Summary
弥散张量成像（DTI）基本上作为一个基于MRI的工具来识别
Abstract
弥散张量成像（DTI）技术提供脑白质（WM） 在体内的微观过程的信息。本应用程序旨在探讨WM参与模式的差异，不同的脑部疾病，特别是神经退行性疾病，通过使用不同的DTI分析与匹配的对照比较。
DTI数据进行分析在变量的时尚，为了在集团层面， 即 voxelwise比较区域扩散方向的指标，如各向异性分数（FA），连同纤维跟踪（FT）陪同由的各向异性分数tractwise统计（TFAS）找出差异在FA随着WM结构，瞄准在组级别的WM改变区域格局的定义。改造成一个立体的标准空间组研究的前提条件是，需要彻底的数据处理到维护directional相互依存关系。本应用表明，优化的技术方法定向和定量的信息保存在集团层面在空间数据分析正常化。在此基础上，FT技术可以应用到组的场均数据，以量化指标信息，通过FT。此外，应用DTI方法， 即差异FA-映射后立体对齐，在个别科目进行纵向分析揭示神经系统疾病的进展信息。在预处理过程中应用受控消除高噪音水平的梯度方向，可以得到的DTI基于结果的质量进一步改善。
总之，DTI被用来定义一个独特的WM pathoanatomy的全脑和基于道DTI分析相结合的不同的脑疾病的。
Introduction
弥散张量成像技术在人类大脑
在中枢神经系统的白质（WM）大片密密麻麻轴突除了各种类型的神经胶质和其他小的细胞群体组成。轴突膜以及对齐的蛋白质纤维轴突内限制水的扩散垂直于纤维取向，导致脑WM 1中的各向异性水扩散。髓鞘的轴突周围也可能有助于各向异性的两个内和细胞外的水2。
扩散张量成像（DTI）可检测到这种各向异性的定量描述。 DTI生产组织与当地的微观结构特征的水扩散加权图像。的图象在每个位置上的强度衰减，根据所谓的磁扩散梯度的强度和方向（表示在b值），以及本地的显微组织，其中的水分子扩散，扩散系数 D，一个标量值：
然而，在WM中的各向异性的存在下，扩散可以不再其特征在于由一个单一的标量系数，但要求一个张量
在第一近似描述分子的流动性，沿各个方向，这些方向之间的相关性4。扩散的各向异性的原因，主要是通过WM中的纤维束的方向和由它的微观和宏观结构的功能的影响。的微观结构特征，出现intraaxonal组织扩散各向异性的影响最大，除了纤维的密度一ND细胞包装，髓鞘化程度，纤维直径和个人。在宏观尺度上的变异的方向在成像体素的所有WM大片影响其各向异性度5。
在典型的DTI测量，体素的尺寸以毫米的顺序。因此，总是包含一个体素的平均信息，检测到的，通常包括一些轴突，以及周围的水分子的体积内部的水分子。尽管这种多向环境，DTI是敏感的最大主轴线对齐的主要轴突方向的方向， 即轴突的贡献占主导地位的被测信号2。
英国贸工部提供两种类型的水扩散的财产的信息：第一，独立的方向扩散各向异性和第二的程度，水扩散成像的主要方向É体素， 即的扩散方向6。
目前的协议都应该DTI分析技术学科组在组级别的定量比较提供了一个框架，概述如下。
扩散性能的定量分析-分析参数
对称张量的元素可以通过扩散梯度沿至少6个非共线和非共面的方向进行测量，以便使得b（ 等式1）已成为一个张量，从而导致信号的衰减
这个方程需要占成像和扩散梯度，应用正交方向（交叉）之间，甚至应用的成像梯度之间可能的相互作用在正交方向4。
排名第二的扩散张量总是可以被对角化离开只有三个沿主对角线张量的非零元素， 即特征值（ 
）。特征值反映椭球的形状或结构的。所描述的特征向量之间的数学关系的主坐标系中的椭球和实验室帧
由于存在多种挑战，显示张量数据，扩散椭球的概念已经提出了3。这些电子Eigendiffusivities的llipsoids指在介质中的扩散系数的影响的主要方向的一维扩散系数椭圆体的主轴线， 即表示主扩散方向与纤维的方向相一致的体素，而椭球的偏心率提供了有关程度的各向异性和其对称性。因此，扩散各向异性的各向异性分数（FA）的指标，如可以定义7。
是所有特征值的算术平均值。
