Waiting
Login processing...

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

Medicine

Nörodejeneratif Hastalıkların Analizi Difüzyon Tensör Manyetik Rezonans Görüntüleme

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

Summary

MRI-tabanlı bir araç tespit olarak difüzyon tensör görüntüleme (DTG) temelde hizmet vermektedir

Abstract

Difüzyon tensör görüntüleme (DTG) teknikleri in vivo serebral beyaz cevher (WM) ve mikro süreçleri hakkında bilgi vermek. Mevcut uygulamalar uyumlu kontrollere göre farklı DTI analizler kullanılarak farklı beyin hastalıkları, özellikle nörodejeneratif hastalıkların, WM katılımı desen farklılıkları araştırmak için tasarlanmıştır.

DTI veri analizi bir değişken şekilde yapılır, birlikte lif izleme ile bu fraksiyonel anizotropi gibi bölgesel difüzyon yön-tabanlı ölçümleri (FA), (FT) yani voxelwise karşılaştırılması amacıyla grup seviyesinde tractwise fraksiyonel anizotropi istatistik (TFAS) ile birlikte grup seviyesinde WM değişikliklerin bölgesel desen tanımı amaçlayan, WM yapıları birlikte FA farklılıkları tanımlamak için. Bir stereotaksik standart uzaya Dönüşüm grup çalışmaları için bir ön koşuldur ve d korumak için işlem ayrıntılı veri gerektiririrectional arası bağımlılıkları. Mevcut uygulamalar grup seviyesinde veri analizleri mekansal normalleştirme sırasında nicel ve yön bu bilgi korunması için optimize edilmiş teknik yaklaşımlar göstermektedir. Bu temelde, MS teknikleri MS tarafından tanımlanan ölçüm bilgilerini ölçmek amacıyla grubun ortalama veri uygulanabilir. Ayrıca, DTI yöntemlerin uygulanması, bireysel konu bazında bir uzunlamasına analizinde stereotaksik yönlendirmeden sonra FA-haritalarda yani farklılıkları, nörolojik hastalıkların ilerlemesi hakkında bilgi ortaya koymaktadır. DTG tabanlı bir sonuç daha da kalitesinin iyileştirilmesi yüksek gürültü seviyeleri gradyanı ile yönde kontrollü bir eleme uygulanması ile ön işleme sırasında elde edilebilir.

Özet olarak, DTG tüm beyin bazlı ve kanal bazlı DTG analizi kombinasyonu, farklı beyin hastalıkları ayrı bir WM pathoanatomy tanımlamak için kullanılır.

Introduction

Insan beyninde difüzyon tensör görüntüleme

Merkezi sinir sisteminde beyaz madde (PY) nöroglia yolları ve diğer hücre nüfusu az çeşitli ek olarak yoğun bir şekilde aksonlar oluşur. Bir akson olan aksonal membran hem de iyi hizalanmış protein lifleri beyin WM 1 anizotropik su dağılım yol açan, lif yönelimine dik su dağılım kısıtlar. Aksonlar etrafında miyelin kılıfını da hücre içi ve dışı su 2 her ikisi için de anizotropi katkıda bulunabilir.

Bu anizotropi kantitatif açıklaması difüzyon tensör görüntüleme (DTG) tarafından tespit edilebilir. DTI su difüzyon yerel mikro özelliklere sahip ağırlıklı dokuların görüntüler üretir. Her pozisyonda görüntü yoğunlukları (temsil sözde difüzyon manyetik gradyan şiddeti ve yönü ile ilgili olarak, zayıflatılmışb-değeri), hem de su molekülleri 3 yaygın olan, yerel mikro, difüzyon katsayısı D skalar değeri:

Denklem 1
Bununla birlikte, WM anizotropi varlığında, difüzyon artık tek bir skalar katsayısı ile karakterize edilen, ancak tensör gerektirir Denklem 3 İlk yaklaşım bu yönde 4 arasında her yönde ve korelasyon birlikte moleküler hareketlilik anlatılmaktadır. Difüzyon anizotropi özellikle WM lif yolları yönünü neden olur ve mikro-ve macrostructural özellikleri etkilenir. Mikroyapısal özellikleri arasında, intraaxonal organizasyon lif yoğunluğunun yanı sıra, difüzyon anizotropi üzerinde büyük etkisi olduğu görülmektedirnd hücre ambalaj, miyelinasyonun derecesi ve bireysel elyaf çapı. Bir makroskopik ölçekte, bir görüntüleme voksel tüm WM yolları yönde değişkenlik anizotropi 5 derecesi etkiler.

Tipik DTI ölçümlerde, voksel boyutları milimetre sıralanmıştır. Bu nedenle, her bir voksel genellikle birkaç akson hem de çevresindeki su molekülleri kapsar tespit hacmi içindeki su moleküllerinin ortalama bilgi içerir. Bu çok yönlü ortama rağmen, DTI baskın aksonal yönüne hizalar en büyük ana ekseni yönünü duyarlı, yani aksonal katkı ölçülen sinyal 2 hakimdir.

İlk, difüzyon anizotropi 5 ve ikinci yönünü bağımsız ölçüde, imag su difüzyon baskın yönü: DTI su difüzyon özelliği hakkında iki tür bilgi sağlare vokselleri, difüzyon dizilişi 6 yani.

Aşağıdaki belirtildiği gibi mevcut protokoller, grup seviyesinde konu grupları kantitatif karşılaştırılması için DTI analiz teknikleri bir çerçeve sağlamak gerekiyor.

Difüzyon özelliklerinin ölçümü - analiz parametreleri

B (Denklem 1) Bir tensör olmuştur, böylece simetrik tensörünün elemanları sinyal kaybı ile sonuçlanan, en az altı olmayan doğrudaş ve eş düzlemli olmayan yönleri boyunca difüzyon gradyanlar ile ölçülebilir

Denklem 2
Bu denklem dik yönde (çapraz açısından) uygulanan ve hatta uygulanan görüntüleme geçişlerini arasında olan görüntüleme ve difüzyon geçişlerini arasındaki olası etkileşimler için muhasebe gerektirirdik yönde 4.

İkinci-sıra difüzyon tensör Denklem 3 her zaman tensör temel diyagonal boyunca sadece üç sıfır olmayan elemanlar terk köşegenleştirilebilir olabilir, (Özdeğer yani Denklem 4 .) Özdeğer elipsoid şekli veya yapılandırma yansıtmaktadır. Elipsoid ve laboratuvar çerçevenin koordinatlar arasındaki matematiksel ilişki özvektörler tarafından açıklanan Denklem 5

Tensör veri görüntüleme çeşitli zorluklar olduğu için, difüzyon elipsoitlerin kavramı 3 önerilmiştir. Bu e EigendiffusivitiesElipsoid eksantrikliği ile ilgili bilgi sağlar iken elipsoidin ana ekseni, liflerin yönü ile çakışan voksel temel yayılma yönü temsil llipsoids yani, ortamın difüzyon ana yönde tek boyutlu difüzyon katsayıları temsil anizotropi ve simetri derecesi. Bu nedenle, fraksiyonel anizotropi (FA) olarak difüzyon anizotropi ölçümleri 7 tanımlanabilir.

