Waiting
Login processing...

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

Medicine

Neurodegenerative रोगों के विश्लेषण में प्रसार tensor चुंबकीय अनुनाद इमेजिंग

Published: July 28, 2013 doi: 10.3791/50427
Automatic Translation
1, 1
1Department of Neurology, University of Ulm

Summary

एक एमआरआई आधारित उपकरण की पहचान के रूप में प्रसार tensor इमेजिंग (डीटीआई) मूल रूप में कार्य करता है

Abstract

प्रसार tensor इमेजिंग (डीटीआई) तकनीक vivo में मस्तिष्क सफेद पदार्थ (WM) का microstructural प्रक्रियाओं के बारे में जानकारी प्रदान करते हैं. वर्तमान अनुप्रयोगों मिलान नियंत्रण के साथ तुलना में अलग डीटीआई विश्लेषण के उपयोग से अलग मस्तिष्क की बीमारियों, विशेष रूप से neurodegenerative विकारों, में WM भागीदारी पैटर्न के मतभेद की जांच करने के लिए तैयार कर रहे हैं.

डीटीआई डेटा विश्लेषण एक variate फैशन में किया जाता है, एक साथ फाइबर ट्रैकिंग के साथ इस तरह के आंशिक anisotropy के रूप में क्षेत्रीय प्रसार दिशा आधारित मैट्रिक्स (एफए), (एफटी) की यानी voxelwise तुलना क्रम में समूह स्तर पर tractwise आंशिक anisotropy आंकड़े (TFAS) के साथ समूह स्तर पर WM परिवर्तन के क्षेत्रीय पैटर्न की परिभाषा पर निशाना, WM संरचनाओं के साथ एफए में मतभेद की पहचान करने के लिए. एक stereotaxic मानक अंतरिक्ष में परिवर्तन समूह के अध्ययन के लिए एक शर्त है और घ को संरक्षित करने के लिए प्रसंस्करण पूरी तरह से डेटा की आवश्यकताirectional अंतर - निर्भरता. वर्तमान अनुप्रयोगों समूह स्तर पर डेटा विश्लेषण में स्थानिक सामान्य बनाने के दौरान मात्रात्मक और दिशात्मक जानकारी के इस संरक्षण के लिए अनुकूलित तकनीकी दृष्टिकोण दिखा. इस आधार पर, एफटी तकनीक एफटी द्वारा परिभाषित मैट्रिक्स जानकारी यों के क्रम में समूह औसतन डेटा के लिए लागू किया जा सकता है. इसके अतिरिक्त, डीटीआई तरीकों के आवेदन, एक व्यक्ति के विषय के आधार पर एक अनुदैर्ध्य विश्लेषण में stereotaxic संरेखण के बाद एफए नक्शे में यानी मतभेद, मस्तिष्क संबंधी बीमारियों की प्रगति के बारे में जानकारी से पता चलता है. डीटीआई आधारित परिणामों की आगे की गुणवत्ता में सुधार के उच्च शोर के स्तर के साथ ढाल दिशाओं की एक नियंत्रित उन्मूलन के आवेदन के द्वारा preprocessing के दौरान प्राप्त किया जा सकता है.

सारांश में, डीटीआई पूरे मस्तिष्क आधारित और पथ आधारित डीटीआई विश्लेषण के संयोजन से अलग मस्तिष्क रोगों की एक अलग WM pathoanatomy परिभाषित करने के लिए प्रयोग किया जाता है.

Introduction

मानव मस्तिष्क में प्रसार tensor इमेजिंग

केंद्रीय तंत्रिका तंत्र में सफेद पदार्थ (WM) इलाकों neuroglia और कोशिकाओं के अन्य छोटी आबादी के विभिन्न प्रकार के अलावा घनी पैक एक्सोन से मिलकर बनता है. एक अक्षतंतु भीतर axonal झिल्ली के रूप में भी अच्छी तरह से गठबंधन प्रोटीन फाइबर मस्तिष्क WM 1 में अनिसोट्रोपिक पानी प्रसार करने के लिए अग्रणी, फाइबर उन्मुखीकरण के लिए पानी प्रसार सीधा प्रतिबंधित करता है. एक्सोन आसपास मेलिन शीथ भी अंतर और बाह्य पानी 2 दोनों के लिए anisotropy से योगदान कर सकते हैं.

इस anisotropy के मात्रात्मक वर्णन प्रसार tensor इमेजिंग (डीटीआई) द्वारा पता लगाया जा सकता है. डीटीआई पानी प्रसार के स्थानीय microstructural विशेषताओं के साथ भारित ऊतकों की छवियों पैदा करता है. प्रत्येक स्थिति में छवि तीव्रता (में प्रतिनिधित्व तथाकथित चुंबकीय प्रसार ढाल की ताकत और दिशा पर निर्भर करता है, तनु हैंबी मूल्य), साथ ही पानी के अणुओं 3 फैलाना जिसमें स्थानीय माइक्रोस्ट्रक्चर, प्रसार गुणांक डी, एक अदिश मूल्य पर:

1 समीकरण
हालांकि, WM में anisotropy के उपस्थिति में, प्रसार अब कोई भी अदिश गुणांक की विशेषता है, लेकिन एक टेंसर आवश्यकता किया जा सकता है 3 समीकरण पहले अनुमान के इन निर्देशों के बीच 4 प्रत्येक दिशा और सहसंबंध साथ आणविक गतिशीलता का वर्णन करता है. प्रसार anisotropy मुख्य रूप WM में फाइबर इलाकों के उन्मुखीकरण के कारण होता है और इसकी सूक्ष्म और macrostructural सुविधाओं से प्रभावित है. Microstructural सुविधाओं की, intraaxonal संगठन फाइबर एक के घनत्व के अलावा प्रसार anisotropy पर सबसे बड़ा प्रभाव का प्रतीत होता हैएन डी सेल पैकिंग, myelination की डिग्री, और व्यक्तिगत फाइबर व्यास. एक macroscopic पैमाने पर, एक इमेजिंग voxel में सभी WM के इलाकों के अभिविन्यास में परिवर्तनशीलता anisotropy 5 की अपनी डिग्री को प्रभावित करती है.

ठेठ डीटीआई माप में, voxel आयाम मिलीमीटर के क्रम में हैं. इस प्रकार, एक voxel हमेशा आमतौर पर कई axons के साथ ही आसपास के पानी के अणुओं को शामिल किया गया पता लगाया है कि मात्रा के अंदर पानी के अणुओं की औसतन जानकारी शामिल हैं. इस multidirectional माहौल के बावजूद, डीटीआई प्रमुख axonal दिशा को संरेखित करता है जो सबसे बड़ा मुख्य धुरी के उन्मुखीकरण के प्रति संवेदनशील है, यानी axonal योगदान मापा संकेत 2 हावी है.

पहला, प्रसार anisotropy 5 और दूसरे के उन्मुखीकरण स्वतंत्र हद, imag में पानी प्रसार के प्रमुख दिशा: डीटीआई पानी प्रसार की संपत्ति के बारे में सूचना के दो प्रकार प्रदान करता हैई voxels, प्रसार अभिविन्यास 6 अर्थात्.

निम्नलिखित में उल्लिखित के रूप में वर्तमान प्रोटोकॉल, समूह स्तर पर विषय समूहों की मात्रात्मक तुलना के लिए DTI विश्लेषण तकनीक की एक रूपरेखा प्रदान करने वाले हैं.

प्रसार संपत्तियों की मात्रा - विश्लेषण पैरामीटर

ख (1 समीकरण) एक टेंसर बन गया है कि इतनी सममित टेंसर के तत्वों के संकेत क्षीणन, जिसके परिणामस्वरूप कम से कम छह गैर समरेख और गैर समतलीय दिशाओं साथ प्रसार ढ़ाल से मापा जा सकता है

2 समीकरण
इस समीकरण ओर्थोगोनल दिशाओं (पार संदर्भ) में आवेदन किया है और भी लागू कर रहे हैं कि इमेजिंग ढ़ाल के बीच रहे हैं कि इमेजिंग और प्रसार ढ़ाल के बीच संभावित बातचीत के लिए लेखांकन की आवश्यकताओर्थोगोनल दिशाओं 4 में.

दूसरी रैंक प्रसार tensor 3 समीकरण हमेशा टेंसर के मुख्य विकर्ण के साथ केवल तीन गैर शून्य तत्वों छोड़ने diagonalized किया जा सकता है, (Eigenvalues ​​यानी समीकरण 4 ). Eigenvalues ​​दीर्घवृत्ताभ के आकार या विन्यास को दर्शाते हैं. दीर्घवृत्ताभ और प्रयोगशाला फ्रेम के प्रिंसिपल निर्देशांक के बीच गणितीय संबंध eigenvectors द्वारा वर्णित है 5 समीकरण

टेंसर डेटा प्रदर्शित करने में कई चुनौतियों का सामना कर रहे हैं, प्रसार ellipsoids की अवधारणा 3 प्रस्ताव किया गया है. इन ई के Eigendiffusivitiesदीर्घवृत्ताभ की सनक के बारे में जानकारी प्रदान करता है, जबकि दीर्घवृत्ताभ की मुख्य धुरी, फाइबर की दिशा के साथ मेल खाता है जो voxel में मुख्य प्रसार दिशा का प्रतिनिधित्व करता है यानी llipsoids, मध्यम के diffusivities की मुख्य दिशा में एकआयामी प्रसार गुणांक का प्रतिनिधित्व anisotropy और इसकी समरूपता की डिग्री. इसलिए, इस तरह आंशिक anisotropy (एफए) के रूप में प्रसार anisotropy मैट्रिक्स 7 में परिभाषित किया जा सकता है.

समीकरण 6
समीकरण 7 सभी Eigenvalues ​​का अंकगणितीय औसत है.

एक अतिरिक्त दृष्टिकोण tractography approa के लिए इसी, मस्तिष्क की WM कनेक्टिविटी को संबोधित करने के प्रसार tensor के प्राचार्य दिशा उपयोग करने के लिए हैजो चर्चा एक दूसरे से जुड़े हुए हैं जो मस्तिष्क के कुछ हिस्सों को जांच करने का इरादा नहीं है. प्रसार tensor के प्रमुख घटक के उन्मुखीकरण प्रमुख axonal इलाकों के उन्मुखीकरण का प्रतिनिधित्व करता है यह मानते हुए कि प्रत्येक वेक्टर फाइबर अभिविन्यास का प्रतिनिधित्व करता है, जिसमें एक 3 डी वेक्टर क्षेत्र प्रदान की जाती है. पहली श्रेणी में फाइबर पथ प्रचार 2,8,9 के प्रत्येक चरण के लिए स्थानीय टेंसर जानकारी का उपयोग कर लाइन प्रचार एल्गोरिदम पर आधारित है: वर्तमान में, दो प्रकार में विभाजित किया जा सकता है जो WM के इलाकों के पुनर्निर्माण के लिए कई अलग अलग दृष्टिकोण हैं. दूसरी श्रेणी पथ आधारित स्थानिक आँकड़े के दृष्टिकोण में जिसके परिणामस्वरूप दो WM के क्षेत्रों के बीच उर्जा सबसे अनुकूल रास्ता खोजने के लिए, वैश्विक ऊर्जा न्यूनतम पर आधारित है (TBSS) ऐसे tractwise आंशिक anisotropy आंकड़े (TFAS के रूप में अन्य एल्गोरिदम में इस्तेमाल किया गया है जो 10 - प्रोटोकॉल पाठ, अनुभाग 2.4 देखें)..