另外一个方法是使用解决洗衣机的连通性大脑的主要方向上的弥散张量，对应于跟踪技术的做法通道具有彼此连接的部位的脑的意向调查。假设的主要成分的方向的弥散张量表示占主导地位的方向轴突大片，矢量场的3-D，其中每个向量表示的纤维取向。目前，有几种不同的方法来重建可分为两种类型：第一类是基于线传播算法使用本地张量信息的每个步骤中的纤维束的传播2,8,9洗衣机大片。第二类是基于全局能量最小化的能量上最有利的路径之间的两个WM区域，导致道为基础的空间统计方法（TBSS）10中使用的其它算法，如各向异性分数统计tractwise（TFAS已 - 看到协议文本，第2.4节）。
立体立场的转化ARD空间
像其他先进的磁共振成像方法，DTI和FT为基础的研究，在临床情况下追求的最终目标，个别病人的脑形态进行分类，以促进诊断过程中，基于一些歧视度量11。在组级别的研究是最常见的临床表型相关的，如果被认为是由于损坏一个或多个特定脑区域或特定的神经解剖学网络。这里，不同科目的平均业绩是有用的，以评估微观结构改变的常见模式。每个单独的大脑有要传输到立体的空间中，这样，在第二步骤中，在体素的体素水平的算术平均的结果是可能的。空间标准化允许从不同的受试者中获得的结果，以提高信号噪声比（SNR），并进行比较，样品的患者和续算术平均的ROLS，以便分析计算pathoanatomy特定的疾病， 例如做作，这是与一个特定的大脑系统的神经变性疾病。
早期的做法规范化，标准化的立体空间12建议变换算法涉及识别各种脑头痛医头，脚痛医脚的地标和缩放脑象限的标准图集。如今，最先进的磁共振成像数据分析软件包使用正常化蒙特利尔神经学研究所（MNI）立体空间13。对于这种转变，半自动和自动化的大脑登记算法研究特定的模板，开发出14,15。在英国贸工部，特别注意的绘制过程中保持方向信息的正常化进程16,17。 DT-MR图像的空间变换中的应用所必需的空间标准化数据集的集合，翘曲标量图像，并发DT的一个事实，即包含取向信息，再次通过转换的影响相反。此效果，必须考虑，以确保转换后的图像的解剖的正确性。这里，DTI数据集应用仿射变换的技术。
DTI脑部疾病中的应用
纵向DTI数据的比较需要一个主体彼此之间的数据对齐/注册。在这方面，方向信息的保存是必要的（ 即在仿射变换的弥散张量的旋转）。神经退行性疾病的可能的应用已被以前的报告（ 例如，18,19）。
英国贸工部已被确立为一个强大的非侵入性的技术工具， 在体内神经病理学调查OGY的WM神经大片（ 例如 11,20,21,22）。的扩散过程的DTI的定量度量， 例如，在FA，已经被示出是敏感的标志物，用于学习一个宽范围内的WM病理学，如中风20，多重硬化症23，肌萎缩性脊髓侧索硬化症24，25，阿耳茨海默氏病26和几个其他WM障碍的27,28。
此外，DTI可用于与FT识别WM大片23。这种技术，而仍然没有在常规临床使用，正在评估途径特异性异常，神经系统疾病的一个强大的工具。在所确定的大片，各种来自英国贸工部和额外的收购（ 如 T2加权图像和/或磁化传递（MT）成像）MRI定量指标，解剖配准贸工部的数据可以衡量的。因此，每个索引可以演算ATED道内的位置作为一个函数，指情节描绘道型材的空间变化。
在下面的，人类的DTI扫描上进行1.5特斯拉核磁共振扫描仪（德国埃尔兰根西门子医疗）被用来研究各种分析技术检测脑白质异常病人团体以及个人的潜力。消除运动等各类文物损坏的卷和卷的自动质量检查后，标准化的后处理程序准备DTI数据连续分析。在下面将说明不同的分析方法， 即第一，整个大脑的空间统计（网路自助服务），第二，FT，第三，Tractwise的各向异性分数统计（TFAS）。网路自助服务是运行在基于体素的形态学（VBM），通常被称为基于体素的形态学测量/ DTI数据统计（VBM / DTI比喻的方法）
Subscription Required. Please recommend JoVE to your librarian.
