Diffusion Tensor Magnetic Resonance Imaging in de analyse van neurodegeneratieve ziekten

Summary

Diffusion tensor imaging (DTI) fungeert in feite als een MRI-gebaseerde tool te identificeren

Abstract

Diffusion tensor imaging (DTI) technieken geven informatie over de microstructurele processen van de cerebrale witte stof (WM) in vivo. De onderhavige toepassingen zijn ontworpen om verschillen in WM betrokkenheid patronen onderzoeken verschillende hersenaandoeningen bijzonder neurodegeneratieve aandoeningen, bij gebruik van verschillende DTI analyses vergeleken met gematchte controles.

DTI data-analyse wordt uitgevoerd in een variate mode, dwz voxelgewijze vergelijking van regionale diffusie richting gebaseerde metrics zoals fractionele anisotropie (FA), samen met fiber tracking (FT) vergezeld van tractwise fractionele anisotropie statistieken (TFA) op groepsniveau met het oog tot verschillen in FA langs WM structuren te identificeren, die gericht zijn op de vaststelling van het regionale patronen van WM wijzigingen op groepsniveau. Transformatie naar een stereotaxisch standaard ruimte is een voorwaarde voor groep studies en vereist een grondige verwerking van gegevens te behouden directional onderlinge afhankelijkheden. De huidige applicaties tonen geoptimaliseerd technische benaderingen voor dit behoud van kwantitatieve en directionele informatie tijdens ruimtelijke normalisatie in data-analyses op groepsniveau. Op basis hiervan kan FT technieken om informatie metrics kwantificeren gedefinieerd FT toegepast groeperen gemiddelde data. Bovendien, de toepassing van DTI methoden, dwz verschillen in FA-kaarten na stereotaxisch uitlijning, in een longitudinale analyse op individueel onderwerp basis onthullen informatie over de progressie van neurologische aandoeningen. Verdere kwaliteitsverbetering van DTI gebaseerde resultaten kunnen tijdens de voorbewerking worden verkregen door toepassing van een gecontroleerde uitschakeling van gradiënt richtingen met hoge geluidsniveaus.

Samengevat wordt DTI gebruikt om een ​​afzonderlijke WM pathoanatomy verschillende hersenaandoeningen gedefinieerd door de combinatie van volledige hersenen-gebaseerd en kanaal gebaseerde DTI analyse.

Introduction

Diffusion tensor imaging in het menselijk brein

De witte stof (WM) stukken in het centrale zenuwstelsel bestaan ​​uit dicht verpakt axons naast diverse soorten neuroglia en andere kleine populaties van cellen. De axonale membraan en de goed uitgelijnde eiwitvezels binnen een axon beperkt water diffusie loodrecht op de vezel oriëntatie, waardoor anisotrope diffusie van water in de hersenen WM ^1. Myelineschede om de axonen kan ook bijdragen aan de anisotropie voor zowel intra-en extracellulair water ^2.

De kwantitatieve beschrijving van deze anisotropie kan worden gedetecteerd door diffusie tensor imaging (DTI). DTI produceert beelden van weefsels gewogen met de lokale microstructurele eigenschappen van water diffusie. De beeld-intensiteiten op elke positie worden gedempt, afhankelijk van de sterkte en richting van de zogenaamde magnetische diffusiegradiënt (vertegenwoordigdde b-waarde), en op de lokale microstructuur waarin het water diffundeert ^3, de diffusiecoëfficiënt D, een scalaire waarde:

Echter, in de aanwezigheid van anisotropie in WM, diffusie niet meer gekenmerkt door een scalaire coëfficiënt, maar vereist een tensor die in eerste benadering beschrijft moleculaire mobiliteit langs elke richting en de correlatie tussen deze richtingen ^4. Diffusie anisotropie wordt voornamelijk veroorzaakt door de oriëntatie van de vezels traktaten in WM en wordt beïnvloed door de micro-en macrostructurele functies. Van de microstructuur, lijkt intraaxonal organisatie zijn de grootste invloed op de diffusie anisotropie, naast de dichtheid van een vezelnd cel verpakking, de mate van myelinisatie, en individuele vezel diameter. Op macroscopische schaal, de variabiliteit in de oriëntatie van alle WM traktaten in een imaging voxel beïnvloedt de mate van anisotropie ^5.

In typische DTI metingen de voxel afmetingen in de orde van millimeters. Zo kan een voxel bevat altijd de gemiddelde informatie van de watermoleculen in de gedetecteerde volume gewoonlijk verscheidene van axons en de omringende watermoleculen. Desondanks multidirectionele omgeving DTI gevoelig voor de oriëntatie van de grootste hoofdas die prima de overheersende axonale richting en bepaal de axonale bijdrage domineert het gemeten signaal ^2.

DTI levert twee soorten informatie over de eigenschap van water diffusie: de eerste, de oriëntatie-onafhankelijke mate van diffusie anisotropie ⁵ en ten tweede, de overheersende richting van het water diffusie in image voxels, dat wil zeggen de diffusie oriëntatie ^6.

De huidige protocollen worden verondersteld om een ​​kader van DTI analysetechnieken bieden voor kwantitatieve vergelijking van groepen proefpersonen op groepsniveau, zoals beschreven in het volgende.

Kwantificering van diffusie-eigenschappen - analyse parameters

De elementen van de symmetrische tensor kan worden gemeten door diffusie gradiënten langs ten minste zes niet-collineaire en niet-coplanaire richtingen, zodat ter (vergelijking 1) is een tensor, waardoor signaalverzwakking

Deze vergelijking wordt bepaald dat een eventuele wisselwerking tussen beeldvorming en diffusie gradiënten die worden toegepast in orthogonale richtingen (kruis termen) en zelfs tussen beeldvorming hellingen die worden toegepastin orthogonale richtingen ^4.

De tweede rang diffusion tensor kan altijd worden diagonalized waardoor er slechts drie niet-nul elementen langs de hoofddiagonaal van de tensor, dwz de Eigenvalues ​​( ). De Eigenwaarden weerspiegelen de vorm of configuratie van de ellipsoïde. De wiskundige relatie tussen de belangrijkste coördinaten van de ellipsoïde en het laboratorium frame wordt beschreven door de Eigenvectoren

Aangezien er verschillende uitdagingen in het weergeven tensor data, heeft het concept van diffusie ellipsoïden voorgesteld ^3. De Eigendiffusivities van deze ellipsoids vertegenwoordigen de eendimensionale diffusie coëfficiënten in de hoofdrichting van diffusiviteiten van het medium, namelijk de hoofdas van de ellipsoïde is de belangrijkste diffusie richting de voxel die samenvalt met de richting van de vezels, terwijl de excentriciteit van de ellipsoïde geeft informatie over de anisotropie en symmetrie. Daarom kon diffusie anisotropie metrics zoals de fractionele anisotropie (FA) worden gedefinieerd ^7.

is het rekenkundig gemiddelde van alle Eigenvalues.