Stereotaxic स्टैंड में परिवर्तनअर्द अंतरिक्ष

अन्य उन्नत एमआरआई तरीकों में की तरह, एक नैदानिक ​​संदर्भ में डीटीआई और एफटी आधारित अध्ययन 11 मीट्रिक कुछ भेदभाव के आधार पर निदान की प्रक्रिया को सुविधाजनक बनाने के क्रम में व्यक्तिगत रोगी के मस्तिष्क आकारिकी वर्गीकृत करने के लिए अंतिम लक्ष्य का पीछा. आम नैदानिक ​​phenotype के एक या अधिक विशिष्ट मस्तिष्क क्षेत्रों या एक विशिष्ट neuroanatomical नेटवर्क को नुकसान के कारण माना जाता है अगर समूह स्तर पर अध्ययन सबसे अधिक प्रासंगिक हैं. इधर, विभिन्न विषयों के परिणाम की औसत microstructural परिवर्तन के आम पैटर्न का आकलन करने के क्रम में उपयोगी है. प्रत्येक व्यक्ति के मस्तिष्क है, ताकि एक दूसरे चरण में औसतन गणित एक voxel द्वारा voxel स्तर पर परिणामों की संभव है stereotaxic अंतरिक्ष में स्थानांतरित किया जाना है. स्थानिक सामान्य बनाने के संकेत करने वाली शोर अनुपात (SNR) में सुधार करने के लिए और रोगियों के नमूने और आगे की तुलना करने के क्रम में विभिन्न विषयों से प्राप्त परिणामों का अंकगणित औसत के लिए अनुमतिROLS एक विशिष्ट विकार के कम्प्यूटेशनल pathoanatomy का विश्लेषण करने के क्रम में, एक विशिष्ट मस्तिष्क प्रणाली का स्वांग के साथ जुड़ा हुआ है जो एक neurodegenerative रोग उदा.

12 से एक मानकीकृत stereotaxic अंतरिक्ष को सामान्य बनाने की जल्दी दृष्टिकोण मस्तिष्क के विभिन्न स्थलों और मस्तिष्क चतुर्भागों के टुकड़ों स्केलिंग की पहचान से जुड़े एक मानक एटलस के लिए एक परिवर्तन कलन विधि का सुझाव दिया. आजकल, उन्नत एमआरआई डेटा विश्लेषण संकुल के अधिकांश मॉन्ट्रियल स्नायविक संस्थान (MNI) stereotaxic अंतरिक्ष 13 को सामान्य बनाने का उपयोग करें. इस बदलाव के लिए, अध्ययन विशिष्ट टेम्पलेट का उपयोग अर्ध स्वचालित और स्वचालित मस्तिष्क पंजीकरण एल्गोरिदम 14,15 विकसित किए गए. डीटीआई में, विशेष ध्यान सामान्य बनाने की प्रक्रिया 16,17 दौरान दिशात्मक जानकारी की रक्षा करने के लिए तैयार हो गया है. डीटी एमआर छवियों स्थानिक परिवर्तनों का आवेदन जो स्थानिक सामान्य बनाने के लिए आवश्यक हैंके सेट डेटा के संग्रह डीटीएस फिर परिवर्तन से प्रभावित है जो orientational जानकारी हो कि इस तथ्य से जटिल वार्पिंग अदिश छवियों, के विपरीत है. इस आशय तब्दील छवि का शारीरिक शुद्धता सुनिश्चित करने के लिए जिम्मेदार होना चाहिए. इधर, डीटीआई डेटा सेट करने के लिए affine परिवर्तनों को लागू करने के लिए तकनीक प्रस्तुत कर रहे हैं.

मस्तिष्क की बीमारियों के लिए DTI के आवेदन

अनुदैर्ध्य डीटीआई डेटा की तुलना एक दूसरे के बीच एक विषय के डेटा का एक संरेखण / पंजीकरण की आवश्यकता है. इस संदर्भ में दिशात्मक जानकारी के संरक्षण (affine परिवर्तनों के दौरान प्रसार tensor यानी रोटेशन) आवश्यक है. Neurodegenerative विकारों के लिए संभावित अनुप्रयोगों (जैसे 18,19) पहले से सूचित किया गया है.

डीटीआई विवो neuropathol में जांच करने के लिए एक मजबूत गैर इनवेसिव तकनीकी उपकरण के रूप में स्थापित कर दिया गया हैWM न्यूरोनल इलाकों के ogy (जैसे 11,20,21,22). प्रसार की प्रक्रिया के डीटीआई आधारित मात्रात्मक मैट्रिक्स, एफए, जैसे पहले से ही इस तरह के स्ट्रोक 20, एकाधिक काठिन्य 23, amyotrophic पार्श्व काठिन्य 24, 25, अल्जाइमर रोग के 26 रूप WM विकृतियों की एक विस्तृत श्रृंखला का अध्ययन करने के लिए संवेदनशील मार्कर होना दिखाया गया है , और कई अन्य WM विकारों 27,28.

इसके अतिरिक्त, एफटी साथ डीटीआई WM के हिस्से 23 की पहचान करने के लिए इस्तेमाल किया जा सकता है. इस तकनीक को अभी भी नियमित नैदानिक ​​प्रयोग में, स्नायविक रोग में मार्ग विशिष्ट असामान्यताओं के मूल्यांकन के लिए एक शक्तिशाली साधन के रूप में उभर रहा है नहीं है. पहचान इलाकों के भीतर, विभिन्न मात्रात्मक एमआरआई सूचकांक डीटीआई डेटा के लिए संरचनात्मक रूप coregistered हैं मापा जा सकता है कि डीटीआई और अतिरिक्त अधिग्रहण (जैसे टी 2 भारित छवियों और / या आकर्षण संस्कार स्थानांतरण (एमटी) इमेजिंग) से निकाली गई. इसके द्वारा, प्रत्येक सूचकांक calcul हो सकता हैपथ के प्रोफाइल के रूप में उनके स्थानिक विभिन्नता चित्रण भूखंडों की चर्चा करते हुए पथ के भीतर स्थिति के एक समारोह के रूप में पैदा.

1.5 पर प्रदर्शन किया गया जो निम्नलिखित, मानव DTI स्कैन में टेस्ला एमआरआई स्कैनर (सीमेंस चिकित्सा, अरलैंगेन, जर्मनी) रोगी समूहों में और साथ ही व्यक्तियों में सफेद बात असामान्यताओं का पता लगाने के लिए विभिन्न तकनीक विश्लेषण की क्षमता की जांच करने के लिए इस्तेमाल किया गया. कलाकृतियों के अन्य प्रकार के साथ गति भ्रष्ट मात्रा और मात्रा के उन्मूलन के लिए एक स्वचालित गुणवत्ता की जांच करने के बाद, मानकीकृत postprocessing प्रक्रियाओं लगातार विश्लेषण के लिए DTI डेटा तैयार करते हैं. अलग विश्लेषण दृष्टिकोण निम्नलिखित में सचित्र, यानी स्थानिक आँकड़े आधारित पहला, पूरे मस्तिष्क (WBSS), दूसरा, एफटी, और तीसरे, Tractwise आंशिक anisotropy आंकड़े (TFAS). जाएगा WBSS आमतौर पर डीटीआई डेटा (VBM / डीटीआई) पर voxel आधारित morphometry / आँकड़े के रूप में जाना जाता है जो voxel आधारित morphometry (VBM) के सादृश्य में चलाता है एक विधि है

Subscription Required. Please recommend JoVE to your librarian.

Protocol

विश्लेषण के तरीके: पूर्व और postprocessing

voxelwise का पता लगाने के कारण - - आइसोट्रोपिक या अनिसोट्रोपिक, या तो संबंधित voxels के लिए फैला हुआ या चपटा प्रसार tensors जिसके परिणामस्वरूप में निम्नलिखित प्रोटोकॉल का काम हो सकता है जो सफेद बात इलाकों भीतर voxelwise प्रसार गुणों का विश्लेषण करने के लिए है. voxel भी tensors parameterization एफए नक्शे की गणना या fibertracts की पहचान (चित्रा 1) या तो के लिए प्रयोग किया जाता है.

निम्नलिखित के रूप में दिखाया विश्लेषण परिणाम प्राप्त करने के लिए, सॉफ्टवेयर पैकेज tensor इमेजिंग और फाइबर ट्रैकिंग (Tift) 17 का उपयोग करें. Tift निम्न आवश्यकताओं के लिए विश्लेषण उपकरण प्रदान करता है:

  • डीटीआई मैट्रिक्स, जैसे एफए नक्शे, के संदर्भ में विश्लेषण
  • stereotaxic सामान्यीकरण
  • एफए के मामले या अन्य डीटीआई मैट्रिक्स में समूह तुलना
  • एफटी के विभिन्न विश्लेषण दृष्टिकोण
  • समूह पर एफटी डी का औसततिवारी डेटा और इसी सांख्यिकीय विश्लेषण.

इन सुविधाओं के एक सॉफ्टवेयर वातावरण 17,29,30,31 में विश्लेषण की एक किस्म के लिए अनुमति देते हैं. Tift सॉफ्टवेयर डीटीआई डेटा विश्लेषण में नए विकल्प के लिए विकास के अंतर्गत लगातार है.

चित्रा 2 कैसे समूह स्तर पर डीटीआई डेटा का विश्लेषण करने के लिए दो पूरक दृष्टिकोण से स्थानिक सामान्य बनाने के बाद, अंत में समूह स्तर पर इस विषय के नमूनों के बीच मतभेद, स्वस्थ नियंत्रण बनाम जैसे कोढ़ दिमाग प्राप्त करने के लिए WBSS द्वारा और TFAS द्वारा दोनों यानी एक योजनाबद्ध सिंहावलोकन देता है. TFAS पूर्व निर्धारित fibertracts पर आधारित है जबकि यहाँ, WBSS, समूह स्तर पर मतभेदों के साथ क्षेत्रों में से एक voxelwise निष्पक्ष पता लगाने के लिए करना है; क्षेत्रों शुरू TFAS या तो स्वतंत्र रूप से चुना जा सकता है या WBSS परिणाम (`आकर्षण के केंद्र 'के से प्राप्त किया जा सकता है काफी) एफए बदल दिया.

एफए नक्शे के व्यक्तिगत अनुदैर्ध्य तुलना detec द्वारा किया जाता हैaffine stereotaxic संरेखण के बाद अलग timepoints पर माप की एफए नक्शे में टिंग मतभेद (चित्रा 2).