Protocol
分析方法：预处理和后处理
下面的协议的任务是分析的属性内voxelwise的白质，这可能是扩散 - 由于检测voxelwise - 各向同性或各向异性，从而导致长球形或扁圆形的各个体素的弥散张量。用于FA-地图或计算的的fibertracts识别（ 图1）中的参数设置的体素张量。
为了获得分析结果显示在下面的，使用的软件包的张量成像和纤维的跟踪 （TIFT）17。 TIFT提供分析工具，用于下列要求：
- 分析在DTI的指标， 如 FA地图方面，
- 立体正常化
- FA或其他DTI指标组比较
- 各种分析方法的FT
- FT组平均ðTI的数据和相应的统计分析。
这些特性允许在一个软件环境17,29,30,31各种分析。的TIFT软件不断发展DTI数据分析中的新选项。
图2给出了原理概述如何分析DTI数据后空间正常化两种互补的方法， 即在组级别的WBS和TFAS最终获得受样品之间的差异，在集团层面， 如与健康对照组的害病的脑子。这里，网路自助服务的目标是在voxelwise公正的检测领域在组级别的差异，而TFAS根据预先定义fibertracts的; TFAS启动区域可以自由选择或可以从网路自助服务的结果（`热点`显着改变FA）。
个人纵向比较FA地图是由探测器汀在FA图测量的差异仿射立体定位对准后在不同的时间点（ 图2）。
- 质量检查（QC）包括损坏的梯度方向修正
在收购过程中， 即在卷损坏的情况下运动的干扰的情况下，增加信噪比省略单梯度方向（GD）张计算。为了这个目的，32质量检查（QC）的算法被开发了。简单地说，含有损坏的卷的扫描中，信噪比（SNR）的增加来实现省略单梯度方向张量估计之前的某个时间：每个GD的加权方差进行加权计算序列中的所有剩余的方向与角度它们不同的索引好。- 执行伪影校正， 即通过检测GD至少一片强度下降所造成的运动伪影自发SU了对象的运动（ 图3，上面板 ）。对于任何弥散加权量，计算对于每个片层的平均强度，其强度比较通过使用加权平均的方法具有相同的切片在所有其他卷 - 的权重系数是GD的两个矢量的点积
： 
表示的算术平均强度下观察切片427eq12.jpg“/>片作比较。相对平均强度偏差
加权的GD的点积。因此，为了定义一个全局参数： 
至少反映了所有切片的slicewise比较。 - 如果Q是根据一定的阈值（在本例中，0.8的阈值是用于此目的），消除该全卷的，或GD。 0.8的阈值被认为是一个稳定的解决方案32。图3可见矢状重建运动伪影和检测质量控制算法。在这个例子中，满分GD（ 图3c中的蓝色的点）的总数，有17人红线下面对应为Q = 0.8和寿LD被淘汰。在图3d的体积消除统计信息的一个例子为一个整体的研究。在这个示范性的研究，DTI症状前29高清科目的数据进行了比较，DTI数据30控制。进一步的细节在此算法中，在32，33。
- 执行伪影校正， 即通过检测GD至少一片强度下降所造成的运动伪影自发SU了对象的运动（ 图3，上面板 ）。对于任何弥散加权量，计算对于每个片层的平均强度，其强度比较通过使用加权平均的方法具有相同的切片在所有其他卷 - 的权重系数是GD的两个矢量的点积
- 预处理和空间正常化
- 涡流引起的几何失真的回波平面成像数据集由34所提出的方法进行修正。
- 对于脑立体定位的正常化，创建一个特定的研究（β= 0） -模板，如前面所述17,28,31 FA模板。基本上，一个完整的非线性的立体正常化由3个变形分量。因此，所得的弥散张量
的每个像素i的rotat根据上面列出的（ 图4）的所有的旋转： - 图4a示出了一个刚性的脑对齐的基本坐标系的变换。的旋转
产生的基本坐标系对准已被应用
- 图4b所示的线性变形，根据标志性建筑。的特征向量的组件
根据六个线性变形的S（取决于对大脑的一个区域中，a = 1 ... 6）的归一化参数都必须进行调整。
V W，J 一个V W，J'''
W = 1,2,3和 j = X，Y，Z。 - 图4c示出了非直线的非线性的脑的形状差异均正常化。导致一个单独的变换，可为每个像素的3-D的体素阵列为每个像素的3-D矢量的变化是不同的
）。标准的三角函数给出了一个独立的旋转矩阵为每个像素，产生3-D矢量的变化，以维护邻居的体素的特征向量的方向之间的关系的概念16。因此，不同的两个相邻体素的变化导致对应的特征向量旋转。使用扩张矩阵的张对齐的每个体素，以周围的体素。 
的组成部分是
- 图4a示出了一个刚性的脑对齐的基本坐标系的变换。的旋转
- 这个个体正常化过程后（STEP（I） -贸工部数据I 0），使用所有个别DTI数据集创建一个特定的研究（B = 0） -模板和FA-模板（步骤（ii） -模板T 1）。作为非仿射登记的FA-模板具有的优点是它提供了更高的对比度相比，（二= 0）的图像10，FA模板定义的平均单独来自FA-患者和对照的地图。
- 阿什伯纳和Friston 35的基本思路，在第二步骤中，执行一个非线性MNI的归一化（步骤（iii））的DTI的数据的设置由尽量减少区域FA地图强度之间的不匹配将嵌合和FA-的模板根据平方差（X 2） -这样，你得到英国贸工部的数据I 1。