Een extra aanpak is om de hoofdrichting van de diffusie tensor gebruiken om de WM-connectiviteit van de hersenen aan te pakken, wat overeenkomt met de tractografie approach die de intentie heeft om te onderzoeken welke delen van de hersenen zijn verbonden met elkaar. Aangenomen dat de oriëntatie van de belangrijkste component van de diffusie tensor is de oriëntatie van de dominante axonen is een 3-D vector veld waarin elke vector vertegenwoordigt de vezeloriëntatie. Momenteel zijn er verschillende benaderingen WM stukken die kunnen worden onderverdeeld in twee types reconstrueren: de eerste categorie is gebaseerd op regel propagatie algoritmes lokale tensor-informatie voor elke stap van de vezel darmkanaal voortplanting ^2,8,9. De tweede categorie is gebaseerd op mondiale energieminimalisering de energetisch meest gunstige pad tussen twee WM regio, resulterend in de benadering van kanaal gebaseerde ruimtelijke statistiek voorbeeld (TBSS) ¹⁰ die is gebruikt in andere algoritmen zoals tractwise fractionele anisotropie statistieken (transvetzuren - zie protocol tekst, paragraaf 2.4)..

Transformatie naar stereotaxisch standard ruimte

Net als in andere geavanceerde MRI methoden DTI-en FT-gebaseerde studies in een klinische context nastreven uiteindelijke doel hersenmorfologie individuele patiënt categoriseren om het diagnostische proces gebaseerd op enkele discriminatie metrisch ¹¹ vergemakkelijken. Studies op groepsniveau zijn relevantie als de gewone klinische fenotype wordt verondersteld door beschadiging van een of meer specifieke hersengebieden of specifieke neuroanatomische netwerk. Hier, met een gemiddelde van de resultaten voor de verschillende onderwerpen is nuttig om de gemeenschappelijke patronen van microstructurele veranderingen te beoordelen. Elk individu hersenen worden overgebracht in stereotaxische ruimte zodat in een tweede stap, het rekenkundig gemiddelde van de resultaten op een voxel-by-voxel niveau mogelijk. Ruimtelijke normalisatie toegestaan ​​rekenkundige gemiddelden van de resultaten van verschillende onderwerpen teneinde de signaal-ruisverhouding (SNR) te verbeteren en een vergelijking van monsters van patiënten en cont voerenrols om de rekenkundige pathoanatomy van een bepaalde aandoening te analyseren, zoals een neurodegeneratieve ziekte die wordt geassocieerd met de ongunstige beïnvloeding van de hersenen een specifieke systeem.

De vroege aanpak van normalisering van een gestandaardiseerde stereotaxisch ruimte door ¹² suggereerde een transformatie algoritme om een standaard atlas die de identificatie van de verschillende hersenen bezienswaardigheden en fragmentarische schaling van de hersenen kwadranten. Tegenwoordig zijn de meeste van de geavanceerde MRI data-analyse pakketten te gebruiken normalisatie op het Montreal Neurological Institute (MNI) stereotaxisch ruimte ^13. Voor deze transformatie, werden halfautomatische en automatische brein registratie algoritmes behulp studie specifieke templates ontwikkeld ^14,15. In DTI, bijzondere aandacht worden gevestigd op de directionele informatie tijdens het normalisatieproces ^16,17 bewaren. De toepassing van ruimtelijke transformaties DT-MR beelden die nodig zijn voor ruimtelijke normalisatiewinning van datasets is, in tegenstelling tot kromtrekken scalaire beelden, bemoeilijkt doordat ODC bevatten orientatie informatie die weer wordt beïnvloed door de transformatie. Dit effect moet rekening worden gehouden met het oog op de anatomische correctheid van de getransformeerde afbeelding garanderen. Hier worden technieken voor het aanbrengen affine transformaties DTI datasets gepresenteerd.

Toepassing van DTI van hersenziekten

De vergelijking van longitudinale DTI data vereist een aanpassing / registratie van de gegevens een onderwerp's onder elkaar. In die context, het behoud van de directionele informatie is noodzakelijk (dwz rotatie van de diffusie tensor tijdens affiene transformaties). Mogelijke toepassingen van neurodegeneratieve stoornissen zijn eerder gerapporteerd (bv. ^18,19).

DTI is opgericht als een robuust niet-invasieve technische hulpmiddel om te onderzoeken in vivo Neuropatholgie van WM neuronale traktaten (bijv. ^{11,20,21,22).} DTI-gebaseerde kwantitatieve metrieken het diffusieproces, zoals de FA, al en gevoelig markers voor het bestuderen uiteenlopende WM aandoeningen, zoals beroerte ^20, multiple sclerosis ^23, amyotrofe laterale sclerose ^{24, 25,} de ziekte van Alzheimer ²⁶ , en diverse andere WM aandoeningen ^27,28.

Daarnaast DTI met FT kunnen worden gebruikt WM stukken identificeren ^23. Deze techniek, terwijl nog niet in routine klinisch gebruik, is in opkomst als een krachtig instrument voor de beoordeling van pathway-specifieke afwijkingen bij neurologische ziekte. Binnen de geïdentificeerde stukken, diverse kwantitatieve MRI indices afgeleid van DTI en aanvullende acquisities (bijv. T2-gewogen beelden en / of magnetiseringsoverdracht (MT) imaging) die anatomisch coregistered de DTI data kunnen worden gemeten. Hierbij kan elke index calcul zijnated als functie van de positie in het darmkanaal, verwijzend naar plots afbeelden hun ruimtelijke variatie darmkanaal profielen.