  1. भ्रष्ट ढाल दिशाओं के लिए सुधार सहित गुणवत्ता की जांच (क्यूसी)
    भ्रष्ट संस्करणों के मामले में अधिग्रहण, यानी दौरान गति गड़बड़ी के मामले में, एक SNR की वृद्धि टेंसर गणना के लिए एक ढाल दिशाओं (जीडी) को छोड़ने से प्राप्त किया जाता है. उस प्रयोजन के लिए, एक गुणवत्ता की जांच (क्यूसी) एल्गोरिथ्म 32 विकसित किया गया था. संक्षेप में, संस्करणों भ्रष्ट निहित है कि स्कैन के लिए, एक SNR की वृद्धि एक ढाल दिशाओं टेंसर अनुमान से पहले एक समय में एक omitting द्वारा हासिल की है: प्रत्येक जी.डी. के लिए, भारित विचरण में कोण के साथ भार से अनुक्रम में शेष सभी दिशाओं से गणना की जाती है जो वे सूचकांक जी.डी. से मतभेद था.
    1. कमी आई तीव्रता दिखा रहा है कम से कम एक टुकड़ा के साथ जी.डी. पता लगाने के द्वारा एक artifact सुधार प्रदर्शन करना, यानी गति कलाकृतियों सहज सु की वजह bject आंदोलन (चित्रा 3, ऊपरी पैनल). किसी भी प्रसार भारित मात्रा के लिए, प्रत्येक टुकड़ा के लिए मतलब तीव्रता गणना और एक भारित औसत के दृष्टिकोण का उपयोग करके अन्य सभी संस्करणों में एक ही टुकड़ा के साथ इसकी तीव्रता तुलना - भार कारक दो जी.डी. के वैक्टर डॉट उत्पाद है समीकरण 8 :
      समीकरण 9
      समीकरण 10
      समीकरण 11 निगरानी में टुकड़ा का अंकगणितीय औसत तीव्रता अर्थ और427eq12.jpg "/ तुलना के लिए> एक टुकड़ा. रिश्तेदार औसत तीव्रता विचलन समीकरण 13 जी.डी. के डॉट उत्पाद के आधार पर भारित है. इस प्रकार, एक वैश्विक पैरामीटर को परिभाषित करने के क्रम में:
      समीकरण 14
      सभी स्लाइस की slicewise तुलना की न्यूनतम दर्शाता है.
    2. क्यू एक निश्चित सीमा (उदाहरण में, 0.8 का एक सीमा से इस उद्देश्य के लिए प्रयोग किया जाता है) के नीचे है, तो यह है कि पूरी मात्रा को खत्म करने, या जी.डी.. 0.8 की एक सीमा चित्रा 3 बाण के समान पुनर्निर्माण में गति कलाकृतियों दिखाई दिखाता है. एक स्थायी समाधान 32 माना जाता है और क्यूसी कलन विधि से पता चला है. इस उदाहरण में, जी.डी. की कुल संख्या (चित्रा -3 सी में नीले डॉट्स) के बाहर, 17 क्यू से मेल खाती है जो लाल रेखा से नीचे थे = 0.8 और मज़ाld समाप्त किया. एक पूरे के अध्ययन के लिए एक मात्रा उन्मूलन के आँकड़ों का एक उदाहरण चित्रा 3 डी में प्रस्तुत किया है. इस अनुकरणीय अध्ययन में, 29 presymptomatic एच.डी. विषयों के डीटीआई डेटा 30 नियंत्रण के डीटीआई डेटा की तुलना में थे. इस एल्गोरिथ्म की आगे की जानकारी 32, 33 में प्रस्तुत कर रहे हैं.
  2. Preprocessing और स्थानिक सामान्यीकरण
    1. गूंज तलीय इमेजिंग डेटा की एड़ी वर्तमान प्रेरित ज्यामितीय विकृतियों का सुधार 34 से प्रस्तावित विधि द्वारा सेट प्रदर्शन करना.
    2. Stereotaxic सामान्य बनाने के लिए, एक अध्ययन के विशिष्ट (ख = 0) बना सकते हैं - टेम्पलेट और पहले से 17,28,31 वर्णित के रूप में एक एफए टेम्पलेट. असल में, एक पूरी तरह गैर रेखीय stereotaxic सामान्यीकरण तीन विरूपण घटक होते हैं. नतीजतन, जिसके परिणामस्वरूप प्रसार tensor समीकरण 15 प्रत्येक voxel की मैं rotat हो गया है(चित्रा 4) उपरोक्त सभी घुमाव के अनुसार एड:
      1. चित्रा -4 ए बुनियादी समन्वय फ्रेम के लिए पंक्ति में एक कठोर मस्तिष्क परिवर्तन को दर्शाता है. रोटेशन समीकरण 16 बुनियादी समन्वय फ्रेम करने के लिए aligning से उत्पन्न लागू हो गया है
        समीकरण 17
      2. चित्रा 4b स्थलों के अनुसार एक रेखीय विरूपण से पता चलता है. eigenvectors के घटकों 5 समीकरण रेखीय विरूपण के एस (मस्तिष्क क्षेत्र के एक, एक = 1 ... 6 पर निर्भर) के छह सामान्य बनाने के मापदंडों के अनुसार अनुकूलित किया जाना है.
        वी डब्ल्यू, जम्मू एक वी डब्ल्यू, जम्मू'''
        डब्ल्यू = 1,2,3 और जम्मू = एक्स, वाई, जेड.
      3. चित्रा 4c गैर रेखीय मस्तिष्क आकार मतभेद equalizing एक गैर रेखीय सामान्य बनाने से पता चलता है. 3 डी वेक्टर पारियों 3 डी voxel सरणी के प्रत्येक voxel के लिए एक अलग परिवर्तन के लिए अग्रणी प्रत्येक voxel के लिए अलग कर रहे हैं समीकरण 18 ). स्टैंडर्ड त्रिकोणमिति 3 डी वेक्टर बदलाव neighbored voxels के eigenvectors बीच दिशात्मक संबंधों को बनाए रखने के क्रम में 16 की अवधारणाओं का अनुसरण करने से जिसके परिणामस्वरूप, प्रत्येक voxel के लिए स्वतंत्र रूप से एक रोटेशन मैट्रिक्स देता है. इस प्रकार, दो neighbored voxels के अलग पारियों इसी eigenvectors के घुमाव में परिणाम. टेंसर के संरेखण के लिए फैलाव मेट्रिसेस का प्रयोग करें समीकरण 15 करने के लिए प्रत्येक voxel कीआसपास के voxels.
        समीकरण 19
        समीकरण 20 के घटक हैं समीकरण 18
      पूरे सामान्य बनाने की प्रक्रिया चलने का है, एक स्कैनर और अनुक्रम विशेष (ख = 0) बनाने अर्थात् - टेम्पलेट पहले चरण में इस अध्ययन के हिसाब से (ख = 0) के औसत से - रैखिक परिवर्तन के बाद सभी विषयों की मात्रा मैन्युअल के अनुसार स्थलों सेट. इस पहली सामान्य बनाने के बाद, सामान्य matrices के अनुकूलन करने के क्रम में सुधार खाका बनाने. निम्नलिखित कदम 1.2.3 ऊपर 1.2.5 के लिए चित्रा 5a में रेखाचित्र के रूप में कल्पना कर रहे हैं.
    3. इस व्यक्ति को सामान्य बनाने की प्रक्रिया के बाद (सेंटep (मैं) - टेम्पलेट्स 1 टी) - डीटीआई के आंकड़ों मैं 0), सभी व्यक्तिगत DTI डेटा एक अध्ययन के विशिष्ट बनाने के लिए सेट (- टेम्पलेट और एक एफए टेम्पलेट (कदम (ख ख = 0)) का उपयोग करें. एक एफए टेम्पलेट को गैर affine पंजीकरण के रूप में लाभ यह है की तुलना में अधिक विपरीत प्रदान करता है कि है (ख = 0) छवियों 10, सभी अलग - अलग रोगियों की एफए नक्शे और नियंत्रण व्युत्पन्न औसत से एक एफए टेम्पलेट को परिभाषित.
    4. एक दूसरे चरण में, Ashburner और Friston 35 की मूल विचारों के बाद, एक गैर रेखीय MNI सामान्य बनाने डीटीआई डेटा के (चरण (तीन)) एफए नक्शे के क्षेत्रीय तीव्रता के बीच बेमेल फिट होने की कम करके और के सेट प्रदर्शन चुकता मतभेद (एक्स 2) के अनुसार एफए टेम्पलेट - इस तरह, आप डीटीआई डेटा मैं 1 प्राप्त करते हैं.
    5. इन आंकड़ों के आधार पर नए टेम्पलेट्स टी 2 (कदम (चार)) प्राप्त कर रहे हैं. इस व्यक्ति एफए नक्शे और टी के बीच सहसंबंध जब तक प्रक्रिया चलने का दोहराएँवह एफए टेम्पलेट> 0.7 है. आमतौर पर यह दो पुनरावृत्तियों के बाद तक पहुँच जाता है.
  3. पूरे मस्तिष्क आधारित स्थानिक आँकड़े
    निम्नलिखित कदम 1.3.5 के लिए 1.3.1 चित्रा 5 ब में रेखाचित्र के रूप में कल्पना कर रहे हैं.
    1. 1.2 को सामान्य बनाने की प्रक्रिया के संबंध में सामान्यीकृत डीटीआई डेटा से एफए नक्शे की गणना. दिशात्मक जानकारी (कदम (एक)) बनाए रखने के लिए.
    2. Voxelwise सांख्यिकीय तुलना से पहले एक preprocessing कदम के रूप में, व्यक्तिगत सामान्यीकृत एफए नक्शे के लिए एक चौरसाई फिल्टर (कदम (दो)) लागू होते हैं. चौरसाई के लिए, फिल्टर आकार डीटीआई डेटा विश्लेषण 36 के परिणामों को प्रभावित करती है कि इस तथ्य के बारे में विस्तृत रूप में, डेटा की प्रक्रिया करने के लिए इस्तेमाल फिल्टर की चौड़ाई उम्मीद अंतर के आकार के अनुरूप होना चाहिए जो राज्यों मिलान फिल्टर प्रमेय के आवेदन की आवश्यकता neurodegenerative विकारों के साथ रोगियों (जैसे 28) के डीटीआई डेटा को पिछले अनुप्रयोगों में.
    3. सांख्यिकीय कंप्यूटर अनुप्रयोग प्रदर्शन करनाविद्यार्थी t-परीक्षण से रोगी समूहों और इसी नियंत्रण समूह voxelwise बीच arison, (चरण (तीन प्रत्येक voxel अलग के लिए, एफए नक्शे 'नियंत्रण के एफए मूल्यों के साथ एफए नक्शे' रोगियों की एफए मूल्यों की तुलना अर्थात् )). Cortical ग्रे मामला 0.2 37 एफए मूल्यों को दिखाता है के बाद से 0.2 नीचे एफए मूल्यों की गणना के लिए विचार नहीं किया जाता.
    4. सांख्यिकीय परिणाम झूठी खोज दर (एफडीआर) पी में एल्गोरिथ्म <0.05 38 (कदम (चार)) का उपयोग कर कई तुलना के लिए सही करने की है. 512 की एक सीमा क्लस्टर आकार के लिए अग्रणी, पृथक voxels या चौरसाई गिरी के आकार की सीमा में voxels के छोटे अलग समूहों का सफाया कर दिया कि - अल्फा त्रुटि की आगे की कमी एक स्थानिक सहसंबंध एल्गोरिथ्म (कदम (वी) क्लस्टरिंग) के द्वारा प्रदर्शन किया जा रहा है voxels.
    5. एक रूपात्मक पृष्ठभूमि (कदम (वी)) पर परिणामों को प्रदर्शित करने के हिसाब से MNI अंतरिक्ष और औसत के सेट 3 डी T1 भारित डेटा मानक के अनुसार. इस सामान्यीकरण पी प्रदर्शन करनाडीटीआई डेटा पर लागू सामान्य बनाने के लिए सादृश्य में एक अध्ययन के विशिष्ट टेम्पलेट का उपयोग करके rocedure 17 सेट.