- 基于这些数据，来自新模板T 2（步骤（iv））。重复这个反复的过程，直到个别FA地图和t之间的相关性他FA-模板> 0.7。通常这两个迭代后达到。
- 全脑为基础的空间统计
以下步骤1.3.1至1.3.5的可视化示意性地在图5b中。- 计算FA地图1.2正常化过程归DTI数据。为了维护的方向信息（步骤（i））。
- 作为统计比较voxelwise之前的预处理步骤，适用于平滑滤波器（步骤（ii））的各个归一化FA地图。对于平滑，过滤器的大小影响的事实，DTI数据分析36的结果需要匹配滤波器定理指出，用于对数据进行处理的过滤器的宽度，应根据所预期的差值的大小的应用程序，详细在以前的应用DTI数据与神经退行性疾病的患者（ 如 28）。
- 执行统计小样图埃里森之间的患者群体和相应的对照组voxelwise学生的t检验， 即患者的FA地图控件的FA地图FA值比较FA值，分别为每个像素（步骤（iii ））。 FA值低于0.2的计算不考虑，因为灰质显示FA值可达0.2 37。
- 统计结果都必须在校正多重比较，使用假发现率（FDR）算法在p <0.05 38（步骤（iv））。要执行的空间相关性的算法（聚类 - 步骤（v）），消除孤立体素或像素的平滑核的大小范围的小型的，孤立的组的α误差进一步降低，导致512的阈值的簇大小体素。
- 为了显示形态背景上的结果（步骤（V）），正常化的3-D T1加权数据集到MNI空间和平均算术。执行本正常化p通过使用类似于应用于DTI数据正常化的研究特定的模板设置rocedure 17。
： 
表示的算术平均强度下观察切片427eq12.jpg“/>片作比较。相对平均强度偏差
加权的GD的点积。因此，为了定义一个全局参数： 
的每个像素i的rotat根据上面列出的（ 图4）的所有的旋转： 
产生的基本坐标系对准已被应用
）。标准的三角函数给出了一个独立的旋转矩阵为每个像素，产生3-D矢量的变化，以维护邻居的体素的特征向量的方向之间的关系的概念16。因此，不同的两个相邻体素的变化导致对应的特征向量旋转。使用扩张矩阵的张对齐
的组成部分是图6显示了全脑为基础的空间统计（网路自助服务）的ALS患者与对照组的结果。 图6a显示了当地最大的一个矢状FA值下降，coronar和轴向视图（阈值（P <0.01），校正多个比较）。 图6b所示projectional的FT TFAS基础作为皮质脊髓束的出发点。 图6c显示了基于空间统计（网路自助服务）之间的ALS患者和匹配的对照样品检测全脑组间差异FA地图可视化一个slicewise。
- 束成像和各向异性分数统计tractwise的（TFAS）
图7示出基于组的FT的过程中，包括1所述的TFAS。4.1 1.4.4。- 为了应用基于组的FT算法，生成平均DTI数据，一起根据前面所述的方法17套从病人的数据和控制数据。这种平均正常化过程中保留16所描述的技术取向的信息，这是需要慎重对待的-详细信息，请参阅30。
- 执行跟踪技术学科组平均DTI数据集应用程序的简化跟踪技术31。识别手动定义种子点相邻的局部极大值的基于全脑FA分析是连续FT分析的基础。识别后的种子，进行纤维束和定义的掩模对TFAS以下30作为特定组的划定纤维的体素。
- 为了量化跟踪技术的结果，应用该技术的TFAS日ê纤维束上创建的平均DTI数据集各学科各组（患者数据和控制数据）像素之间的比较病人和控件的FA地图的选择。
- 考虑学生的t检验进行统计分析与FA值在0.2以上的所有体素。
- 如果需要，TFAS技术可以应用于任何派生DTI度量，如平均扩散率（MD），径向各向异性，轴向各向异性等（例如，请参阅28）。
- 的结果显示在MNI的归一化的3-D T1加权的数据集组成的形态的背景
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
1。质量控制和校正多动障碍的患者在应用程序的数据损坏的梯度方向
由于的应用程序的质量控制和随后的体积排除（由于收到从而损坏的GD校正）的效果的一个例子， 图8显示了有和没有29亨廷顿premanifest的疾病组比较，体积排除的情况下在整个大脑基于空间统计信息的差异科目与30名年龄和性别匹配的对照。 1.5特斯拉MAGNETOM交响乐团（德国埃尔兰根西门子医疗）进行扫描协议。 DTI研究协议是相同的患者和对照组，包括72卷（40片，96×96像素，层厚2.3毫米，像素尺寸为2.3×2.3毫米），占64个梯度方向（B = 1000秒/毫米2） 8扫描扩散加权最小（B = 100秒/毫米2）。回波时间（TE）和重复时间（TR）WERE 90毫秒，8000毫秒，分别。
2。英国贸工部在着色性干皮病
着色性干皮病（XP）是一种罕见的常染色体隐性progeroid综合征相关DNA修复缺陷在衰老过程中39,40中起着核心作用。阿多参数MRI的方法来表征的cerebromorphological表型不同亚型在七个XP患者使用，以评估相比较，以控制41，包括DTI，体积测量，磁共振波谱（1 H MRS）的宏观结构和微观结构的脑形态。
