de circunvolución occipital inferior (GSI) y mediados de circunvolución fusiforme (MFG) se indican mediante óvalos amarillos. Panel (B) muestra los puntos finales del IOG de las fibras se indica en el panel (A) muestra en una vista ampliada ventral de la superficie cortical posterior temporal. El retorno de la inversión representa en amarillo el resultado de una percepción de la cara experimento MRI funcional. Tenga en cuenta el gran acuerdo entre funcionalmente definida de activación y los extremos de fibra en IOG. Estas fibras seguimiento de la percepción de la cara MFG, una región del cerebro involucrada.p :/ / www.jove.com/files/ftp_upload/4125/4125fig6large.jpg "target =" _blank "> Haga clic aquí para ampliar la figura.

Figura 7. Tractografía resultados de un experimento de la atención visual. Panel (A) muestra las líneas de corriente que resulta de tractografía entre ROIs funcional identificados a partir de un experimento de la atención visual ^27. Áreas generales de la corteza parietal posterior (IPS-1) y la corteza visual (V1D, V2d, y V3D) se indican mediante óvalos de colores. Tractos de fibras se representan en colores correspondientes: rojo para V1D, verde para V2d y azul para V3D. Panel (B) muestra los puntos extremos de las fibras se indica en el panel (A) muestra en una vista lateral ampliada de la parte posterior (parietal y occipital) superficie cortical. Convenciones de color de acuerdo con los de panel (A). Las regiones de interés resultante de una atención visual funcional experimento de MRI se muestran en la superficie cortical. Todo s tresets de extensiones / fines convergen en el IPS-1 región, que se cree que contiene un mapa de prioridad de la atención visual que puede ser la fuente de señales de desviación atención a los objetivos en la corteza visual. Tracts en IPS-1 son en gran medida entrelazados, mientras que los extremos occipitales de los tractos de fibras están claramente separadas por regiones de la corteza visual.

MR Scan	Parámetros
DSI	257 dirección difusión espectro de imágenes (DSI) de aplicar un doble-reorientado spin-echo secuencia EPI y múltiples valores q-con un tiempo de 43 min de adquisición (TR = 9916 ms, TE = 157 ms, el tamaño de vóxel = 2,4 x 2,4 x 2,4 mm , FOV = 231 x 231 mm, b-max = 7.000 s / mm 2, 5 conchas)
Anatómico	T1 MPRAGE secuencia (1 mm x 1 mm x 1 mm, 176 cortes sagitales, TR = 1.870, TI = 1.100, FA = 8 °, GRAPPA = 2)
fMRI </ Td>	T2 *-ponderado eco-planar (EPI) secuencia de pulsos (31 rebanadas oblicuas axiales, en el plano resolución 2 mm x 2 mm, 3 mm grosor de corte, ningún vacío, tiempo de repetición [TR] = 2.000 ms, tiempo de eco [TE ] = 29 ms, flip = ángulo de 90 °, GRAPPA = 2, tamaño de la matriz = 96 x 96, campo de visión [FOV] = 192 mm)

Tabla 1. Neuroimagen parámetros de adquisición.

Discussion

Alta resolución DWI y tractografía fibra proporcionan un enfoque poderoso para el examen de la estructura conectiva del cerebro humano. A continuación, presentamos evidencia de que esta arquitectura estructural es semanticamente con la función cerebral, evaluada mediante fMRI. Mediante el uso de semillas tractografía basadas en la activación fMRI tarea, encontramos evidencia de que las áreas del cerebro que son co-activo en la atención visual son anatómicamente connectedconsistent con el conocimiento previo de la neuroanatomía funcional (Figura 7). Del mismo modo, la neuroanatomía funcional para la percepción de la cara es consistente con nuestros resultados actuales de conectividad estructural (Figura 6). El conocimiento de la conectividad anatómica es necesario, aunque no suficiente, para inferir una relación funcional directa entre las áreas cerebrales en una determinada tarea (y viceversa). En muchos estudios de neuroimagen, conexiones directas estructurales y funcionales se infieren-problemáticamente-sobre la base de funcio concurrentenal de activación solo. Tales inferencias descuidar otras interpretaciones: por ejemplo, dos áreas cerebrales pueden aparecer co-activo, ya que comparten una entrada común, debido a las influencias globales neuromoduladores para que el diseño experimental no controla, ni siquiera por una fuente de ruido común, como cabeza movimiento. MR difusión tractografía proporciona evidencia convergente para las dinámicas relaciones funcionales entre las áreas cerebrales distales, al confirmar que un sustrato conectivo posible existe entre ellos.