Denklem 6
Denklem 7 Tüm Özdeğer ve aritmetik ortalamasıdır.

Bir başka yaklaşım traktografi approa tekabül eden, beynin WM bağlantı adresine difüzyon tensörünün ana yön kullanmaktırhangi kanal birbirine bağlı olduğu, beynin bölümleri araştırmak için niyeti. Difüzyon tensör en önemli bileşeni yönünü baskın aksonal yolları yönünü temsil ettiği varsayılarak, her vektör fiber yönü temsil eder, bir 3-D vektör alanı sağlanır. İlk kategori fiber yolu yayılma 2,8,9 her adımı için yerel tensör bilgileri kullanarak hat yayılma algoritmalar dayanmaktadır: Şu anda, iki tip ayrılabilir olabilir WM yolları yeniden inşa etmek farklı yaklaşımlar vardır. İkinci kategori yolu tabanlı mekansal istatistik yaklaşımı ile sonuçlanan iki WM bölge arasındaki enerjik en uygun yolu bulmak için küresel enerji minimizasyonu dayanmaktadır (TBSS) gibi tractwise fraksiyonel anizotropi istatistik (TFAS gibi diğer algoritmalar kullanılmıştır 10 - protokol metni, bkz. Bölüm 2.4)..

Stereotaksik standı dönüşümard alanı

Diğer gelişmiş MR yöntemleri gibi, bir klinik bağlamda DTI-ve FT-dayalı çalışmalar 11 metrik bazı ayrımcılığa dayalı tanı sürecini kolaylaştırmak için hastanın beyin morfolojisi kategorize nihai hedefi takip. Ortak klinik fenotip bir veya daha fazla beyin alanları veya belirli nöroanatomik ağa hasar nedeniyle olması gerekiyordu, grubun düzeyinde çalışmalar en uygun olan. Burada, farklı konular için sonuçların ortalama mikro değişiklikler ortak kalıpları değerlendirmek için yararlıdır. Her bir beyin, böylece bir ikinci adımda, ortalama aritmetik bir voksel-by-voksel düzeyde sonuç mümkündür stereotaksik uzaya aktarılır zorundadır. Mekansal normalleştirme sinyal-gürültü oranı (SNR) geliştirmek ve hasta numuneleri ve konteynerler bir karşılaştırma yapmak amacıyla farklı hastalardan elde edilen sonuçların aritmetik ortalama müsadeRols belirli bir bozukluğun hesaplama pathoanatomy analiz etmek için, belirli bir beyin sisteminin özenti ile ilişkili bir nörodejeneratif hastalık gibi.

12 tarafından standart bir stereotaksik alana normalleştirme erken yaklaşımı çeşitli beyin yerler ve beyin kadranın parça parça ölçekleme belirlenmesi içeren standart bir atlas bir dönüşüm algoritması önerdi. Günümüzde, gelişmiş MR veri analizi paketleri çoğu Montreal Nöroloji Enstitüsü (MNI) stereotaksik alanı 13 normalleştirme kullanın. Bu dönüşüm için, çalışma belirli şablonları kullanarak yarı otomatik ve otomatik beyin kaydı algoritmaları 14,15 geliştirilmiştir. DTI, özel ilgi normalleşme sürecine 16,17 sırasında yön bilgilerini korumak için çizilecek vardır. DT-MR görüntüleri için mekansal dönüşümlerin uygulanması hangi mekansal normalleşmesi için gereklidirveri setleri koleksiyonları DTS yeniden dönüşümü ile etkilenir yönelim bilgisi içeren gerçeği ile daha da karmaşık çözgü sayısal görsel aksine vardır. Bu etki dönüştürülmüş görüntünün anatomik doğruluğunu sağlamak için dikkate alınması gerekir. Burada, DTI veri setleri için afin dönüşümler uygulamak için teknikleri sunulmaktadır.

Beyin hastalıkları DTI Uygulanması

Uzunlamasına DTI veri karşılaştırılması aralarında bir konu veri bir uyum / kayıt olunması. Bu bağlamda, yön bilgilerin korunması (afin dönüşümler sırasında difüzyon tensör yani dönme) gereklidir. Nörodejeneratif hastalıklar için olası uygulamalar (örneğin 18,19) daha önce bildirilmiştir.

DTI in vivo nöropatoloji araştırmak için güçlü bir non-invaziv teknik araç olarak kurulmuşturWM nöronal yolları ogy (örneğin 11,20,21,22). Difüzyon süreci DTG tabanlı bir miktar ölçümleri, FA, örneğin daha önce, inme 20, multipl skleroz 23, amiyotrofik lateral skleroz, 24, 25, Alzheimer hastalığı 26 olarak WM patolojilerin, geniş bir yelpazede çalışmak için hassas belirteçleri gösterilmiştir ve diğer bazı WM bozuklukları 27,28.

Buna ek olarak, FT ile DTG WM yolları 23 tanımlamak için kullanılabilir. Bu teknik, hala rutin klinik kullanımda, nörolojik hastalığı yolu özgü anormalliklerin değerlendirilmesi için güçlü bir araç olarak ortaya çıkmaktadır olmasa da. Tespit yolları içinde, çeşitli kantitatif MRG endeksleri DTI verilere anatomik coregistered olan ölçülebilir ki DTI ve ek satın alma (örneğin, T2 ağırlıklı görüntülerde ve / veya manyetizasyon transfer (MT) görüntüleme) elde edilen. Bu vesile ile, her dizin calcul olabilirsistem profilleri olarak mekansal değişim gösteren araziler atıfta sistemi içinde konumunun bir fonksiyonu olarak ated.

1.5 uygulandı aşağıdaki, insan DTI taramaları Tesla MR-tarayıcılar (Siemens Medical, Erlangen, Almanya) hasta gruplarında hem de bireylerde beyaz cevher anormallikleri tespit etmek için çeşitli analiz tekniklerinin potansiyel araştırmak için kullanılmıştır. Eserler başka türlü hareket bozuk hacimleri ve hacimleri ortadan kaldırılması için otomatik bir kalite kontrol sonra, standart postprocessing işlemleri ardışık analiz için DTI verileri hazırlamak. Farklı analiz yaklaşımlar aşağıdaki gösterildiği, yani mekansal istatistik tabanlı ilk, tüm beyin (WBSS), ikinci, FT, ve üçüncü, Tractwise fraksiyonel anizotropi istatistik (TFAS). Olacak WBSS genellikle DTI verileri (VBM / DTI) üzerinde voksel tabanlı morfometri / istatistik olarak bilinir voksel tabanlı morfometri (VBM) benzer şekilde çalışan bir yöntemdir

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Analiz Yöntemleri: Ön ve Artişleme

Voxelwise algılama nedeniyle - - izotropik ya da anizotropik ya, ilgili vokselleri için yayvan veya yassı difüzyon tensör sonuçlanan aşağıdaki protokol görevi olabilir beyaz cevher yolları içinde voxelwise difüzyon özelliklerini analiz etmektir. Voksel Tensörlerin parametre FA-haritaların hesaplama veya fibertracts belirlenmesi (Şekil 1) ya için kullanılır.