MRI协议收购一个1.5特斯拉核磁共振系统（MAGNETOM交响乐团，西门子，埃尔兰根，德国），配备标准headcoil的。 T1加权（T1W）扫描包括196片与切片厚度为1.0毫米（256×256个像素，像素大小1.0×1.0毫米）。 TE和TR分别为12毫秒，456毫秒。 DTI研究原山坳包括13卷（45片，128×128像素，层厚2.2毫米，像素尺寸为1.5×1.5毫米），占12个梯度方向和梯度0（B = 0）一次扫描。 TE和TR分别为93毫秒，8000毫秒，b为800秒/毫米2和5个扫描平均在线扫描仪软件在图像空间。
由于XP的受试者的临床和人口异质性，比较不执行在组级别，但而在成对的方式， 即每个XP主题进行了分析比较，年龄和性别匹配的对照。位于丘脑的感兴趣区FA-地图进行比较，在上部的皮质脊髓束，内囊，胼胝体。此外，方向性变化，两两比较的FT和连续TFAS，在丘脑的出发点。 DTI表现出显着降低WM调查在所有地区的方向性， 即 THê丘脑，皮质脊髓束和背的胼胝体，降低音量和方向性纤维预测涉及的头尾纤维和半球间的连接（ 图9）。这些发现，虽然研究样本之间的异类，可与临床神经症状。成像结果支持髓鞘结构过早退化的大脑XP的患者，如在讨论41的位置。
DTI在神经退行性疾病（运动神经元疾病）
形态学改变已报道，近日在肌萎缩性侧索硬化症（ALS）患者的结构性MRI分析42,43以及感觉功能连接在ALS患者21。网路自助服务和TFAS的分析方法的应用，例如，在这项工作中，研究了多参数MRI 20 ALS患者。西弗经修订的ALS功能评定量表（ALS-FRS-R）的范围内为轻度至中度（35.9±8.0），并没有病人躯体症状erity表明神经心理学额颞叶痴呆症的迹象。作为对照组，20年龄和性别匹配的健康对照组进行了扫描。
1.5特斯拉MAGNETOM交响乐团（德国埃尔兰根西门子医疗）进行扫描协议。 DTI研究协议是相同的患者和对照组，包括13卷（45片，128×128像素，层厚2.2毫米，像素尺寸为1.5×1.5毫米），占12个梯度方向和一个扫描梯度0（B = 0）。 TE和TR分别为93毫秒，8000毫秒，b为800秒/毫米2和5个扫描平均在线扫描仪软件在图像空间。
ALS组的结果显示广泛的FA减少沿着CST和CC的大部分地区，在后者中，我现状，段三霍费尔和弗拉姆方案44，但超越腹侧和背侧CC区（ 图6）。ALS组的结果显示广泛的FA减少沿着CST和CC的大部分地区，后者包括III段根据霍费尔和弗拉姆方案44，但达到超越腹侧和背侧CC区（ 图6）。
另一个例子是其他运动神经元疾病（MND）， 即 ALS，原发性侧索硬化症（PLS），遗传性痉挛性截瘫（HSP）细分为纯（PHSP）和复杂（CHSP），通过使用WM参与模式的调查DTI分析了两方面的办法：网路自助服务之补充FA地图的，由FT结果和后续TFAS。比较ALS和PLS样品的DTI-45以及其他作者已被描述。 PLS组分析显示了类似的下降FA ALON克CST解剖，而CC参与标记，但是比在ALS那么广泛和更严格的三段。在PHSP样品的分析表明，其中包括外接范围内这种结构，而CC改装，类似于在ALS组，延续了背CC大部分地区包括汽车分部的格局观察CST的FA减少。最后，CHSP组FA下降，累计到一个大的集群，包括完整的CST结构和大背腹侧部分的CC最大的领域。综上所述，控制共72例不同MND DTI分析显示，与脑的不同区域内的参与病理过程的不同的疾病实体的特征病变型态。进行了详细的描述和讨论，请参阅22,28,46
3。纵向比较DTI >
DTI纵向比较，一个46岁的患者，经活检证实的间变性少突WHO III°扫描应用程序作为一个例子。完成手术后，患者接受联合radio-/chemotherapy和6个周期的辅助化疗。
DTI被收购4个时间点， 即在联合radio-/chemotherapy和2，5，9个月后radio-/chemotherapy，以描述的状态，在区域和全球的WM在纵向设计的完整性。
1.5特斯拉MAGNETOM交响乐团（德国埃尔兰根西门子医疗）进行扫描协议。 DTI研究协议包括52卷（64片，128×128像素，层厚2.8毫米，像素尺寸2.0×2.0毫米），占48个梯度方向和四个扫描梯度0（B = 0）。 TE和TR分别为95毫秒和8000毫秒，b为1000秒/毫米2。
ntent“模范图10显示FA-DTI扫描后radio-/chemotherapy和DTI扫描7个月后， 即扫描时间点2和4。根据1.3节进行网路自助服务之间的映射差异与FA门槛。 0.15，罗斯福纠正。
图1在英国贸工部，一个像素代表的扩散性能的几束的轴突扩散张量来计算，椭球所示。对于每个像素，张量的信息可以被参数化的各向异性分数（FA）地图，或用于纤维跟踪（FT）。
27fig2.jpg“/>