Los usuarios deben considerar varias limitaciones y salvedades de investigación fibra-tracking. El más importante de ellos es que la fibra de líneas de corriente generada en tractografía determinista representan posibles vías de difusión, y no haces reales de fibra. Tractografía resultados pueden verse afectados tanto por falsos positivos y falsos negativos, y la interpretación de tractografía debe estar guiada por el conocimiento neuroanatómico existente. La mejor evidencia antes de c sustancia blancaonectividad viene de "gold-standard" técnicas como la microdisección o etiquetado marcador. Son especialmente útiles los mapas probabilísticos de curvas de nivel del tracto de fibras derivadas de cerebros humanos postmortem, como la creada por Buergel, Amunts y colegas ^31; liberar recursos en línea, tales como el proyecto anatomista Digital ( http://www9.biostr.washington.edu/ da.html ) también puede proporcionar una orientación útil. Tomamos nota de que el análisis de la conectividad funcional de MEG EEG, y BOLD fMRI datos sólo proporciona pruebas débiles, en su caso, para la conectividad anatómica entre áreas del cerebro.

Una advertencia adicional se refiere continuaciones falsas de fibra de líneas de corriente, lo cual puede ocurrir cuando dos caminos de difusión independientes están aproximadamente alineados de extremo a extremo, y que parece que fluyen entre sí. En tales casos, el algoritmo tractografía puede continuar más allá del punto de parada verdadera. Por ejemplo, las aferencias talámicas de latronco cerebral y el tálamo eferentes a las partes dorsales de la corteza pueden tener orientaciones similares. Como resultado, los algoritmos tractografía puede ser engañado para producir fibras largas que se elevan desde el tronco cerebral, pasan a través del tálamo, y parecen terminar en la corteza. Tales fibras falsos pueden resultar de la conjunción de dos vías anatómicamente correctos, cada de las cuales es correcta en sí mismo. Sin embargo, también puede resultar de trayectorias de fibra anatómicamente no válidos. Otras continuaciones falsas comunes incluyen fibras que parecen pasar de los polos temporales en la ínsula y las fibras que atraviesan la fisura longitudinal exterior de los más conocidos puntos de cruce interhemisféricas (es decir, el cuerpo calloso y la comisura de comunicación). Estas continuaciones falsos a menudo ocurren porque: 1) los efectos de volumen parcial oscurecer los bordes de los lóbulos de los hemisferios / o 2) porque el umbral de seguimiento se ha ajustado demasiado indulgente. Como hemos señalado anteriormente, los investigadores deben evaluar el seguimiento de fibra resultados a la luz de neuroana existenteconocimiento anatómico. Como precaución final, observamos que la difusión de resonancia magnética y tractografía fibra no proporcionan información sobre la direccionalidad de las conexiones, es decir, no pueden discernir feedforward de fibras retroalimentación, o aferentes de fibras eferentes.