Aşağıda gösterildiği gibi analiz sonuçları elde etmek için, yazılım paketi Tensör Görüntüleme ve Fiber İzleme (Tift) 17 kullanın. Tift aşağıdaki gereksinimleri için analiz araçları sunar:

  • DTI ölçümleri, örneğin FA-haritalar, açısından analizi
  • stereotaksik normalleşme
  • FA açısından veya diğer DTI ölçümler grup karşılaştırma
  • FT çeşitli analizi yaklaşımları
  • Grup FT D ortalamaTI verileri ve ilgili istatistiksel analizi.

Bu özellikler bir yazılım ortamında 17,29,30,31 içinde analizler çeşitli sağlar. Tift yazılım DTI veri analizinde yeni seçenekler için geliştirme aşamasında sürekli olarak.

Şekil 2 nasıl grup seviyesinde DTI verileri analiz etmek için iki tamamlayıcı yaklaşımlarla mekansal normalleştirme sonra, nihayet grup seviyesinde konu örnekleri arasındaki farklılıklar, sağlıklı kontrollere göre örneğin hastalıklı beyinleri elde etmek WBSS tarafından ve TFAS her iki yani şematik bir bakış sunuyor. TFAS önceden tanımlanmış fibertracts dayanmaktadır ise Burada, WBSS, grup seviyesinde farklılıklar olduğu bölgelerde bir voxelwise tarafsız algılama amaçlamaktadır; alanlarda başlayan TFAS ya serbestçe seçilebilir veya WBSS sonuçları (`noktaları` bir elde edilebilir önemli ölçüde) FA değiştirdi.

FA-haritaların Bireysel boyuna göre algılama yapılırilgin stereotaksik hizalama sonra farklı zaman noktalarında ölçüm FA-haritalarında ting farklılıklar (Şekil 2).

  1. Bozuk gradyan yönleri için düzeltme dahil olmak üzere kalite kontrol (QC)
    Bozuk miktarlar halinde satın alma, yani sırasında hareket bozuklukları durumunda, bir SNR artış tensör hesabı için tek gradyan yönleri (GD) atlayarak elde edilir. Bu amaçla, bir kalite kontrol (QC) algoritması 32 geliştirilmiştir. Kısacası, cilt bozuk içeriyordu taramalar için, bir SNR artış tek gradyan yönleri tensör tahmini önce her seferinde bir ihmal elde edilir: Her GD için, ağırlıklı varyanstaki açı ile ağırlıklandırılarak sırayla kalan tüm yönlerden hesaplanır oldukları dizin GD farklıydı.
    1. Azalma şiddeti gösteren en az bir dilim GD tespit ederek bir eser düzeltme yapın, yani hareket eserler kendiliğinden su neden bject hareketi (Şekil 3, üst panel). Herhangi bir difüzyon ağırlıklı birim için, her bir dilim için ortalama yoğunluğu hesaplamak ve ağırlıklı ortalama bir yaklaşım kullanarak tüm diğer birimler aynı dilim ile yoğunluğu karşılaştırma - ağırlık faktörü iki GD vektörlerin nokta ürünüdür Denklem 8 :
      Denklem 9
      Denklem 10
      Denklem 11 gözlem altında dilimin aritmetik ortalama yoğunluk gösterir ve427eq12.jpg "/ karşılaştırma için> bir dilim. Bağıl ortalama yoğunluk sapması Denklem 13 GD nokta ürünü ağırlıklı. Böylece, küresel bir parametre tanımlamak için:
      Denklem 14
      her dilim slicewise karşılaştırmalar en az yansıtır.
    2. S, belirli bir eşik değerinin (bu örnekte, 0.8 bir eşik bu amaç için kullanılır) altında ise, bütün bu hacim, ortadan kaldırmak veya GD. 0.8 bir eşik Şekil 3 sagital rekonstrüksiyon hareket eserler görünür göstermektedir. Istikrarlı bir çözüm 32 olarak kabul edilir ve QC algoritması tarafından algılanır. Bu örnekte, GD sayısı (Şekil 3c mavi nokta) dışında, 17 S karşılık gelen kırmızı çizgi altındaydı = 0.8 ve siteld ortadan. Bir bütün çalışma için bir birim eleme istatistik bir örneği Şekil 3B 'de sunulmaktadır. Bu örnek teşkil eden çalışmada, 29 presemptomatik HD deneklerin DTI verileri 30 kontroller DTI verileri ile karşılaştırılmıştır. Bu algoritma daha başka ayrıntıları, 32, 33 olarak sunulmuştur.
  2. Ön işleme ve mekansal normalleşme
    1. Eko-planar görüntüleme veri girdap akımları bağlı geometrik çarpıklıkların düzeltilmesi 34 önerdiği yöntemle ayarlar yapın.
    2. Stereotaksik normalleştirilmesi için, bir çalışma-spesifik (b = 0) oluşturabilir - şablon olarak ve daha önce tarif edildiği gibi bir 17,28,31 FA-şablonu. Temel olarak, bir tam doğrusal olmayan bir stereotaksik normalleştirme adet deformasyon bileşenden oluşur. Sonuç olarak, ortaya çıkan difüzyon tensör Denklem 15 her bir voksel i rotat olmak zorundadır(Şekil 4) Yukarıda listelenen tüm rotasyonlar göre ed:
      1. Şekil 4a temel koordinat çerçeveleri hizalamak için katı bir beyin dönüşüm gösterir. Dönme Denklem 16 temel koordinat çerçevesi için hizalama kaynaklanan uygulanmalıdır
        Denklem 17
      2. Şekil 4b önemli noktalara göre doğrusal bir deformasyon gösterir. Özvektörler bileşenleri Denklem 5 doğrusal deformasyon S (beyin bölgesi s, a = 1 ... 6 bağlıdır) altı normalleştirme parametrelerine göre adapte edilmesi gerekir.
        v, w j S, V, W J'''
        W = 1,2,3 ve j = x, y, z.
      3. Şekil 4c, doğrusal olmayan beyin şekil farkları dengeleme, doğrusal olmayan bir normalleştirme gösterir. 3-D vektör vardiya 3-D voksel dizinin her voksel için ayrı bir dönüşüme giden her voksel için farklıdır Denklem 18 .) Standart trigonometri 3-D vektör vardiya neighbored voksellerin özvektörleri arasındaki yönlü ilişkileri korumak için 16 kavramlarını takip sonucu, her voksel için bağımsız bir rotasyon matrisi verir. Böylece, iki neighbored vokseller farklı vardiya ilgili özvektörler bir dönüş yol. Tensör uyum için dilatasyon matrisler kullanın Denklem 15 her vokselinçevreleyen vokselleri.
        Denklem 19
        Denklem 20 bileşenleri; Denklem 18
      Tüm normalleşme süreci iteratif, bir tarayıcı-ve sıra özel (b = 0) oluşturmak yani - şablon ilk adım bu çalışma için aritmetik (b = 0) ortalayarak - lineer dönüşüm sonra tüm konularda hacimleri elle göre yerler ayarlayın. Bu ilk normalleştirme sonra, normalleşme matrisler optimize etmek için geliştirilmiş şablonları oluşturabilir. Aşağıdaki adımlar 1.2.3 kadar 1.2.5 için Şekil 5a şematik görüntülendi.
    3. Bu bireysel normalleşme işlemden sonra (stEP (I) - şablonları T 1) - DTI veri I 0), tek tek tüm DTI verileri bir çalışma özgü oluşturmak için ayarlar (- şablon ve FA-şablonu (adım (ii B = 0)) kullanın. Bir FA-şablonuna olmayan afin kaydı olarak avantajı göre daha fazla kontrast sağladığı vardır (b = 0) görüntüleri 10, tüm tek tek hastaların FA-haritalar ve kontrol edilen ortalama ile bir FA-şablonu tanımlayabilirsiniz.
    4. İkinci adımda, Ashburner ve Friston 35 temel fikirlerini takip, bir doğrusal olmayan MNI normalleşme DTI veri (adım (iii)) FA-haritanın bölgesel yoğunlukları arasındaki uyumsuzluk takılacak en aza indirerek ve setleri gerçekleştirmek kareleri alınmış farkların (X 2) göre FA-şablon - bu şekilde, DTI verileri I 1 edinin.
    5. Bu verilere dayanarak, yeni şablonlar T 2 (adım (iv)) elde edilir. Bu bireysel FA-haritalar ve t arasındaki ilişki kadar işlemi tekrarlayın iteratifo FA-şablon> 0.7 olduğunu. Genellikle bu iki yineleme sonra ulaşılır.
  3. Tüm beyin temelli mekansal istatistik
    Aşağıdaki adımlar 1.3.5 için 1.3.1 Şekil 5b şematik olarak görüntülendi.
    1. 1.2 normalleştirme işlemi ile ilgili olarak normalize DTI veri FA-haritalar hesaplayın. yön bilgisi (adım (i)) korumak amacıyla.
    2. Voxelwise istatistiksel karşılaştırma önce bir ön işleme adım olarak, bireysel normalize FA-haritalar için bir yumuşatma filtre (adım (ii)) geçerlidir. Yumuşatma için, filtre boyutu DTI veri analizi 36 sonuçlarını etkiler gerçeği ayrıntılı olarak, verileri işlemek için kullanılan filtrenin genişliği beklenen farkın büyüklüğüne uygun olmalıdır belirten eşleştirilmiş filtre teoremi uygulanmasını gerektirir nörodejeneratif hastalıklarda (örneğin 28) DTI verilerine önceki uygulamalarda.
    3. Istatistiksel comp gerçekleştirinStudent t-testi ile hasta grupları ve ilgili kontrol grubu voxelwise arasında Arison, (adım (iii her voksel ayrı ayrı, FA-haritalar 'kontrollerin FA değerleri ile FA-haritalar ve hasta yakınlarının FA değerleri karşılaştırmak yani )). Kortikal gri cevher 0.2 37 FA değerleri göstermesi 0.2 aşağıda FA değerleri hesaplama için kabul edilmez.
    4. İstatistiksel sonuçlar yanlış-keşif-oranı (FDR) p algoritması <0.05 38 (adım (iv)) kullanılarak çoklu karşılaştırmalar için düzeltilmesi gerekir. 512 bir eşik küme boyutu yol açan, izole vokselleri veya düzeltme çekirdek büyüklüğü aralığında voksellerden küçük izole gruplar ortadan - alfa hata daha da azaltılması bir mekansal korelasyon algoritması (adım (v) kümeleme) tarafından yapılacak olan vokselleri.
    5. Bir morfolojik arka plan (adım (v)) üzerindeki sonuçlarını görüntülemek için, aritmetik MNI alanı ve ortalama ayarlayan 3-D T1 ağırlıklı veri normalleştirmek. Bu normalleşme p gerçekleştirinDTG verilere uygulanan normalleştirme benzer şekilde bir çalışma-belirli bir şablon kullanılarak rocedure 17 belirler.