图2上部面板 ：质量检查（QC）及相应的卷消除（VE），DTI度量， 例如 FA-地图后可被计算。在接下来的步骤中，无论是立体的正常化（左）可在组级别（基于空间统计-网路自助服务和/或tractwise各向异性分数统计-全脑TFAS）或立体对齐的比较（右）允许纵向比较FA地图。这些分析导致在组级别的差异（左）或检测纵向单一主体DTI数据（右）的内部分歧。 点击这里查看大图 。
les/ftp_upload/50427/50427fig3.jpg“/>
图3。 （一）代表议案损坏的轴向切片检测QC算法的强度降低。（b）在各自的本地化重建矢状体积，白色箭头指示。运动腐败视觉上也表示相对强度损失相比，相邻的轴位片（c）根据应用的阈值0.8（红线）共17个梯度方向检测量消除。黑色箭头表示的体积（a）和（二），（四）成交量的消除统计（淘汰梯度方向- GD）29症状前亨廷顿氏病学科（PS）和30控制。
图5（一）管脚用于迭代特定模板MNI-n的示例。ormalization：归一化步骤的基础上的标志性建筑，由算术平均DTI数据I 0 1后，第一个模板T 1（（B = 0）模板和模板FA）获得。随后，在一个迭代过程，归一化的DTI数据I 1，获得由先前定义的模板（T 1）的非线性正常化。从这些新的归一化的DTI数据I 1，新的模板（T 2），来自它再次可能被用于归一化。这个反复的过程时停止达到贸工部的数据和模板之间的一个预定义的巧合（通过相关的措施），（B）计划的数据前的预处理全脑的空间统计（网路自助服务）：FA地图计算归一化的DTI的数据和一个平滑滤波器，以个别的归一化FA映射被应用。在连续步骤，voxelwise统计的患者群体之间的比较和相应的控制组是PErformed。使用假发现率（FDR）的聚类算法和程序进一步减少的α错误校正多重比较后，结果显示形态背景点击这里查看大图 。
图6。结果全脑为基础的空间统计（网路自助服务）的ALS患者与对照组（a）本地最大在矢状位，FA值下降（P <0.01，多重比较校正阈值coronar和轴向视图）（二）FT起点皮质脊髓束TFAS作为基础。（三）（动画1）：FA-MA组间差异 PS检测基于空间统计（网路自助服务）之间的样本的ALS患者和匹配的对照在slicewise可视化的整个大脑。 点击这里查看大图 。
图7（动画）：光纤跟踪（FT）组平均数据（对照组），胼胝体（左）和皮质脊髓束（右）的出发点。 点击这里查看大图 。
fig8highres.jpg“SRC =”/ files/ftp_upload/50427/50427fig8.jpg“/>
图8。基于全脑空间统计神器校正前（音量淘汰- VE）（左）和伪影校正后（右），每个P <0.05，错误发现率（FDR）纠正）。 FA增加冷色调，FA减少热的颜色。
图9。多参数MRI为主体与着色性干皮病（XP） 上排 ：T1加权常规MRI对比剂后在coronar，矢状面和轴向视图。重点在左侧半球额顶叶白质内病灶周围水肿。 中间行对比增强病变：FA图显示阈值（0.2）与相同对焦。 下行 ：FT结果种子点在丘脑- 左起 ：XP主题， 右 ：平均从7控制FT。
图10。患者活检证实为间变性少突WHO III°，完整的手术和综合radio-/chemotherapy和辅助化疗。纵向在FA地图之间的差异两个后续的扫描与7个月的时间间隔（FA差异0.15，罗斯福纠正）。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
DTI数据可以实现跨学科的平均与的扩散幅度（由利用足总杯信息）和扩散方向（根据FT）就分别。平均FA地图允许学科组统计比较的WBS和TFAS。这种方法论框架给出了一个介绍DTI技术跨学科平均组比较。的立体定向正常化和FA图在组级别允许比较几种可能性学科组之间的差异进行量化。网路自助服务和TFAS似乎是遗嘱的方式来测量组受试者在集团层面的差异与大脑的改变， 如神经退行性疾病的GroupWise类似的模式。异构临床表型障碍，在集团层面的分析方法可能不会被使用，但而是一个分析成对的方式可能是适当的证明， 如在XP患者在研究。基于此DTI-大脑映射在单一的情况下，水平也很重要，在另一项临床情况下，登记后， 即组合成无框立体定向/ neuronavigational系统的的不同的非侵入性的脑成像工具和他们的合作，整合作为一个重要和宝贵的元素preneurosurgical诊断。功能磁共振成像技术，MRS，DTI，正电子发射断层扫描（PET），单光子发射计算机断层显像（SPECT），脑磁图（MEG）的选项有用的组合各种技术方法，如在临床上使用（ 如 47,48,49） 。