चित्रा 6 ए एल एस रोगियों बनाम नियंत्रण के पूरे मस्तिष्क आधारित स्थानिक आँकड़े (WBSS) के परिणामों से पता चलता है. चित्रा 6a एक बाण के समान में कमी आई एफए मूल्यों की स्थानीय अधिकतम पता चलता है, coronar और अक्षीय दृश्य (, पी <0.01 पर thresholded कई के लिए सही तुलना). चित्रा 6b TFAS के लिए आधार के रूप में इस्तेमाल किया corticospinal पथ में शुरू अंक के साथ projectional एफटी से पता चलता है. चित्रा 6c एक ALS रोगियों के नमूने और मिलान नियंत्रण में बीच स्थानिक आँकड़े (WBSS) के आधार पर पूरे दिमाग से पता लगाया एफए नक्शे में समूह मतभेद से पता चलता है एक slicewise दृश्य.

  1. Tractography और tractwise आंशिक anisotropy आंकड़े (TFAS)
    7 चित्रा 1 में वर्णित के रूप में TFAS सहित समूह आधारित एफटी की प्रक्रिया को दिखाता है.4.1 1.4.4 करने के लिए ऊपर.
    1. समूह आधारित एफटी एल्गोरिदम को लागू करने के लिए, उत्पन्न DTI डेटा एक साथ पहले 17 वर्णित विधि के अनुसार मरीजों के डेटा और नियंत्रण से 'से डेटा सेट औसत. यह औसतन 16 से वर्णित तकनीकों के अनुसार सामान्य बनाने की प्रक्रिया के दौरान संरक्षित है जो orientational जानकारी के सावधान उपचार की आवश्यकता है - विवरण 30 को देखने के लिए.
    2. एक कारगर बनाने ट्रैकिंग तकनीक 31 के आवेदन के द्वारा विषय समूहों की औसतन डीटीआई डेटा सेट में tractography प्रदर्शन करना. लगातार एफटी विश्लेषण के लिए आधार हैं जो पूरे मस्तिष्क आधारित एफए विश्लेषण द्वारा स्थानीय मॅक्सिमा से सटे मैन्युअल परिभाषित बीज अंक पहचानें. बीज की पहचान करने के बाद, tractography प्रदर्शन और निम्न TFAS 30 के लिए एक समूह विशेष के मुखौटा के रूप में चित्रित फाइबर की voxels परिभाषित.
    3. Tractography परिणाम यों के क्रम में वें का उपयोग करके TFAS की तकनीक को लागूऔसतन डीटीआई डेटा पर बनाए गए ई फाइबर इलाकों के मरीजों के लिए और नियंत्रण 'एफए नक्शे के बीच तुलना करने के लिए योगदान है कि voxels के चयन के लिए प्रत्येक समूह (रोगी डेटा और नियंत्रण डेटा के साथ) के सभी विषयों का सेट.
    4. विद्यार्थी t-परीक्षण से सांख्यिकीय विश्लेषण के लिए 0.2 ऊपर एक एफए मूल्य के साथ सभी परिणामी voxels पर विचार करें.
    5. अगर वांछित, TFAS तकनीक ऐसी मतलब diffusivity के रूप में किसी भी व्युत्पन्न डीटीआई मैट्रिक्स, (एमडी), रेडियल anisotropy, अक्षीय anisotropy, आदि (एक उदाहरण के लिए, 28 देखें) के लिए आवेदन किया जा सकता है.
    6. परिणाम MNI-सामान्यीकृत 3 डी T1 भारित डेटा सेट से मिलकर रूपात्मक पृष्ठभूमि पर प्रदर्शित कर रहे हैं

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

1. Hyperkinetic विकारों के साथ QC और मरीजों के डेटा के लिए आवेदन में भ्रष्ट ढाल दिशाओं के लिए सुधार

क्यूसी के आवेदन और बाद मात्रा बहिष्कार (भ्रष्ट जी.डी. के लिए सुधार से एक परिणाम के रूप में) के प्रभाव के लिए एक उदाहरण के रूप में, चित्रा 8 29 premanifest Huntington रोग के समूह की तुलना के लिए मात्रा बहिष्कार के साथ और बिना पूरे मस्तिष्क आधारित स्थानिक आँकड़ों में अंतर से पता चलता है 30 साल की उम्र और लिंग बनाम विषयों नियंत्रण का मिलान नहीं हुआ. स्कैनिंग प्रोटोकॉल 1.5 टेस्ला Magnetom सिम्फनी (सीमेंस चिकित्सा, अरलैंगेन, जर्मनी) पर प्रदर्शन किया गया था. डीटीआई अध्ययन प्रोटोकॉल रोगियों और नियंत्रण के लिए समान था और 64 ढाल दिशाओं (ख = 1000 सेकंड / 2 मिमी) का प्रतिनिधित्व 72 संस्करणों (40 स्लाइस, 96 x 96 पिक्सल, टुकड़ा मोटाई 2.3 मिमी, पिक्सेल आकार 2.3 x 2.3 मिमी), के शामिल न्यूनतम प्रसार भार (ख = 100 सेकंड / 2 मिमी) के साथ और 8 स्कैन. गूंज समय (ते) और पुनरावृत्ति समय (टी.आर.) डब्ल्यूअरे क्रमशः 90 मिसे और 8000 मिसे,.

2. त्वचा का रूखापन Pigmentosum में डीटीआई

त्वचा का रूखापन Pigmentosum (XP) के अंतर्निहित डीएनए की मरम्मत दोष उम्र बढ़ने की प्रक्रिया 39,40 में एक केंद्रीय भूमिका निभाता है जहां एक दुर्लभ ऑटोसोमल रिसेसिव progeroid सिंड्रोम है. Cerebromorphological फेनोटाइप चिह्नित करने के लिए एक multiparametric एमआरआई दृष्टिकोण डीटीआई, बड़ा माप, और एमआर स्पेक्ट्रोस्कोपी (1 एच मिसेज) सहित नियंत्रण 41, की तुलना में macrostructural और microstructural मस्तिष्क आकारिकी का आकलन करने के क्रम में विभिन्न उपप्रकार के सात XP के रोगियों में इस्तेमाल किया गया था.

एमआरआई प्रोटोकॉल एक मानक headcoil से लैस 1.5 टेस्ला एमआर प्रणाली (Magnetom सिम्फनी, सीमेंस, अरलैंगेन, जर्मनी), पर अधिग्रहण कर लिया था. T1 भारित (T1w) स्कैन का एक टुकड़ा मोटाई के साथ 196 स्लाइस के शामिल 1.0 मिमी (256 x 256 पिक्सल, पिक्सेल आकार 1.0 x 1.0 मिमी). ते और टी.आर. क्रमश: 12 मिसे और 456 मिसे थे. डीटीआई अध्ययन आद्यकर्नल ढाल 0 (ख = 0) के साथ 12 ढाल दिशाओं और एक स्कैन का प्रतिनिधित्व 13 संस्करणों (45 स्लाइस, 128 x 128 पिक्सल, टुकड़ा मोटाई 2.2 मिमी, पिक्सेल आकार 1.5 x 1.5 मिमी), शामिल थे. ते और टी.आर. क्रमश: 93 मिसे और 8000 मिसे थे, ख 800 सेकंड / 2 मिमी था और पांच स्कैन छवि अंतरिक्ष में स्कैनर सॉफ्टवेयर द्वारा ऑनलाइन औसतन थे.

XP के विषयों के नैदानिक ​​और जनसांख्यिकीय विविधता के कारण, तुलना समूह स्तर पर प्रदर्शन नहीं किया गया था बल्कि एक जोड़ो तरीके से, प्रत्येक XP के विषय एक उम्र और लिंग मिलान नियंत्रण की तुलना में विश्लेषण किया गया था अर्थात्. एफए नक्शा तुलना आंतरिक कैप्सूल में, ऊपरी corticospinal पथ में, चेतक में स्थित ROIs के लिए प्रदर्शन किया, और महासंयोजिका में किया गया था. इसके अलावा, दिशात्मकता परिवर्तन चेतक में शुरू अंक के साथ, एफटी और लगातार TFAS के जोड़ो में तुलना की गई. डीटीआई, जांच की सभी क्षेत्रों में यानी वें काफी कम WM दिशात्मकता का प्रदर्शनई चेतक, craniocaudal फाइबर और interhemispheric कनेक्शन (9 चित्रा) दोनों को शामिल फाइबर अनुमानों की मात्रा और दिशात्मकता कटौती के साथ corticospinal इलाकों और पृष्ठीय महासंयोजिका,. अध्ययन नमूना बीच विषम हालांकि इन निष्कर्षों, Clinico-स्नायविक लक्षण के साथ सहसंबद्ध किया जा सकता है. इमेजिंग निष्कर्ष माइलिन संरचनाओं के रूप में 41 में चर्चा XP के रोगियों के मस्तिष्क में समय से पहले ही नीचा है कि स्थिति का समर्थन है.

Neurodegeneration में डीटीआई (मोटर न्यूरॉन रोग)

संरचनात्मक एमआरआई विश्लेषण 42,43 और साथ ही ए एल एस रोगियों 21 में ज्ञानेन्द्रिय कार्यात्मक कनेक्टिविटी परिवर्तन से amyotrophic पार्श्व काठिन्य (ए एल एस) रोगियों में morphological परिवर्तन हाल ही में सूचना दी गई है. इस काम में, विश्लेषण के तरीकों WBSS और TFAS के आवेदन के लिए एक उदाहरण के रूप में, बीस ALS रोगियों multiparametric एमआरआई द्वारा जांच की गई. सेवकार्यात्मक रेटिंग स्केल (ए एल एस-एफआरएस आर) (35.9 ± 8.0) उदारवादी, और रोगियों में से कोई भी हल्के के रेंज में था संशोधित ए एल एस के साथ मापा के रूप में शारीरिक लक्षणों के erity frontotemporal पागलपन के neuropsychological लक्षण दिखाई. नियंत्रण समूह के रूप में बीस साल की उम्र और लिंग मिलान स्वस्थ नियंत्रण स्कैन किया गया.