Hierna menselijke DTI scans die werden uitgevoerd op 1,5 Tesla MRI-scanners (Siemens Medical, Erlangen, Duitsland) werden gebruikt om de capaciteit van verschillende analysetechnieken voor detectie witte stof afwijkingen in patiëntengroepen en in individuen te onderzoeken. Na een geautomatiseerde kwaliteitscontrole voor de afschaffing van de motion-corrupte volumes en volumes met andere soorten van artefacten, gestandaardiseerde postprocessing procedures bereiden de DTI data voor de achtereenvolgende analyse. Verschillende analyse benaderingen worden geïllustreerd in de volgende, dwz de eerste, hele brein gebaseerd ruimtelijke statistiek (WBSS), tweede, FT, en de derde, Tractwise fractionele anisotropie statistieken (transvetzuren). WBSS is een methode die analoog aan voxel-gebaseerde morfometrie (VBM) die gewoonlijk bekend staat als voxel-gebaseerde morfometrie / statistieken DTI data (VBM / DTI) loopt

Protocol

Analyse methoden: Pre-en nabewerking

De taak van het volgende protocol diffusie eigenschappen voxelgewijze in witte stof stukken die kunnen worden geanalyseerd - door de voxelgewijze detectie - hetzij isotroop of anisotroop, resulterend in gerekte of afgeplatte diffusie tensor van de respectievelijke voxels. De parametrisering van de voxel tensor wordt gebruikt voor zowel het berekenen van FA-kaarten of de identificatie van fibertracts (figuur 1).

Om de resultaten van de analyse te verkrijgen, zoals getoond in de volgende, gebruikt het softwarepakket Tensor Imaging en Fiber Tracking (tift) ^17. Tift biedt analyse-instrumenten voor de volgende eisen:

• analyse in termen van DTI metrics, zoals FA-kaarten,
• stereotaxisch normalisering
• groep vergeleken in termen van FA of andere DTI metrics
• verschillende analyse benaderingen van FT
• FT op de groep gemiddeld DTI gegevens en de bijbehorende statistische analyse.

Deze kenmerken maken een verscheidenheid aan analyses in een software-omgeving ^17,29,30,31. De Tift software is voortdurend in ontwikkeling voor de nieuwe opties in DTI data-analyse.

Figuur 2 geeft een schematisch overzicht hoe DTI data te analyseren op het niveau van de groep na ruimtelijke normalisatie door twee complementaire benaderingen, dwz zowel door WBSS en door TFA om eindelijk verschillen tussen subject monsters op groepsniveau, bijvoorbeeld zieke hersenen versus gezonde controles te verkrijgen. Hier WBSS beoogt een voxelgewijze onpartijdige opsporen van gebieden met verschillen op het niveau van de groep, terwijl transvetzuren is gebaseerd op vooraf gedefinieerde fibertracts, de transvetzuren beginnend gebieden kan zowel vrij gekozen worden of kan worden afgeleid uit de WBSS resultaten (`hotspots` van significant veranderd FA).

Individuele longitudinale vergelijking van de FA-kaarten wordt uitgevoerd door detectieting verschillen in FA-kaarten van metingen op verschillende tijdspunten na affine stereotactische uitlijning (Figuur 2).

1. Kwaliteitscontrole (QC) inclusief correctie voor bedorven gradiëntrichtingen
   In het geval van beweging ongeregeldheden tijdens de overname, dat wil zeggen in het geval van beschadigde volumes, wordt een SNR verhoging verkregen door het weglaten van enkele gradiëntrichtingen (GD) voor tensor berekening. Daartoe werd een kwaliteitscontrole (QC) algoritme ³² ontwikkeld. Kortom, voor scans die bevatte beschadigde volumes, wordt de SNR toename bereikt door het weglaten van enkele gradiëntrichtingen een tegelijk voor tensor geschat per GD, wordt het gewogen variantie berekend van alle resterende richtingen in de reeks door weging met de hoek waarin zij verschilden van de index GD.
   1. Voer een artefact correctie door het detecteren van GD met ten minste een sneetje tonen verminderde intensiteit, dwz beweging artefacten veroorzaakt door spontane su bject beweging (Figuur 3, bovenste paneel). Voor elke diffusie gewogen, berekenen de gemiddelde intensiteit voor elke plak en vergelijken de intensiteit met hetzelfde segment in alle andere volumes met behulp van een gewogen gemiddelde benadering - de wegingsfactor is het dot product van de vectoren van twee GD :
      
      
      duidt de rekenkundig gemiddelde intensiteit van het segment onder observatie en427eq12.jpg "/> een stukje voor vergelijking. De relatieve gemiddelde intensiteit deviatie wordt gewogen door de stip product van de GD. Dus, om een ​​algemene parameter definiëren:
      
      geeft de minimaal slicewise vergelijkingen van alle segmenten.
   2. Als Q is onder een bepaalde drempel (in het voorbeeld wordt een drempelwaarde van 0,8 voor dit doel), aan dat hele volume of GD. Een drempel van 0,8 wordt beschouwd als een stabiele oplossing ^32. Figuur 3 illustreert bewegingsartefacten zichtbaar sagittale reconstructies en gedetecteerd door de QC algoritme. In dit voorbeeld, uit het totale aantal GD (blauwe stippen in figuur 3c), 17 werden onder de rode lijn die overeenkomt met Q = 0.8 en should worden geëlimineerd. Een voorbeeld van een volume eliminatie statistieken voor hele studie is weergegeven in figuur 3d. In deze voorbeeldige studie, werden DTI data van 29 presymptomatische HD proefpersonen vergeleken met DTI data van 30 controles. Verdere details van dit algoritme worden in ^{32, 33.}
2. Voorbewerking en ruimtelijke normalisatie
   1. Voer de correctie van de wervelstroom-geïnduceerde geometrische vervormingen van het echo-planaire beeldvorming datasets door de met ³⁴ voorgestelde methode.
   2. Voor de stereotaxische normalisering, maak een studie-specifieke (b = 0) - template en een FA-template zoals eerder beschreven ^17,28,31. Kortom, een volledig niet-lineaire stereotaxische normalisatie bestaat uit drie onderdelen vervorming. Bijgevolg is de resulterende diffusie tensor van elke voxel i moet zijn roterendeed volgens alle bovenstaande (figuur 4) rotaties:
      1. Figuur 4a toont een stijf hersenen transformatie naar de basis-coördinaat frames passen. De rotatie als gevolg van de aanpassing aan de basis coördinatenstelsel moet worden toegepast
         
      2. Figuur 4b toont een lineaire vervorming volgens bezienswaardigheden. De componenten van de eigenvectoren moeten worden aangepast aan de zes parameters normalisering van S (afhankelijk hersengebied s _a, a = 1 ... 6) van de lineaire vervorming.
         v _{w, j} a v _{w, j'''}
         w = 1,2,3 en j = x, y, z.
      3. Figuur 4c toont een niet-lineaire normalisatie egalisatie niet-lineaire hersenen vormverschillen. De 3-D vector verschuivingen zijn voor elke voxel waardoor een afzonderlijke transformatie voor elke voxel van het 3-D-array voxel ). Standard trigonometrie geeft een rotatie matrix onafhankelijk voor elke voxel als gevolg van de 3-D vector verschuift de begrippen in ¹⁶ teneinde de directionele tussen Eigenvectoren van neighbored voxels behouden. Aldus verschillende ploegen van twee neighbored voxels resulteren in rotaties van de overeenkomstige eigenvectoren. Gebruik de verwijding matrices voor de uitlijning van de tensor elke voxel tede omringende voxels.
         