Şekil 6 ALS hastaları vs kontrollerin tüm beyin temelli mekansal istatistik (WBSS) sonuçları göstermektedir. Şekil 6a bir sagital azalmış FA değerlerin yerel maksimum gösterir, coronar ve eksenel görünümü (p <0.01 eşiklenir birden için düzeltilmiş karşılaştırmalar). Şekil 6b TFAS için temel olarak kullanılan kortikospinal sisteminde başlangıç ​​noktaları ile eğik FT gösterir. Şekil 6c bir ALS hastalarının örnek ve eşleştirilmiş kontrollerde arasında mekansal istatistik (WBSS) tabanlı tüm beyin tarafından tespit FA-haritalarda grup farklılıklar göstermektedir bir slicewise görselleştirme.

  1. Traktografi ve tractwise fraksiyonel anizotropi istatistikler (TFAS)
    Şekil 7, 1 'de tarif edildiği gibi TFAS de dahil olmak üzere, grup tabanlı FT işlemi göstermektedir.4.1 1.4.4 kadar.
    1. Grup tabanlı algoritmalar FT uygulamak için, DTG oluşturmak veri birlikte daha önce 17 tarif edilen yöntemlere göre, hasta verilerini ve kontrollerden 'veri kümeleri, ortalama olarak. Bu ortalama 16 tarif tekniklerine göre normalleşme sürecinde korunur yönelim bilgilerin dikkatli tedavi gerektirir - detay 30 görmek için.
    2. Bir düzene izleme tekniği 31 uygulanarak konusu grupların ortalama DTI veri setleri traktografi yapın. Ardışık FT analizi için temel olan tüm beyin temelli FA analizleri ile yerel maksimum bitişik el tanımlanan tohum noktaları belirlemek. Tohumların belirlenmesinden sonra, traktografi gerçekleştirmek ve aşağıdaki TFAS 30 için bir grup özel maske olarak tarif liflerin vokselleri tanımlar.
    3. Traktografi sonuçları ölçmek için, inci kullanılarak TFAS tekniğini uygulamakortalama DTI veriler oluşturulan e lif yolları hasta ve kontrol 'FA-haritalar arasında bir karşılaştırma katkıda voksellerin seçimi için her grup (hasta veri ve kontrol verileri bir araya) tüm konuların ayarlar.
    4. Student t-testi ile istatistiksel analiz için 0.2 üzerinde bir FA değeri ortaya çıkan vokselleri düşünün.
    5. İsterseniz, TFAS teknik, ortalama yayınım gibi türetilmiş DTI ölçümleri, (MD), radyal anizotropi, eksenel anizotropi, vb (bir örnek için, 28) için uygulanabilir.
    6. Sonuçlar MNI-normalize 3-D T1 ağırlıklı veri setleri oluşan morfolojik arka plan üzerinde görüntülenir