स्कैनिंग प्रोटोकॉल 1.5 टेस्ला Magnetom सिम्फनी (सीमेंस चिकित्सा, अरलैंगेन, जर्मनी) पर प्रदर्शन किया गया था. डीटीआई अध्ययन प्रोटोकॉल रोगियों और नियंत्रण के लिए समान था और (ढाल 0 से 12 ढाल दिशाओं और एक स्कैन का प्रतिनिधित्व 13 संस्करणों (45 स्लाइस, 128 x 128 पिक्सल, टुकड़ा मोटाई 2.2 मिमी, पिक्सेल आकार 1.5 x 1.5 मिमी), के शामिल ख = 0). ते और टी.आर. क्रमश: 93 मिसे और 8000 मिसे थे, ख 800 सेकंड / 2 मिमी था और पांच स्कैन छवि अंतरिक्ष में स्कैनर सॉफ्टवेयर द्वारा ऑनलाइन औसतन थे.

ए एल एस समूह के लिए परिणाम बाद में, सीएसटी और सीसी के बड़े हिस्से के साथ व्यापक एफए कटौती दिखाया मैंHofer और Frahm स्कीम 44 के अनुसार खंड तृतीय ncluding लेकिन उदर और पृष्ठीय सीसी क्षेत्रों (चित्रा 6) से परे तक पहुँचने. ए एल एस समूह के लिए परिणाम सहित बाद में सीएसटी और सीसी के बड़े हिस्से के साथ व्यापक एफए कटौती, पता चला तृतीय Hofer और Frahm स्कीम 44 के अनुसार लेकिन उदर और पृष्ठीय सीसी क्षेत्रों (चित्रा 6) को परे तक पहुँचने खंड.

एक और उदाहरण के प्रयोग से, अन्य मोटर न्यूरॉन रोग (MND), यानी ए एल एस, प्राथमिक पार्श्व काठिन्य (PLS), और शुद्ध (pHSP) और जटिल (cHSP) में subdivided वंशानुगत अंधव्यवस्थात्मक paraparesis (HSP) में WM भागीदारी पैटर्न की जांच थी डीटीआई विश्लेषण के एक दो गुना दृष्टिकोण की: एफए नक्शे पर WBSS एफटी परिणाम और बाद TFAS से पूरित किया गया था. ए एल एस और PLS नमूने के डीटीआई आधारित तुलना में अच्छी तरह से 45 के रूप में अन्य लेखकों द्वारा वर्णित किया गया है. PLS समूह विश्लेषण कमी आई एफए alon के एक समान पैटर्न से पता चलाजी सीएसटी शरीर रचना सीसी की भागीदारी के रूप में चिह्नित है, लेकिन ए एल एस की तुलना में कम व्यापक और खंड तृतीय के लिए अधिक प्रतिबंधित किया गया था. pHSP नमूना विश्लेषण मोटर खंड सहित पृष्ठीय सीसी के बड़े हिस्से पर बढ़ाया ए एल एस समूह में मनाया पैटर्न के समान इस संरचना के भीतर अधिक घिरा क्षेत्रों सीसी परिवर्तन थे जबकि, शामिल है जो सीएसटी में एफए कटौती का प्रदर्शन किया. अंत में, cHSP समूह पूरा सीएसटी संरचना और बड़े पृष्ठीय और भी सीसी के उदर भागों सहित एक बड़ी जुड़े क्लस्टर के लिए जमा हुए जो कमी आई एफए के सबसे बड़े क्षेत्रों दिखाया. सारांश में, अलग MND के साथ 72 रोगियों की कुल में नियंत्रित डीटीआई विश्लेषण विभिन्न रोग संस्थाओं के रोग प्रक्रियाओं के भीतर अलग मस्तिष्क क्षेत्रों की भागीदारी के साथ सहसंबद्ध विशेषता घाव पैटर्न दिखाया. विस्तृत विवरण और चर्चा के लिए, 22,28,46 के लिए कृपया देखें

3. अनुदैर्ध्य तुलना के लिए डीटीआई >

अनुदैर्ध्य तुलना, तृतीय ° स्कैन किया गया डब्ल्यूएचओ बायोप्सी साबित anaplastic oligoastrocytoma के साथ एक 46 वर्षीय मरीज में डीटीआई के आवेदन के लिए एक उदाहरण के रूप में. पूरी सर्जरी के बाद मरीज संयुक्त radio-/chemotherapy और सहायक कीमोथेरपी के 6 चक्र प्राप्त किया.

डीटीआई एक अनुदैर्ध्य डिजाइन में क्षेत्रीय और वैश्विक WM अखंडता की स्थिति को चित्रित करने के क्रम में यानी संयुक्त radio-/chemotherapy और 2, 5, इससे पहले 4 timepoints पर हासिल कर ली, और 9 महीने radio-/chemotherapy के बाद किया गया था.

स्कैनिंग प्रोटोकॉल 1.5 टेस्ला Magnetom सिम्फनी (सीमेंस चिकित्सा, अरलैंगेन, जर्मनी) पर प्रदर्शन किया गया था. डीटीआई अध्ययन प्रोटोकॉल 48 ढाल दिशाओं और ढाल 0 से चार स्कैन (ख = 0) का प्रतिनिधित्व 52 संस्करणों (64 स्लाइस, 128 x 128 पिक्सल, टुकड़ा मोटाई 2.8 मिमी, पिक्सेल आकार 2.0 x 2.0 मिमी), शामिल थे. ते और टी.आर. क्रमश: 95 मिसे और 8000 मिसे थे, ख 1000 सेकंड / 2 मिमी था.

ntent "> चित्रा 10 exemplarily डीटीआई स्कैन radio-/chemotherapy और DTI स्कैन के बाद 7 महीने बाद timepoints के 2 और 4 के अर्थात् स्कैन. WBSS खंड 1.3 के अनुसार किया जाता है के बीच एफए नक्शे में अंतर को प्रदर्शित करता है. की एक एफए सीमा के साथ 0.15, एफडीआर सही.

चित्रा 1
चित्रा 1. डीटीआई में, एक voxel दीर्घवृत्ताभ के रूप में सचित्र एक प्रसार tensor, गणना करने के axons की कई बंडलों के प्रसार गुणों का प्रतिनिधित्व करता है. प्रत्येक voxel के लिए, टेंसर जानकारी आंशिक anisotropy (एफए) नक्शे में parameterized किया जा सकता है या फाइबर ट्रैकिंग (एफटी) के लिए इस्तेमाल किया.

27fig2.jpg "/>
चित्रा 2 ऊपरी पैनल:. एक गुणवत्ता की जांच (क्यूसी) और इसी मात्रा उन्मूलन (VE), डीटीआई मैट्रिक्स, जैसे एफए नक्शे गणना की जा सकता है के बाद. (दाएं) अनुदैर्ध्य एफए नक्शे की तुलना के लिए अनुमति देता है या stereotaxic संरेखण अगले चरण में, या तो stereotaxic सामान्य बनाने (बाएं) समूह स्तर (TFAS - - WBSS और / या tractwise आंशिक anisotropy आँकड़े स्थानिक आंकड़े के आधार पूरे मस्तिष्क) में तुलना के लिए अनुमति देता है . ये विश्लेषण या तो समूह स्तर (बाएं) में अंतर करने के लिए नेतृत्व या एकल विषय डीटीआई डेटा (दाएं) के भीतर अनुदैर्ध्य मतभेदों का पता लगाने. बड़ा आंकड़ा देखने के लिए यहां क्लिक करें .

les/ftp_upload/50427/50427fig3.jpg "/>
चित्रा 3. (एक) प्रतिनिधि गति क्यूसी कलन विधि द्वारा पता लगाया गया था जो कम तीव्रता के साथ अक्षीय टुकड़ा भ्रष्ट. (ख) खंगाला बाण के समान मात्रा में संबंधित स्थानीयकरण, एक सफेद तीर द्वारा संकेत दिया. गति भ्रष्टाचार भी नेत्रहीन आसन्न अक्षीय स्लाइस की तुलना में एक रिश्तेदार तीव्रता घटाने के संकेत है. (ग) कुल 17 ढाल दिशाओं में 0.8 (लाल रेखा) की एक सीमा के आवेदन के द्वारा मात्रा उन्मूलन के लिए पाया गया. काला तीर की मात्रा इंगित करता है (क) और (ख) (घ) खंड उन्मूलन आंकड़े (सफाया ढाल दिशाओं की संख्या - जी डी). 29 presymptomatic Huntington रोग विषयों (पी एस) और 30 नियंत्रण के लिए.

चित्रा 4
(एक) अनुवाद और रोटेशन से कठोर मस्तिष्क परिवर्तन बुनियादी समन्वय फ्रेम के लिए पंक्ति में. (ख) रैखिक विरूपण स्थलों के अनुसार. eigenvectors के घटक रैखिक विरूपण के अनुसार अनुकूलित किया जा सकता था. (ग) गैर रेखीय सामान्य बनाने के लिए गैर रेखीय मस्तिष्क आकार मतभेद equalizing. 3 डी वेक्टर पारियों neighbored voxels के eigenvectors बीच दिशात्मक संबंधों को बनाए रखने के क्रम में 3 डी voxel सरणी के प्रत्येक voxel के लिए एक अलग परिवर्तन के लिए अग्रणी प्रत्येक voxel के लिए अलग थे.

चित्रा 5
चित्रा 5. एक चलने का टेम्पलेट विशेष MNI-n के लिए (एक) योजनाबद्ध उदाहरणormalization: डीटीआई के आंकड़ों मैं 0 की औसत के गणित से, स्थलों पर आधारित एक 1 सेंट सामान्य बनाने के कदम के बाद, पहली टेम्पलेट्स टी 1 ((ख = 0) टेम्पलेट और एफए टेम्पलेट) प्राप्त किया गया. इसके बाद में एक प्रक्रिया चलने का, सामान्यीकृत डीटीआई के आंकड़ों मैं 1 पहले से परिभाषित टेम्पलेट्स (टी 1) के लिए गैर रेखीय सामान्य बनाने के द्वारा प्राप्त किया गया. इन नव सामान्यीकृत डीटीआई के आंकड़ों मैं 1 से, नए टेम्पलेट (टी 2) फिर से सामान्य बनाने के लिए इस्तेमाल किया जा सकता है, जो प्राप्त किए गए. इस प्रक्रिया चलने का डीटीआई के आंकड़ों और टेम्पलेट्स के बीच एक पूर्वनिर्धारित संयोग (सहसंबंध द्वारा उपाय) तक पहुँच गया था जब बंद कर दिया है (ख) के लिए योजना पहले पूरे मस्तिष्क आधारित स्थानिक आंकड़ों के डेटा पूर्व प्रसंस्करण (WBSS):. एफए नक्शे से गणना कर रहे हैं सामान्यीकृत डीटीआई डेटा और व्यक्तिगत सामान्यीकृत एफए नक्शे के लिए एक चौरसाई फिल्टर लागू किया जाता है. एक लगातार चरण में, रोगी समूहों और इसी नियंत्रण समूह के बीच voxelwise सांख्यिकीय तुलना पे हैrformed. अल्फा त्रुटि की और कमी के लिए झूठी खोज दर (एफडीआर) एल्गोरिथ्म और एक क्लस्टरिंग प्रक्रिया का उपयोग कर कई तुलना के लिए सुधार के बाद, परिणाम एक रूपात्मक पृष्ठभूमि पर प्रदर्शित कर रहे हैं. बड़ा आंकड़ा देखने के लिए यहां क्लिक करें .