         zijn de componenten van
      De gehele normalisatieproces is iteratief, dat wil zeggen maakt een scanner-en sequentie-specifieke (b = 0) - sjabloon voor deze studie in de eerste stap rekenkundig gemiddelde van de (b = 0) - inhoud van alle personen na lineaire volgens handmatig set oriëntatiepunten. Na deze eerste normalisatie, maakt verbeterde sjablonen om de normalisering matrices. De volgende stappen 1.2.3 tot en met 1.2.5 zijn schematisch gevisualiseerd in figuur 5a.
   3. Nadat deze persoon normalisatieprocedure (step (i) - DTI-data I _0), van alle individuele DTI gegevensverzamelingen voor het creëren studiespecifieke (b = 0) - template en een FA-template (stap (ii) - templates _T1). De niet-affiene registratie een FA-sjabloon heeft het voordeel dat het biedt meer contrast in vergelijking (b = 0) beelden ^10, definieert een FA-template door middeling alle FA-kaarten van de patiënten en de controles afzonderlijk verkregen.
   4. In een tweede stap, na de basisideeën van Ashburner en Friston ^35, het uitvoeren van een niet-lineaire MNI normalisatie (stap (iii)) van de DTI datasets door het minimaliseren van de mismatch tussen regionale intensiteiten van de FA-kaart te worden aangebracht en van de FA-template op basis van de gekwadrateerde verschillen (X ²⁾ - op die manier, u verkrijgt DTI data I _1.
   5. Op basis van deze gegevens, zijn nieuwe templates T ₂ afgeleid (stap (iv)). Herhaal dit iteratieve proces tot de correlatie tussen individuele FA-kaarten en tHij FA-template is> 0.7. Meestal wordt dit bereikt na twee iteraties.
3. Whole brain-based ruimtelijke statistiek
   De volgende stappen 1.3.1 tot 1.3.5 zijn gevisualiseerd schematisch in figuur 5b.
   1. Bereken FA-kaarten van genormaliseerde DTI gegevens met betrekking tot de normalisering van de procedure 1.2. om gerichte informatie (stap (i)) behouden.
   2. Als voorverwerkingsstap voordat voxelgewijze statistische vergelijking, breng dan een afvlakfilter (stap (ii)) aan de individuele genormaliseerde FA-kaarten. Smoothing, dat het filter grootte beïnvloedt de resultaten van gegevensanalyse DTI ³⁶ vergt toepassing van het aangepaste filter stelling volgens welke de breedte van het filter gebruikt om de gegevens te verwerken moet worden afgestemd op de grootte van het verwachte verschil, zoals beschreven in eerdere aanvragen om DTI data van patiënten met neurodegeneratieve aandoeningen (bv. ^28).
   3. Voeren statistische compArison tussen de patiëntengroepen en de overeenkomstige controlegroep voxelgewijze door Student's t-test, namelijk FA waarden van de patiënten vergelijken "FA-kaarten met de FA waarden van de controles" FA-kaarten voor elk voxel afzonderlijk (stap (iii )). FA waarden onder 0,2 worden niet geacht voor het berekenen omdat corticale grijze stof toont FA waarden tot 0,2 ^37.
   4. Statistische resultaten voor meerdere vergelijkingen met de valse-discovery-rate (FDR) algoritme bij p <0,05 ³⁸ (stap (iv)) te corrigeren. Verdere reductie van de alfafout moet worden uitgevoerd door een ruimtelijke correlatie algoritme (clustering - stap (v)) dat geïsoleerde voxels of kleine geïsoleerde groepen voxels met afmetingen van de smoothing kernel geëlimineerd, waardoor een cluster drempel van 512 voxels.
   5. Om de resultaten in een morfologische achtergrond (stap (v)) weer normaliseert de 3-D T1 gewogen gegevensverzamelingen moeten MNI ruimte en rekenkundig gemiddelde. Voer deze normalisering pROCEDURE door middel van een studie template-analoog aan de normalisatie toegepast op de DTI datasets ^17.

Figuur 6 toont de resultaten van het hele brein-gebaseerde ruimtelijke statistiek (WBSS) van ALS patiënten versus controles. Figuur 6a toont het lokaal maximum van verminderde FA waarden in een sagittale, coronar en axiale view (thresholded bij p <0,01, gecorrigeerd voor meerdere vergelijkingen). Figuur 6b toont projectional FT met uitgangspunten in de corticospinale darmkanaal wordt gebruikt als basis voor transvetzuren. Figuur 6c toont groep verschillen in de FA-kaarten gedetecteerd door hele brein gebaseerd ruimtelijke statistiek (WBSS) tussen een steekproef van ALS patiënten en gematchte controles in een slicewise visualisatie.

4. Tractografie en tractwise fractionele anisotropie statistieken (transvetzuren)
   Figuur 7 illustreert het proces van groepsgewijze FT zoals TFA zoals beschreven in 1.4.1 tot 1.4.4.
   1. Om groepsgebaseerde FT algoritmes toepassen, genereren gemiddeld DTI gegevensreeksen uit "gegevens en de controles" patiënten data samen volgens de hiervoor beschreven ¹⁷ werkwijzen. Deze middeling vereist een zorgvuldige behandeling van de oriënterende informatie die wordt bewaard tijdens het proces van normalisatie volgens technieken beschreven door ¹⁶ - voor meer informatie zie ^30.
   2. Presteren tractografie in gemiddelde DTI datasets van onder groepen door toepassing van een gestroomlijnd bijhouden techniek ^31. Identificeer handmatig gedefinieerd zaad punten naast de lokale maxima van de volledige hersenen gebaseerde FA analyses die de basis voor de opeenvolgende FT analyse. Na identificatie van de zaden, voeren tractography en bepalen de voxels van het afgebakende vezels als groep-specifiek masker voor de volgende ³⁰ transvetzuren.
   3. Om tractography kwantificeren, passen de techniek van transvetzuren met ee vezels traktaten die zijn gemaakt op de gemiddelde DTI datasets van alle onderwerpen van elke groep (patiënt gegevens en controlegegevens samen) voor de selectie van de voxels die bijdragen aan een vergelijking tussen de patiënten en de controles 'FA-kaarten.
   4. Overweeg alle hieruit voortvloeiende voxels met een FA-waarde boven de 0,2 voor statistische analyse met Student's t-test.
   5. Indien gewenst kan de transvetzuren techniek worden toegepast op elk afgeleid DTI statistieken zoals gemiddelde diffusiecoëfficiënt (MD), radiale anisotropie axiale anisotropie, etc. (voor een voorbeeld zie ^28).
   6. De resultaten worden weergegeven op een morfologische achtergrond die uit de MNI-genormaliseerde 3-D T1-gewogen gegevensreeksen