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

1. Hiperkinetik bozukluğu olan QC ve hasta veri uygulama bozulmuş gradyan yönleri için düzeltme

QC uygulanması ve sonraki hacim dışlama (bozuk GD için düzeltme bir sonucu olarak) etkisi için bir örnek olarak, Şekil 8 29 premanifest Huntington hastalığı grubu karşılaştırılması için ses dışlama olan ve olmayan tüm beyin temelli mekansal istatistik farklılıklar gösterir 30 yaş ve cinsiyet vs konular kontrolleri uyumlu. Tarama protokolü, 1.5 Tesla Magnetom Senfoni (Siemens Medical, Erlangen, Almanya) uygulandı. DTI Çalışma protokolü hasta ve kontrol için aynıydı ve 64 gradyan yönleri (b = 1.000 sn / mm 2) temsil eden 72 hacimleri (40 dilim, 96 x 96 piksel, kesit kalınlığı 2.3 mm, piksel boyutu 2.3 x 2.3 mm), oluşuyordu az difüzyon ağırlık (b = 100 sn / mm 2) ve 8 taramaları. Eko zamanı (TE) ve tekrarlama zamanı (TR) were sırasıyla 90 msn ve 8000 msn,.

2. Kseroderma pigmentozum içinde DTI

Kseroderma pigmentozum (XP) temel DNA tamir defekti yaşlanma sürecini 39,40 merkezi bir rol oynayan nadir görülen otozomal resesif prematüre yaşlanma sendromdur. Cerebromorphological fenotip karakterize etmek için bir çok parametreli MRG yaklaşım DTI, hacimsel ölçümleri ve MR spektroskopi (1H MRS) de dahil olmak üzere kontrolleri 41, göre macrostructural ve mikro beyin morfolojisi değerlendirmek için farklı alt tiplerinin yedi XP hastada kullanıldı.

MRG protokolü standart bir headcoil ile donatılmış 1.5 Tesla MR sistemi (Magnetom Senfoni, Siemens, Erlangen, Almanya), tarihinde satın alındı. T1 ağırlıklı (T1w) tarar bir dilim kalınlığı 196 dilim oluşuyordu 1.0 mm (256 x 256 piksel, piksel boyutu 1,0 x 1,0 mm). TE ve TR, sırasıyla, 12 ms ve 456 ms idi. DTI çalışma protocol degrade 0 (b = 0) ile 12 gradyan yönleri ve bir tarama temsil eden 13 hacimleri (45 dilim, 128 x 128 piksel, kesit kalınlığı 2.2 mm, piksel boyutu 1,5 x 1,5 mm), oluşuyordu. TE ve TR sırasıyla 93 msn ve 8000 msn vardı, b 800 sn / mm 2 ve beş tarama görüntü uzayda tarayıcı yazılımı tarafından çevrimiçi ortalaması alınmıştır.

XP konuların klinik ve demografik heterojen nedeniyle, karşılaştırma grubu düzeyinde gerçekleştirilen değildi ama yerine ikili bir şekilde, her XP-konu bir yaş ve cinsiyet eşleştirilmiş kontrol göre analiz edildi yani. FA-map karşılaştırma iç kapsül, üst kortikospinal sisteminde, talamus bulunan ROI için yapılan ve korpus kallosum içinde. Edildi Ayrıca, yön değişiklikleri talamus başlayan puanla, FT ve ardışık TFAS için ikili karşılaştırıldı. DTI, incelenen tüm bölgelerde yani inci önemli ölçüde azalır WM yönlülük göstermiştire talamus, kraniyokaudal elyaf ve interhemisferik bağlantıları (Şekil 9) hem de içeren lif projeksiyonlar hacmi ve yön indirimleri ile kortikospinal yolları ve dorsal korpus kallosum,. Araştırmanın örneklemini arasında heterojen rağmen bu bulgular, klinik-nörolojik belirtiler ile ilişkili olabilir. Görüntüleme bulguları miyelin yapılar olarak 41 ele XP hasta, beyninde erken aşağılamak bu durumu desteklemektedir.

Nörodejenerasyonda DTI (motor nöron hastalıkları)

Yapısal MR tetkikinde 42,43 yanı sıra ALS hastalarında 21 sensorimotor fonksiyonel bağlantı değişikliklerini tarafından Amyotrofik lateral skleroz (ALS) hastalarda morfolojik değişiklikler son zamanlarda bildirilmiştir. Bu çalışmada, analiz yöntemleri WBSS ve TFAS uygulanması için bir örnek olarak, yirmi ALS hastalarında çok değişkenli MRI ile incelenmiştir. Sevfonksiyonel derecelendirme ölçeği (ALS-FRS-R) (35.9 ± 8.0) orta, ve hastaların hiçbiri hafif aralığında olan revize ALS ile ölçülen fiziksel semptomların erity frontotemporal demans nöropsikolojik belirtileri gösterdi. Kontrol grubu olarak yirmi yaş ve cinsiyet uyumlu sağlıklı kontrol tarandı.

Tarama protokolü, 1.5 Tesla Magnetom Senfoni (Siemens Medical, Erlangen, Almanya) uygulandı. DTI Çalışma protokolü hasta ve kontrol için aynıydı ve (gradyan 0 ile 12 gradyan yönleri ve bir tarama temsil eden 13 hacimleri (45 dilim, 128 x 128 piksel, kesit kalınlığı 2.2 mm, piksel boyutu 1,5 x 1,5 mm), oluşuyordu b = 0). TE ve TR sırasıyla 93 msn ve 8000 msn vardı, b 800 sn / mm 2 ve beş tarama görüntü uzayda tarayıcı yazılımı tarafından çevrimiçi ortalaması alınmıştır.

ALS grubu için sonuçlar ikincisinde, CST ve CC büyük parçalar birlikte geniş FA azalma gösterdi iHofer ve Frahm düzeni 44 göre segment III ncluding ama ventral ve dorsal CC alanları (Şekil 6) ötesine ulaşan. ALS grubu için sonuçları da dahil olmak üzere ikincisinde CST ve CC büyük parçalar birlikte geniş FA indirimleri, gösterdi III Hofer ve Frahm düzeni 44 göre ama ventral ve dorsal CC alanları (Şekil 6) ötesine ulaşan segment.