चित्रा 6
ए एल एस रोगियों बनाम नियंत्रण के पूरे मस्तिष्क आधारित स्थानिक आँकड़े (WBSS) की चित्रा 6. परिणाम. एक बाण के समान में कमी आई एफए मूल्यों (क) स्थानीय अधिकतम, coronar और अक्षीय दृश्य (कई तुलना के लिए सही पी <0.01, पर thresholded ) (ख) TFAS के लिए आधार के रूप में इस्तेमाल किया corticospinal पथ में शुरू अंक के साथ एफटी (ग) (एनीमेशन 1):.. एफए मा में समूह मतभेद पुनश्च slicewise दृश्य में ए एल एस रोगियों और मिलान नियंत्रण का एक नमूना के बीच स्थानिक आँकड़े (WBSS) के आधार पर पूरे दिमाग से पता लगाया. बड़ा आंकड़ा देखने के लिए यहां क्लिक करें .

7 चित्रा
7 चित्रा (एनीमेशन 2):. समूह पर फाइबर ट्रैकिंग (एफटी) महासंयोजिका (बाएं) और corticospinal पथ (दाएं) में शुरू अंक के साथ डेटा (नियंत्रण) औसत. बड़ा आंकड़ा देखने के लिए यहां क्लिक करें .

fig8highres.jpg "src =" / files/ftp_upload/50427/50427fig8.jpg "/>
8 चित्रा विरूपण साक्ष्य सुधार से पहले पूरे मस्तिष्क आधारित स्थानिक आँकड़े. (मात्रा उन्मूलन - VE) (बाएं) और विरूपण साक्ष्य सुधार (दाएं) के बाद, पी <0.05, झूठे खोज दर (एफडीआर) सुधारा प्रत्येक). ठंड के रंग में एफए वृद्धि, गर्म रंग में एफए कमी.

9 चित्रा
9 चित्रा त्वचा का रूखापन Pigmentosum (XP) के ऊपरी पंक्ति के साथ एक विषय के लिए multiparametric एमआरआई:.. Coronar, बाण के समान, और अक्षीय दृश्य में T1 भारित पारंपरिक एमआरआई पोस्ट विपरीत. समान के साथ एफए नक्शे (प्रदर्शन सीमा 0.2):. ललाटपार्श्विकास्थिक सफेद पदार्थ के भीतर perifocal शोफ मध्य पंक्ति के साथ एक बाएँ hemispheric विपरीत बढ़ाकर घाव पर ध्यान देंध्यान केंद्रित लोअर पंक्ति: चेतक में बीज अंकों के साथ एफटी परिणाम - बाएँ:. XP के विषय, सही: 7 नियंत्रण से औसत एफटी.

चित्रा 10
चित्रा 10. बायोप्सी साबित anaplastic oligoastrocytoma साथ रोगी डब्ल्यूएचओ तृतीय डिग्री और पूरा सर्जरी और संयुक्त radio-/chemotherapy और सहायक कीमोथेरपी. 7 महीने का समय अंतराल के साथ दो बाद में स्कैन के बीच एफए नक्शे में अनुदैर्ध्य मतभेद (एफए अंतर 0.15, एफडीआर सही).

Subscription Required. Please recommend JoVE to your librarian.

Discussion

डीटीआई डेटा के इंटर विषय औसतन क्रमश: प्रसार आयाम (एफए जानकारी के उपयोग के द्वारा) और प्रसार की दिशा (एफटी के आधार पर) के लिए सम्मान के साथ प्राप्त किया जा सकता है. एफए नक्शे की औसत WBSS और TFAS द्वारा विषय समूहों के सांख्यिकीय तुलना के लिए अनुमति देता है. इस पद्धति ढांचे अंतर - विषय औसत और समूह तुलना के साथ डीटीआई तकनीक के लिए एक परिचय देता है. Stereotaxic सामान्य बनाने और समूह स्तर पर एफए नक्शे की तुलना विषय समूहों के बीच मतभेद यों तो कई संभावनाओं के लिए अनुमति देता है. WBSS और TFAS मस्तिष्क परिवर्तन, जैसे neurodegenerative रोगों की एक समूहवार समान पैटर्न के साथ विषयों के समूह में समूह स्तर पर मतभेद को मापने के लिए एक प्रोबेट तरह से हो रहा है. विषम नैदानिक ​​phenotypes के साथ विकारों के लिए, समूह स्तर पर एक विश्लेषण दृष्टिकोण का इस्तेमाल नहीं किया जा सकता है, लेकिन XP रोगियों में अध्ययन में जैसे प्रदर्शन के रूप में एक जोड़ो तरीके से नहीं बल्कि एक विश्लेषण, उपयुक्त हो सकता है.एक मामले स्तर पर इस डीटीआई आधारित ब्रेन मैपिंग एक और नैदानिक ​​संदर्भ में, preneurosurgical निदान का एक महत्वपूर्ण और मूल्यवान तत्व के रूप में पंजीकरण के बाद frameless stereotaxy / neuronavigational सिस्टम में विभिन्न गैर इनवेसिव न्यूरोइमेजिंग उपकरण और उनके सह एकीकरण के संयोजन यानी भी महत्वपूर्ण है . ऐसे fMRI तकनीक, डीटीआई, मिसेज, पोजीट्रान एमिशन टोमोग्राफी (पीईटी), उपयोगी संयोजन के विकल्पों के साथ एक फोटान उत्सर्जन गणना टोमोग्राफी (SPECT), और magnetoencephalography (एमईजी) के रूप में विभिन्न तकनीकी दृष्टिकोण (जैसे 47,48,49) नैदानिक ​​उपयोग में हैं .

आम तौर पर, डीटीआई आधारित तकनीकों वे केवल मिलीमीटर के क्रम में एक एमआरआई विशेष के संकल्प के साथ सफेद पदार्थ में दिशात्मकता का विश्लेषण करने में सक्षम हैं में सीमित हैं. एफटी पुनर्निर्माण सबसे संभावित axonal फाइबर दिशात्मकता, नहीं axonal संरचनाओं खुद को कल्पना करने में सक्षम. इस प्रकार, यह छवि एक्सोन घ डीटीआई से संभव नहीं होगाirectly. डीटीआई डाटा अधिग्रहण और यहाँ वर्णित के रूप में लगातार विश्लेषण के विशिष्ट सीमाओं पहले एक निश्चित पूर्वनिर्धारित स्कैनिंग समय के भीतर प्राप्त किया जा सकता है, जो स्थानिक संकल्प हैं. हालांकि, इस अधिग्रहण उम्र की वजह से कमी आई शारीरिक क्षमता और रोगग्रस्त शर्तों के साथ विषयों खड़े हो सकता है क्या द्वारा सीमित है. प्रतिबंधित voxel आकार तंतुओं को पार करने के साथ क्षेत्रों को हल करने में कठिनाइयों की ओर जाता है. दूसरा, यहाँ प्रस्तुत ज्यादातर अध्ययनों 12 प्रसार भारित ढाल दिशाओं के साथ प्रदर्शन किया गया - जैसे एक डीटीआई स्कैनिंग प्रोटोकॉल पर्याप्त गुणवत्ता के साथ एफए मानचित्रण के लिए अनुमति देता है. 12 ढाल दिशाओं के साथ एफटी बड़ा अक्षतंतु फाइबर संरचनाओं में उचित परिणाम से पता चलता है, लेकिन, एक तिहाई सीमा के रूप में, समस्याओं को पार फाइबर के क्षेत्रों में और कोई अलग फाइबर संरचनाओं दिया स्थानिक संकल्प में अलग किया जा सकता है, जहां क्षेत्रों में हो सकता है. पार करने के तंतुओं को हल करने के लिए सुझाव पहला सिद्धांत में histo के याद करते हैं जो "तेजी से अग्रसर" एल्गोरिथ्म 50 थेपार करने फाइबर क्षेत्र के माध्यम से बड़े कदम के साथ पथ और जुलूस की ry, और दूसरा तथाकथित "क्यू गेंद" ढाल दिशाओं की एक बड़ी संख्या के अधिग्रहण से (> 100) में एक से अधिक दिशा का पता लगाने के लिए अनुमति देता है जो इमेजिंग 51 एक एकल voxel. Multidirectional फाइबर वास्तुकला के बारे में विस्तृत जानकारी प्राप्त करने के लिए एक अलग दृष्टिकोण अतिरिक्त दिशात्मक अधिग्रहण योजनाओं (जैसे 129 प्रसार एन्कोडिंग ढाल दिशाओं) मानक डीटीआई 52 से फाइबर क्रॉसिंग के साथ क्षेत्रों पर अधिक जानकारी देने जहां उच्च कोणीय संकल्प प्रसार भारित इमेजिंग (HARDI) है. एफटी के लिए कई विकल्प Tift में लागू किया गया: ट्रैकिंग 2,3, टेन्सर विक्षेपन 53, फास्ट अग्रसर-एल्गोरिथ्म 50, और उन तकनीकों का 31 संशोधनों को कारगर बनाने के. एफटी एल्गोरिथ्म के चुनाव विश्लेषण रणनीति को प्रभावित नहीं करता, कार्यान्वित एफटी एल्गोरिदम का प्रत्येक टी में विश्लेषण की प्रक्रिया के दौरान इस्तेमाल किया जा सकता है यानीवह समूह स्तर. कोई सामान्य अनुकूलित एफटी तकनीक मौजूद है के बाद से एफटी तकनीक के चुनाव अध्ययन ने संबोधित विशिष्ट प्रश्न पर निर्भर करता है. एफटी एल्गोरिदम का उपन्यास के घटनाक्रम (जैसे 54) विशेष रूप से पार करने फाइबर संरचनाओं को हल करने में, आगे के परिणाम में सुधार करने में मदद कर सकता है. एक पूरी तरह से अलग दृष्टिकोण (परिचय देखें) TBSS 10 का उपयोग किया जाएगा.