Representative Results

1. QC en de correctie voor beschadigde gradiëntrichtingen in toepassing om gegevens van patiënten met hyperkinetische stoornissen

Als voorbeeld van het effect van de toepassing van de QC en daaropvolgende volume uitsluiting (als gevolg van de correctie van beschadigde GD), figuur 8 toont verschillen in volledige hersenen gebaseerde ruimtelijke statistiek met en zonder volume uitsluiting groepsvergelijking van 29 ziekte premanifeste Huntington proefpersonen versus 30 leeftijd en geslacht gematchte controles. Het scannen protocol werd uitgevoerd op een 1,5 Tesla Magnetom Symphony (Siemens Medical, Erlangen, Duitsland). De DTI studieprotocol was identiek voor patiënten en controles en bestond uit 72 volumes (40 schijfjes, 96 x 96 pixels, slice dikte 2,3 mm, pixelgrootte 2,3 x 2,3 mm), wat neerkomt op 64 gradiëntrichtingen (b = 1.000 sec / mm ²⁾ en 8 scans met minimale diffusie weging (b = 100 sec / mm ^2). De echo tijd (TE) en de herhalingstijd (TR) were 90 msec en 8000 msec, respectievelijk.

2. DTI in xeroderma pigmentosum

Xeroderma pigmentosum (XP) is een zeldzame autosomaal recessief progeroid syndroom waarbij de onderliggende DNA-reparatie defect speelt een centrale rol in het verouderingsproces ^39,40. Een multiparametrische MRI benadering de cerebromorphological fenotype te karakteriseren werd in zeven XP patiënten van verschillende subtypes om de macrostructurele en micromechanische cerebrale morfologie beoordelen in vergelijking met controles ^41, zoals DTI, volumetrische metingen en MR spectroscopie ^(1H MRS).

De MRI-protocol werd verkregen op een 1.5 Tesla MR-systeem (Magnetom Symphony, Siemens, Erlangen, Duitsland), uitgerust met een standaard headcoil. T1 gewogen (T1w) scant bestond uit 196 plakjes met een schijfje dikte van 1,0 mm (256 x 256 pixels, pixelgrootte 1,0 x 1,0 mm). TR en TE waren 12 msec en 456 msec respectievelijk. De DTI studie protocol bestond uit 13 volumes (45 plakjes, 128 x 128 pixels, slice dikte 2,2 mm, pixelgrootte 1,5 x 1,5 mm), wat neerkomt op 12 gradiëntrichtingen en een scan met gradiënt 0 (b = 0). TE en TR waren 93 msec en 8000 msec, respectievelijk b was 800 sec / mm ² en vijf scans werden online gemiddeld door de scansoftware in beeldruimte.

Vanwege de klinische en demografische heterogeniteit van de XP-onderwerpen, werd de vergelijking niet op groepsniveau uitgevoerd maar in een paarsgewijze manier, dat wil zeggen elke XP-onderwerp werd geanalyseerd in vergelijking met een leeftijd-en geslacht gematchte controlegroep. FA-map vergelijking werd uitgevoerd voor de ROI in de thalamus, in de bovenste luchtwegen corticospinal, in de interne capsule, en in het corpus callosum. Verder werden gerichtheid veranderingen paarsgewijze vergelijking voor FT en opeenvolgende transvetzuren, met uitgangspunten in de thalamus. DTI toonde aanzienlijk verminderd WM gerichtheid in alle regio's onderzocht, namelijk the thalamus, de corticospinale stukken en de dorsale corpus callosum, met volume en richting verlagingen van de vezel uitsteeksels waarbij zowel de craniocaudale vezels en Interhemisferische verbindingen (Figuur 9). Deze bevindingen, hoewel heterogeen van de steekproef kan worden gecorreleerd met de klinische en neurologische symptomen. De imaging bevindingen ondersteunen de positie die myeline structuren afgebroken voortijdig in de hersenen van XP patiënten, zoals beschreven in ^41.

DTI in neurodegeneratie (motor neuron ziekten)

Morfologische veranderingen in amyotrofische laterale sclerose (ALS) door structurele MRI analyse ^42,43 en sensorimotorische functionele connectiviteit veranderingen in ALS patiënten ²¹ onlangs gemeld. In dit werk, als een voorbeeld voor de toepassing van de analysemethoden WBSS en transvetzuren, werden twintig ALS patiënten onderzocht door multiparametrische MRI. Severity van lichamelijke klachten zoals gemeten met de herziene ALS functionele rating scale (ALS-FRS-R) was in het bereik van lichte tot matige (35,9 ± 8,0), en geen van de patiënten vertoonden neuropsychologische symptomen van frontotemporale dementie. Als controlegroep twintig leeftijd en geslacht met gezonde controles werden gescand.

Het scannen protocol werd uitgevoerd op een 1,5 Tesla Magnetom Symphony (Siemens Medical, Erlangen, Duitsland). De DTI studieprotocol was identiek voor patiënten en controles en bestond uit 13 volumes (45 plakjes, 128 x 128 pixels, slice dikte 2,2 mm, pixelgrootte 1,5 x 1,5 mm), wat neerkomt op 12 gradiëntrichtingen en een scan met gradiënt 0 (b = 0). TE en TR waren 93 msec en 8000 msec, respectievelijk b was 800 sec / mm ² en vijf scans werden online gemiddeld door de scansoftware in beeldruimte.

De resultaten voor de ALS-groep toonde uitgebreide FA reducties langs grote delen van de CST en de CC, in de laatste including het segment III volgens de Hofer en Frahm regeling ^44, maar die verder reiken dan tot ventrale en dorsale CC gebieden (figuur 6). De resultaten voor de ALS-groep toonde uitgebreide FA reducties langs grote delen van de CST en de CC, in het laatste inbegrip het segment III volgens de Hofer en Frahm regeling ^44, maar die verder reiken dan tot ventrale en dorsale CC gebieden (figuur 6).