Tractografía determinístico puede ser útil para la prueba de hipótesis, como la fibra de líneas de corriente que genera constituyen deducciones sobre la conectividad de punto a punto a lo largo de trayectorias específicas, que puede ser comparada con la hipótesis. Sin embargo, los usuarios también pueden considerar los métodos probabilísticos de seguimiento (ver Figura 2). La principal ventaja de los métodos probabilísticos es que con ellos se obtienen estimaciones de confianza para las vías de difusión entre dos puntos, en base a la acumulación de probabilidades de difusión en voxels que conectan los puntos ^32. En contraste, los resultados de tractografía determinista no tienen en cuenta la incertidumbre de que se acumula en cada paso de la propagación de una fibra virtual; Esta incertidumbre aumenta a medida que el tamaño de paso, un parámetro ajustado por el usuario, se incrementa. La confianza de las estimaciones producidas por tractografía probabilística puede ser especialmente útil cuando se trata de determinar la probabilidad relativa de dos o más vías de difusión diferentes, por otra parte, los usuarios pueden enmascarar voxels con las estimaciones de baja confianza, no es una posibilidad ofrecida a los métodos deterministas. Al igual que tractografía determinista, sin embargo, los métodos probabilísticos no demuestran de forma concluyente la existencia de fibras de materia blanca, sino que demuestran las posibles vías de difusión.

Los usuarios pueden encontrar resultados deterministas tractografía más intuitivo para la visualización, como los resultados se presentan típicamente como 3-dimensional de fibra de líneas de corriente, que permiten que el espectador aprehender rápidamente posibles trayectorias de fibra. En contraste, los resultados probabilísticos tractografía se representan típicamente como 2-dimensionales rebanadas de datos volumétricos. Estas imágenes suelen mostrar mapas de calor de estafavoxels contiguos, lo que corresponde a la probabilidad de difusión dentro de un volumen de tracto thresholded, sin modelado posibles trayectorias de fibra dentro del tracto. Independientemente de elección de los usuarios de los métodos tractografía y visualización, se debe reconocer que los resultados de seguimiento de sólo-fibra demostrar las posibles vías de difusión, y que los resultados de ambos métodos pueden incluir los tipos I y II error estadístico.

Nuestro grupo de investigación ha utilizado las técnicas descritas aquí para visualizar y cuantificar las conexiones del tracto corticoespinal ^33, cuerpo calloso ^34, y el sistema de atención visual ^27, así como para asignar los circuitos corticales de proyección en los ganglios basales ^35. En algunos casos, los resultados tractografía puede generar nuevos hallazgos:. Por ejemplo, Wang et al (presentado) que se utiliza alta resolución DWI a los detalles, no descrita previamente tractos de fibras, con validación cruzada en la disección de cadáver ^36. Resultados como estos pueden proporcionar laimpulso para la investigación de la función del cerebro, a fin de evaluar la utilidad funcional de las vías recién descubiertos. Por último, no invasivo, de alta resolución DWI es muy prometedora en una serie de situaciones clínicas, tales como la planificación neuroquirúrgica ^37; cirugía para tumores, hemorragias y cavernovas ^38, y la lesión cerebral traumática (TBI) ^39. Nuestro grupo ha aplicado estas técnicas en un gran número de casos de neurocirugía y la lesión cerebral traumática, en relación conectividad interrumpido fibra a síntomas de comportamiento.

En última instancia, fácil de obtener información con respecto a la conectividad cerebral global permitirá a los investigadores construir mejores modelos del cerebro. Por ejemplo, las mediciones graduadas de conectividad de la materia blanca se podría utilizar para mejorar la localización de la fuente en MEG / EEG, o para colocar restricciones en fMRI análisis basados ​​en conectividad eficaces. De alta resolución tractografía También es probable que mejorar los modelos de conexión cerebro perturbado o patológico, SUch como puede ocurrir en TBI o autismo. Por último, de alta resolución tractografía puede permitir a los investigadores a integrar mejor conocimiento de la neuroanatomía funcional humana con estudios invasivos de cerebros no humanos. Esperamos y anticipamos que un número creciente de investigadores a explorar el potencial de combinar las evaluaciones de la función cerebral con alta resolución de difusión ponderada de imágenes.