Bir başka örnek kullanımı ile, diğer motor nöron hastalıkları (MSB), yani ALS, primer lateral skleroz (PLS) ve saf (pHSP) ve karmaşık (ChSP) bölünmüştür kalıtsal spastik paraparezi (HSP) WM katılımı desen soruşturma oldu DTI analiz iki kat yaklaşım: FA-haritalar üzerinde WBSS FT sonuçları ve sonraki TFAS tamamlanmıştır. ALS ve PLS örneklerin DTI tabanlı karşılaştırmalar de 45 diğer yazarlar tarafından tarif edilmiştir. PLS grup analizi azalmış FA Alon benzer bir model gösterdig CST anatomi CC katılımı işaretlenmiş ancak ALS daha az kapsamlı ve segment III daha sınırlı iken. PHSP örnek analiz motor segmentinde de dahil olmak üzere dorsal CC büyük parçalar yayılmış ALS grubunda, gözlenen desen benzer bu yapı içerisinde daha sınırlı alanlarda CC değişiklikler vardı ise, dahil CST FA azalma göstermiştir. Son olarak, ChSP grup tam CST yapısı ve geniş sırt ve aynı zamanda CC ventral parçaları dahil olmak üzere büyük bir bağlı kümeye birikmiş azalmış FA en büyük alanlarından gösterdi. Özetle, farklı MSB ile 72 hasta olmak üzere toplam kontrollü DTI analizi farklı hastalık kişilerin patolojik süreçler içinde farklı beyin bölgelerinin katılımı ile ilişkili karakteristik lezyon gösterdiği saptandı. Ayrıntılı bir açıklama ve tartışma için, 22,28,46 bakınız

3. Uzunlamasına karşılaştırmaları için DTG >

Boyuna karşılaştırma, III ° tarandığı biyopsi ile kanıtlanmış anaplastik oligoastrositom ile 46 yaşındaki hastada DTI uygulanması için bir örnek olarak. Tam Ameliyattan sonra, hastanın kombine radio-/chemotherapy ve adjuvan kemoterapi 6 kür aldı.

DTI uzunlamasına bir tasarım bölgesel ve küresel WM bütünlük durumunu tasvir için yani kombine radio-/chemotherapy ve 2, 5 önce, 4 timepoints satın aldı ve 9 ay radio-/chemotherapy sonra oldu.

Tarama protokolü, 1.5 Tesla Magnetom Senfoni (Siemens Medical, Erlangen, Almanya) uygulandı. DTI Çalışma protokolü 48 gradyan yönleri ve degrade 0 ile dört tarama (b = 0) temsil eden 52 hacimleri (64 dilim, 128 x 128 piksel, kesit kalınlığı 2.8 mm, piksel boyutu 2.0 x 2.0 mm), oluşuyordu. TE ve TR sırasıyla 95 msn ve 8000 msn vardı, b 1000 sn / mm 2 oldu.

ntent "> Şekil 10 örnek bir DTI tarama radio-/chemotherapy ve DTI taramadan sonra 7 ay sonra, timepoints 2 ve 4 yani tarar. WBSS bölüm 1.3 'gerçekleştirilir arasındaki FA-haritalar farklılıklar gösterir. bir FA eşik ile 0.15, FDR düzeltildi.

Şekil 1
Şekil 1. DTI olarak, voksel elipsoid olarak gösterildiği bir difüzyon tensör, hesaplamak için akson birkaç demetleri difüzyon özellikleri temsil eder. Her voksel için, tensör bilgi fraksiyonel anizotropi (FA) haritalarda parametreli olabilir veya fiber izleme (FT) için kullanılır.

27fig2.jpg "/>
Şekil 2 Üst panel:. Bir kalite kontrol (QC) ve ilgili ses eliminasyon (VE), DTI ölçümleri, örneğin FA-haritalar hesaplanabilir sonra. (Sağ) boyuna FA-haritaların karşılaştırma için izin verir veya stereotaksik hizalama Bir sonraki adımda, ya stereotaksik normalleştirme (sol) grubu düzeyinde (TFAS - - WBSS ve / veya tractwise fraksiyonel anizotropi istatistik mekansal istatistik tabanlı tüm beyin) de karşılaştırma için izin verir . Bu analizler ya grubu düzeyinde (solda) de farklılıklara yol ya da tek bir konu DTI verileri (sağ) içinde uzunlamasına farklılıkları tespit. büyük rakam görmek için buraya tıklayın .

les/ftp_upload/50427/50427fig3.jpg "/>
Şekil 3,. (A) Örnek hareket NES algoritması tarafından tespit edildi azaltılmış yoğunlukta eksenel kesit bozuk. (B) yeniden sagital hacminin ilgili lokalizasyonu, beyaz bir ok ile gösterilir. Hareket bozulması görsel olarak da bitişik kesitler ile karşılaştırıldığında nispi yoğunluk kaybı ile belirtilir. (C) toplam 17 gradyan yönde 0.8 (kırmızı çizgi) bir eşiğin uygulanmasıyla hacmi ortadan kaldırılması için tespit edildi. Siyah ok hacmini gösterir (a) ve (b) (d) Ses eleme istatistik (ortadan gradyan yönleri sayısı - GD). 29 presemptomatik Huntington hastalığı konular (PS) ve 30 kontrol için.

Şekil 4,
(a) çevirme ve döndürme tarafından sert beyin dönüşümü temel koordinat çerçeveleri hizalamak için. (b) lineer deformasyon önemli noktalara göre. Özvektörler bileşenleri doğrusal deformasyon göre adapte edilmesi gerekiyordu. (C) doğrusal olmayan normalleşme doğrusal olmayan beyin şekil farklılıkları dengeleme. 3-D vektör vardiya neighbored voksellerin özvektörleri arasındaki yönlü ilişkileri korumak için 3-D voksel dizinin her voksel için ayrı bir dönüşüme giden her voksel için farklıydı.

Şekil 5,
Şekil 5,. Tekrarlanan bir şablona spesifik MNI-N (a) şematik bir örnekormalization: DTI-veri I 0 ortalama aritmetik ile, yerlerinden dayalı bir 1. normalleştirme adımdan sonra, ilk şablonları T 1 ((b = 0) şablonu ve FA-şablon) elde edilmiştir. Daha sonra, bir iteratif işlem, normalize DTI veri I 1 daha önce tanımlandığı şablon (t 1) doğrusal olmayan normalizasyonu olarak elde edildi. Bu yeni normalize DTI veri I 1 kaynaktan, yeni şablonlar (T 2) yeniden normalizasyonu için kullanılabilecek olan elde edilmiştir. Bu süreç iteratif DTI-veri ve şablonları arasında önceden tanımlanmış bir tesadüf (korelasyon ölçüm) ulaştığı zaman durdurulur (b) için Şema önce tüm beyin temelli mekansal istatistiklere veri ön-işleme (WBSS):. FA-haritalardan hesaplanır normalize DTI verileri ve bireysel normalize FA-haritalar için bir düzeltme filtre uygulanır. Bir ardışık adımda, hasta grupları ve ilgili kontrol grubu arasında voxelwise istatistiksel karşılaştırma pe olduğunurformed. Alfa hata daha da azaltılması için yanlış-keşif-oranı (FDR) algoritması ve bir kümeleme prosedürü kullanarak çoklu karşılaştırmalar için düzeltme sonra, sonuçlar morfolojik arka plan üzerinde görüntülenir. büyük rakam görmek için buraya tıklayın .