नैदानिक ​​दिनचर्या एमआरआई प्रोटोकॉल 2 मिमी के क्रम में जगह कम है, यानी voxel के प्रस्तावों और संकेत राशि की सीमित संख्या (एसए) और ढाल दिशाओं (जी डी जाने की आवश्यकता है जब इस अध्ययन में बताया प्रसंस्करण पाइपलाइन मुख्य रूप से नैदानिक ​​अध्ययन के लिए विकसित किया गया था ), 50 से 80 के क्रम में यानी एसए एक्स जी.डी. उपयोग किया जाता है. पढ़ाई उच्च संकल्प DTI स्कैन (टुकड़ा मोटाई सहित voxel प्रस्तावों <1.5 मिमी और जी.डी. सहित उच्च संकल्प टेंसर स्कैनिंग> पर ध्यान केंद्रित करने के लिए संकेत accumulatio की एक निश्चित संख्या के साथ 50एनएस (एसए> 2), यानी एसए एक्स जी.डी.> 100, सटीक स्थानिक सामान्य बनाने के लिए एक वैकल्पिक अलग संरचनात्मक डेटा पर उच्च आयामी वार्पिंग एल्गोरिदम का इस्तेमाल होता है 55 सेट. इसके अलावा, इस अध्ययन में बताया postprocessing आंतरिक रूप से एक सामान्य बनाने की प्रक्रिया चलने की जरूरत की आवश्यकता है जो एक अध्ययन के विशिष्ट टेम्पलेट का उपयोग पर आधारित है. एक वैकल्पिक एक अध्ययन विशिष्ट टेम्पलेट को stereotaxic सामान्य बनाने के सुधार सटीकता का लाभ नहीं ले जाना होगा कि दोष के साथ एक stereotaxically मानकीकृत डीटीआई टेम्पलेट को न चलने का सामान्यीकरण किया जा सकता है. स्थानिक सामान्यीकृत डेटा सेट पर फुट चल रहा है की एक सीमा है कि ट्रैकिंग सामान्य बनाने की प्रक्रिया द्वारा सीमित किया जा सकता है, यानी रैखिक और गैर रेखीय सामान्य बनाने के कदम टेंसर दिशात्मकता की मामूली अशुद्धियों को ले जा सकता है. दूसरी ओर, वैश्विक ट्रैकिंग 54 जैसे उच्च कोणीय संकल्प प्रसार इमेजिंग डेटा पर है कि काम की तरह एल्गोरिदम

इसके अतिरिक्त, विश्लेषण की प्रक्रिया में सबसे महत्वपूर्ण कदम एक दूसरे के डीटीआई डेटा का सही सह पंजीकरण है. गरीब सह पंजीकरण झूठी सकारात्मक या नकारात्मक झूठी परिणामों को जन्म दे सकता है. सह पंजीकरण की गुणवत्ता में सुधार करने के लिए, अध्ययन के विशिष्ट टेम्पलेट्स के उपयोग से सामान्य बनाने की प्रक्रिया के चरित्र चलने का डाटा प्रोसेसिंग में एक महत्वपूर्ण कदम है. इसके अतिरिक्त, जिसके परिणामस्वरूप डेटा सेट के चौरसाई करने में मदद करता हैअवशिष्ट स्थानिक अशुद्धियों की कमी से डेटा की गुणवत्ता में सुधार होगा. एक और स्थानिक सामान्य बनाने के लिए मानकों को प्राप्त करने के दृष्टिकोण चलने का हाल ही में मोहम्मदी और सहकर्मियों 57 द्वारा प्रकाशित और एसपीएम के लिए एक साधन के रूप में उपलब्ध कराया गया है. उनके एल्गोरिथ्म मुख्य रूप से एक सममित टेम्पलेट के लिए सामान्य बनाने मापदंडों की गणना करने के लिए विकसित किया गया है.

एक समस्या निवारण की प्रक्रिया के संदर्भ में, Tift सॉफ्टवेयर की अवधारणा प्रत्येक पूर्व और postprocessing कदम के बाद परिणामों को नियंत्रित करने के लिए अनुमति देता है. इस तरह, स्थिरता और दिखावट पर व्यक्तिगत डेटा / परिणाम स्क्रीनिंग (भी एकल डेटा सेट के) अंत में विश्लेषण झरना के किसी भी कदम पर बातचीत के लिए अनुमति देने के लिए संभव होता जा रहा है.

साथ में ले ली, इन अध्ययनों एफए मस्तिष्क WM विकृति (भी 58 देखें) का एक संवेदनशील मार्कर है कि इस धारणा का समर्थन है. बायोमार्कर केंद्रित दृष्टिकोण कई विशेष रूप से तंत्रिका विज्ञान और neurodegenerativ में अब एक प्राथमिकता है यह देखते हुए किई रोगों, वर्तमान अध्ययन विवो फिंगरप्रिंट विशेषताओं में microstructural द्वारा मस्तिष्क pathoanatomy परिभाषित करने के लिए एक अतिरिक्त उपकरण के रूप में डीटीआई की भूमिका को मजबूत. एक समूह स्तर पर डीटीआई विश्लेषण noninvasive मार्करों के मामले में pathoanatomical सुविधाओं की पहचान और मात्रा का ठहराव के लिए उपयोगी होने लगते हैं. इसके अलावा परिणाम कम्प्यूटेशनल neuroanatomy की उन्नत एमआरआई आधारित तकनीक का संयुक्त विश्लेषण द्वारा प्रदान किया जा सकता है, 3 डी T1 भारित एमआरआई (जैसे 59), या आराम की स्थिति कार्यात्मक चुंबकीय अनुनाद इमेजिंग का उदाहरण तीव्रता के आधार पर विश्लेषण के साथ DTI के संयोजन यानी (जैसे 60) के रूप में अच्छी तरह से अन्य चिकित्सकीय व्युत्पन्न मात्रात्मक मापदंडों के संबंध के साथ के रूप में.

पूरक या multiparametric दृष्टिकोण में, डीटीआई प्राप्त करने के लिए इस तरह के आदेश में टी 2 या T1 भारित इमेजिंग, मीट्रिक टन या चुंबकीय अनुनाद स्पेक्ट्रोस्कोपी (मिसेज) के रूप में अन्य एमआरआई तौर तरीकों के साथ संयुक्त है व्यापक और कॉमplementary जानकारी 29. उदाहरण, 61 और एकाधिक काठिन्य में टी 2 विश्राम का समय के साथ 23 सहसंबद्ध डीटीआई-एफए परिणाम है, और डीटीआई और T1 भारित इमेजिंग के संयोजन से 62 प्रदर्शन ऊतक लक्षण वर्णन के रूप में. के रूप में एकल विषय स्तर पर XP के रोगियों में अध्ययन में दिखाया multiparametric दृष्टिकोण, मस्तिष्क रोगों से मस्तिष्क संरचना का स्वांग की पूरक और व्यापक विश्लेषण के लिए अनुमति देता है. अनुदैर्ध्य टिप्पणियों में व्यक्तिगत स्तर पर निगरानी रोग प्रगति के लिए DTI की संभावनाओं का पता चला है, लेकिन अधिक अनुदैर्ध्य अध्ययन इस क्षमता का उपयोग करने के लिए भविष्य में आवश्यक किया गया है.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों का खुलासा करने के लिए कुछ भी नहीं है.

Acknowledgments

इस काम के पार्ट्स, QC और hyperkinetic विकारों के साथ मरीजों के डेटा के लिए आवेदन में भ्रष्ट ढाल दिशाओं के लिए सुधार पर अध्ययन यानी यूरोपीय HD नेटवर्क (EHDN परियोजना 070) द्वारा समर्थित थे. कुछ इस अध्ययन में एमआरआई स्कैन लंदन साइट ट्रैक एच.डी. पलटन के भाग के रूप में हासिल किया गया.