Een ander voorbeeld was het onderzoeken van WM betrokkenheid patronen in andere motorneuronziekten (MND), dwz ALS, primaire laterale sclerose (PLS) en erfelijke spastische paraparese (HSP) onderverdeeld in zuivere (PHSP) en gecompliceerde (ChSP), door gebruik van een tweeledige aanpak van DTI analyse: WBSS op FA-kaarten werd aangevuld met FT resultaten en de daaropvolgende transvetzuren. DTI-gebaseerde vergelijkingen van ALS en PLS monsters zijn beschreven door andere auteurs ook ^45. De PLS-groep analyse toonde een vergelijkbaar patroon van verminderde FA Along de CST anatomie, terwijl de CC betrokkenheid werd gekenmerkt, maar minder uitgebreid dan bij ALS en meer beperkt tot segment III. De analyse in het monster PHSP aangetoond FA vermindering van de CST waarin meer afgebakende gebieden binnen deze structuur dat de CC veranderingen waren vergelijkbaar met het patroon waargenomen in de groep ALS, uitgebreid over grote delen van het CC dorsale inclusief het segment motor opgenomen. Ten slotte is de ChSP groep toonde de grootste gebieden van verminderde FA waarvan opgelopen tot een grote verbonden cluster inclusief de volledige CST structuur en de grote dorsale en ook ventrale delen van het CC. Samengevat, de gecontroleerde DTI analyse in een totaal van 72 patiënten met verschillende MND toonde karakteristieke laesie patronen gecorreleerd met de betrokkenheid van verschillende hersengebieden binnen de pathologische processen van de verschillende ziekte-entiteiten. Voor een gedetailleerde beschrijving en discussie, verwijzen wij u naar ^22,28,46

3. DTI voor longitudinale vergelijkingen >

Als een voorbeeld voor de toepassing van DTI in longitudinale vergelijking, een 46-jarige patiënt met biopsie bewezen anaplastic oligoastrocytomen WHO III ° werd gescand. Na volledige operatie kreeg de patiënt gecombineerde radio-/chemotherapy en 6 cycli van adjuvante chemotherapie.

DTI werd verworven op 4 tijdstippen, dwz vóór gecombineerd radio-/chemotherapy en 2, 5, en 9 maanden na radio-/chemotherapy om de status van de regionale en mondiale WM integriteit in een longitudinaal design verbeelden.

Het scannen protocol werd uitgevoerd op een 1,5 Tesla Magnetom Symphony (Siemens Medical, Erlangen, Duitsland). De DTI studie protocol bestond uit 52 volumes (64 plakjes, 128 x 128 pixels, slice dikte 2,8 mm, pixelgrootte 2,0 x 2,0 mm), wat neerkomt op 48 gradiëntrichtingen en vier scans met gradiënt 0 (b = 0). TE en TR waren 95 msec en 8000 msec, respectievelijk b was 1.000 sec / mm ^2.

ntent "> Figuur 10 exemplarisch toont verschillen in de FA-kaarten tussen de DTI scan na radio-/chemotherapy en DTI scan 7 maanden later, dwz scans van tijdstippen 2 en 4. WBSS wordt uitgevoerd volgens paragraaf 1.3. met een FA drempel van 0.15, FDR gecorrigeerd.

Figuur 1. In DTI, een voxel vertegenwoordigt de diffusie-eigenschappen van verschillende bundels van axonen naar een diffusie tensor, geïllustreerd als ellipsoïde berekenen. Voor elke voxel, kon de tensor gegevens worden geparametreerd in fractionele anisotropie (FA) kaarten of worden gebruikt voor vezels tracking (FT).

27fig2.jpg "/>
Figuur 2 Bovenste paneel:. Na een kwaliteitscontrole (QC) en de bijbehorende volume eliminatie (VE), DTI metrics, zoals FA-kaarten kan worden berekend. In de volgende stap, ofwel stereotactische normalisatie (links) maakt voor de vergelijking op groepsniveau (hele brein gebaseerd ruimtelijke statistiek - WBSS en / of tractwise fractionele anisotropie statistieken - transvetzuren) of stereotaxisch uitlijning (rechts) maakt voor de vergelijking van longitudinale FA-kaarten . Deze analyses ofwel leiden tot verschillen op groepsniveau (links) of detecteren longitudinale verschillen binnen enkel onderwerp DTI data (rechts). Klik hier voor een grotere afbeelding te bekijken .

les/ftp_upload/50427/50427fig3.jpg "/>
Figuur 3. (A) Representatieve motion beschadigd axiale segment met gereduceerde intensiteit die is gedetecteerd door de QC algoritme. (B) De respectieve lokalisatie in het sagittale gereconstrueerde volume, aangeduid door een witte pijl. De motie corruptie wordt ook visueel weergegeven door een relatieve intensiteit verlies in vergelijking met aangrenzende axiale slices. (C) Bij toepassing van een drempel van 0,8 (rode lijn) in totaal 17 gradiëntrichtingen werden gedetecteerd voor volume eliminatie. De zwarte pijl geeft de hoeveelheid (a) en (b) (d) Volume eliminatie statistieken (aantal eliminated gradiëntrichtingen - GD). Voor 29 presymptomatische ziekte van Huntington patiënten (PS) en 30 controles.

(a) stijve hersenen transformatie door translatie en rotatie om de fundamentele coördinaten frames uit te lijnen. (b) lineaire deformatie volgens de oriëntatiepunten. De componenten van de eigenvectoren moesten worden aangepast aan de lineaire vervorming. (C) niet-lineaire normalisatie egalisatie niet-lineaire hersenen vormverschillen. De 3-D vector verschuivingen waren verschillend voor elke voxel waardoor een afzonderlijke transformatie voor elke voxel van het 3-D-array voxel om de directionele tussen Eigenvectoren van neighbored voxels behouden.

Figuur 5. (A) Schematische voorbeeld van een iteratief sjabloonspecifieke MNI-normalization: na een 1 ^e normalisatiestap gebaseerd op monumenten, door rekenkundige gemiddelde van de DTI-gegevens I _0, werden voor het eerst sjablonen T ₁ ((b = 0) template en FA-template) verkregen. Vervolgens, in een doorlopend proces genormaliseerde DTI-gegevens I ₁ werden verkregen door niet-lineaire normalisatie de eerder gedefinieerde templates _(T1). Uit deze nieuw genormaliseerde DTI-gegevens I ₁ werden nieuwe templates (T ₂₎ verkregen die opnieuw kunnen worden gebruikt voor normalisatie. Dit iteratief proces wordt gestopt wanneer een vooraf gedefinieerde toeval (maatregel door correlatie) tussen DTI-data en templates werd bereikt (b) Regeling voor data pre-processing voor hele brein-gebaseerde ruimtelijke statistiek (WBSS):. FA-kaarten worden berekend uit genormaliseerde DTI data en een afvlakfilter aan de individuele genormaliseerde FA-kaarten wordt toegepast. In een opeenvolgende stap, voxelgewijze statistische vergelijking tussen de groepen patiënten en de bijbehorende controle groep is ierformed. Na correctie voor meerdere vergelijkingen met de valse-discovery-rate (FDR) algoritme en een clustering procedure tot verdere vermindering van de alfafout worden de resultaten weergegeven op een morfologische achtergrond. hier grotere afbeelding te bekijken .