Şekil 6,
ALS hastaları vs kontrollerin tüm beyin temelli mekansal istatistik (WBSS) Şekil 6.. Sonuçları. Bir sagital azalmış FA değerleri (a) Yerel maksimum, coronar ve eksenel görünümü (çoklu karşılaştırmalar için düzeltilmiş p <0.01, at eşiklenir ) (b) TFAS için temel olarak kullanılan kortikospinal sisteminde başlangıç ​​noktaları ile FT (c) (animasyon 1):.. FA-ma Grup farklılıklar ps slicewise görselleştirme ALS hastaları ve kontrol olgusu ile örnek arasındaki mekansal istatistik (WBSS) tabanlı tüm beyin tarafından algılanır. büyük rakam görmek için buraya tıklayın .

Şekil 7
Şekil 7 (animasyon 2):. Grup Fiber izleme (FT) korpus kallosum (solda) ve kortikospinal yolu (sağ) başlayan puanla veri (kontrol) ortalama. büyük rakam görmek için buraya tıklayın .

fig8highres.jpg "src =" / files/ftp_upload/50427/50427fig8.jpg "/>
Şekil 8 eser düzeltme önce Tüm beyin temelli mekansal istatistikleri. (Hacim eleme - VE) (sol) ve eser düzeltme (sağda) sonra, p <0.05, yanlış keşif oranı (FDR) düzeltilmiş her biri). Soğuk renklerde FA artış, sıcak renklerde FA azalma.

Şekil 9,
Şekil 9 kseroderma pigmentozum (XP) Üst sıra ile bir konu için çok parametreli MRG:.. Coronar, sagital ve eksenel görünümünde T1 ağırlıklı konvansiyonel MR sonrası kontrast. Aynı ile FA haritalar (ekran eşik 0.2):. Frontoparyetal beyaz cevher içinde Perifokal ödem, Orta sıra bir sol hemisferik kontrastlı lezyon odaklanınodak Alt sıra: talamus tohum puanla FT sonuçları - sol:. XP konu, sağ: 7 kontrollerden ortalama FT.

Şekil 10
Şekil 10. Biyopsi ile kanıtlanmış anaplastik oligoastrositom ile Hasta III ° ve tam cerrahi ve kombine radio-/chemotherapy ve adjuvan kemoterapi. 7 aylık bir zaman aralığı ile iki sonraki tarama arasındaki FA-haritalarda Boyuna farklılıklar (FA fark 0.15, FDR düzeltilmiş).

Subscription Required. Please recommend JoVE to your librarian.

Discussion

DTG veri denekler arası ortalama sırasıyla difüzyon genliği (FA bilgilerin kullanılması ile) ve yayılma yönü (FT dayalı olarak) ile ilgili olarak elde edilebilir. FA haritaların ortalama WBSS ve TFAS tarafından konu grupların istatistiksel karşılaştırma için izin verir. Bu metodolojik çerçeve arası konu ortalama ve grup karşılaştırma ile DTI tekniklerine giriş yapılıyor. Stereotaksik normalleştirme ve grup düzeyinde FA haritaların karşılaştırılması konu grupları arasındaki farklılıkları ölçmek için çeşitli olanaklar sağlar. WBSS ve TFAS beyin değişiklikler, örneğin nörodejeneratif hastalıkların bir groupwise benzer bir model olan hastalarda kişilik gruplar halinde grup düzeyinde farklılıkları ölçmek için bir veraset yolu gibi görünüyor. Heterojen klinik fenotipleri ile bozuklukları için, grup seviyesinde bir analiz yaklaşım kullanılabilir olmayabilir, ancak XP hastalarda çalışmaya örneğin gösterdiği gibi bir ikili şekilde yerine bir analiz, uygun olabilir.Tek olgu düzeyinde Bu DTI tabanlı beyin haritalama başka bir klinik bağlamda, preneurosurgical teşhis önemli ve değerli bir unsur olarak kayıt olduktan sonra çerçevesiz stereotaksi / neuronavigational sistemlerine farklı non-invaziv beyin görüntüleme araçları ve onların ortak entegrasyon kombinasyonu yani da önemlidir . Bu fMRI teknikleri, DTI, MRS, pozitron emisyon tomografisi (PET), yararlı kombinasyonları seçenekleri ile tek foton emisyon bilgisayarlı tomografi (SPECT) ve manyetoensefalografi (MEG) gibi çeşitli teknik yaklaşımlar (örneğin 47,48,49) klinik kullanımda .

Genel olarak, DTI-tabanlı teknikler sadece milimetre sırasına göre bir MRI özgü çözünürlüğe sahip beyaz cevher yönü analiz mümkün olduğunu sınırlıdır. FT rekonstrüksiyon en olası aksonal lif yön değil, aksonal yapılar kendilerini görselleştirmek sağlar. Bu nedenle, görüntü akson d DTI mümkün olmayacaktırirectly. DTI veri toplama ve burada açıklandığı gibi ardışık analiz belirli sınırlamalar ilk belirli bir önceden tanımlanmış tarama süre içinde elde edilebilir uzaysal çözünürlüğü vardır. Ancak, bu satın alma yaşı nedeniyle azalmış fiziksel kapasiteleri ve hastalıklı koşulları konuları öne olabilir ne ile sınırlıdır. Sınırlı voksel boyutu lifleri kapısı olan bölgelerde çözmek için zorluklara yol açar. İkinci olarak, burada sunulan çalışmaların çoğu 12 difüzyon ağırlıklı gradyan yönleri ile yapıldı - böyle bir DTI tarama protokolü yeterli kalitede FA-haritalama sağlar. 12 gradyan yönleri ile FT büyük akson lif yapılan uygun sonuçlar ortaya koymaktadır, ancak üçüncü bir sınırlama olarak, sorunlar çapraz fiberler arasında bölgelerinde ve belirgin bir elyaf yapısı verilen uzaysal çözünürlüğü olabilir ayrılmış bölgelerde meydana gelebilir. Geçen lifleri çözmek için Öneriler ilk ilke olarak histo hatırlar "hızlı yürüyüş" algoritması 50 idigeçen fiber bölgeye büyük adımlarla yolu ve yürüyüşleri ry, ve ikinci sözde "q-top" gradyan yönleri çok sayıda elde edilmesi ile (> 100) birden fazla yönde algılamasını sağlar görüntüleme 51 Tek bir voksel. Çok yönlü fiber mimarisi hakkında detaylı bilgi almak için farklı bir yaklaşım ek yönlü satın alma planları (örneğin 129 difüzyon kodlama gradyan yönleri) standart DTI 52 daha lif geçişleri ile alanlarda daha fazla bilgi sunmak yüksek açısal çözünürlük difüzyon ağırlıklı görüntüleme (HARDI) 'dir. FT için çeşitli seçenekler Tift uygulanmıştır: izleme 2,3, tensör Eğilme 53, Hızlı yürüyen-algoritması 50, ve bu teknikleri 31 değişiklikler kolaylaştırın. FT algoritma seçimine analizi strateji etkilemez, FT uygulanan algoritma her bir t için analiz işlemi sırasında kullanılabilir, yanio grubu düzeyinde. Genel bir optimize FT tekniği var var bu yana FT tekniği seçimi çalışma ile ele özel sorunuz bağlıdır. FT algoritmaları yeni gelişmeler (örneğin 54) özellikle geçen lif yapıları çözümünde, daha da sonuçlarını geliştirmek için yardımcı olabilir. Tamamen farklı bir yaklaşım (bkz) TBSS 10 kullanımı olacaktır.