Materials

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

DOWNLOAD MATERIALS LIST

References

  1. Moseley, M. E., Cohen, Y., et al. Diffusion-weighted MR imaging of anisotropic water diffusion in cat central nervous system. Radiology. 176, 439-445 (1990).
  2. Mori, S., van Zijl, P. C. M. Fiber tracking: principles and strategies - a technical review. NMR Biomed. 15, 468-480 (2002).
  3. Basser, P. J., Mattiello, J., LeBihan, D. MR Diffusion Tensor Spectroscopy and Imaging. Biophys J. 66, 259-267 (1994).
  4. Mattiello, J., Basser, J. P., Le Bihan, D. Analytical expression for the b-matrix in NMR diffusion imaging and spectroscopy. J. Magn. Reson. A. 108, 131-141 (1994).
  5. Pierpaoli, C., Basser, P. J. Toward a quantitative assessment of diffusion anisotropy. Magn. Reson. Med. 36, 893-906 (1996).
  6. Pajevic, S., Pierpaoli, C. Color schemes to represent the orientation of anisotropic tissues from diffusion tensor data: application to white matter fiber tract mapping in the human brain. Magn. Reson. Med. 42, 526-540 (1999).
  7. Le Bihan, D., Mangin, J. F., et al. Diffusion tensor imaging: concepts and applications. J. Magn. Reson. Imaging. 13, 534-546 (2001).
  8. Conturo, T. E., Lori, N. F., et al. Tracking neuronal fibre pathways in the living human brain. Proc. Natl. Acad. Sci. U.S.A. 96, 10422-10427 (1999).
  9. Lori, N. F., Akbudak, E. Diffusion tensor fibre tracking of human brain connectivity: aquisition methods, reliability analysis and biological results. NMR Biomed. 15, 494-515 (2002).
  10. Smith, S. M., Jenkinson, M., et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. Neuroimage. 31, 1487-1505 (2006).
  11. Agosta, F., Pagani, E., et al. Assessment of white matter tract damage in patients with amyotrophic lateral sclerosis: a diffusion tensor MR imaging tractography study. AJNR. Am. J. Neuroradiol. 31, 1457-1461 (2010).
  12. Talairach, J., Tournoux, P. Coplanar stereotaxic atlas of the human brain. , Thieme Medical. New York. (1988).
  13. Brett, M., Johnsrude, I. S., Owen, A. M. The problem of functional localization in the human brain. Nat. Rev. Neurosci. 3, 243-249 (2002).
  14. Collins, D. L., Neelin, P., Peters, T. M., Evans, A. C. Automatic 3-D intersubject registration of MR volumetric data in standardized Talairach space. J. Comput. Assist. Tomogr. 18, 192-205 (1994).
  15. Friston, K. J., Ashburner, J., Frith, C. D., Poline, J. -B., Heather, J. D., Frackowiak, R. S. J. Spatial registration and normalization of images. Human Brain Mapp. 2, 165-189 (1995).
  16. Alexander, D. C., Pierpaoli, C., Basser, P. J., Gee, J. C. Spatial transformations of diffusion tensor magnetic resonance images. IEEE Trans. Med. Imaging. 20, 1131-1139 (2001).
  17. Müller, H. -P., Unrath, A., Ludolph, A. C., Kassubek, J. Preservation of Diffusion Tensor Properties during Spatial Normalization by use of Tensor imaging and Fiber Tracking on a Normal Brain Database. Phys. Med. Biol. 52, N99-N109 (2007).
  18. Likitjaroen, Y., Meindl, T., et al. Longitudinal changes of fractional anisotropy in Alzheimer's disease patients treated with galantamine: a 12-month randomized, placebo-controlled, double-blinded study. Eur. Arch. Psychiatry Clin. Neurosci. 262, 341-350 (2012).
  19. Zhang, Y., Schuff, N. Progression of white matter degeneration in amyotrophic lateral sclerosis: A diffusion tensor imaging study. Amyotroph. Lateral Scler. 12, 421-429 (2011).
  20. Pierpaoli, C., Barnett, A. Water diffusion changes in Wallerian degeneration and their dependence on white matter architecture. Neuroimage. 13, 1174-1185 (2001).
  21. Agosta, F., Valsasina, P., et al. Sensorimotor functional connectivity changes in amyotrophic lateral sclerosis. Cereb Cortex. 21, 2291-2298 (2011).
  22. Müller, H. -P., Unrath, A., Huppertz, H. J., Ludolph, A. C., Kassubek, J. Neuroanatomical patterns of cerebral white matter involvement in different motor neuron diseases as studied by diffusion tensor imaging analysis. Amyotroph Lateral Scler. 13, 254-264 (2012).
  23. Reich, D. S., Zackowski, K. M. Corticospinal tract abnormalities are associated with weakness in multiple sclerosis. Am. J. Neuroradiol. 29, 333-339 (2008).
  24. Abe, O., Yamada, H. Amyotrophic lateral sclerosis: Diffusion tensor tractography and voxel-based analysis. NMR Biomed. 17, 411-416 (2004).
  25. Sage, C. A., Peeters, R. R., Gorner, A., Robberecht, W., Sunaert, S. Quantitative diffusion tensor imaging in amyotrophic lateral sclerosis. Neuroimage. 34, 486-499 (2007).
  26. Preti, M. G., Baglio, F., et al. Assessing corpus callosum changes in Alzheimer's disease: comparison between tract-based spatial statistics and atlas-based tractography. PLoS One. 7, e35856 (2012).
  27. Borroni, B., Brambati, S. M., et al. Evidence of white matter changes on diffusion tensor imaging in frontotemporal dementia. Arch. Neurol. 64, 246-251 (2007).
  28. Unrath, A., Müller, H. -P., Riecker, A., Ludolph, A. C., Sperfeld, A. D., Kassubek, J. Whole brain-based analysis of regional white matter tract alterations in rare motor neuron diseases by diffusion tensor imaging. Hum Brain Mapp. 31, 1727-1740 (2010).
  29. Müller, H. -P., Lulé, D., Unrath, A., Ludolph, A. C., Riecker, A., Kassubek, J. Complementary Image Analysis of Diffusion Tensor Imaging and 3-Dimensional T1-Weighted Imaging: White Matter Analysis in Amyotrophic Lateral Sclerosis. J. Neuroimaging. 21, 24-33 (2011).
  30. Müller, H. -P., Unrath, A., Sperfeld, A. D., Ludolph, A. C., Riecker, A., Kassubek, J. Diffusion tensor imaging and tractwise fractional anisotropy statistics: quantitative analysis in white matter pathology. Biomed. Eng. Online. 6, 42 (2007).
  31. Müller, H. -P., Unrath, A., Riecker, A., Pinkhardt, E. H., Ludolph, A. C., Kassubek, J. Inter-subject variability in the analysis of diffusion tensor imaging at the group level: fractional anisotropy mapping and fiber tracking techniques. Magn. Reson. Imaging. 27, 324-334 (2009).
  32. Müller, H. -P., Glauche, V., et al. Stability of white matter changes related to Huntington's disease in the presence of imaging noise: a DTI study. PLoS Curr. 3, RRN1232 (2011).
  33. Müller, H. -P., Süßmuth, S. D., Landwehrmeyer, G. B., Ludolph, A. C., Tabrizi, S. J., Klöppel, S., Kassubek, J. Stability effects on results of diffusion tensor imaging analysis by reduction of the number of gradient directions due to motion artifacts: an application to presymptomatic Huntington's disease. PLoS Curr. 3, RRN1292 (2011).
  34. Shen, Y., Larkman, D. J., Counsell, S., Pu, I. M., Edwards, D., Hajnal, J. V. Correction of High-Order Eddy Current Induced Geometric Distortion in Diffusion-Weighted Echo-Planar images. Magn. Reson. Med. 52, 1184-1189 (2004).
  35. Ashburner, J., Friston, K. J. Nonlinear Spatial Normalization Using Basis Functions. Human Brain Mapping. 7, 254-266 (1999).
  36. Jones, D. K., Symms, M. R., Cercignani, M., Howard, R. J. The effect of filter size on VBM analyses of DT-MRI data. Neuroimage. 26, 546-554 (2005).
  37. Kunimatsu, A., Aoki, S., et al. The optimal trackability threshold of fractional anisotropy for diffusion tensor tractography of the corticospinal tract. Magn. Reson. Med. Sci. 3, 11-17 (2004).
  38. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimage. 15, 870-878 (2002).
  39. Cleaver, J. E. Defective repair replication of DNA in xeroderma pigmentosum. Nature. 218, 652-656 (1968).
  40. Anttinen, A., Koulu, L., et al. Neurological symptoms and natural course of xeroderma pigmentosum. Brain. 131, 1979-1989 (2008).
  41. Kassubek, J., Sperfeld, A. D. The cerebro-morphological fingerprint of a progeroid syndrome: white matter changes correlate with neurological symptoms in xeroderma pigmentosum. PLoS One. 7, e30926 (2012).
  42. Canu, E., Agosta, F. The topography of brain microstructural damage in amyotrophic lateral sclerosis assessed using diffusion tensor MR imaging. AJNR. Am. J. Neuroradiol. 32, 1307-1314 (2011).
  43. Verstraete, E., Veldink, J. H., Hendrikse, J., Schelhaas, H. J., van den Heuvel, M. P., van den Berg, L. H. Structural MRI reveals cortical thinning in amyotrophic lateral sclerosis. J. Neurol. Neurosurg. Psychiatry. 83, 383-388 (2012).
  44. Hofer, S., Frahm, J. Topography of the human corpus callosum revisited- comprehensive fiber tractography using diffusion tensor magnetic resonance imaging. Neuroimage. 32, 989-994 (2006).
  45. Iwata, N. K., Kwan, J. Y., et al. White matter alterations differ in primary lateral sclerosis and amyotrophic lateral sclerosis. Brain. 134, 2642-2655 (2011).
  46. Kassubek, J., Ludolph, A. C., Müller, H. -P. Neuroimaging of motor neuron diseases. Ther. Adv. Neurol. Disord. 5, 119-127 (2012).
  47. Kassubek, J., Juengling, F. D. Multimodality functional neuroimaging. In: C. Stippich (Ed.): Clinical functional MRI - Presurgical functional neuroimaging. , Springer. Berlin/Heidelberg/New York. (2007).
  48. Stadlbauer, A., Buchfelder, M., Salomonowitz, E., Ganslandt, O. Fiber density mapping of gliomas: histopathologic evaluation of a diffusion-tensor imaging data processing method. Radiology. , 257-846 (2010).
  49. Stadlbauer, A., Hammen, T., et al. Differences in metabolism of fiber tract alterations in gliomas: a combined fiber density mapping and magnetic resonance spectroscopic imaging study. Neurosurgery. 71, 454-463 (2012).
  50. Staempfli, P., Jaermann, T., Crelier, G. R., Kollias, S., Valavanis, A., Boesiger, P. Resolving fiber crossing using advanced fast marching tractography based on diffusion tensor imaging. Neuroimage. 30, 110-120 (2006).
  51. Ehricke, H. H., Otto, K. M., Klose, U. Regularization of bending and crossing white matter fibers in MRI Q-ball fields Magn. Reson Imaging. 29, 916-926 (2011).
  52. Hirsch, J. G., Schwenk, S. M., Rossmanith, C., Hennerici, M. G., Gass, A. Deviations from the diffusion tensor model as revealed by contour plot visualization using high angular resolution diffusion-weighted imaging (HARDI). MAGMA. 16, 93-102 (2003).
  53. Lazar, M., Weinstein, D. M., et al. White matter tractography using diffusion tensor deflection. Human Brain Mapping. 18, 306-321 (2003).
  54. Reisert, M., Mader, I., Anastasopoulos, C., Weigel, M., Schnell, S., Kiselev, V. Global fiber reconstruction becomes practical. Neuroimage. 54, 955-962 (2011).
  55. Klein, A., Andersson, J. Evaluation of 14 nonlinear deformation algorithms applied to human brain MRI registration. Neuroimage. 46, 786-802 (2009).
  56. Bammer, R. Basic principles of diffusion-weighted imaging. Eur. J. Radiol. 45, 169-184 (2003).
  57. Mohammadi, S., Keller, S. S. The influence of spatial registration on detection of cerebral asymmetries using voxel-based statistics of fractional anisotropy images and TBSS. PLoS One. 7, e36851 (2012).
  58. Turner, M. R., Grosskreutz,, et al. Towards a neuroimaging biomarker for amyotrophic lateral sclerosis. Lancet Neurol. 10, 400-403 (2011).
  59. Müller, H. -P., Kassubek, J. Multimodal imaging in neurology - special focus on MRI applications and MEG. Synthesis Lectures in Biomedical Engineering. Enderle, J. D. 16, Morgan & Claypool Publishers. (2008).
  60. Douaud, G., Filippini, N., Knight, S., Talbot, K., Turner, M. R. Integration of structural and functional magnetic resonance imaging in amyotrophic lateral sclerosis. Brain. 134, 3470-3479 (2011).
  61. Kolind, S. H., Laule, C., et al. Complementary information from multi-exponential T2 relaxation and diffusion tensor imaging reveals differences between multiple sclerosis lesions. Neuroimage. 40, 77-85 (2008).
  62. Verma, R., Zacharaki, E. I. Multiparametric tissue characterization of brain neoplasms and their recurrence using pattern classification of MR images. Acad. Radiol. 15, 966-977 (2008).

Tags

चिकित्सा अंक 77 तंत्रिका विज्ञान तंत्रिका जीव विज्ञान आणविक जीवविज्ञान बायोमेडिकल इंजीनियरिंग एनाटॉमी फिजियोलॉजी neurodegenerative रोगों परमाणु चुंबकीय अनुनाद एनएमआर एमआर एमआरआई प्रसार tensor इमेजिंग फाइबर ट्रैकिंग समूह स्तर तुलना neurodegenerative रोगों मस्तिष्क इमेजिंग नैदानिक ​​तकनीक
Neurodegenerative रोगों के विश्लेषण में प्रसार tensor चुंबकीय अनुनाद इमेजिंग
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Müller, H. P., Kassubek, J.… More

Müller, H. P., Kassubek, J. Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases. J. Vis. Exp. (77), e50427, doi:10.3791/50427 (2013).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

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

Waiting X
Simple Hit Counter