Figuur 6. Resultaten van het hele brein-gebaseerde ruimtelijke statistiek (WBSS) van ALS patiënten versus controles. (A) Lokale maximaal verminderde FA waarden in een sagittale, coronar en axiale view (thresholded bij p <0,01, gecorrigeerd voor meerdere vergelijkingen ) (b) FT met uitgangspunten in de corticospinale darmkanaal wordt gebruikt als basis voor transvetzuren (animatie 1) (c):.. Groep verschillen in de FA-ma ps gedetecteerd door hele brein gebaseerd ruimtelijke statistiek (WBSS) tussen een steekproef van ALS patiënten en gematchte controles in slicewise visualisatie. Klik hier om een grotere afbeelding te bekijken .

Figuur 7 (animation 2):. Fiber tracking (FT) op de groep gemiddeld gegevens (controles) met uitgangspunten in het corpus callosum (links) en in de corticospinale darmkanaal (rechts). Klik hier voor een grotere afbeelding te bekijken .

fig8highres.jpg "src =" / files/ftp_upload/50427/50427fig8.jpg "/>
Figuur 8 Whole brain based ruimtelijke statistiek voordat artefact correctie. (Volume eliminatie - VE) (links) en na artefact correctie (rechts), elk gecorrigeerd bij p <0,05, valse ontdekking tarief (FDR)). FA toename in koude kleuren, FA afname in hete kleuren.

Figuur 9 Multiparametrische MRI voor een onderwerp met xeroderma pigmentosum (XP) Bovenste rij:.. T1-gewogen conventionele MRI bericht contrast in coronar, sagittale en axiale uitzicht. Focus op een linker-hersenhelft contrast-versterkte laesie met perifocal oedeem binnen de frontoparietal witte stof Middelste rij:. FA kaarten (weergave drempel 0.2) met de identiekerichten Onderste rij: FT resultaten met zaad punten in de thalamus - links:. XP onderwerp, rechts: de gemiddelde FT vanaf 7 controles.

Figuur 10. Patiënt met biopsie bewezen anaplastic oligoastrocytomen WHO III ° en volledige operatie en gecombineerde radio-/chemotherapy en adjuvante chemotherapie. Longitudinale verschillen in de FA-kaarten tussen twee opeenvolgende scans met een tijdsinterval van 7 maanden (FA verschil 0,15, FDR gecorrigeerd).

Discussion

Interindividuele middeling van DTI data kan worden bereikt met betrekking tot diffusie amplitude (door het gebruik van informatie FA) en verspreiding richting (basis FT), respectievelijk. Middeling van FA kaarten maakt voor de statistische vergelijking van de groepen proefpersonen door WBSS en transvetzuren. Dit methodologisch kader geeft een inleiding tot DTI technieken met inter-subject middeling en groepsvergelijking. Stereotaxisch normalisering en vergelijking van de FA kaarten op groepsniveau mogelijk maakt voor verschillende mogelijkheden om verschillen tussen groepen proefpersonen kwantificeren. WBSS en transvetzuren lijkt een probate manier om verschillen op groepsniveau in groepen proefpersonen met een groepsgewijze vergelijkbaar patroon van de hersenen veranderingen, bijvoorbeeld neurodegeneratieve ziekten te meten. Voor aandoeningen met heterogene klinische fenotypes, zou een analyse aanpak op het niveau van de groep niet worden gebruikt, maar eerder een analyse in een paarsgewijze manier zou geschikt zijn, zoals blijkt bijvoorbeeld in de studie van de patiënten XP.Dit DTI-based brain mapping op enkele case-niveau is ook belangrijk in een andere klinische context, dat wil zeggen de combinatie van verschillende niet-invasieve neuroimaging hulpmiddelen en hun co-integratie in frameloze stereotaxie / neuronavigational systemen na aanmelding als een belangrijk en waardevol onderdeel van preneurosurgical diagnostiek . Diverse technische benaderingen zoals fMRI technieken, DTI, MRS, positron emissie tomografie (PET), single photon emission computed tomography (SPECT) en magneto (MEG) met opties van nuttige combinaties zijn in klinisch gebruik (bv ^47,48,49) .

In het algemeen worden DTI-gebaseerde technieken beperkt dat ze alleen in staat om de gerichtheid analyseren witte stof met een MRI-bepaalde resolutie in de orde van millimeters. FT reconstructies in staat te stellen de meest waarschijnlijke axonale vezels gerichtheid, niet de axonale structuren zelf te visualiseren. Zo zal het niet mogelijk door DTI zijn om afbeelding axonen directly. Specifieke beperkingen van de DTI data-acquisitie en opeenvolgende analyse zoals hier beschreven zijn eerst de ruimtelijke resolutie die kan worden bereikt binnen een bepaalde vooraf vastgestelde scantijd. Echter, is deze overname beperkt door wat de proefpersonen met een verminderde fysieke capaciteiten als gevolg van leeftijd en zieke omstandigheden zou kunnen staan. Beperkt voxelgrootte leidt tot moeilijkheden om gebieden op te lossen met de kruising vezels. Ten tweede, de meeste studies hier gepresenteerde werden uitgevoerd met 12 diffusie gewogen gradiëntrichtingen - zo'n DTI scan protocol zorgt voor FA-mapping met voldoende kwaliteit. FT met 12 gradiëntrichtingen blijkt goede resultaten in grote axon vezelstructuren, maar als derde beperking kunnen problemen optreden in de gebieden van kruising vezels en in gebieden waar geen duidelijke weefselstructuren kunnen worden gescheiden in de gegeven ruimtelijke resolutie. Suggesties om het oversteken vezels lossen waren eerst de "fast-marching" algoritme ⁵⁰ die in principe onthoudt de history van de tractus en moerassen met grote stappen door de kruising vezel regio, en de tweede de zogenaamde "q-ball" imaging ⁵¹ die door verwerving van een groot aantal gradiëntrichtingen (> 100) maakt het mogelijk om meer dan een richting te detecteren een voxel. Een andere aanpak om gedetailleerde informatie te verkrijgen over multidirectionele vezels architectuur is de hoge hoekige resolutie diffusie-gewogen beeldvorming (HARDI) waar aanvullende directionele overname regelingen (bv. 129 diffusie encoding gradiëntrichtingen) leveren meer informatie over gebieden met fiber overtochten dan standaard DTI ^52. Verschillende opties voor FT werden geïmplementeerd in Tift: Streamline bijhouden ^2,3, Tensor Doorbuiging ^53, Fast Marching-algoritme ^50, en wijzigingen van die technieken ^31. De keuze van de FT-algoritme heeft geen invloed op de analyse strategie, dwz elk van de geïmplementeerde FT algoritmes kon tijdens het analyseproces bij t worden gebruikthij groepsniveau. Aangezien er bestaat geen algemeen geoptimaliseerde FT techniek wordt de keuze van de FT techniek is afhankelijk van de specifieke door de studie gericht vraag. Nieuwe ontwikkelingen van FT algoritmen (bv. ⁵⁴⁾ zou kunnen helpen om de resultaten verder te verbeteren, met name bij het ​​oplossen van het oversteken vezelstructuren. Een heel andere aanpak zou het gebruik van TBSS ¹⁰ te zijn (zie inleiding).