Klinik rutin MRG protokolü 2 mm sırasına göre oldukça kısa, yani voksel çözünürlük ve sinyal birikimleri sınırlı sayıda (SA) ve gradyan yönleri (GD olması gerektiğinde bu çalışmada rapor işleme boru hattı öncelikle klinik çalışmalar için geliştirilmiştir ), 50 ile 80 sırasına göre yani SA x GD kullanılır. Çalışmalar yüksek çözünürlüklü DTI taramaları (kesit kalınlığı dahil olmak üzere voksel çözünürlük <1.5 mm ve GD dahil olmak üzere yüksek çözünürlüklü tensör tarama> odaklanarak için sinyal accumulatio belirli sayıda 50ns (SA> 2), yani SA x GD> 100, doğru mekansal normalleşmesi için alternatif ayrı anatomik veri yüksek boyutlu bir çarpıtma algoritmaların kullanılmasıdır 55 ayarlar. Ayrıca, bu çalışmada rapor işlenmesine, içsel bir normalizasyon işlemi iteratif ihtiyaç gerektiren bir çalışma özgü şablonun kullanımına dayanmaktadır. Alternatif bir çalışma belirli bir şablon için stereotaksik normalleşme gelişmiş doğruluk yararlanmaktadır olmaz dezavantajı ile bir stereotaxically standart DTI şablona olmayan iteratif normalleşme olabilir. Mekansal normalize veri setleri üzerinde FT çalışan bir sınırlama bu izleme normalleşme süreci ile sınırlı olabilir, yani doğrusal ve doğrusal olmayan normalleştirme adımları tensör yön hafif yanlışlıklar yol açabilir. Öte yandan, küresel izleme 54 örneğin yüksek açısal çözünürlük difüzyon görüntüleme verileri üzerinde çalışan gibi algoritmalar

Ek olarak, analiz prosedürü en kritik bir adım birbirine DTI verileri doğru bir ko-kaydı. Kötü co-kayıt yanlış pozitif veya yanlış negatif sonuçlara yol açabilir. Co-kayıt kalitesini artırmak amacıyla, çalışma-özel şablonları kullanarak normalleşme sürecinin karakter tekrarlanan veri işleme önemli bir adımdır. Ek olarak, elde edilen veri setinin, yumuşatma için yardımcıartık mekansal yanlışlıklar azaltılması, veri kalitesini artırmak. Başka bir mekansal normalleşme parametrelerini elde etmek için yaklaşım tekrarlı son Muhammedi ve arkadaşları 57 tarafından yayınlanan ve SPM için bir araç olarak kullanılabilir hale getirilmiştir. Onların algoritma öncelikle simetrik şablon için normalleşme parametreleri hesaplamak için geliştirilmiştir.

Bir sorun giderme işlemi anlamında, Tift yazılım kavramı her öncesi ve postprocessing adım sonra sonuçları kontrol etmenizi sağlar. Bu şekilde, tutarlılık ve inandırıcılık bireysel verileri / sonuçları tarama (aynı zamanda tek bir veri setleri) son olarak analiz kaskad herhangi bir aşamasında etkileşim için izin vermek için mümkün hale geliyor.

Birlikte ele alındığında, bu çalışmalar FA serebral WM patoloji (ayrıca 58) bir duyarlı bir göstergesi olduğu fikrini desteklemektedir. Biyolojik-odaklı yaklaşım birçok özellikle nörolojik ve neurodegenerativ şimdi bir öncelik olduğu göz önüne alındığındae hastalıklar, mevcut çalışmalar in vivo parmak izi özellikleri mikro tarafından beyin pathoanatomy tanımlamak için ek bir araç olarak DTI rolünü güçlendirmek. Bir grup seviyesinde DTI analizler invaziv olmayan işaretleri açısından pathoanatomical özelliklerin tanımlanması ve ölçümü için yararlı gibi görünüyor. Ayrıca sonuçları hesaplama nöroanatomi gelişmiş MR tabanlı tekniklerin kombine analizi ile sağlanabilir, 3-D T1 ağırlıklı MR (örneğin 59), ya da dinlenme devlet fonksiyonel manyetik rezonans görüntüleme örneğin yoğunluk tabanlı analiz ile DTI kombinasyonu yani (örneğin, 60) hem de diğer klinik olarak elde edilen sayısal parametreler korelasyon olduğu gibi.

Tamamlayıcı veya çok parametreli yaklaşımda, DTI elde etmek gibi için T2 veya T1 ağırlıklı görüntüleme, MT veya Manyetik Rezonans Spektroskopisi (MRS) gibi diğer MRG yöntemleri, ile birlikte kapsamlı ve comtamamlayıcı özellikler bilgi 29. Örnekler, 61 ve multipl sklerozda T2 relaksasyon zamanı ile 23 ilişkili DTI-FA sonuçları ve DTI ve T1 ağırlıklı görüntüleme kombinasyonu ile 62 gerçekleştirilen doku karakterizasyonu gibi. Gibi tek konu düzeyinde XP hastalarda çalışmaya gösterilen çok parametreli yaklaşım, beyin hastalıkları ile beyin yapılarının özenti tamamlayıcı ve kapsamlı bir analiz sağlar. Uzunlamasına gözlem bireysel düzeyde izlenmesi hastalığın ilerlemesi için DTI olasılıkları gösterilir, ama daha uzunlamasına çalışmalar bu potansiyel yararlanmak için gelecekte gerekli olan edilmiştir.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Yazarlar ifşa hiçbir şey yok.

Acknowledgments

Bu çalışmanın parçaları, QC ve hiperkinetik bozukluğu olan hastaların verilerine uygulamada bozuk gradyan yönleri için düzeltme üzerinde çalışma yani Avrupa HD ağ (EHDN projesi 070) tarafından desteklenmiştir. Bu belirli çalışmada MRI taramaları Londra sitesi TRACK-HD kohort bir parçası olarak satın alındı.

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

Tıp Sayı 77 Nörobilim Nörobiyoloji Moleküler Biyoloji Biyomedikal Mühendisliği Anatomi Fizyoloji Nörodejeneratif Hastalıklar nükleer manyetik rezonans NMR MR MR difüzyon tensör görüntüleme lif izleme grup düzeyinde karşılaştırma nörodejeneratif hastalıklar beyin görüntüleme klinik teknikleri
Nörodejeneratif Hastalıkların Analizi Difüzyon Tensör Manyetik Rezonans Görüntüleme
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