一般来说，DTI为基础的技术是有限的，因为它们只能在白质分析的方向性，与MRI特定分辨率的顺序毫米。 FT重建使可视化最有可能的轴突纤维方向性，轴突结构本身。因此，它不会由DTI图像轴突ðirectly。 DTI数据采集和连续的分析，这里所描述的具体限制，首先可以实现一定的预定义的扫描时间内的空间分辨率。然而，此次收购是有限的物理能力降低，由于年龄和患病情况可能会站在什么科目。体素大小限制导致困难地区解决交叉纤维。其次，这里的大多数研究进行了12弥散加权梯度方向 - 这样的DTI扫描协议允许FA-映射有足够的质量。 FT 12个梯度方向在大轴突纤维结构，揭示了正确的结果，然而，作为第三个限制，问题可能出现在区域交叉纤维和地区没有明显的纤维结构可以在给定的空间分辨率分开。建议解决交叉纤维“快速推进”的算法50原则记得组织相容RY道和游行大步骤通过交叉纤维区域，二是所谓的“Q-球”影像51收购了大量的梯度方向（> 100）可检测多个方向单体素。另一种不同的方法来获得详细信息多向纤维结构是高角分辨率扩散加权成像（HARDI），其中定向增发收购计划（ 如 129扩散编码梯度方向）提供更多信息领域与纤维交叉比标准DTI 52。为FT实施TIFT的几个选项：简化跟踪2,3，偏转张53，快速行进算法50，和修改这些技术的31。 FT算法的选择不影响分析策略， 即各实施FT算法可用于在分析过程中在t他组的水平。由于不存在一般的优化的FT技术的FT技术的选择取决于研究解决的具体问题。小说发展的FT算法（ 例如 54），从而有利于进一步改善的结果，特别是在解决交叉纤维结构。将是一个完全不同的方法使用的TBSS 10（见简介）。
在本研究报告处理管道主要临床研究开发，临床常规MRI协议时要求是相当短的， 即体素的顺序为2毫米的分辨率和有限数量的信号累积（SA）和梯度方向（GD ）， 即 SA X区域司在50至80的顺序被使用。高分辨率DTI扫描（体素的决议，包括切片厚度<1.5 mm和高分辨率张扫描包括GD重点研究> 50一定数量的信号积累的影响纳秒（SA> 2）， 即 SA所述GD> 100准确的空间标准化，另一种是利用高维翘曲算法在单独的解剖数据集55。此外，在本研究中报道的后处理的基础上使用一个特定的研究的模板，它本质上需要一个迭代的归一化处理的需要。另一种方法可以非迭代正常化的立体定向标准化DTI模板的缺点，改进的精度立体正常化的一项研究特定的模板不会冤大头。空间归一化数据集上运行的FT的一个限制是，跟踪可能是有限的，归一化处理， 即线性和非线性归一化的步骤可能会导致轻微的张量的方向性的准确性。另一方面，像54全球跟踪工作， 如高角分辨率扩散成像数据的算法 此外，分析过程中最关键的一步，是一个准确的登记贸工部的数据彼此合作。差共登记可能导致假阳性或假阴性结果。为了提高配准质量，研究特定的模板通过使用迭代特性的归一化处理，在数据处理是一个关键步骤。此外，所产生的数据集，可以平滑提高数据质量，减少剩余空间不准确。另一种迭代的方法来获取参数的空间正常化已最近发表穆罕默迪和他的同事57提供SPM工具箱。他们的算法主要已开发一个对称的模板来计算归一化参数。 在故障排除过程中的意义，概念的TIFT软件可以控制每个预处理和后处理步骤后的结果。这样一来，个人数据/结果上的一致性和似然性检验（也可单个数据集）是变可行为了最终允许在任何步骤的分析级联相互作用。 总而言之，这些研究支持了这一观点，英足总是一个敏感的标记脑WM病理的（见58）。鉴于生物标志物重点的做法现在是许多神经系统，尤其是neurodegenerativ的一个优先事项ê疾病，目前的研究加强的作用DTI定义脑pathoanatomy的微观结构， 在活体指纹特征作为一个额外的工具。在集团层面的DTI分析似乎是有用的非侵入性标志物的识别和量化的pathoanatomical功能。通过先进的基于MRI技术的计算神经解剖学的综合分析，可以提供进一步的结果， 即 DTI结合3-D T1加权MRI（ 例如 59），或静息态功能磁共振成像如强度分析（ 例如：60），以及与其他临床来自量化参数的相关性。 在补充或多参数的方法，DTI相结合，与其他MRI方式，如T2-T1加权成像，MT或磁共振波谱（MRS），以获得全面和com补充信息29。作为例子，61和23相关的DTI-FA T2弛豫时间的结果与在多发性硬化症，和62执行由DTI和T1加权成像相结合的组织特性。在XP病人在单科水平的研究所示，多参数的方法，允许做作大脑结构的互补和综合分析脑部疾病。 DTI用于监测疾病的进展以个人层面纵向观测的可能性已被证明，但是，更多的纵向研究在未来是必要的，以使利用这种可能的。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者什么都没有透露。
Acknowledgments
这项工作的组成部分， 即损坏的梯度方向多动障碍的患者在应用程序的数据质量控制和校正的研究，支持欧洲高清网络（EHDN项目070个）。这一定研究的MRI扫描获得伦敦站点TRACK-HD队列的一部分。
Materials
| Name | Company | Catalog Number | Comments |
| MR scanner | Siemens 1.5 T Magnetom Symphony | ||
| analysis software | TIFT - Tensor Imaging and Fiber Tracking |
References
- 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).