Het verwerkingsproces gerapporteerd in deze studie is voornamelijk ontwikkeld voor klinische studies waarbij de klinische routine MRI protocol moet vrij kort zijn, dwz voxel resoluties in de orde van 2 mm en een beperkt aantal signaalpunten voorkomens (SA) en gradiëntrichtingen (GD ), dwz SA x GD in de orde van 50 tot 80 worden gebruikt. Voor studies gericht op hoge resolutie DTI scans (voxel resoluties inclusief slice dikte <1,5 mm en een hoge resolutie tensor scanning inclusief GD> 50 met een bepaald aantal signaal accumulations (SA> 2), namelijk SA GD x> 100, een alternatief voor nauwkeurige ruimtelijke normalisatie is het gebruik van hoge dimensionele kromtrekken algoritmen afzonderlijke anatomische datasets ^55. Bovendien is de nabewerking die in dit onderzoek is gebaseerd op het gebruik van een template-studie die typisch vereist de noodzaak van een iteratief normalisatieproces. Het is ook mogelijk niet-iteratieve normalisatie een stereotaxically gestandaardiseerde DTI sjabloon met het nadeel dat de verbeterde nauwkeurigheid van stereotaxische normalisatie een onderzoek specifiek sjabloon niet wordt benut worden. Een beperking van actief FT op ruimtelijk genormaliseerde datasets is dat het registreren kan worden beperkt door het normalisatieproces, kan namelijk lineaire en niet-lineaire normalisatie stappen leiden tot kleine fouten van tensor richtingsgevoeligheid. Aan de andere kant, algoritmen zoals global volgen ⁵⁴ die werken op bijvoorbeeld hoge hoekige resolutie diffusie imaging data

Daarnaast is de meest kritische stap in de analyseprocedure een nauwkeurige co-registratie van de gegevens DTI elkaar. Slechte co-registratie kan leiden tot vals positieve of vals negatieve resultaten. Om co-registratie de kwaliteit te verbeteren, het iteratieve karakter van het normalisatie proces door het gebruik van studie-specifieke templates is een belangrijke stap in de verwerking van gegevens. Bovendien afvlakking van de resulterende datasets helptverbetering van kwaliteit van de gegevens door reductie van de resterende ruimtelijke onjuistheden. Een andere iteratieve benadering van parameters te verkrijgen voor ruimtelijke normalisatie is onlangs gepubliceerd door Mohammadi en collega's ⁵⁷ en beschikbaar gesteld als een toolbox voor SPM. Hun algoritme is voornamelijk ontwikkeld om normalisering parameters berekenen voor een symmetrische template.

In de zin van een proces van probleemoplossing, het concept van de tift software maakt het mogelijk om de resultaten na elke pre-en postprocessing stap beheersen. Op die manier individuele gegevens / resultaten screening (ook van enkele datasets) op consistentie en plausibiliteit wordt steeds haalbaar om uiteindelijk zorgen voor interactie op elk stap van de analyse cascade.

Tezamen bieden deze studies ondersteunen het idee dat FA is een gevoelige marker van cerebrale WM pathologie (zie ook ^58). Gezien het feit dat biomarker-gerichte benadering is nu een prioriteit in veel neurologische en vooral neurodegenerative ziekten, de huidige studies de rol van DTI als een extra instrument voor het bepalen van de hersenen pathoanatomy door microstructuur in vivo vingerafdruk kenmerken. DTI analyses op groepsniveau lijkt nuttig voor de identificatie en kwantificering van pathoanatomical functies op het gebied van niet-invasieve markers te zijn. Verdere resultaten kunnen worden verstrekt door gecombineerde analyse van geavanceerde MRI-gebaseerde technieken van de computationele neuroanatomie, dat wil zeggen de combinatie van DTI met bijvoorbeeld intensiteit-gebaseerde analyse van 3-D T1-gewogen MRI (bv. ^59), of resting state functionele magnetische resonantie imaging (voorbeeld ⁶⁰⁾ en met de correlatie van andere klinisch afgeleide kwantitatieve parameters.

In de aanvullende of multiparametrische benadering wordt DTI gecombineerd met andere MRI modaliteiten, zoals T2-of T1-gewogen beeldvorming, MT of Magnetic Resonance Spectroscopy (MRS) voor het verkrijgen uitgebreid en comlende informatie ^29. Als voorbeelden ⁶¹ en ²³ gecorreleerde DTI-FA resultaten T2 relaxatietijd in multiple sclerose en ⁶² uitgevoerd weefselkarakterisatie door de combinatie van DTI en T1-gewogen beeldvorming. De multiparametrische benadering zoals getoond in de studie van de XP patiënten enkel subject niveau maakt aanvullende en volledige analyse van ongunstige beïnvloeding van hersenstructuren bij hersenziekten. De mogelijkheden voor het bewaken DTI ziekteprogressie op individueel niveau longitudinale opmerkingen zijn getoond, maar meer longitudinale studies noodzakelijk zijn in de toekomst gebruik van dit potentieel maken.

Materials

Name	Company	Catalog Number	Comments
MR scanner			Siemens 1.5 T Magnetom Symphony
analysis software			TIFT - Tensor Imaging and Fiber Tracking