- Mori, S., van Zijl, P. C. M. Fiber tracking: principles and strategies - a technical review. NMR Biomed. 15, 468-480 (2002).
- Basser, P. J., Mattiello, J., LeBihan, D. MR Diffusion Tensor Spectroscopy and Imaging. Biophys J. 66, 259-267 (1994).
- 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).
- Pierpaoli, C., Basser, P. J. Toward a quantitative assessment of diffusion anisotropy. Magn. Reson. Med. 36, 893-906 (1996).
- 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).
- Le Bihan, D., Mangin, J. F., et al. Diffusion tensor imaging: concepts and applications. J. Magn. Reson. Imaging. 13, 534-546 (2001).
- 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).
- 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).
- Smith, S. M., Jenkinson, M., et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. Neuroimage. 31, 1487-1505 (2006).
- 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).
- Talairach, J., Tournoux, P. Coplanar stereotaxic atlas of the human brain. , Thieme Medical. New York. (1988).
- Brett, M., Johnsrude, I. S., Owen, A. M. The problem of functional localization in the human brain. Nat. Rev. Neurosci. 3, 243-249 (2002).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Pierpaoli, C., Barnett, A. Water diffusion changes in Wallerian degeneration and their dependence on white matter architecture. Neuroimage. 13, 1174-1185 (2001).
- Agosta, F., Valsasina, P., et al. Sensorimotor functional connectivity changes in amyotrophic lateral sclerosis. Cereb Cortex. 21, 2291-2298 (2011).
- 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).
- Reich, D. S., Zackowski, K. M. Corticospinal tract abnormalities are associated with weakness in multiple sclerosis. Am. J. Neuroradiol. 29, 333-339 (2008).
- Abe, O., Yamada, H. Amyotrophic lateral sclerosis: Diffusion tensor tractography and voxel-based analysis. NMR Biomed. 17, 411-416 (2004).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Ashburner, J., Friston, K. J. Nonlinear Spatial Normalization Using Basis Functions. Human Brain Mapping. 7, 254-266 (1999).
- 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).
- 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).
- 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).
- Cleaver, J. E. Defective repair replication of DNA in xeroderma pigmentosum. Nature. 218, 652-656 (1968).
- Anttinen, A., Koulu, L., et al. Neurological symptoms and natural course of xeroderma pigmentosum. Brain. 131, 1979-1989 (2008).
- 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).
- 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).
- 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).
- 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).
- 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).
- Kassubek, J., Ludolph, A. C., Müller, H. -P. Neuroimaging of motor neuron diseases. Ther. Adv. Neurol. Disord. 5, 119-127 (2012).
- Kassubek, J., Juengling, F. D. Multimodality functional neuroimaging. In: C. Stippich (Ed.): Clinical functional MRI - Presurgical functional neuroimaging. , Springer. Berlin/Heidelberg/New York. (2007).
- 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).
- 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).
- 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).
- 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).
- 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).
- Lazar, M., Weinstein, D. M., et al. White matter tractography using diffusion tensor deflection. Human Brain Mapping. 18, 306-321 (2003).
- Reisert, M., Mader, I., Anastasopoulos, C., Weigel, M., Schnell, S., Kiselev, V. Global fiber reconstruction becomes practical. Neuroimage. 54, 955-962 (2011).
- Klein, A., Andersson, J. Evaluation of 14 nonlinear deformation algorithms applied to human brain MRI registration. Neuroimage. 46, 786-802 (2009).
- Bammer, R. Basic principles of diffusion-weighted imaging. Eur. J. Radiol. 45, 169-184 (2003).
- 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).
- Turner, M. R., Grosskreutz,, et al. Towards a neuroimaging biomarker for amyotrophic lateral sclerosis. Lancet Neurol. 10, 400-403 (2011).
- 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).
- 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).
- 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).
- 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).
